هذا البروتوكول مهم لأنه يسمح بالتحقيق في الشبكات القشرية من خلال نموس كيفية تفاعل المناطق مع بعضها البعض للكشف عن الاختلافات غير الواضحة مع تقنيات التحليل القياسية. والميزة الرئيسية لهذه التقنية هي أنها تسمح لنا بالتحقيق في وظائف الشبكة باستخدام المعدات المتاحة على نطاق واسع حتى نتمكن من الحصول على تسجيلات كهربائية غير الغازية دون الحاجة إلى مواد متخصصة. هذه التقنية تسمح للتحقيق غير الغازية من الأمراض العصبية والنفسية من خلال فحص هياكل الشبكة التي تسهل تطوير أساليب التشخيص الجديدة والعلامات الحيوية العلاجية.
هذه الطريقة لديها مجموعة واسعة من التطبيقات داخل علم الأعصاب السريرية لا سيما أن دور وظيفة الشبكة في المرض يصبح ذات الصلة على نحو متزايد. لجمع البيانات، قم بإرفاق غطاء القطب إلى رأس المريض مع الحرص على ضمان المحاذاة الصحيحة. حقن هلام موصل في كل من الموانئ القطب ابتداء من فروة الرأس والانسحاب ببطء إلى سطح الغطاء لإقامة اتصال الكهربائية مع فروة الرأس وتحسين نسبة إشارة إلى الضوضاء.
ثم استخدام المونتاج القطب محددة سلفا على أساس نظام 10-20 لإرفاق الأقطاب الكهربائية إلى غطاء القطب وتأمين الأقطاب الأرضية المناسبة. لإعداد تخطيط تخطيط الكهربى، قم بتوصيل جميع الأقطاب الكهربائية بنظام تسجيل كهربائي وفيزيولوجي وربط نظام التسجيل ببيئة تسجيل رقمية مناسبة. قم بفحص كافة قنوات التسجيل للتأكد من أن الإزاحة ضمن نطاق مناسب ولتجنب الضوضاء المفرطة في القناة.
سوف ينتج عن الخوارزمية نتائج بغض النظر عن جودة البيانات بحيث يجب إجراء التسجيلات في ظل ظروف صارمة لجودة البيانات وينبغي تحليلها قبل استخدامها. ثم قم بإرشاد المريض بأن التسجيل قد بدأ وتجنب جميع الحركات غير الضرورية قبل إجراء تسجيل اختبار قصير للتحقق من جودة التسجيل المناسبة. في نهاية التحليل، قم بتحميل بيانات EEG وأية مكتبات إضافية للبرامج النصية حسب الضرورة في بيئة مناسبة لتحليل البيانات.
تجاهل الدقائق الخمس الأولى والأخيرة من كل تسجيل للحد من تلوث أي حركة التحف وتقسيم البيانات إلى العهود على أساس المهمة أو إذا كان تسجيل حالة يستريح مدة محددة سلفا. لإعداد البيانات، قم بتصحيح خط الأساس للتسجيلات عن طريق طرح متوسط جميع القنوات من التسجيلات لتجنب تأثير أي خط أساس يتجول أثناء التسجيلات المطولة. إعادة الرجوع إلى كافة القنوات إلى مرجع مناسب.
ثم تصفية رقميا كل من القنوات لعزل ترددات الفائدة. لحساب أطياف الطاقة الكلية للبيانات، قم بإجراء تحويل فورير لكل قناة يتم تحليلها عبر نطاق التردد بأكمله ليتم تقييمه. لتقييم نشاط نطاقات التردد الفردية ، عزل نطاق ثيتا في أربعة إلى ثمانية هيرتز ، والفرقة ألفا في ثمانية إلى 12 هيرتز ، والفرقة بيتا في 12 إلى 30 هيرتز ، والفرقة دلتا في 0.5 إلى أربعة هيرتز ، وفرقة غاما في أكبر من 30 هيرتز.
لتقييم التفاعلات بين أول زوج قطب، اشتقاق مقياس لتماسك القطبين. لتقييم التماسك، قم بتعيين قياسات التماسك بين القطبين ليتم تصورها على بنية بيانات ثنائية الأبعاد حيث يكون كل عمود موقع قطب، وكل صف هو موقع قطب، وكل خلية هي التماسك بين زوج القطب المقابلة وخريطة قيم التماسك بين صفر ولون واحد. ثم تصدير خريطة لون تصور الترابط بين القطبين بين كل زوج قطب داخل حدود التردد المستخدمة.
