脳波データのためのコンピュータベースのマルチテーパースペクトログラムプログラム

要約

このプロトコルは、脳波データのマルチテーパ分光を生成するオープンソースのコンパイル済みのMATLABプログラムを提供します。

要約

現在の Web リソースは、脳波 (EEG) データを視覚化および定量するためのスペクトログラムを計算するための限られたユーザーフレンドリーなツールを提供します。このペーパーでは、EEG マルチテーパスペクトログラムを作成するための Windows ベースのオープン ソース コードについて説明します。コンパイルされたプログラムには、ソフトウェア ライセンスなしで Windows ユーザーがアクセスできます。Macintosh ユーザーの場合、プログラムは MATLAB ソフトウェア ライセンスを持つユーザーに限定されます。プログラムは、睡眠と覚醒の状態の関数として変化する脳波スペクトログラムを介して示され、それらの状態におけるアヘン誘発性変化。C57BL/6JマウスのEEGsは、生理食リン(車両制御)およびモルヒネ、ブプレノルフィン、およびフェンタニルの抗鼻腔内注射後に4時間無線で記録した。スペクトログラムは、フェンタニルの投与後に1−3Hzと8−9 Hzで脳波電力に同様の変化を引き起こしたブプレノルフィンとモルヒネが3Hzと7Hzで最大平均電力帯域を明らかにした。スペクトログラムは、脳波周波数と電力に対するマスクされていない差動オピエート効果を示します。これらのコンピュータベースの方法は、薬物クラス間で一般化可能であり、容易に定量化し、リズム生体信号の広い範囲を表示するために変更することができます。

概要

脳波データは、行動および神経生理学覚^醒1のレベルを特徴付けるために周波数領域で生産的に分析することができる。マルチテーパスペクトログラムは、脳波波形を時間領域と周波数領域に変換し、時間の異なる周波数でダイナミック信号電力を可視化します。マルチテーパ分光器はフーリエ解析を使用してスペクトル密度推定を生成します。スペクトル密度推定は、信号を含む純粋な正弦波に波形を分離し、^色2のスペクトル全体を見るためにプリズムを介して白色光の回折に類似している。脳波のマルチテーパ分光は、異なる周波数で振動する放電パターンを有するニューロンの複数のネットワークの結合活性^を表す2.時間シフト不変のため、フーリエ変換は時間と周波数^領域3の間の最良の変換と考えられています。フーリエ分析にも多くの制限があります。脳波信号は非定常です。したがって、フーリエ法では小さな変更が認識されず、データセットのサイズによって分析が変更される場合があります。ただし、フーリエ変換を非定常信号に適用する場合は、ウィンドウが使用されます。これは、信号のスペクトルが短期間でわずかにしか変化することを前提としています。スペクトル分析のための別の方法は、脳疾患の検出に適し得るウェーブレット変換^である3.

機能的観点から見ると、脳波信号を含む異なる振動は、より低いレベル、より高いレベルの形質表現型、睡眠および覚^醒2などの状態表現型、または一般的な麻酔^薬4、5、6によって引き起こされる覚醒の喪失である。睡眠と覚醒の状態に関しては、スペクトログラムは、内因性に生成された睡眠のリズムが連続的かつ^動的7であることを明確に示しています。睡眠と覚醒の状態の定量的記述は、従来、EEG記録の明確に定義された各エポック(例えば、10s)に睡眠または覚醒分類を割り当てるビン分割プロセスを含んでいた。これらの状態ビンは、時間の関数としてプロットされます。時間経過データプロットは、しばしば催眠術と呼ばれ、病気、薬物投与、概日リズムの変化、シフトワークなどによって中断される睡眠から正常な睡眠を区別するために使用されます。催眠プロットの制限は、覚醒状態を正方形波形として表現することによって脳波信号を偽らせることです。催眠術プロットは、覚醒^状態2の離散化を伴い、中間段階または遷移段階の細かい表示を許可しない。さらに、10sの得点エポックは、時間スケールに下限を課すことによって時間の離散化を生成します。状態と時間の両方の離散化の結果は、^意識2の状態とこれらの状態の薬物誘発破壊との間の動的相互作用に関する神経生理学的情報の喪失^である4.例えば、異なる麻酔薬は、異なる分子標的およびニューラルネットワーク上で作用する。これらのニューラルネットワークの薬理学的操作は、薬物、用量、および投与^経路4に特有のスペクトログラムを確実に生成する。

