Anwendungen von EEG Neuroimaging Daten: Ereignis-korrelierte Potenziale, Spectral Power und Multiscale Entropy

1A und 2A stellen die EEG-Signal in Reaktion auf die Präsentation eines Gesichtsbildes. Mittelung über wie Studien erzeugt eine Wellenform, die ERP aus einer Reihe von positiven und negativen Ausschläge genannt ERP Komponenten besteht. Abbildung 1B zeigt eine gemittelte Wellenform für ein einziges Thema und 6A zeigt eine große durchschnittliche Wellenform für eine Gruppe von Fächern. Es gibt eine reiche Literatur, die jedes ERP Komponente bezieht sich auf eine bestimmte Wahrnehmung, motorische oder kognitive Betrieb. Zum Beispiel ist das N170 eine negative Auslenkung Peaks bei etwa 170 msec nach dem Beginn des Stimulus und in Gesichterverarbeitung 8,15 beteiligt ist. 2B veranschaulicht die Zersetzung desselben EEG-Signal in Komponente Frequenzbänder. Die Ergebnisse zeigen spektrale Analyse der Frequenz des Signals (Fig. 2C), wobeieine Erhöhung der Leistung bei einer bestimmten Frequenz entspricht einem Anstieg in Gegenwart dieser Rhythmus innerhalb des EEG-Signals. Wie spektralen Leistungsdichte ist MSE empfindlich auf die Komplexität der Schwingungskomponenten zum Signal beiträgt. Doch anders als spektrale Leistungsdichte ist MSE auch empfindlich auf die Wechselwirkungen zwischen Frequenzkomponenten (dh nichtlineare Dynamik 18). Die Komplexität eines EEG-Signals als Funktion der Entropie Probe (5) über mehrere Zeitrahmen (4) dargestellt. Wie in Abbildung 3 dargestellt ist, ist Probe Entropie niedrig für regelmäßige Signale und steigt mit dem Grad der Zufälligkeit Signal. Im Gegensatz zu herkömmlichen Entropie Maßnahmen, die Erhöhung mit dem Grad der Zufälligkeit ist multiscale Entropie der Lage, komplexe Signale von weißem Rauschen zu unterscheiden, indem man Entropie über mehrere Zeitskalen. Zum Beispiel, Costa et al., 2005, multiscale Entropiewerte f im Vergleichoder unkorreliert (weiß) gegen Lärm korrelierten (pink) Lärm. Während Probe Entropie größer war als bei weißem Rauschen als rosa Rauschen in feinen Zeitskala, wurde das Gegenteil bei gröberen Zeitskalen 5-20 beobachtet. In anderen Worten, wenn die Entropie in mehreren Zeitskalen galt, war der wahre Komplexität der Signale genauer dargestellt als wäre, wenn nur ein einziger Zeitskala betrachtet. Abhängig von der zeitlichen Dynamik eines Kontrastmittel Zustand kann Effekte ausdrücken: 1) auf die gleiche Weise in allen Zeitskalen, 2) an einigen Zeitskalen nicht aber andere, oder 3) als Weiche Auswirkungen, wobei der Kontrast verschieden feine gegenüber gröberen Zeitskalen. Abbildung 6 zeigt Zustand Unterschiede in ERP (6A), spektrale Leistungsdichte (6B), MSE (6C) Gegenüberstellung der anfänglichen gegenüber wiederholen Präsentationen von Fotografien Gesicht 9. In diesem Beispiel sind alle Maßnahmen gebündelt zu offenbarendie gleiche Wirkung, jedoch ist die beobachtete Abnahme der Probe, die Entropie Gesicht Wiederholung begleitet wichtig, da sie die Interpretation der Ergebnisse einschränkt. Eine Verringerung der Komplexität nahe, dass die zugrunde liegenden funktionellen Netzwerk einfacher und die Verarbeitung von Informationen weniger. Abbildung 7 zeigt statistische Ergebnisse