1. اكتساب EEG <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> شرح الإجراءات التجريبية إلى المشارك والحصول على الموافقة المسبقة. </li><li style=";text-align:right;direction:rtl"> تطبيق المنسدلة الأقطاب. منطقة نظيفة على الوجه حيث سيتم تقع الأقطاب المنسدلة باستخدام مسحة الكحول. </li><li style=";text-align:right;direction:rtl"> وضع قبعة على رأسه القطب المشارك. قياس محيط الرأس المشاركين واختيار حجم قبعة مناسبة. بعد 10-20 نظام معترف به دوليا لوضع قطب كهربائي، وقياس المسافة من الأنيفى إلى inion على طول خط الوسط ويقسم بنسبة 10٪. باستخدام هذا العدد، ترقى من الأنيفى وعلامة. محاذاة القطب قبعة موقف FP مع هذه العلامة وسحب الغطاء الخلفي. تأكد من أن مركز سقف يتماشى مع الأنف. قياس الأنيفى إلى تشيكوسلوفاكيا، والتأكد من أن هذه المسافة هي نصف المسافة من الأنيفى إلى inion. تشديد chinstrap. </li><li style=";text-align:right;direction:rtl"> مكان هلام مملوءة حقنة حادة نقطة في أصحاب القطب. لإنشاء عمود موصل من هلام، وتبدأ في اتصال معفروة الرأس، ثم الضغط وسحب. لاحظ أن تطبيق الكثير من هلام قد سد إشارات من الأقطاب الكهربائية المجاورة. </li><li style=";text-align:right;direction:rtl"> إصلاح الأقطاب النشطة إلى أصحاب القطب. </li><li style=";text-align:right;direction:rtl"> ضع هذا الموضوع في مقدمة الشاشة في مسافة مناسبة للتجربة. اطلب من المشاركين أن تبقى لا يزال، مع التشديد على أهمية التقليل من حركات العين ويومض لتسجيل نظيفة. </li><li style=";text-align:right;direction:rtl"> فحص التوصيلات الكهربائية وجودة الإشارة EEG على الكمبيوتر الاستحواذ. تحقق من أن كافة إزاحة القطب منخفضة (&lt;40 بالسيارات) ومستقرة. إذا كان هناك مشكلة مع القطب خاصة، واخراج هذا القطب وتطبيق هلام لضبط ممانعات في ذلك الموقع. </li><li style=";text-align:right;direction:rtl"> حفظ الملف وبدء التجربة. </li></ol> 2. تحليل EEG <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> بعد التجريب، ولكن قبل استخراج إحصائية معينة من الفائدة، preprocess البيانات EEG المستمر لإزالة القطع الأثرية باستخدام الإجراءات القياسية للتصفيةرفض قطعة أثرية الثانية. قطع EEG المستمر في العهود المقابلة لكل حدث منفصلة، ​​مثل عرض صورة. في كل عصر، وتشمل ميللي ثانية نافذة 100 قبل التحفيز كأساس. </li><li style=";text-align:right;direction:rtl"> يلتقط إمكانات ذات الصلة بالحدث (ERP) تحليل نشاط الدماغ متزامن التي هي مرحلة غير الساحلية إلى بداية الحدث. متوسط ​​عبر التجارب للفصل بين استجابات أثار من &quot;صاخبة&quot; (أي غير مؤمن المرحلة) النشاط الخلفية. التباين عبر التجارب وبين الأشخاص أصحاب يمثل تحديا رئيسيا لأسلوب تخطيط موارد المؤسسات من تحليل. لتحقيق نسبة الإشارة إلى الضوضاء جيد وينبغي أن تشمل بروتوكول التجريبية العديد من الأحداث المنفصلة مع onsets يمكن تحديدها. الوقت تأمين استجابة الدماغ على بداية حدثا البارزة وبعد ذلك يبلغ أكثر من كثيرة مثل الأحداث يساعد على الحد من بعض من هذا الضجيج، إلا أن التزامن الزمني الناجم عن هذا الإجراء يذوب عادة في غضون 1 ثانية. تحديد ERP مكون سعة الذروة والإختفاء لكل الفرعيةJECT (مبادئ توجيهية أكثر تفصيلا على تحليل تخطيط موارد المؤسسات، انظر بيكتون وآخرون، 2000). </li><li style=";text-align:right;direction:rtl"> باستخدام تحليل فورييه، تحويل إشارة EEG من المجال الزمني إلى المجال التردد وتتحلل إشارة إلى أمواجه شرط مركب من ترددات مختلفة 6. </li><li style=";text-align:right;direction:rtl"> متعددة النطاقات الكون (MSE) هو متري النظرية المعلومات التي يقدر تباين إشارات neuroelectical على مر الزمن وعبر نطاقات زمنية متعددة. لتوفير تصوير المفاهيمي لتحليل MSE، والنظر في اثنين من الطول الموجي المحاكاة، والموجي العادية وأكثر واحد مؤشر ستوكاستيك. القيم الكون العينة هي قريبة من الصفر لالموجي العادية و~ 2.5 لالموجي أكثر متغير. زيادة في الانتروبيا عينة يقابل ذلك زيادة في تعقيد إشارة، والتي، وفقا لنظرية المعلومات، يمكن أن تفسر على أنها زيادة في كمية من القدرة على تجهيز المعلومات من النظام الأساسي 7،16. تذكر أن قدرة الدماغ ليست ثابتة ولكن التغييرات DEPEnding على السياق 2 العصبية، أي مناطق الدماغ التي تحدث لتكون مرتبطة وظيفيا عند نقطة معينة في الوقت المناسب. </li><li style=";text-align:right;direction:rtl"> لحساب MSE، استخدام خوارزمية متاحة على <a href="http://www.physionet.org/physiotools/mse/">www.physionet.org/physiotools/mse/</a> ، الذي يحسب MSE في خطوتين. </li><li style=";text-align:right;direction:rtl"> أولا، الخوارزمية تدريجيا أسفل عينات السلسلة الزمنية EEG في المحاكمة وفقا للحالة. أسفل نموذج السلسلة الزمنية الأصلية لتوليد سلسلة زمنية متعددة من الجداول الزمنية متفاوتة. الوقت سلسلة 1 هو سلسلة الوقت الأصلي. لإنشاء سلسلة زمنية من فترات زمنية لاحقة، تقسيم السلسلة الزمنية الأصلية في ويندوز غير متداخلة من طول الفترة الزمنية ومتوسط ​​نقاط البيانات داخل كل نافذة. أخذ عينات بانخفاض مشابه لتصفية تمرير منخفض، وسوف يقسم تردد أخذ العينات بواسطة مقياس الوقت تقريبي التردد الذي كانت الإشارة المنخفضة تمرير تصفيتها لهذا الجدول الزمني معينة. تطبيق MSE إلى قدم المساواةيمكن أن تفسر على أنها تمثل تركيبة الإيقاعات ضمن هذا النطاق، فضلا عن التفاعل بين تلك الترددات: تردد نطاق حتديدا (9 هرتز إلى 12 هرتز على سبيل المثال، ألفا). </li><li style=";text-align:right;direction:rtl"> الثانية، الخوارزمية بحساب الكون العينة لكل السلاسل الزمنية خشن الحبيبات 14. تقدر الكون عينة تعقيد سلسلة زمنية. في التحليل غير الخطية من EEG، واحدة يفترض أن السلسلة الزمنية الفردية يمثل مظهر من مظاهر نموذج ديناميكي غير خطي متعدد الأبعاد الكامنة (انظر ستام، عام 2005 لاستعراض). في هذا المثال، يتم تعيين م (طول نمط) لاثنين، وهو ما يعني أن تقلب نمط السعة من كل سلسلة الوقت سوف تكون ممثلة في الفضاء ثنائي الأبعاد مقابل ثلاثي الأبعاد من خلال النظر في نمط تسلسل من اثنين مقابل ثلاث مرات متتالية نقاط البيانات، على التوالي. المعلمة R (معيار التشابه)، تعكس مدى سعة (الرمز بواسطة ذروة نطاقات ملونة) داخل الأمر الذي يشير إلى البياناتإعادة النظر إلى &quot;تطابق&quot;. لسلسلة زمنية EEG نموذجي مع أكثر من 100 نقطة بيانات، تعيين م المعلمة تساوي 2 وr المعلمة يساوي قيمة بين 0.5 و 1 (انظر ريتشمان ومورمان، 2000؛ لإجراء مفصلة حول اختيار المعلمات الرجوع إلى بحيرة وآخرون، 2002). لحساب الكون عينة لهذه السلسلة الوقت المحاكاة، وتبدأ مع أول نمط تسلسل ثنائي مكون والأحمر والبرتقالي. الأول، حساب عدد مرات حدوث نمط تسلسل الاحمر والبرتقالي في السلسلة الزمنية، وهناك 10 مباريات لهذا التسلسل ثنائي مكون. الثانية، عد عدد من أول نمط تسلسل ثلاثي مكون مرات والأحمر والبرتقالي والأصفر، ويحدث في السلسلة الزمنية، وهناك 5 مباريات لهذا التسلسل ثلاثة المكون. تواصل مع نفس العمليات التالي من تسلسل ثنائي مكون (البرتقالي والأصفر) وتسلسل ثلاثي مكون المقبل (البرتقالي والأصفر والأخضر) من سلسلة زمنية. عدد المباريات اثنين من عناصر (5) وثلاث مباريات مكون (3) لهذه sequenتضاف CES إلى القيم السابقة (مجموع المباريات ثنائي مكون = 15؛ مجموع المباريات الثلاث مكون = 8). كرر لجميع المباريات تسلسل الأخرى في السلسلة الزمنية (إلى N - M) لتحديد نسبة مجموع مباراتين مكون إلى مكون ثلاث مباريات. الكون عينة هو اللوغاريتم الطبيعي لهذه النسبة. لكل موضوع، حساب تقديرات محددة MSE قناة كمتوسط ​​عبر تدابير الكون محاكمة واحدة لكل مقياس الوقت. </li></ol>