本プロトコルは、オピオイドが^{睡眠8、呼吸9、}ノシセプ^{ション10、}および脳神経^化学11を変化させるメカニズムに関する研究を容易にするために開発された。このプロトコルは、独自のソフトウェアまたは MATLAB ライセンスを持たないシステムを使用して完了できる脳波分析用のマルチテーパスペクトログラムを作成するために必要な手順について説明します。C57BL/6J(B6)マウスは、睡眠および覚醒の正常な、妨げられていない状態の間、およびアヘン体の全身投与後に新しい脳波スペクトログラムを作成するこのコンピュータベースの方法の能力を検証するために使用された。分析の信頼性と妥当性は、B6マウスが生理食リン(車両制御)およびモルヒネ、ブプレノルフィン、およびフェンタニルの抗鼻腔注射を受けた後の脳波スペクトログラム間の差異の系統的な比較によって確認された。

新生児マウス脳波ダイナミクスの定量的研究は、新生児ヒト脳^波12のより良い理解を達成することを目的とした研究のためのモデルを提供することによって、翻訳的な関連性を有する。脳波ダイナミクスの定量化は単なる記述的なものではなく、脳波^データ13に基づいて覚醒を予測できる機械学習アプローチに貢献できる。本報告書の目的は、マウス脳波における薬物誘発変化を特徴付けるマルチテーパスペクトログラムを計算するための、広くアクセス可能でユーザーフレンドリーなコードを提供することにより、翻訳科学を促進することである。

プロトコル

マウスに関するすべての手順は、実験動物のケアと使用のためのガイド(8^版、ナショナルアカデミープレス、ワシントンDC、2011)に準拠し、テネシー大学機関動物ケアと使用委員会によって審査され、承認されました。

1. 記録電極の移植と初期データ収集

1. マウスを購入し、食べ物や水へのアドリビタムアクセスと湿度と温度制御の部屋でそれらを維持します。マウスが記録電極の外科的移植の前に1週間、新しい環境に適応することを可能にする。着床手順は、詳細^に1、14に記載されている。
2. すべての外科用具を殺菌する。
3. 2.5%−3%のイソフルランを有するマウスを100%酸素で送達する麻酔をする。
4. 右反射の損失に続いて、麻酔誘導室からマウスを取り外し、立体税フレームに移します。
5. 両眼に眼軟膏を塗布する。
6. アイソフルランを1.7%に減らし、マスクを介して連続的に送達する。
7. 頭蓋骨を露出させるために中線頭皮の切開を行います。
8. 左右皮質の上に2つの頭蓋術をドリルする(それぞれステレオタキシック座標前頭 = 1.0 および横 = 3.0 ブレグ^マ15に対して)。
9. 各開頭術に脳波電極を挿入し、歯科アクリルで固定します。
10. 筋筋図(EMG)を記録するための後方台形筋に双極電極を埋め込む。
    注:4つの電極は右下半ボディの象限の上に皮下に埋め込まれた無線テレメーターにつながる。これらの外科的技術はここで見ることができる(https://www.datasci.com/services/dsi-surgical-services/surgical-videos)。
11. 手術後、鎮痛カルプロフェンを投与し、マウスを温かい回復ケージに入れられます。歩行になるまでマウスを観察します。マウスを個別に移植した。
12. 手術から完全に回復すると、毎日マウスを処理し、脳波とEMGの記録の品質を評価します。
13. すべての信号±1,000mVを記録するようにデータ集録システムを構成します。
14. 必要な期間、脳波およびEMGの記録を取得します。
15. スリープスコアリングソフトウェアを使用して、デジタル脳波とEMGの録音の各10 sビンを覚醒、急速眼球運動(レム)睡眠、または非レム(NREM)睡眠としてスコア付けします。
    注:マウス株の中には、総^電力16に対する割合として表される脳波力の遺伝子型および状態特異的な差がある。B6マウスでは、覚醒の状態は、75−100mV、混合周波数脳波、および移動中の振幅の大きな増加を伴う顕著な筋肉音を示すEMGシグナルによって特徴付げられる。NREM睡眠をスコアリングするための基準は、覚醒のEMG振幅に対するEMG振幅の減少を含む。NREM睡眠脳波は覚醒に比べて周波数が遅く、振幅(100−150 mV)が増加しています。レム睡眠は、筋肉のアトニアと覚醒の脳波に類似した脳波信号によって特徴付されます。
16. 2 人の個人に対して、同じレコードを個別にスコア付けするように指示します。少なくとも1人の個人は、治療状態に盲目でなければなりません。2 つの睡眠スコアラー間の一致値は 90% より大きくする必要があります。

