Beyin görüntüleme araştırmacılar genellikle tekrarlanan deneysel çalışmalar boyunca ortalama faaliyet olarak beynin yanıtı düşünün ve "gürültü" olarak zaman içinde sinyal değişkenliği göz ardı. Ancak, bu gürültü sinyal olduğu açık hale gelmektedir. Bu makalede, zaman tanım beyin sinyal değişkenlik ölçülmesi için çok ölçekli entropi yeni yöntem açıklanır.
Insan beyin görüntüleme verileri göz önüne alındığında, sinyal değişkenlik bir takdir biz beyin sinyal düşünmek şekilde temel bir yenilik temsil eder. Tipik olarak, araştırmacılar tekrarlanan deneysel çalışmalar boyunca ortalama olarak beynin yanıtı temsil ve "gürültü" olarak zaman içinde sinyal dalgalanmaları dikkate almayın. Ancak, beyin sinyal değişkenlik sinir ağı dinamikleri hakkında anlamlı fonksiyonel bilgi nakleden olduğu açık hale gelmektedir. Bu makalede, beyin sinyal değişkenlik ölçülmesi için çok ölçekli entropi (MSE) en yeni yöntem açıklanır. O zaman ölçeği bağımlılık ve veri doğrusal ve doğrusal olmayan dinamikleri duyarlılık gösterdiği için MSE sinir ağı dinamiklerinin özellikle bilgilendirici olabilir.
Beyin görüntüleme son gelişmeler büyük ölçüde beyin fonksiyonlarını daha iyi anlayabilmemiz yükseltmiştir. Ancak, beyin görüntüleme veri uygulamaları birçok gerçek zamanlı olarak açılmak gibi bilişsel işlemleri vurgulayarak daha statik eyalette yerine beynin görünümünü güçlendirmek için eğilimindedir. Sonuç olarak, küçük beyin ağlarının uzay-zaman yapısı hakkında ve nasıl birden fazla zaman çizelgesi üzerinde uzaysal şekillerindeki değişikliklerin dizisi belirli bir bilişsel işlem katkıda bilinmektedir. Bu makale çok ölçekli entropi (MSE) 5, birden fazla zaman çizelgesi üzerinde bir fonksiyonel beyin ağ iletişim içinde ne kadar farklı sinir jeneratörler hakkında bilgi vererek özel biliş işlemleri altında yatan uzaysal desen karmaşıklığı inceler veri beyin görüntüleme için yeni bir analitik aracı anlatılmaktadır.
Bilgi kuramı türetilen, matematik 7,16 uygulamalı bir dalı, MSE orijinal olduelektrokardiyogram 4 karmaşıklığı incelemek için tasarlanmıştır ly. Teorik olarak, MSE herhangi bir zaman serisi karmaşıklığını analiz etmek için kullanılabilir; birincil gerekli sinyal zaman serisi sürekli zaman en az 50 veri noktaları içermesidir. Ancak, zaman ölçeği bağımlılığı ve veri doğrusal ve doğrusal olmayan dinamikleri duyarlılık sinir ağı dinamiklerinin özellikle bilgilendirici MSE yapabilir.
Burada, veri 9,12 beyin görüntüleme elektroensefalografi (EEG) için MSE uygulanması odaklanın. EEG kafa derisi üzerine yerleştirilen elektrotlar neokorteks 1 nöronların nüfus postsinaptik yanıtları yakalamak sayede bir non-invaziv beyin görüntüleme tekniğidir. Yüksek temporal çözünürlük ile, EEG kolayca tipik satın alma protokolü değiştirmeden MSE gerekli zaman serisi süresini karşılar. EEG veri MSE uygulamanın faydası vurgulamak için, daha fazla geleneksel yaklaşımlar dahil olan bu yeni yöntem, karşılaştırmaolay-ilişkili potansiyel ve spektral güç uding. Birlikte kullanıldığında, analiz bu tamamlayıcı yöntemler biliş neden sinir ağı işlemleri içine daha fazla fikir yol açabilir verilerin daha ayrıntılı bir açıklaması sağlar.