<ol>
	<li>Bressler, S. L., Arbib, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Event-related+potentials.">Event-related potentials.</a> The Handbook of Brain Theory and Neural Networks. , 412-415 (2002).</li><li>Bressler, S. L., McIntosh, A. R., Jirsa, V. K., McIntosh, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+neural+context+in+large-scale+neurocognitive+network+operations.">The role of neural context in large-scale neurocognitive network operations.</a> Springer Handbook on Brain Connectivity. , 403-419 (2007).</li><li>Buzsaki, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Rhythms of the brain. , (2006).</li><li>Costa, M., Goldberger, A., Peng, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multiscale+entropy+analysis+of+biological+signals.">Multiscale entropy analysis of biological signals.</a> Phys. Rev. E. 712, 1-18 (2005).</li><li>Deco, G., Jirsa, V., McIntosh, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Emerging+concepts+for+the+dynamical+organization+of+resting-state+activity+in+the+brain.">Emerging concepts for the dynamical organization of resting-state activity in the brain.</a> Nat. Rev. Neurosci. 12, 43-56 (2011).</li><li>Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+labile+brain.+I.+Neuronal+transients+and+nonlinear+coupling.">The labile brain. I. Neuronal transients and nonlinear coupling.</a> Philos. Trans. R. Soc. Lond. B. Biol. Sci. 355, 215-236 (2001).</li><li>Gatlin, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Information Theory and the Living System. , (1972).</li><li>Heisz, J. J., Shedden, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Semantic+learning+modifies+perceptual+face+processing.">Semantic learning modifies perceptual face processing.</a> Journal of Cognitive Neuroscience. 21, 1127-1134 (2009).</li><li>Heisz, J. J., Shedden, J. M., McIntosh, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Relating+brain+signal+variability+to+knowledge+representation.">Relating brain signal variability to knowledge representation.</a> NeuroImage. 63, 1384-13 (2012).</li><li>Lake, D. E., Richman, J. S., Griffin, P., Moorman, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sample+entropy+analysis+of+neonatal+heart+rate+variability.">Sample entropy analysis of neonatal heart rate variability.</a> Am. J. Physiol. Regul. Integr. Comp. Physiol. 283, R789-R797 (2002).</li><li>Lobaugh, N. J., West, R., McIntosh, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatiotemporal+analysis+of+experimental+differences+in+event-related+potential+data+with+partial+least+squares.">Spatiotemporal analysis of experimental differences in event-related potential data with partial least squares.</a> Psychophysio. 38, 517-530 (2001).</li><li>McIntosh, A. R., Kovacevic, N., Itier, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Increased+brain+signal+variability+accompanies+behavioral+variability+in+development.">Increased brain signal variability accompanies behavioral variability in development.</a> PLoS Computational Biology. 4, 7 (2008).</li><li>Picton, T. W., Bentin, S., Berg, P., Donchin, E., Hillyard, S. A., Johnson, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Guidelines+for+using+human+event-related+potentials+to+study+cognition:+Recording+standards+and+publication+criteria.">Guidelines for using human event-related potentials to study cognition: Recording standards and publication criteria.</a> Psychophysiology. 37, 127-152 (2000).</li><li>Richman, J. S., Moorman, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Physiological+time+series+analysis+using+approximate+entropy+and+sample+entropy.">Physiological time series analysis using approximate entropy and sample entropy.</a> Am. J. Physiol. Heart Circ Physiol. 278, H2039-H2049 (2000).</li><li>Rossion, B., Jacques, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Does+physical+interstimulus+variance+account+for+early+electrophysiological+face+sensitivity+responses+in+the+human+brain?+Ten+lessons+on+the+N170.">Does physical interstimulus variance account for early electrophysiological face sensitivity responses in the human brain? Ten lessons on the N170.</a> NeuroImage. 39, 1959-1979 (2008).</li><li>Shannon, C. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Mathematical+Theory+of+Communication.">A Mathematical Theory of Communication.</a> The Bell System Technical Journal. 27, 379-423 (1948).</li><li>Stam, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nonlinear+dynamical+analysis+of+EEG+and+MEG:+review+of+an+emerging+field.">Nonlinear dynamical analysis of EEG and MEG: review of an emerging field.</a> Clinical Neurophysiology. 116, 2266-2301 (2005).</li><li>Vakorin, V. A., McIntosh, A. R., Rabinovich, M. I., Friston, K. J., Varona, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mapping+the+multi-scale+information+content+of+complex+brain+signals.">Mapping the multi-scale information content of complex brain signals.</a> Principles of Brain Dynamics: Global State Interactions. , (2012).</li></ol>