2. 設備及び設備

1. データ集録計測器とソフトウェアを使用して、フィルタリングされていないEEGおよびEMG信号を増幅し、デジタル化します。
   注:コールドスプリングハーバー研究所のミトラ研究所で開発されたクロヌスペクトル解析ツールボックスは、時間および周波数領域に関連してEEG信号を電力として表現するために使用されます。

3. スペクトログラム計算

1. Windows ユーザーの場合は、コンパイル済みのプログラムを使用します。
2. Macintosh ユーザーの場合は、生のコード ファイルを実行します。
3. 未加工の未処理の脳波データを EDF または CSV ファイル形式で取得し、コンパイル済みプログラム ファイルと同じ場所に配置します。
   1. 次の制約を使用してデータ ファイルに名前を付けます。
   2. 次の制約を使用してデータ ファイルに名前を付けます。
4. コンパイル済みのマルチテーパスペクトログラムプログラム(https://drive.google.com/)をダウンロードします。
5. スペクトログラムプログラムを起動し、ポップアッププロンプトに従います。ファイルの種類を選択してください: *。CSV または *.Edf。
   注:プログラムのインストールの詳細については、readme.txt ファイルを参照してください。
6. EEG ファイル名全体 (419eeg.edf や 419.eeg.csv など) を入力します。
7. スペクトログラム計算のパラメータを選択します:デフォルトまたは新規。このステップでは、スペクトログラムが計算されるときに最も長い処理時間が必要です。数学的ウィンドウ関数(テーパ)は、基になるスペクトルの統計的に独立した推定値を提供します。記録時間が長いほど、この手順にかかる時間が長くなります。Windows 10 を実行している PC プラットフォームでは、4 時間の記録に最大で約 3-4 分が必要でした。
   1. 次の既定のスペクトログラム パラメータを使用します。
      サンプリング周波数 = 500 Hz。これは、1 秒あたりのサンプル数を表します。
      fpass = 0.3 Hz および 30 Hz. Fpass は入力の周波数を定義し、出力で供給される周波数の範囲を制御します。
      パディング = 2。パディングは、結果の計算に影響を与えずに出力を細かく補間するために機能します。これは、スペクトル線の可視化と正確な同定に役立つ場合があります。このフィールドは、-1 以上の任意の整数です。
      時間帯域幅積 (NW) = 15。信号時間持続時間とスペクトル幅の積。
      テーパの数 = 29。テーパの数を選択する場合は、2NW-1を使用することが不可欠です。使用するテーパの数に制限はありません。テーパを使用すると、指定した周波数帯域幅に集中力の低いテーパが含まれる可能性があります。
      試用平均 = 1。このパラメーターは、試行またはチャネルの平均化を実行するかどうかを制御します。このパラメーターを 0 に設定すると、チャネル平均はなく、関数は入力データとして渡された試行またはチャネルごとに独立した結果を出力します。ただし、試用期間が 1 に設定されている場合、ユーザーに出力される結果は試行試行またはチャネルで平均化されます。
      FFT ~30 s を計算する時間 は、多くの小さな窓のスペクトルを計算してスペクトルの進化に従うために使用されます。
      FFT 計算のウィンドウのステップ サイズ = 5。各スペクトル計算が実行された後にスライディングタイムウィンドウが進む量。
      注:手順 3.7.1 で説明した既定のスペクトログラム パラメータは、必要に応じて変更できます。
8. スペクトログラムと脳波の両方のタイトルを入力します。
9. 得られたスペクトログラムと脳波を保存します。
   1. [ファイル] メニューの [ファイル] をクリックして図形を保存する |図ウィンドウに保存します。
      注:この数値は、プログラムユーザーに、出版品質の数値に発展させることができる概要を提供します。

4. トラブルシューティング

1. サンプルスペクトログラム計算用のサンプルマウススリープEEGデータをダウンロードします。
2. サンプル データを使用してプログラムを実行し、ユーザーがプログラムを正しく使用していることを確認します。これらのサンプル データの数値を付録で見つけて、サンプル データから作成された数値が正確であることを確認します。
   注:使用されるすべての機器と材料は、材料の表に提供されています。