der multivariaten Analyse der partiellen kleinsten Quadrate 11 angewendet, um ERP, spektrale Leistungsdichte und MSE. Das Experiment manipuliert die Vertrautheit mit verschiedenen Gesichtern (Heisz et al., 2012) verbunden. Der Kontrast (Balkendiagramm) zeigt, dass ERP Amplitude unterschieden neue Gesichter von bekannten Gesichtern, aber nicht zu den bekannten Gesichtern, die in Höhe der früheren Exposition variiert. Spektrale unterschieden Gesichter nach erworbenen Kenntnisse aber nicht genau zwischen den Flächen mit mittlerem und niedrigem Vertrautheit zu unterscheiden. MSE war am empfindlichsten auf den Zustand Unterschiede in dieser Probe Entropiewerte zunehmended mit zunehmender Vertrautheit Gesicht. Die Bild Grundstücke erfassen die raumzeitliche Verteilung der Zustand Effekt über alle Elektroden und Zeit / Frequenz / Zeitskala. Dieses Beispiel zeigt eine Situation, in der die Analyse des EEG durch MSE erzeugt einzigartige Informationen, die nicht erhalten wurde, wurde mit herkömmlichen Methoden der ERP oder spektralen Leistungsdichte. Diese Abweichung von MSE legt nahe, dass die Bedingungen in Bezug auf nichtlineare Aspekte der Netzwerk-Dynamik unterscheidet und gegebenenfalls durch die Wechselwirkungen zwischen den verschiedenen Frequenzkomponenten. Abbildung 1. A) Die EEG Antworten von einem einzigen Thema als Funktion der Amplitude Auslenkung von der Grundlinie für jeden Versuch gegen die Zeit aufgetragen vom Beginn der Studie. Jeder Versuch bestand aus der Präsentation eines Fotos von einem Gesicht. Positive Amplitude Ausschläge sind in dargestelltred; negative Amplitude Ausschläge sind in blau dargestellt. Alle Studien zeigen eine positive Auslenkung um 100 ms und 250 ms, was event-related Phase-Locked-Aktivität. B) Mittelung über alle Studien in 1A dargestellt produziert einen gemittelten ERP Wellenform mit deutlichen positiven und negativen Ausschläge als Event-Komponenten und benannt nach einem einheitlichen Nomenklatur. Zum Beispiel ist die erste P1 positiv gehenden Komponente und N170 ist eine negative Komponente, die Peaks bei etwa 170 msec nach dem Beginn des Stimulus. Abbildung 2. A) Die EEG-Reaktion eines einzigen Thema für einen einzigen Versuch Plotten Amplitude durch die Zeit (in Datenpunkte, Abtastrate 512 Hz). B) Die EEG-Antwort von 2A bandpassgefilterte zu Frequenzbänder Delta isolieren(0-4 Hz), Theta (5-8 Hz), alpha (9-12 Hz), Beta (13-30 Hz) und gamma (> 30 Hz). C) Spektrale Leistungsdichte des EEG Reaktion in Abbildung dargestellten 2A Frequenz darstellt, Zusammensetzung des Signals als eine Funktion der Leistung nach Frequenz. Eine Erhöhung der spektralen Energie mit einer bestimmten Frequenz entspricht einem Anstieg in der Anzahl von aktiven Neuronen synchron innerhalb des jeweiligen Frequenzbandes mitgerissen. Hier eine größere Abbildung anzuzeigen . Abbildung 3 A) Zwei simulierte Wellenformen:.. Ein regelmäßiger oder vorhersehbar Wellenform in lila dargestellt, und eine stochastische Wellenform in schwarz dargestellt B) Probe Entropiewerte der beiden simulierten Wellenformen für die ersten drei Zeitskalen. Beispiel entropy ist in hohem Maße vorhersehbar Signale als weitere stochastische Signale gering. Klicken