الإعلان عن أي تضارب في المصالح.

وكان الهدف من هذه المادة إلى تقديم وصف المفاهيمية والمنهجية متعددة النطاقات الكون (MSE) كما ينطبق على البيانات تصوير الأعصاب EEG. EEG يعد مصدرا قويا لتقنية تصوير الأعصاب غير الغازية الذي يقيس نشاط الشبكة العصبية مع القرار الزماني عالية. يعكس إشارة EEG النشاط بعد متشابك من السكان من الخلايا الهرمية في قشرة، التي يتم تعديلها بواسطة مختلف اتصالات إعادة مشترك مثير والمثبطة استجابات جماعية. وفقا لذلك، وهناك طرق متعددة لتحليل البيانات EEG ولكل طريقة استخراج ومن الجوانب الفريدة للبيانات. ناقشنا اثنين من الطرق الشائعة لتحليل: المحتملة ذات الصلة بالحدث (ERP) تحليل وتحليل القدرة الطيفية. تحليل ERP يلتقط نشاط الخلايا العصبية متزامن في إشارة EEG التي هي مرحلة غير الساحلية إلى بداية حدثا منفصلة. نظم تخطيط موارد المؤسسات تعكس محددة الإدراك الحسي، والسيارات، أو العمليات المعرفية، مما يجعل هذه الإحصائية مثالية لدراسة المواصفاتمراحل التجهيز IFIC. تحليل القدرة الطيفية الكمي المساهمة النسبية لتردد معين لإشارة EEG. مختلف الحلقات ردود فعل مثير والمثبطة تتفاعل لجر النشاط من السكان العصبية في معين تردد 1،3. ويعتقد أن هذا التزامن بين مناطق الدماغ المتباينة لتعزيز ملزم من المعلومات عبر الشبكات العصبية على نطاق واسع. هناك أدب الغنية دعم الصلة بين السلطة ضمن نطاق تردد معين وحالة عاطفية أو إدراكية معينة من وظيفة 3. عند تحليل EEG من المهم أيضا أن نأخذ في الاعتبار أن الشبكات العصبية والنظم المعقدة مع الديناميات غير الخطية. ويتجلى هذا التعقيد في إشارة EEG كما التذبذبات غير النظامية التي ليست هي نتيجة للضجيج في الخلفية لا معنى لها. مثل النشاط متذبذبة متزامن، والتفاعلات بين مختلف الحلقات إعادة مشترك مثير والمثبطة يسبب انفلونزا عابرةctuations في إشارة الدماغ مع مرور الوقت 6. ويعتقد أن هذه العابرين لتعكس التحولات أو التشعبات بين microstates شبكة الاتصال التي يمكن استخدامها لتقدير درجات الحرية أو تعقيد الشبكة الأساسية؛ أكبر تنوع في نمط السعة للإشارة مرور الوقت يدل على نظام أكثر تعقيدا 5. خطيرة، تخطيط موارد المؤسسات أو تحليلات القدرة الطيفية ليست حساسة لمثل هذا النشاط غير النظامية، في حين MSE هو. وعلاوة على ذلك، وهو مؤشر من تعقيد الشبكة لا يمكن الحصول عليها ببساطة عن طريق عد عدد من مناطق الدماغ النشطة لأن مثل هذا الأسلوب هو أعمى إلى التفاعلات المتكررة عابرة وديناميكية بين مناطق الدماغ. أساليب مكملة لتصوير الأعصاب تحليل تتضافر لخلق صورة كاملة من النشاط العصبي الأساسي. وزادت تفسير النتائج من التطبيقات الأكثر تقليدية من البيانات تصوير الأعصاب، مثل تخطيط موارد المؤسسات والقدرة الطيفية، من خلال تدابير من التعقيد مثل MSE؛ MSE يوفر وسيلة لالتقاط سلسلة من التغييرات في أنماط الزمانية المكانية من نشاط الدماغ عبر نطاقات زمنية متعددة تساهم في عملية معرفية نوعية. تطبيق MSE إلى مجموعات البيانات الجديدة والقائمة قد توفر مزيد من التبصر في كيفية الإدراك يخرج من ديناميات الشبكة العصبية.

التطورات الحديثة في التشخيص التصويري للأعصاب قد زادت بشكل كبير من فهمنا وظيفة الدماغ. ومع ذلك، فإن العديد من تطبيقات البيانات تصوير الأعصاب تميل إلى تعزيز وجهة نظر الدماغ في الولايات ثابت بدلا من التركيز على العمليات المعرفية وقوعها في الوقت الحقيقي. وبالتالي، لا يعرف إلا القليل حول بنية الزمكان شبكات الدماغ وكيف تسلسل التغيرات في أنماط الزمانية المكانية عبر نطاقات زمنية متعددة تساهم في عملية معرفية نوعية. يصف هذه المادة متعددة النطاقات الكون (MSE) 5، وأداة تحليلية جديدة لتصوير الأعصاب البيانات التي يدرس تعقيد نمط الزمانية المكانية الكامنة وراء عمليات الإدراك المحددة من خلال توفير المعلومات حول كيفية مولدات العصبية المختلفة في المخ وظيفية التواصل عبر شبكة فترات زمنية متعددة. المستمدة من نظرية المعلومات، وهو فرع من الرياضيات التطبيقية 7،16، كان MSE الأصليلاي تهدف إلى دراسة تعقيد كهربية 4. من الناحية النظرية، MSE يمكن أن تستخدم لتحليل تعقيد أي سلسلة زمنية، والمطلوب الأساسي هو أن السلسلة الزمنية إشارة يحتوي على 50 نقطة على الأقل البيانات من الزمن المتواصل. ومع ذلك، يجوز للاعتماد الجدول الزمني والحساسية لديناميات الخطية وغير الخطية في البيانات جعل MSE بالمعلومات خاصة من ديناميات الشبكة العصبية. هنا، ونحن نركز على تطبيق MSE لالكهربائي (EEG) تصوير الأعصاب بيانات 9،12. EEG هو تقنية تصوير الأعصاب موسع حيث الأقطاب التي توضع على فروة الرأس التقاط الردود بعد المشبكي من السكان من الخلايا العصبية في القشرة المخية الحديثة 1. مع القرار الزماني عالية، EEG تجتمع بسهولة الوقت طول سلسلة المطلوب من MSE دون تغيير بروتوكول اكتساب نموذجية. للتأكيد على جدوى تطبيق MSE إلى البيانات EEG، قارنا هذا الأسلوب رواية مع أكثر النهج مدفوع التقليديةuding ذات الصلة بالحدث الطاقة المحتملة والطيفية. عندما تستخدم معا، وهذه الأساليب التكميلية لتحليل تقدم وصفا أكثر اكتمالا من البيانات التي قد تؤدي إلى مزيد من التبصر في عمليات الشبكة العصبية التي تؤدي إلى الإدراك.