Bu makalenin amacı bu EEG beyin görüntüleme verileri için geçerli olarak çok ölçekli entropi bir kavramsal ve metodolojik açıklaması (MSE) sağlamaktı. EEG yüksek zamansal çözünürlüğe sahip sinir ağ etkinliğini ölçen güçlü bir non-invaziv beyin görüntüleme tekniğidir. EEG sinyal kolektif tepkiler çeşitli eksitatör ve inhibitör evresel bağlantıları ile değiştirilir korteks, piramidal hücre popülasyonlarının post-sinaptik aktivite yansıtır. Buna göre, EEG verileri analiz ve her yöntemin verilerin benzersiz bir yönü ayıklar için birden fazla yolu vardır.
Olay-ilişkili potansiyel (ERP) analizi ve spektral güç analizi: Biz analiz iki yaygın yöntemler ele. ERP analizi ayrı bir olay başlangıcı için faz-kilitli olan EEG sinyalinde senkron nöronal etkinliği yakalar. ERP spec incelenmesi için bu istatistik idealdir, belirli algısal, motor veya bilişsel işlemleri yansıtmakIFIC işleme aşamaları. Spektral güç analizi EEG sinyal belirli bir frekans göreli katkısı rakamlarla. Çeşitli eksitatör ve inhibitör geri bildirim döngüleri sürüklemek için belirli bir frekansta 1,3 de nöronal nüfus faaliyet etkileşim. Farklı beyin bölgeleri arasındaki bu eşzamanlı yaygın sinir ağları arasında bilgi bağlayıcı teşvik düşünülmektedir. Belirli bir frekans aralığında güç ve fonksiyon 3 belirli bir duygusal ya da bilişsel devlet arasındaki bağlantıyı destekleyen zengin bir literatür bulunmaktadır.
EEG analiz zaman sinir ağları doğrusal olmayan dinamikleri ile karmaşık sistemleri olduğunu akılda tutmak için de önemlidir. Bu karmaşıklık anlamsız arka plan gürültü sonucu değildir düzensiz salınımlar gibi EEG sinyal yansır. Senkron salınım aktivite gibi çeşitli eksitatör ve inhibitör evresel döngüler arasındaki etkileşimleri geçici grip nedensüresi 6 üzerinde beyin sinyal ctuations. Bu geçici temel ağ özgürlüğü veya karmaşıklık dereceleri tahmin etmek için kullanılabilir ağ mikro-arasındaki geçişler veya çatallanma yansıtacak inanılıyor, zaman içinde sinyal genliği desen büyük değişkenlik daha karmaşık bir sistemi 5 göstergesidir. MSE ise kritik, ERP veya spektral güç analizleri, bu düzensiz aktivite duyarlı değildir. Ayrıca, ağ karmaşıklığını bir dizin sadece beyin bölgeleri arasında geçici ve dinamik tekrarlayan etkileşimleri kör bir yöntem olarak aktif beyin bölgelerinin sayısı sayma ile elde edilemez.
Analizi beyin görüntüleme için tamamlayıcı yöntemler temel nöral aktivitenin tam bir resim oluşturmak için birleştirir. ERP ve spektral güç olarak beyin görüntüleme verileri, daha geleneksel uygulamaları sonuçlarının yorumlanması MS gibi karmaşıklık önlemleriyle da vardırE, MSE belirli bir bilişsel işlem katkıda birden fazla zaman çizelgesi boyunca beyin aktivitesinin uzaysal şekillerindeki değişikliklerin dizisi yakalamak için bir yol sağlar. Yeni ve mevcut veri setleri için MSE uygulamak biliş sinir ağı dinamikleri çıkar nasıl içine daha fazla fikir sağlayabilir.
The authors have nothing to disclose.
Name of Reagent/Material | Company | Catalogue Number | Comments |
EEG | BioSemi |