Sie hier, um eine größere Abbildung anzuzeigen . Abbildung 4. Downsampling die ursprüngliche Zeitreihe erzeugt mehrere Zeitreihen unterschiedlicher Zeitskalen. Zeitskala 1 ist die ursprüngliche Zeitreihe. Die Zeitreihe der Zeitskala 2 wird berechnet, indem die ursprüngliche Zeitreihe in erstellt nicht überlappenden Fenstern der Länge 2 und die durchschnittliche Datenpunkte innerhalb jedes Fensters. Um die Zeitreihe der nachfolgenden Fristen zu erzeugen, teilen Sie die ursprüngliche Zeitreihe in nicht überlappenden Fenstern der Zeitskala Länge und durchschnittlich die Datenpunkte innerhalb jedes Fensters. Abbildung 5. Eine simulierte Wellenform, wo jedes Rechteck stellt einen einzelnen Datenpunkt in der Zeitreihe. Probe Entropie schätzt die Variabilität einer Zeitreihe. In diesem Beispiel ist m (das Muster Länge) auf zwei, was bedeutet, dass die Varianz der Amplitude Muster jeder Zeitreihe in zweidimensionalen gegenüber dreidimensionalen Raum wird unter Berücksichtigung der Sequenz Muster von zwei gegen drei aufeinander folgenden dargestellt werden Zahnriemenräder Datenpunkte sind; r (die Ähnlichkeit Kriterium), spiegelt die Amplituden (bezeichnet durch die Höhe der farbigen Bändern), in dem Datenpunkte als "match" werden. Zum Beispiel Entropie dieser simulierten Zeitreihe zu berechnen, wobei die erste Zwei-Komponenten-Musters, rot-orange zu beginnen. Erstens zählen die Anzahl, wie oft die rot-orange-Sequenz Muster tritt in der Zeitreihe, es gibt 10 Spiele für dieses Zweikomponenten-Sequenz. Zweitens, die Anzahl der Male ersten Drei-Komponenten-Sequenz Muster, rot-orange-Schreiow, tritt in der Zeitreihe, es gibt 5 Spiele für dieses Drei-Komponenten-Sequenz. Fahren Sie auf diese Weise für die nächsten zwei-Komponenten-Sequenz (orange-gelb) und Drei-Komponenten-Sequenz (orange-gelb-grün). Die Zahl der Zwei-Komponenten-Spiele (5) und Drei-Komponenten-Spiele (3) für diese Sequenzen sind zu den vorherigen Werten (; insgesamt drei-Komponenten-Spiele = 8 insgesamt Zweikomponenten-Spiele = 15) aufgenommen. Wiederholen Sie dies für alle anderen Spiele in Folge der Zeitreihe (bis N – m), um das gesamte Verhältnis von Zwei-Komponenten-Spiele zu Drei-Komponenten-Spiele bestimmen. Probe Entropie ist der natürliche Logarithmus dieses Verhältnisses. Für jedes Thema, berechnen Sie den Kanal spezifische MSE Schätzung als Mittelwert über einzigen Versuch Entropie Maßnahmen für jeden Zeitplan. 6. Zustand Unterschiede in ERP (A), spektrale Leistung (B),MSE (C) Gegenüberstellung der ersten gegenüber der mehrfachen Präsentationen von Gesichts-Fotografien. Klicke hier, um eine größere Abbildung anzuzeigen . Abbildung 7. Gegenüberstellung der EEG Reaktion auf gelernt Gesichter über Maßnahmen von ERP, spektrale Leistungsdichte und multiscale Entropie. Die Balkendiagramme zeigen die Kontrast zwischen Bedingungen, die von Partial Least Squares-Analyse 11 bestimmt. Das Bild Grundstück unterstreicht die räumlich-zeitliche Verteilung, bei der dieser Kontrast war sehr stabil, wie durch Bootstrapping ermittelt. Die Werte stellen ~ z Partituren und negative Werte bedeuten Bedeutung für die inverse Bedingung Wirkung. Klicken Sie hier, um eine größere Abbildung anzuzeigen .