<table border="1">
<tbody>
 <tr>
 <td>Name of Reagent/Material</td>
 <td>Company</td>
 <td>Catalogue Number</td>
 <td>Comments</td>
 </tr>
 <tr>
 <td>EEG </td>
 <td>BioSemi</td>
 <td></td>
 <td></td>
 </tr>
 </tbody>
</table>

applications of eeg neuroimaging data: event-related potentials, spectral power, and multiscale entropy

عند النظر في البيانات تصوير الأعصاب البشرية، تقديرا لتقلب إشارة يمثل الابتكار الأساسية في الطريقة التي نفكر بها إشارة الدماغ. عادة، تمثل الباحثون استجابة الدماغ كما يعني عبر التجارب التجريبية المتكررة وتجاهل تقلبات إشارة مرور الوقت بأنها &quot;الضوضاء&quot;. ومع ذلك، فإنه أصبح من الواضح أن تقلب إشارة الدماغ ينقل المعلومات وظيفية ذات مغزى حول ديناميات الشبكة العصبية. توضح هذه المقالة طريقة رواية متعددة النطاقات الكون (MSE) لقياس تقلب إشارة الدماغ. MSE قد تكون مفيدة بشكل خاص للديناميات الشبكة العصبية لأنه يظهر الاعتماد مقياس الوقت وحساسية لديناميات الخطية وغير الخطية في البيانات.