結果

次の図は、スペクトログラムによって提供される脳興奮性の脳波指標に関する新しい洞察の種類を示しています。

図1Aは、覚醒時の皮質脳波、NREM睡眠、およびレム睡眠における類似点および相違点を示す。多くの研究者は、このような痕跡をEMG記録(図示せず)と一緒に使用して、睡眠と覚醒を定量化します。図1Bは、催眠術プロットを使用して、脳波およびEMG記録の評価に基づいて睡眠状態と覚醒状態の時間的な組織を伝える。状態は10sのエポックで採点され、これらのエポックは4時間記録を含む14,400sの間に催眠術としてプロットされた。催眠術プロットは、状態間の遷移が連続し、非線形であるという事実を示していません。催眠術プロットとは対照的に、スペクトログラム(図1C)は、時間の関数として脳波周波数と電力の高度な動的変化を示しています。スペクトログラムはまた、覚醒中およびレム睡眠中の皮質脳波信号間の類似点を強調する。スペクトログラム(図1C)マーク状態に重ね合わせた3つのボックスは、上記の催眠術(図1B)で覚醒(図1B)で識別され、脳波周波数と電力の詳細な変化を可視化するのに役立ちます。全体の記録のためのスペクトログラムは連続的なプロセスとして脳波の微妙な感謝を提供する。

図2は、4つのマルチテーパースペクトログラムを提供し、各々は生理食リン、モルヒネ、ブプレノルフィン、およびフェンタニルの腹腔内投与後の脳波記録の4時間を要約する。4つの録音はすべて同じマウスからのもので、光の発症後2時間で開始されました。アヘンは、生理食寝ではないが、NREMおよびレム睡眠を阻害し、覚醒の量を増加させた。多くの新しい機能は、スペクトログラムによって視覚化されています。新しい脳波機能の検出は、化学的脅威環境におけるアヘン分化のための潜在的な応用を示唆している。生理線注入(図2A)の後、最大電力量が2−4Hzの範囲に存在し、NREMスリープを示す。脳波分光はアヘン投与によって根本的に改変され、各オピエートは固有のスペクトル変化を引き起こしたことに注意してください。

図3は、スペクトログラムによって示される脳波変化を定量化し、各半分周波数の平均支配スペクトル電力として表すことができることを示している(図3A)。生理食リンとの最大の違いは、ブプレノルフィンによって引き起こされ、デルタとシータの範囲で発生しました.

図1:催眠鏡と分光を作成するために使用される皮質脳波記録。(A) 覚醒時に記録された脳波波形、NREM睡眠、およびレム睡眠中にベースライン(注射なし)記録中。各トレースは、90 s の記録を示します。(B) 催眠術は、バーの高さを使用して、意識の状態(累進)と記録の4時間(横膿症)を伝えます。(C)カラーバーを使用して、4時間記録時間(アブシッサ)の関数としてヘルツ(Hz、左座標)の異なる脳波周波数で脳波電力をデシベル(dB、右座標)またはスペクトル電力密度で伝達するテーパースペクトログラム。目覚め、NREM睡眠、レム睡眠の各エピソードを1エピソードずつ示すために、スペクトログラムに黒い垂直線が追加されました。(スペクトログラムパラメータ:サンプリング周波数=500Hz、fpass= 0.3 Hzおよび30 Hz、パディング= 2、時間帯域幅= 15、テーパ数29、試行平均= 1、FFT~30sを計算する時間の持続時間、FFT計算のためのウィンドウのステップサイズ= 5)。この図の大きなバージョンを表示するには、ここをクリックしてください。

図2:オピエート投与による脳波電力および周波数の変化を示すスペクトログラム。各スペクトログラムは、(A)生理食経、(B)モルヒネ、(C)ブプレノルフィン、および(D)フェンタニルの投与後に4時間(abscissa)のカラーバー(右座標)を使用して脳波電力のEEG周波数をプロットします。(スペクトログラムパラメータ:サンプリング周波数=500Hz、fpass= 0.3 Hzおよび30 Hz、パディング= 2、時間帯域幅= 15、テーパ数29、試行平均= 1、FFT~30sを計算する時間、FFT計算のためのウィンドウのステップサイズ= 5)。この図の大きなバージョンを表示するには、ここをクリックしてください。