لتصور تفاعلات الترتيب الأعلى بين المناطق القشرية وخريطة ديناميات الشبكة، احسب كيف يقيس كل زوج إلكترود تماسك التناسق مع كل زوج من الأقطاب الكهربائية الفريدة الأخرى عبر الطيف العام وداخل نطاقات محددة. ثم قم بتعيين مقاييس التباين المشترك هذه إلى الألوان وتصدير خريطة لون تصور ديناميكيات الشبكة داخل نطاقات التردد وعبرها. لتنفيذ الحد من الأبعاد ، واستمد مقاييس للمقارنة بين المجموعات التي تمثل ديناميات الشبكة الشاملة في النماذج الإحصائية التي تم إنشاؤها باستخدام تحليل المكون الرئيسي.
إرشاد مصفوفة التباين لمقاييس الاتساق الثنائية للسماح بالتصور للعلاقات الشبكية عالية المستوى وتحلل مصفوفة التباين المشترك إلى مؤثرات ذاتية و القيمة الذاتية المقابلة للسماح بتحديد المحور داخل مساحة ميزة النموذج التي تحتوي على أكبر تباين دون أن تكون مقيدة بالتدابير الحالية. رتبوا الـ(eigenvectors) حسب قيمتهم الذاتية المقابلة لتحديد تلك التي تمثل أكبر نسبة من التباين داخل النموذج. ثم قارن المكونات الأساسية الأولى المشتقة من طرازات الشبكة.
(ب) لتحديد منطقة وظيفية ذات أهمية، قم بعزل بيانات الاتساق ضمن نطاقات التردد التي تهم. إجراء تحليل مكون أساسي لاشتقاق مقاييس نشاط الشبكة الكلي ضمن نطاقات الاهتمام. ثم قارن بين المقاييس بين المجموعات لتقييم الاختلافات في الشبكة في ترددات متذبذبة محددة.
لتنفيذ التعلم غير الخاضع للرقابة باستخدام مقياس المسافة مثل المسافة الإقليدية، حساب مقاييس المسافة بين الموضوعات ضمن المساحة المحددة من قبل نموذج الشبكة. ثم استخدم خوارزمية تجميع مثل الجوار k-أقرب لتحديد المجموعات ضمن البيانات استناداً إلى معلمات النموذج. يمكن تصور القوة الطيفية الاستيفاء عبر فروة الرأس مما يسمح بتقدير محدود لمصدر النشاط.
يشير كل مقياس من قياس القطبين إلى مدى تغير النشاط في منطقة ما اعتمادًا على النشاط في منطقة أخرى مما يسمح بالاختلافات في اتجاه التفاعل والفارق الزمني. وتشير القيم العليا للاتساق بين القطبين إلى تفاعلات بين المناطق التي يتضح منها أن المناطق المسجلة تتواصل فيما بينها. من خلال قياس التفاعلات بين كل زوج قطب فريد ، يمكن إنشاء خريطة إحصائية لكيفية تفاعل القنوات المسجلة مما يسمح بالتحقيق في كيفية اتصال المناطق بدلاً من التركيز على مناطق العزل الفردية.
ويسهل التصور من أعلى ترتيب الشبكة ديناميات التعرف على أنواع التفاعلات التي تتم مقارنتها من قبل تحليل مكون المبدأ أو تقنية المستندة إلى المصنف لتقييم كيفية قياس التماسك في زوج قطب واحد تتصل التغيرات في التماسك في زوج آخر. على سبيل المثال، هنا يمكننا تصور الاختلافات الواضحة في رسم خرائط الشبكة بين موضوعين مع أنماط ظاهرية سريرية مختلفة من اضطراب عصبي يؤثر على وظيفة القشرية حيث لم تكن هناك اختلافات ذات دلالة إحصائية باستخدام أساليب التحليل القياسية. وبعد اشتقاق تدابير الشبكة باستخدام هذا الإجراء، يمكن استخدام تقنيات التعلم الآلي للاستفادة من النماذج الغنية بالبيانات التي يتم إنتاجها للسماح بإجراء تحليلات تشخيصية ومتكهنية أكثر تطوراً.
وقد سمحت هذه التقنية بالتحقيق في الأنواع الفرعية للمرض في متلازمة ريت، وهو مرض عصبي للأطفال، فضلا عن التنبؤ بالاستجابات للعلاجات الجديدة وحالة الصرع.