أرقام 1A 2A وتمثل إشارة EEG ردا على عرض صورة الوجه. المتوسط ​​عبر مثل المحاكمات ينتج الموجي تخطيط موارد المؤسسات التي تتكون من سلسلة من الانحرافات الإيجابية والسلبية ودعا مكونات ERP. يوضح الشكل 1B وبلغ متوسط ​​الموجي لموضوع واحد والشكل 6A يوضح متوسط ​​الموجي الكبرى لمجموعة من المواضيع. هناك أدب غني والتي ترتبط كل مكون تخطيط موارد المؤسسات لمحددة الإدراك الحسي، والسيارات، أو تشغيل المعرفية. على سبيل المثال، N170 هو انحراف السلبية التي القمم في حوالي 170 ميللي ثانية بداية مرحلة ما بعد التحفيز ومتورط في معالجة الوجه 8،15. يوضح الشكل 2B التحلل من نفس إشارة EEG في نطاقات التردد المكون. النتائج من تحليل القدرة الطيفية تكشف عن محتوى تردد الإشارة (الشكل 2C)، حيثيعكس زيادة في السلطة على تردد خاص بزيادة في وجود ذلك الإيقاع داخل إشارة EEG. مثل الطاقة الطيفية، MSE حساس لتعقيد مكونات متذبذبة المساهمة في إشارة. ومع ذلك، على عكس الطاقة الطيفية، MSE هو أيضا حساسة للتفاعلات بين مكونات تردد (أي غير الخطية ديناميات 18). ويمثل تعقيد إشارة EEG بوصفها وظيفة من الكون العينة (الشكل 5) على مدى فترات زمنية متعددة (الشكل 4). كما هو موضح في الشكل (3)، الكون عينة منخفضة للإشارات العادية ويزداد مع درجة من العشوائية إشارة. على عكس التدابير الكون التقليدية التي تزيد مع درجة من العشوائية، متعددة النطاقات الكون هي قادرة على التمييز إشارات معقدة من الضوضاء البيضاء من خلال النظر في الكون عبر نطاقات زمنية متعددة. على سبيل المثال، كوستا وآخرون، 2005، مقارنة متعددة النطاقات الكون و القيمأو غير مترابطة (أبيض) الضوضاء مقابل المترابطة (الوردي) الضوضاء. بينما الكون عينة كان أكبر لضوضاء بيضاء من الضوضاء الوردي في مقياس الوقت غرامة، لوحظ العكس في خشونة الجداول الزمنية 5-20. وبعبارة أخرى، عندما كان يعتبر الكون عبر نطاقات زمنية متعددة، وتعقد الحقيقي للإشارات ومثلت أكثر دقة مما سيكون إذا تم النظر فيها إلا فترة زمنية واحدة. تبعا لديناميات الزماني للتناقض معين، وآثار حالة يمكن التعبير: 1) بنفس الطريقة في جميع النطاقات الزمنية، 2) في بعض الجداول الزمنية ولكن ليس غيرها، أو 3) وآثار كروس حيث التباين يختلف في غرامة مقابل خشونة الجداول الزمنية. يصور الشكل 6 الاختلافات في حالة تخطيط موارد المؤسسات (الشكل 6A)، والطاقة الطيفية (الشكل 6B)، MSE (الشكل 6C) المتناقضة في العروض الأولية مقابل تكرار الصور الوجه 9. في هذا المثال المتقاربة جميع التدابير للكشف عننفس التأثير، ومع ذلك، فإن الانخفاض الملحوظ في الكون عينة الذي يصاحب وجه التكرار مهم لأنه يحد من تفسير النتائج. وحدث انخفاض في تعقيد يشير إلى أن الشبكة الوظيفية الأساسية هي أبسط وقادرة على معالجة معلومات أقل. الرقم 7 يصور النتائج الإحصائية من التحليل متعدد المتغيرات من الجزئي المربعات الصغرى 11 تطبق على تخطيط موارد المؤسسات، والطاقة الطيفية وMSE. التجربة التلاعب الألفة المرتبطة جوه مختلفة (Heisz وآخرون، 2012). على النقيض من ذلك (الرسم البياني بار) يدل على أن ERP السعة تميز وجوه جديدة من الوجوه المألوفة ولكن ليس من بين الوجوه المألوفة التي تفاوتت في مقدار التعرض السابقة. القدرة الطيفية ميز يواجه فقا لالألفة المكتسبة ولكن لم يميز بدقة بين وجوه الألفة المتوسطة والمنخفضة. كان MSE الأكثر حساسية للاختلافات في حالة أن نموذج الكون القيم المتزايدةإد مع زيادة الألفة وجهه. المؤامرات التقاط الصور توزيع الزمانية المكانية من تأثير حالة في جميع الأقطاب والوقت / تردد / مقياس الوقت. يوضح هذا المثال الحالة التي تحليل EEG التي كتبها MSE إنتاج المعلومات الفريدة التي لم يتم الحصول عليها باستخدام الأساليب التقليدية لتخطيط موارد المؤسسات أو القدرة الطيفية. هذا الاختلاف في MSE يشير إلى أن الظروف تختلف فيما يتعلق بجوانب غير الخطية ديناميات شبكة الاتصال الخاصة بهم، ربما تنطوي على التفاعلات بين مكونات تردد مختلف. <img alt="الشكل 1" src="/files/ftp_upload/50131/50131fig1.jpg" /> الشكل رقم 1. A) الردود EEG من موضوع واحد بوصفها وظيفة من انحراف السعة من خط الأساس لكل محاكمة تآمر ضد الزمن من بداية المحاكمة. وتألفت كل محاكمة من عرض صورة لصورة الوجه. وصفت الانحرافات السعة إيجابية فيأحمر؛ وصفت الانحرافات السلبية السعة في الزرقاء. إظهار جميع المحاكمات انحراف إيجابي نحو 100 ميللي ثانية و 250 مللي ثانية، مشيرا ذات الصلة بالحدث مرحلة غير الساحلية النشاط. B) بمعدل عبر جميع المحاكمات مبين في الشكل 1A ينتج الموجي ERP بلغ متوسط ​​مع الانحرافات الإيجابية والسلبية متميزة تسمى المكونات ذات الصلة بالحدث واسمه وفقا لمعيار التسميات. على سبيل المثال، P1 هو أول عنصر ذاهب إيجابية، وN170 هو عنصر السلبية التي القمم في حوالي 170 ميللي ثانية بداية مرحلة ما بعد التحفيز. <img alt="الشكل 2" src="/files/ftp_upload/50131/50131fig2.jpg" /> الشكل 2. A) واستجابة EEG من موضوع واحد للمحاكمة واحدة بالتآمر السعة إلى جانب الوقت (في نقاط البيانات، وأخذ العينات معدل 512 هرتز). ب) استجابة EEG في الشكل 2A ممر الموجة تصفية لعزل نطاقات التردد من دلتا(0-4 هرتز)، ثيتا (5-8 هرتز)، ألفا (9-12 هرتز)، بيتا (13-30 هرتز) وغاما (&gt; 30 هرتز). C) كثافة القدرة الطيفية للاستجابة EEG هو مبين في الشكل 2A يمثل تكوين تردد الإشارة بوصفها وظيفة من الطاقة حسب التردد. يعكس زيادة في القدرة الطيفية على تردد خاص زيادة في عدد الخلايا العصبية نشطة بشكل متزامن مجرور ضمن هذا النطاق تردد معين. <a href="https://www.jove.com/files/ftp_upload/50131/50131fig2large.jpg" target="_blank">انقر هنا لعرض أكبر شخصية</a> . <img alt="الشكل (3)" src="/files/ftp_upload/50131/50131fig3.jpg" /> الشكل 3) اثنين من محاكاة الطول الموجي: أ الموجي العادية أو يمكن التنبؤ به صورت في الأرجواني، والموجي أكثر الاستوكاستك صورت في سوداء B) القيم الكون عينة من اثنين محاكاة الطول الموجي للالجداول الزمنية الثلاثة الأولى. إنتر عينةسخ منخفضة للإشارات يمكن التنبؤ بها للغاية من إشارات أكثر العشوائية. <a href="https://www.jove.com/files/ftp_upload/50131/50131fig3large.jpg" target="_blank">انقر هنا لعرض أكبر شخصية</a> . <img alt="الشكل 4" src="/files/ftp_upload/50131/50131fig4.jpg" /> الشكل 4. أخذ عينات بانخفاض السلسلة الزمنية الأصلية يولد سلسلة زمنية متعددة من الجداول الزمنية متفاوتة. مقياس الوقت (1) هي سلسلة الوقت الاصلي. يتم إنشاء سلسلة زمنية من مقياس 2 بقسمة سلسلة الوقت الأصلي إلى غير تداخل النوافذ من طول 2 ومتوسط ​​نقاط البيانات الموجودة داخل كل نافذة. لإنشاء سلسلة زمنية من فترات زمنية لاحقة، تقسيم السلسلة الزمنية الأصلية في ويندوز غير متداخلة من طول الفترة الزمنية ومتوسط ​​نقاط البيانات داخل كل نافذة. <img alt="الرقم 5" src="/files/ftp_upload/50131/50131fig5.jpg" /> الشكل 5. A الموجي محاكاة حيث يمثل كل مستطيل نقطة بيانات واحدة في السلسلة الزمنية الكون. عينة تقدر تقلب من سلسلة زمنية. في هذا المثال، يتم تعيين م (طول نمط) لاثنين، وهو ما يعني أن الفرق من هذا النمط السعة من كل سلسلة الوقت سوف تكون ممثلة في الفضاء ثنائي الأبعاد مقابل ثلاثي الأبعاد من خلال النظر في نمط تسلسل من اثنين مقابل ثلاث مرات متتالية نقاط البيانات، على التوالي؛ ص (معيار التشابه)، تعكس مدى سعة (الرمز بواسطة ذروة نطاقات الملونة) في غضون التي تعتبر نقاط البيانات إلى &quot;تطابق&quot;. لحساب الكون عينة لهذه السلسلة الوقت المحاكاة، وتبدأ مع أول نمط تسلسل ثنائي مكون والأحمر والبرتقالي. الأول، حساب عدد مرات حدوث نمط تسلسل الاحمر والبرتقالي في السلسلة الزمنية، وهناك 10 مباريات لهذا التسلسل ثنائي مكون. الثانية، عد عدد المرات الثلاثة الأولى المكون نمط تسلسل، أحمر اللون البرتقالي ويصيحآه، ويحدث في السلسلة الزمنية، وهناك 5 مباريات لهذا التسلسل ثلاثة المكون. تستمر على هذا النحو التالي من تسلسل ثنائي مكون (البرتقالي والأصفر) وثلاثة عنصر التسلسل (البرتقالي والأصفر والأخضر). يتم إضافة عدد من المباريات لمدة العنصر (5) وثلاث مباريات مكون (3) لهذه المتتاليات إلى القيم السابقة (مجموع ثنائي مكون مباريات = 15؛ مجموع المباريات الثلاث مكون = 8). كرر لجميع المباريات تسلسل الأخرى في السلسلة الزمنية (إلى N - M) لتحديد نسبة مجموع مباراتين مكون إلى مكون ثلاث مباريات. الكون عينة هو اللوغاريتم الطبيعي لهذه النسبة. لكل موضوع، حساب تقديرات محددة MSE قناة كمتوسط ​​عبر تدابير الكون محاكمة واحدة لكل مقياس الوقت. <img alt="الشكل (6)" src="/files/ftp_upload/50131/50131fig6.jpg" /> الشكل (6). الاختلافات في حالة تخطيط موارد المؤسسات (A)، والطاقة الطيفية (B)،MSE (C) المتناقضة في العروض الأولية مقابل المتكررة من الصور الفوتوغرافية الوجه. <a href="https://www.jove.com/files/ftp_upload/50131/50131fig6large.jpg" target="_blank">انقر هنا لعرض أكبر شخصية</a> . <img alt="الرقم 7" src="/files/ftp_upload/50131/50131fig7.jpg" /> الرقم 7. وبمقارنة استجابة EEG إلى وجوه المستفادة عبر تدابير لتخطيط موارد المؤسسات، والطاقة الطيفية، ومتعددة النطاقات الكون. الرسوم البيانية شريط يصور التناقض بين الشروط على النحو الذي يحدده جزئية تحليل المربعات الصغرى 11. المؤامرة صورة يسلط الضوء على التوزيع المكاني الزماني الذي هذا التناقض كان الأكثر استقرارا على النحو الذي يحدده إلباس الحذاء. تمثل القيم ~ Z عشرات والقيم السلبية دلالة على أهمية لتأثير حالة عكسية. <a href="https://www.jove.com/files/ftp_upload/50131/50131fig7large.jpg" target="_blank">انقر هنا لعرض أكبر شخصية</a> .