図3:アヘンはデルタおよびシータ脳波周波数帯域内の平均脳波電力を微分的に変化させた。(A)図 2に示す各 4 時間の記録中の平均脳波電力の概要を示します。累進プロットは、各半分の周波数(アブシッサ)での平均脳波電力です。生理食赤制御に対して、他の3つの関数はそれぞれ、平均脳波電力におけるアヘン特異的な変化を示す。(B)生理食赤(S)、ブプレノルフィン(B)、モルヒネ(M)、フェンタニル(F)の投与後の4つの脳波周波数帯域(デルタ、シータ、アルファ、ベータ)における平均脳波力を示す。色分けは、Aの電源関数とBの平均電力バンドの場合と同じです。この図の大きなバージョンを表示するには、ここをクリックしてください。

ディスカッション

ここで説明するプログラムは、プロトコルセクション3、スペクトログラム計算で概説した9つのステップを使用してスペクトログラムを作成するために開発されました。これらの手順では、スペクトログラム プログラムの取得、正しいファイル形式の確保、および一意のユーザースペクトログラムの生成に関する計算パラメータの変更が含まれます。ユーザーは、概念的な質問や実験的な設計の範囲に合わせたスペクトログラムを作成することができます。この開発プロセスの容易さと効率を高めるためには、上記の制約に従って名前を付けた正しいファイル形式で生の脳波データを提供することが不可欠です。マウス脳波データに対してシグナルの例が提供されているが、スペクトログラムプログラムは、信号処理の制限がないヒトおよび非ヒト脳波データに容易に適用可能である。

トラブルシューティングと方法の変更に推奨される方法は、まず小さなデータ セットを分析することです。考慮すべき主なプログラム出力には、フィルタリングされた脳波のプロットとスペクトログラムが含まれます。テーパスペクトログラムの魅力的な側面は、周期的な生物学的信号の多種多様に適用することができるということです。品種は、長い期間の概日(24時間)^リズム17からレンショー^セル18の1,000 Hz放電率などの非常に高速なリズムまで及ぶ。

データの書式設定は、このスペクトログラム プロトコルの制約です。ヨーロッパのデータ形式 (EDF) は、脳波データで広く使用されています。ただし、他にも多くの書式設定オプションがあります。このため、ユーザーがファイル形式を変更したい場合に備えて、生のコード ファイルが含まれています (上記の 3.2 を参照)。生のプログラム ファイルに関しては、もう 1 つの制限は、ファイル形式を変更するためにコンピュータ プログラミング言語の経験が必要です。すべての調査者が、プロプライエタリなソフトウェアとプラグインの完全な配列にアクセスできるわけではありません。このプロトコルは、ソフトウェア ライセンスなしで WINDOWS ベースのデバイス上で実行されるコンパイル済みプログラムを提供することで、この問題を回避するために開発されました。これは、コンパイルされたプログラムに含まれており、ユーザーによるソフトウェア登録を必要としないRUNTIMEプラグインを介して行われます。

この脳波スペクトログラムルーチンは、ユーザーがデータの広い範囲からパーソナライズされた、マルチテーパスペクトログラムを作成することを可能にする、新しいオープンソース、コンピュータベースのプログラムです。ユーザーはスペクトログラムの生成のすべての計算面を完全に制御する。事前の信号処理とコンピュータプログラミングの知識がなければ、スペクトログラムの生成が困難な場合があります。ここで説明するプロトコルは、スペクトログラム生成を容易にする。さらなる信号処理の読み取り値とマルチテーパスペクトログラムのガイダンスについては、補足資料のセクションを参照してください。

補足材料
http://chronux.org
http://www-users.med.cornell.edu/~jdvicto/pdfs/pubo08.pdf
http://www.fieldtriptoolbox.org/tutorial/timefrequencyanalysis/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4502759/#SD3-data

資料

Name	Company	Catalog Number	Comments
Dental acrylic	Lang Dental Manufacturing Co	Jet powder and liquid
EEG/EMG Amplifier	Data Science International	model MX2
macOS Mojave	Apple	v10.14.4
MATLAB	Mathworks	v9.4.0.813654	software for spectrogram comp.
Mouse anesthesia mask	David Kopf Instruments	model 907
Neuroscore	Data Science International	v3.3.9317-1	software for scoring sleep and wakefulness
Ponemah	Data Science International	v5.32	software for EEG/EMG Data Acquisition
Stereotaxic frame	David Kopf Instruments	model 962
Stereotaxic frame, mouse adapter	David Kopf Instruments	model 921
Windows 10	Microsoft	v10.0.17763.503
Wireless Telemeter	Data Science International	model HD-X02