Watch this Scientific Journal Video about Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy at JoVE.com

Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy

تصوير الأعصاب الباحثين يأخذون في اعتبارهم استجابة الدماغ باعتبارها النشاط يعني عبر التجارب التجريبية المتكررة وتجاهل تقلب إشارة بمرور الوقت مع &quot;الضجيج&quot;. ومع ذلك، فإنه أصبح من الواضح أن هناك إشارة في هذا الصخب. توضح هذه المقالة طريقة رواية متعددة النطاقات الكون لقياس تقلب إشارة الدماغ في المجال الزمني.

تطبيقات EEG البيانات تصوير الأعصاب: الإمكانيات ذات الصلة بالحدث، والسلطة، الطيفية، ومتعددة النطاقات الانتروبيا

When considering human neuroimaging data, an appreciation of signal variability represents a fundamental innovation in the way we think about brain ...

applications-eeg-neuroimaging-data-event-related-potentials-spectral

Research

Education

JoVE Core

JoVE Journal

Electrical Engineering

Neuroscience

Unit 1

Fourier Series

SCIENTISTS IN ACTION

33.5K Views.  Baycrest. تصوير الأعصاب الباحثين يأخذون في اعتبارهم استجابة الدماغ باعتبارها النشاط يعني عبر التجارب التجريبية المتكررة وتجاهل تقلب إشارة بمرور الوقت مع "الضجيج". ومع ذلك، فإنه أصبح من الواضح أن هناك إشارة في هذا الصخب. توضح هذه المقالة طريقة رواية متعددة النطاقات ?...

Video: Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy

High Density Event-related Potential  Data Acquisition in Cognitive Neuroscience

Functional magnetic resonance imaging (fMRI) is currently the standard method of evaluating brain function in the field of Cognitive Neuroscience, in part because fMRI data acquisition and analysis techniques are readily available. Because fMRI has excellent spatial resolution but poor temporal resolution, this method can only be used to identify the spatial location of brain activity associated with a given cognitive process (and reveals virtually nothing about the time course of brain activity). By contrast, event-related potential (ERP) recording, a method that is used much less frequently than fMRI, has excellent temporal resolution and thus can track rapid temporal modulations in neural activity. Unfortunately, ERPs are under utilized in Cognitive Neuroscience because data acquisition techniques are not readily available and low density ERP recording has poor spatial resolution. In an effort to foster the increased use of ERPs in Cognitive Neuroscience, the present article details key techniques involved in high density ERP data acquisition. Critically, high density ERPs offer the promise of excellent temporal resolution and good spatial resolution (or excellent spatial resolution if coupled with fMRI), which is necessary to capture the spatial-temporal dynamics of human brain function.

Event-related potential (ERP) recording is under utilized in Cognitive Neuroscience because data acquisition techniques are not readily available and this method often has poor spatial resolution. To foster the increased use of ERPs in Cognitive Neuroscience, the present article details key techniques involved in high density ERP data acquisition.

الحدث عالية الكثافة ذات الصلة الحصول على البيانات المحتملة في علم الأعصاب الإدراكي

Functional magnetic resonance imaging (fMRI) is currently the standard method of evaluating brain function in the field of Cognitive Neuroscience, in part ...

Basics of Multivariate Analysis in Neuroimaging Data

Multivariate analysis techniques for neuroimaging data have recently received increasing attention as they have many attractive features that cannot be easily realized by the more commonly used univariate, voxel-wise, techniques1,5,6,7,8,9. Multivariate approaches evaluate correlation/covariance of activation across brain regions, rather than proceeding on a voxel-by-voxel basis. Thus, their results can be more easily interpreted as a signature of neural networks. Univariate approaches, on the other hand, cannot directly address interregional correlation in the brain. Multivariate approaches can also result in greater statistical power when compared with univariate techniques, which are forced to employ very stringent corrections for voxel-wise multiple comparisons. Further, multivariate techniques also lend themselves much better to prospective application of results from the analysis of one dataset to entirely new datasets. Multivariate techniques are thus well placed to provide information about mean differences and correlations with behavior, similarly to univariate approaches, with potentially greater statistical power and better reproducibility checks. In contrast to these advantages is the high barrier of entry to the use of multivariate approaches, preventing more widespread application in the community. To the neuroscientist becoming familiar with multivariate analysis techniques, an initial survey of the field might present a bewildering variety of approaches that, although algorithmically similar, are presented with different emphases, typically by people with mathematics backgrounds. We believe that multivariate analysis techniques have sufficient potential to warrant better dissemination. Researchers should be able to employ them in an informed and accessible manner. The current article is an attempt at a didactic introduction of multivariate techniques for the novice. A conceptual introduction is followed with a very simple application to a diagnostic data set from the Alzheimer s Disease Neuroimaging Initiative (ADNI), clearly demonstrating the superior performance of the multivariate approach.

The current article describes the basics of multivariate analysis and contrasts it to the more commonly used voxel-wise univariate analysis. Both types of analysis are applied to a clinical-neuroscience data set. Supplementary split-half simulations show better replication of the multivariate results in independent data sets.

أساسيات التحليل متعدد المتغيرات في البيانات تصوير الأعصاب

Multivariate analysis techniques for neuroimaging data have recently received increasing attention as they have many attractive features that cannot be ...

Extracting Visual Evoked Potentials from EEG Data Recorded During fMRI-guided Transcranial Magnetic Stimulation

Transcranial Magnetic Stimulation (TMS) is an effective method for establishing a causal link between a cortical area and cognitive/neurophysiological effects. Specifically, by creating a transient interference with the normal activity of a target region and measuring changes in an electrophysiological signal, we can establish a causal link between the stimulated brain area or network and the electrophysiological signal that we record. If target brain areas are functionally defined with prior fMRI scan, TMS could be used to link the fMRI activations with evoked potentials recorded. However, conducting such experiments presents significant technical challenges given the high amplitude artifacts introduced into the EEG signal by the magnetic pulse, and the difficulty to successfully target areas that were functionally defined by fMRI. Here we describe a methodology for combining these three common tools: TMS, EEG, and fMRI. We explain how to guide the stimulator&#39;s coil to the desired target area using anatomical or functional MRI data, how to record EEG during concurrent TMS, how to design an ERP study suitable for EEG-TMS combination and how to extract reliable ERP from the recorded data. We will provide representative results from a previously published study, in which fMRI-guided TMS was used concurrently with EEG to show that the face-selective N1 and the body-selective N1 component of the ERP are associated with distinct neural networks in extrastriate cortex. This method allows us to combine the high spatial resolution of fMRI with the high temporal resolution of TMS and EEG and therefore obtain a comprehensive understanding of the neural basis of various cognitive processes.

This paper describes a method for collecting and analyzing electroencephalography (EEG) data during concurrent transcranial magnetic stimulation (TMS) guided by activations revealed with functional magnetic resonance imaging (fMRI). A method for TMS artifact removal and extraction of event related potentials is described as well as considerations in paradigm design and experimental setup.

استخراج الإمكانيات البصرية مستدعى من EEG البيانات المسجلة أثناء الرنين المغناطيسي الوظيفي الموجهة عبر الجمجمة التحفيز المغناطيسي

Transcranial Magnetic Stimulation (TMS) is an effective method for establishing a causal link between a cortical area and cognitive/neurophysiological ...

Somatosensory Event-related Potentials from Orofacial Skin Stretch Stimulation

Cortical processing associated with orofacial somatosensory function in speech has received limited experimental attention due to the difficulty of providing precise and controlled stimulation. This article introduces a technique for recording somatosensory event-related potentials (ERP) that uses a novel mechanical stimulation method involving skin deformation using a robotic device. Controlled deformation of the facial skin is used to modulate kinesthetic inputs through excitation of cutaneous mechanoreceptors. By combining somatosensory stimulation with electroencephalographic recording, somatosensory evoked responses can be successfully measured at the level of the cortex. Somatosensory stimulation can be combined with the stimulation of other sensory modalities to assess multisensory interactions. For speech, orofacial stimulation is combined with speech sound stimulation to assess the contribution of multi-sensory processing including the effects of timing differences. The ability to precisely control orofacial somatosensory stimulation during speech perception and speech production with ERP recording is an important tool that provides new insight into the neural organization and neural representations for speech.

This paper introduces a method for obtaining somatosensory event-related potentials following orofacial skin stretch stimulation. The current method can be used to evaluate the contribution of somatosensory afferents to both speech production and speech perception.

الحسية الجسدية الإمكانيات المتعلقة الحدث من الجلد فموي وجهي تمتد تحفيز

Cortical processing associated with orofacial somatosensory function in speech has received limited experimental attention due to the difficulty of ...

Simultaneous Recording of Electroretinography and Visual Evoked Potentials in Anesthetized Rats

The electroretinogram (ERG) and visual evoked potential (VEP) are commonly used to assess the integrity of the visual pathway. The ERG measures the electrical responses of the retina to light stimulation, while the VEP measures the corresponding functional integrity of the visual pathways from the retina to the primary visual cortex following the same light event. The ERG waveform can be broken down into components that reflect responses from different retinal neuronal and glial cell classes. The early components of the VEP waveform represent the integrity of the optic nerve and higher cortical centers. These recordings can be conducted in isolation or together, depending on the application. The methodology described in this paper allows simultaneous assessment of retinal and cortical visual evoked electrophysiology from both eyes and both hemispheres. This is a useful way to more comprehensively assess retinal function and the upstream effects that changes in retinal function can have on visual evoked cortical function.

This protocol describes simultaneous measurement of electroretinogram and visual evoked potentials in anesthetized rats.

تسجيل وقت واحد من تخطيط كهربية الشبكية والإمكانيات البصرية مستدعى في الفئران تخدير

The electroretinogram (ERG) and visual evoked potential (VEP) are commonly used to assess the integrity of the visual pathway. The ERG measures the ...

Quantifying Infra-slow Dynamics of Spectral Power and Heart Rate in Sleeping Mice

Three vigilance states dominate mammalian life: wakefulness, non-rapid eye movement (non-REM) sleep, and REM sleep. As more neural correlates of behavior are identified in freely moving animals, this three-fold subdivision becomes too simplistic. During wakefulness, ensembles of global and local cortical activities, together with peripheral parameters such as pupillary diameter and sympathovagal balance, define various degrees of arousal. It remains unclear the extent to which sleep also forms a continuum of brain states-within which the degree of resilience to sensory stimuli and arousability, and perhaps other sleep functions, vary gradually-and how peripheral physiological states co-vary. Research advancing the methods to monitor multiple parameters during sleep, as well as attributing to constellations of these functional attributes, is central to refining our understanding of sleep as a multifunctional process during which many beneficial effects must be executed. Identifying novel parameters characterizing sleep states will open opportunities for novel diagnostic avenues in sleep disorders.
We present a procedure to describe dynamic variations of mouse non-REM sleep states via the combined monitoring and analysis of electroencephalogram (EEG)/electrocorticogram (ECoG), electromyogram (EMG), and electrocardiogram (ECG) signals using standard polysomnographic recording techniques. Using this approach, we found that mouse non-REM sleep is organized into cycles of coordinated neural and cardiac oscillations that generate successive 25-s intervals of high and low fragility to external stimuli. Therefore, central and autonomic nervous systems are coordinated to form behaviorally distinct sleep states during consolidated non-REM sleep. We present surgical manipulations for polysomnographic (i.e., EEG/EMG combined with ECG) monitoring to track these cycles in the freely sleeping mouse, the analysis to quantify their dynamics, and the acoustic stimulation protocols to assess their role in the likelihood of waking up. Our approach has already been extended to human sleep and promises to unravel common organizing principles of non-REM sleep states in mammals.

Here, we present experimental and analytical procedures to describe the temporal dynamics of the neural and cardiac variables of non-REM sleep in mice, which modulate sleep responsiveness to acoustic stimuli.

قياس ديناميات تحت البطء من الطاقة الطيفية ومعدل ضربات القلب في الفئران النائمة

Three vigilance states dominate mammalian life: wakefulness, non-rapid eye movement (non-REM) sleep, and REM sleep. As more neural correlates of behavior ...

How to Find Effects of Stimulus Processing on Event Related Brain Potentials of Close Others when Hyperscanning Partners

The partners of each pair must be able to pass the McGill Friendship Questionnaire without communicating. Each partner is then seated in front of a screen in one of two adjacent rooms. These rooms are separated by a glass window through which participants communicate to maintain feelings of togetherness while being fitted with the EEG cap. After checking for adequate EEG signals, the glass is covered by a curtain to prevent visual communication. Then, partners must be silent but are instructed to try to feel in the presence of their partner during the entire experiment. Just before it starts, participants are told that each of them will be presented with one image at a time and that these images will occur at the same time for both of them on their own screen. They are also instructed that, for each trial, the simultaneous images will always be different. However, unbeknownst to them, trials are randomized: only half of them are consistent with this instruction and actually include two different images. These trials form the DSC, that is, the different-stimuli condition. The other half of the trials are inconsistent with the instruction. They include two identical images and form the ISC (identical-stimuli condition). After the experiment, participants are sorted into two groups: those who reported that they felt in the presence of their partner during the majority of the trials and those who reported they did not. The impact of the stimulus processing of the partner is found by subtracting the mean voltages of the ERPs of the ISC (inconsistent with the instructions) from the ERPs of the DSC (consistent with the instructions) in at least two time windows (TWs): firstly, in the 75 to 150 ms TW, where the absolute values of these subtractions are greater, especially at right frontal sites, in those who felt in the presence of their partner than in those who did not; secondly, in the LPP time window (i.e., from 650 to 950 ms post onset), where ERPs are significantly less positive in the DSC than in the ISC in those in whom the raw results of the early (75-150ms) subtractions are negative.

This protocol describes key steps involved in assessing the sensitivity of the brain of one person to the stimulus processing of a close other by selecting pairs of partners, recording their electroencephalogram (EEG) simultaneously and computing their event-related brain potentials (ERPs).

كيفية "العثور على آثار للتحفيز تجهيز" على "الأحداث المتصلة الدماغ إمكانيات الوثيق الغير" عند "الشركاء هايبرسكانينج"

The partners of each pair must be able to pass the McGill Friendship Questionnaire without communicating. Each partner is then seated in front of a screen ...

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy (NIRS) Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

Portable neuroimaging approaches provide new advances to the study of brain function and brain development with previously inaccessible populations and in remote locations. This paper shows the development of field functional Near Infrared Spectroscopy (fNIRS) imaging to the study of child language, reading, and cognitive development in a rural village setting of C&#244;te d&#39;Ivoire. Innovation in methods and the development of culturally appropriate neuroimaging protocols allow&#160;a first-time look into the brain&#39;s development and children&#39;s learning outcomes in understudied environments. This paper demonstrates protocols for transporting and setting up a mobile laboratory, discusses considerations for field versus laboratory neuroimaging, and presents a guide for developing neuroimaging consent procedures and building meaningful long-term collaborations with local government and science partners. Portable neuroimaging methods can be used to study complex child development contexts, including the impact of significant poverty and adversity on brain development. The protocol presented here has been developed for use in C&#244;te d&#39;Ivoire, the world&#39;s primary source of cocoa, and where reports of child labor in the cocoa sector are common. Yet, little is known about the impact of child labor on brain development and learning. Field neuroimaging methods have the potential to yield new insights into such urgent issues, and the development of children globally.

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy NIRS Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

Portable neuroimaging approaches (functional Near Infrared Spectroscopy) provide advances to the study of the brain in previously inaccessible regions; here, rural C&#244;te d&#39;Ivoire. Innovation in methods and development of culturally-appropriate neuroimaging protocols permits novel study of the brain&#39;s development and children&#39;s learning outcomes in environments with significant poverty and adversity.

حقل نيورويماجينج أساليب استخدام وظيفية قرب Neuroimaging مطيافية الأشعة تحت الحمراء (التقارير) لدراسة وضع الطفل العالمي: أفريقيا جنوب الصحراء الريفية

Portable neuroimaging approaches provide new advances to the study of brain function and brain development with previously inaccessible populations and in ...

Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software

Measuring neural activity and connectivity associated with cognitive functions at high spatial and temporal resolutions is an important goal in cognitive neuroscience. Intracranial electroencephalography (EEG) can directly record electrical neural activity and has the unique potential to accomplish this goal. Traditionally, averaging analysis has been applied to analyze intracranial EEG data; however, several new techniques are available for depicting neural activity and intra- and inter-regional connectivity. Here, we introduce two analytical protocols we recently applied to analyze intracranial EEG data using the Statistical Parametric Mapping (SPM) software: time-frequency SPM analysis for neural activity and dynamic causal modeling of induced responses for intra- and inter-regional connectivity. We report our analysis of intracranial EEG data during the observation of faces as representative results. The results revealed that the inferior occipital gyrus (IOG) showed gamma-band activity at very early stages (110 ms) in response to faces, and both the IOG and amygdala showed rapid intra- and inter-regional connectivity using various types of oscillations. These analytical protocols have the potential to identify the neural mechanisms underlying cognitive functions with high spatial and temporal profiles.

We present two analytical protocols that can be used to analyze intracranial electroencephalography data using the Statistical Parametric Mapping (SPM) software: time-frequency statistical parametric mapping analysis for neural activity, and dynamic causal modeling of induced responses for intra- and inter-regional connectivity.

تحليل النشاط العصبي والاتصال باستخدام بيانات التخطيط الدماغي داخل الجمجمة مع برنامج الحركة الوطنية الصومالية

Measuring neural activity and connectivity associated with cognitive functions at high spatial and temporal resolutions is an important goal in cognitive ...

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a convergence of peaks of statistical significance, and reduce the assessment of the evidence to a binary classification exclusively based on p-values (i.e., voxels can only be &ldquo;statistically significant&rdquo; or &ldquo;non-statistically significant&rdquo;). Here, we detail how to conduct a meta-analysis using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI), a novel method that uses a standard permutation test to assess whether effects are not null. We also show how to grade the strength of the evidence according to a set of criteria that considers a range of statistical significance levels (from more liberal to more conservative), the amount of data or the detection of potential biases (e.g., small-study effect and excess of significance). To exemplify the procedure, we detail the conduction of a meta-analysis of voxel-based morphometry studies in obsessive-compulsive disorder, and we provide all the data already extracted from the manuscripts to allow the reader to replicate the meta-analysis easily. SDM-PSI can also be used for meta-analyses of functional magnetic resonance imaging, diffusion tensor imaging, position emission tomography and surface-based morphometry studies.

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images SDM-PSI

We detail how to conduct a meta-analysis of voxel-based neuroimaging studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI).