1。 EEG取得<ol><li>参加者に実験手順を説明し、インフォームドコンセントを得る。 </li><li>ドロップダウンの電極を適用します。ドロップダウン電極をアルコール綿棒を使用して配置されますの顔にクリーンエリア。 </li><li>参加者の頭の上に電極キャップを置きます。参加者の頭囲を測定し、適切なキャップのサイズを選択します。電極配置のための国際的に認められた10〜20システムに続いて、正中線に沿って[後からイニオンまでの距離を測定し、10％で割る。その番号を使用して、[後]とマークからまで測定。このマークの付いた電極キャップ位置Fpとの位置を合わせ、キャップを引き戻す。キャップの中心が鼻に沿ったものであることを確認してください。 Czのに[後]を測定し、この距離は[後からイニオンまでの距離の半分であることを確認します。ヒゲを締めます。 </li><li>電極ホルダーに置き、ゲルを充填した鈍ポイント注射。ゲルの導電性の列を作成するには、と接触して開始頭皮は、その後絞ると引き戻す。あまりにもゲルのアプリケーションは、隣接する電極の信号を埋める可能性があることに注意してください。 </li><li>電極ホルダーにアクティブ電極を固定します。 </li><li>実験に適した距離でモニターの前の被写体を配置します。きれいな記録のために目の動きや点滅を最小限に抑えることの重要性を強調し、まだ残っているため、参加者に依頼してください。 </li><li>買収コンピュータに電極接続とEEG信号品質を調べます。全ての電極オフセットが低い（&lt;40 mVの）と安定していることを確認します。特定の電極に問題がある場合は、その電極を取り出して、そのサイトでのインピーダンスを調整するためにゲルを再適用します。 </li><li>ファイルを保存し、実験を開始します。 </li></ol> 2。脳波解析<ol><li>実験後に、しかし、関心のある特定の統計量を抽出する前に、前処理フィルタリングの標準的な手順を使用して成果物を除去するための継続的なEEGデータNDアーティファクト拒絶。このような写真の提示など、各離散事象に対応する時代に連続EEGをカット。各エポックでは、ベースラインとして100ミリ秒前刺激ウィンドウが含まれています。 </li><li>事象関連電位（ERP）の分析では、イベントの発症に位相ロックされている同期の脳活動をキャプチャします。背景活動（ すなわち非位相ロック） &quot;うるさい&quot;から誘発反応を分離する試験全体の平均。試験および被験者間にわたる変動は、分析のERP法の大きな課題を提示します。良好な信号対雑音比を達成するために、実験プロトコルが定義可能な発症と多くの離散的イベントを含むべきである。顕著なイベントの発症に対する脳の応答をロックした後、イベントのような多くを平均時間は、このノイズのいくつかを減らすのに役立ちますが、この手順で作成された一時的な同期は、典型的には、1秒以内に溶解する。各サブ用のERP成分ピークの振幅と潜時を特定JECT（ERP分析に関する詳細なガイドラインについて、ピクトンらを参照してください。、2000）。 </li><li>フーリエ解析を使用して、時間領域から周波数領域にEEG信号を変換し、周波数6を変化させる複合的な正弦波に信号を分解する。 </li><li>マルチスケールエントロピー（MSE）が時間をかけて、複数の時間スケールにわたるneuroelectical信号のばらつきを推定情報理論的メトリックです。 MSE分析の概念的な描写を提供するために、2つのシミュレーション波形、定期的な波形ともっと確率いずれかを検討。サンプルエントロピーの値は、通常の波形に対してほぼゼロであり、より可変波形に対して2.5〜。試料エントロピーの増加は、情報理論によれば、基礎となるシステム7,16の情報処理能力の量の増加として解釈することができ、信号の複雑さの増加に対応する。脳の容量が固定されていないことに注意してくださいますが、変更はDEPE神経コンテキスト2、上nding 機能的には、特定の時点で接続することが起こる脳の領域、すなわち 。 </li><li> MSEを計算するには、で入手可能なアルゴリズムが使用<a href="http://www.physionet.org/physiotools/mse/">www.physionet.org/physiotools/mse/</a>二段階でMSEを計算し、。 </li><li>まず、アルゴリズム次第にダウンサンプルトライアル当たり、条件ごとに脳波の時系列。様々な時間スケールの複数の時系列を生成するダウンサンプリング元の時系列。時系列1は、元の時系列である。後続のタイムスケールの時系列を作成するために、スケールの長さと平均の非重複窓各ウィンドウ内のデータ·ポイントに元の時系列を分割する。ダウンサンプリングは、ローパスフィルタ処理と同様である。スケールによってサンプリング周波数を分周します近似信号はローパスその特定の時間スケールでフィルタされる頻度。パーにMSEの応用ticular周波数範囲（ 例えば 、アルファ：22.9 Hzから12 Hz）をその範囲内リズムの組成物、並びにそれらの周波数との間の相互作用を表すと解釈することができる。 </li><li>次に、アルゴリズムは、各粒度の粗い時系列14のサンプルのエントロピーを計算する。サンプルのエントロピーは、時系列の複雑さを推定する。 EEGの非線形解析では、一方では、個々の時系列は、基礎となる多次元非線形動的モデル（スタムを参照して、レビューのための2005）の症状を表していることを前提としています。この例では、mが（パターン長）毎に時系列の振幅パターンの変動が2対3つの連続した​​配列パターンを考慮することによって二次元対三次元空間で表現されることを意味2つに設定されているデータ点は、それぞれ。係数r（類似度判定基準）は、データを指し、その中の振幅範囲（色付きのバンドの高さによって示される）を反映再度、 &quot;一致&quot;と見なさ。パラメータの選択に関する詳細な手順については、湖を参照してください。100以上のデータポイントを持つ典型的な脳波の時系列では、0.5および1（リッチマンとムアマン、2000年を参照の間の値に等しい2に等しいパラメータmとパラメータrを設定ら、2002）。 このシミュレートされた時系列のサンプルエントロピーを計算するには、最初の2つの成分​​のシーケンスパターン、赤橙色で始まります。まず、赤橙色の配列パターンが時系列的に発生する回数をカウントし、この2成分シーケンスの10件がある。第二、第三成分の配列パターンは、赤、橙黄色、時系列的に発生する回数をカウント、この三成分シーケンスの5マッチがある。次の二つの成分シーケンス（橙黄色）と時系列の次の三成分のシーケンス（オレンジ黄緑）のために同じ操作を続行します。これらsequenための2つの成分​​の一致（5）および三成分届い（3）数CESは、以前の値（;合計三成分届い= 8合計二成分届い= 15）を添加する。三成分の一致への2つの成分​​が一致したの合計比率を決定するために、 - 時系列内の他のすべてのシーケンスの一致（オス、最大Nまで）のために繰り返します。サンプルのエントロピーは、この比の自然対数である。各被験者は、各スケールのための単一のトライアルエントロピー対策にわたる平均としてチャネル固有MSE推定値を計算する。 </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>

利害の衝突は宣言されていない。

現在の記事の目標は、それが脳波神経画像データに適用されるマルチスケールエントロピー（MSE）の概念と方法論的な説明を提供することでした。 EEGは、高い時間分解能と神経回路網の活動を測定し、強力な非侵襲的神経画像技術です。 EEG信号は、集団応答さまざまな興奮性と抑制リエントラント接続によって変更される皮質の錐体細胞の集団の後シナプス活性を反映している。したがって、脳波データを分析し、各メソッドは、データのユニークな側面を抽出するために複数の方法があります。 事象関連電位（ERP）分析とスペクトル電力解析：我々は分析の2つの一般的な方法について議論した。 ERP分析は離散事象の発症に位相ロックされるEEG信号に同期神経活動をキャプチャします。事象関連電位は、スペックを調べるため、この統計の理想を作り、具体的な知覚、運動、または認知操作を反映するIFICの処理段階。スペクトルパワー分析はEEG信号に特定の周波数の相対的な寄与を定量化。様々な興奮性と抑制性のフィードバックループは同調に特定の周波数1,3における神経集団の活動を相互に作用。異なる脳領域間のこのような同期は、広範な神経回路網を介して情報の結合を促進すると考えられている。特定の周波数範囲内の電力と機能3、特定の感情や認知の状態との間のリンクをサポートする豊富な文献がある。 脳波分析するときには、ニューラルネットワークは非線形ダイナミクスを持つ複雑なシステムであることを心に留めておくことも重要です。このような複雑さは無意味、バックグラウンドノイズの結果ではない不規則な振動としてEEG信号に反映されます。同期振動活動と同様に、各種の興奮性と抑制リエントラントループ間の相互作用は一過性のインフルエンザを引き起こす時間6以上の脳信号でctuations。このような過渡現象は、基礎となるネットワークの自由度や複雑度を推定するために使用できるネットワーク微視的間の遷移又は分岐を反映すると考えられている。経時的な信号の振幅パターンにおける大きなばらつきがより複雑なシステム5を示している。 MSEがあるのに対し、批判的に、ERPやスペクトルパワー分析は、このような不規則な活動には区別されません。また、ネットワークの複雑さのインデックスは、このような方法は、脳領域間の過渡的および動的な再発性相互作用に盲目で単にアクティブ脳領域の数をカウントすることによって得ることができない。 分析を神経画像のための補完的な方法は、基礎となる神経活動の全体像を作成するために組み合わせる。 ERPやスペクトルパワーなど神経画像データ、より伝統的なアプリケーションからの結果の解釈は、MSのような複雑さの尺度により増強されE; MSEは、特定の認知操作に貢献し、複数の時間スケールにわたる脳活動の時空間パターンの変化のシーケンスをキャプチャする方法を提供します。新規および既存のデータセットにMSEを適用すると、認知は、ニューラルネットワークダイナミクスから射出方法さらなる洞察を提供することができる。

ニューロイメージングの最近の進歩は劇的に脳機能の理解を増強しています。しかし、神経画像データのアプリケーションの多くは、彼らがリアルタイムで展開として認知操作を重視しなく静的状態ではなく、脳のビューを強化する傾向がある。従って、少しは、脳網の時空間構造については、どのように複数の時間スケールを横切る時空間パターンの変化の順序が特定の認知動作に寄与することが知られている。現在の記事は、マルチスケールエントロピー（MSE）5、複数の時間スケールにわたる脳機能ネットワーク通信でどのように異なる神経発電機に関する情報を提供することにより、特定の認知操作の基礎となる時空間パターンの複雑さを調べ、データを神経画像のための新しい分析ツールについて説明します。 情報理論、数学7,16の適用された枝から派生し、MSEはオリジナルだった心電図4の複雑さを調べるために設計さLY。理論的には、MSEは、任意の時系列の複雑さを分析するために使用することができ、必要なプライマリは、信号の時系列が連続する時間の少なくとも50のデータポイントを含んでいることである。ただし、データにスケール依存性と線形および非線形ダイナミクスに対する感度は、ニューラルネットワークのダイナミクスのMSEは特に有益なことがあります。 ここでは、データ9,12を神経画像脳波（EEG）にMSEの応用に焦点を当てています。脳波は、頭皮上に配置された電極は、新皮質1のニューロンの集団のシナプス応答を捉えることにより、非侵襲的神経画像技術です。高い時間分解能で、脳波を簡単に一般的な取得プロトコルを変更することなく、MSEの必要な時系列の長さを満たしています。 EEGデータへのMSEのアプリケーションの有用性を強調するために、我々は、より伝統的なアプローチ税込でこの新規な方法を比較事象関連電位とスペクトルパワーをuding。一緒に使用する場合、これらの相補的な分析方法は、認知を生じさせるニューラルネットワーク運用さらなる洞察をもたらすことができるデータのより完全な説明を提供する。

<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

人間の神経画像データを考慮すると、信号の変動の感謝は、我々は脳の信号についての考え方を根本的に革新を表しています。一般的に、研究者は、繰り返し実験試行にわたる平均として脳の応答を表し、 &quot;ノイズ&quot;と時間をかけて信号の変動を無視してください。しかしながら、脳信号ばらつきがニューラルネットワークのダイナミクスについての意味のある機能情報を伝達することが明らかになってきている。この記事では、脳の信号のばらつきを定量化するためのマルチスケールエントロピー（MSE）の新規な方法を説明します。それはスケール依存性とデータの線形および非線形ダイナミクスに対する感度を示していますので、MSEは、ニューラルネットワークダイナミクスの特に有益かもしれません。

図1Aおよび2Aは、顔画像の提示に応答して、EEG信号を表す。裁判のように渡って平均化ERPコンポーネントと呼ばれる正と負のたわみのシリーズで構成されていたERP波形を生成します。 図1Bが示す単一の件名と、図6Aのための平均波形は、被験者のグループのための壮大な平均的な波形を示しています。特定の知覚、運動、または認知動作に各ERPコンポーネントに関する豊富な文献がある。例えば、N170は、約170ミリ秒後に刺激発症のピークとは、顔処理8,15に関与しているという負のたわみである。 図2Bは、成分の周波数帯域にその同じEEG信号の分解を示す。スペクトル電力解析からの結果は、それによって信号の周波数成分（ 図2C）を明らかにする特定の周波数での電力の増加は、EEG信号内のそのリズムの存在の増加を反映している。 スペクトルパワーのように、MSEは、信号に寄与する振動の成分の複雑に敏感です。しかし、スペクトルパワーとは違って、MSEはまた、周波数成分（ すなわち非線形ダイナミクス18）との間の相互作用に敏感である。 EEG信号の複雑さは、複数のタイムスケール上の試料エントロピー（ 図5）（図4）の関数として表される。 図3に示すように、試料のエントロピーは、信号のランダム性の程度との定期的な信号と上昇しても低い。そのランダム性の程度に増加、伝統的なエントロピーの措置とは異なり、マルチスケールエントロピーは、複数の時間スケールにわたるエントロピーを考慮することによってホワイトノイズからの複雑な信号を区別することができます。たとえば、コスタら 、2005と比較してマルチスケールエントロピー値Fまたは無相関（白色）ノイズ対相関（ピンク）ノイズ。サンプルエントロピーは細かいスケールでピンクノイズもホワイトノイズのために大きかったが、反対は粗いタイムスケール5-20で観察された。換言すれば、エントロピーが複数の時間スケールにわたって考えられていた場合には、信号の真の複雑度をより正確に単一のタイムスケールが考慮された場合であるよりも表現した。コントラストが細かい対粗いで異なるができるクロスオーバー効果のように）1）すべての時間スケールで同じ方法で、2）いくつかの時間スケールではなく、他の、または3ではない：特定のコントラストの時間的ダイナミクスによって、条件の効果が発現させることができるタイムスケール。 図6は、顔写真9の初期の対繰り返しプレゼンテーションを対照的なERPの条件の違い（ 図6A）、スペクトルパワー（ 図6B）、MSE（図6C）を示す。この例では、すべての措置は、明らかに収束同じ効果は、それは結果の解釈を制約としてしかし、顔の繰り返しに付属のサンプルエントロピーの減少が観察されたことが重要です。複雑さの減少は、基礎となるネットワークの機能をより単純かつより少ない情報を処理することができることを示唆している。 図7には、ERP、スペクトルパワーとMSEに適用された部分最小二乗11の多変量解析からの統計結果を示す。実験は別の顔（Heisz ら 、2012）に関連付けられた親しみを操作した。コントラスト（棒グラフ）は、ERP振幅が見慣れた顔からではなく、事前の暴露量で変化見慣れた顔の間で新たな顔を区別を示しています。区別スペクトルパワーは、取得された親しみやすさに応じて直面したが正確に、中、低馴染みの顔を区別しませんでした。 MSEはそのサンプルエントロピー値さを増加させるの条件の違いに最も敏感だった増加顔親しみとED。イメージプロットは全ての電極および時間/周波数/タイムスケールを越え条件効果の時空間分布を捉える。この例では、MSEによるEEGの分析がERPまたはスペクトル電力の従来の方法を用いて得られなかった固有情報を生成した状況を示している。 MSEのこの相違は、条件はおそらく様々な周波数成分間の相互作用を含む、それらのネットワークダイナミクスの非線形態様に関して異なっていることを示唆している。 <img alt="図1" src="/files/ftp_upload/50131/50131fig1.jpg" /> 図1。）各試験のベースラインからの振幅たわみの関数として、一人の被験者の脳波応答は裁判の発症からの時間に対してプロットした。各試験は、顔画像の写真の提示から成っていた。正の振幅の偏向はに示されている赤、負の振幅偏向は青で示されている。すべての試験は、イベントに関連した位相ロック活動を示し、100ミリと250ミリ秒周りの正偏差を示しています。B）、図1Aに示すようにすべての試験全体で平均化は、イベント関連のコンポーネントと呼ばれ、名前の異なる正と負のたわみと平均ERP波形を生成標準の命名法による。例えば、P1は最初の正方向の成分であり、N170は、約170ミリ秒後に刺激発症のピーク、負のコンポーネントです。 <img alt="図2" src="/files/ftp_upload/50131/50131fig2.jpg" /> 図2時間（データポイントで、速度512 Hzでのサンプリング）。B）デルタの周波数帯域を分離するフィルタ図2AバンドパスのEEG応答によって振幅をプロットシングル裁判のための単一の被写体の）EEG応答図に示されているEEG応答（0-4 Hz）で、シータ（5-8 Hz）で、アルファ（9-12 Hz）を、ベータ（13-30 Hz）で、ガンマ（&gt; 30 Hz）です。C）スペクトル電力密度周波数による電力の関数としての信号の周波数構成を示す図2A。特定の周波数でのスペクトルパワーの増加は、その特定の周波数帯域内に同伴同期アクティブな神経細胞の数の増加を反映している<a href="https://www.jove.com/files/ftp_upload/50131/50131fig2large.jpg" target="_blank">より大きい数字を表示するには、ここをクリックしてください</a> 。 <img alt="図3" src="/files/ftp_upload/50131/50131fig3.jpg" /> 図3）二つのシミュレーション波形：。紫色で示されている定期的または予測可能な波形と、黒で描かれ、より確率波形B）最初の三つのタイムスケールのための2つのシミュレーション波形のサンプルエントロピー値。サンプルENTROPYはより確率信号よりも高い予測可能な信号に対して低くなっています。 <a href="https://www.jove.com/files/ftp_upload/50131/50131fig3large.jpg" target="_blank">大きい数字を表示するには、ここをクリックしてください</a> 。 <img alt="図4" src="/files/ftp_upload/50131/50131fig4.jpg" /> 図4。ダウンサンプリング元の時系列変化する時間スケールの複数の時系列を生成する。1タイムスケールは、元の時系列である。スケール2の時系列は、各ウィンドウ内で長さが2であり、平均データ点の非オーバーラップウィンドウに元の時系列を分割することによって作成される。後続のタイムスケールの時系列を生成するために、スケールの長さと平均の非重複窓各ウィンドウ内のデータ·ポイントに元の時系列を分割する。 <img alt="図5" src="/files/ftp_upload/50131/50131fig5.jpg" /> 図5。各四角形は時系列サンプル·エントロピーの単一のデータポイントを表すシミュレーション波形は、時系列の変動を推定する。この例では、mが （パターン長）毎に時系列の振幅パターンの変動が2対3つの連続した配列パターンを考慮することによって二次元対三次元空間で表現されることを意味2つに設定されているデータ点は、それぞれ、rは （類似度判定基準）、データポイントが&quot;一致&quot;とみなされる範囲内の振幅範囲（色付きのバンドの高さによって示される）反射する。このシミュレートされた時系列のサンプルエントロピーを計算するには、最初の2つの成分​​のシーケンスパターン、赤橙色で始まります。まず、赤橙色の配列パターンが時系列的に発生する回数をカウントし、この2成分シーケンスの10件がある。第二、第三回成分系列パターンの数をカウントし、赤橙色 - エールOWは、時系列的に発生し、この三成分シーケンスの5試合があります。次の二つの成分の配列（橙黄色）と3つの成分のシーケンス（オレンジ黄緑）のために、このように続けます。これらの配列のための2つの成分​​の一致（5）および三成分届い（3）の数は、前の値（;合計三成分届い= 8合計二成分一致する= 15）を添加する。三成分の一致への2つの成分​​が一致したの合計比率を決定するために、 - 時系列内の他のすべてのシーケンスの一致（オス、最大Nまで）のために繰り返します。サンプルのエントロピーは、この比の自然対数である。各被験者は、各スケールのための単一のトライアルエントロピー対策にわたる平均としてチャネル固有MSE推定値を計算する。 <img alt="図6" src="/files/ftp_upload/50131/50131fig6.jpg" /> 図6。ERPにおける条件の違い（）、スペクトルパワー（B）は 、顔の写真の初期の対繰り返しプレゼンテーションを対比MSEは（C） <a href="https://www.jove.com/files/ftp_upload/50131/50131fig6large.jpg" target="_blank">より大きい数字を表示するには、ここをクリックしてください</a> 。 <img alt="図7" src="/files/ftp_upload/50131/50131fig7.jpg" /> 図7。 ERP、スペクトルパワー、およびマルチスケールエントロピーの施策を通して学習された面にEEG反応を対比。棒グラフには、少なくとも部分的二乗分析11によって決定された条件の間のコントラストを描く。イメージプロットはブートストラップによって決定されるように、このコントラストは最も安定したときの時空間分布を強調しています。値は、A〜Zスコアを表し、負の値は逆の状態効果を意味を表している。 <a href="https://www.jove.com/files/ftp_upload/50131/50131fig7large.jpg" target="_blank">大きい数字を表示するには、ここをクリックしてください</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

神経画像研究者は一般的に繰り返される実験的な試行を越え、平均活動として脳の応答を考慮すると &quot;ノイズ&quot;のように時間をかけて信号の変動を無視してください。しかし、そのノイズ信号があることが明らかになりつつある。この記事では、時間領域の脳信号のばらつきを定量化するためのマルチスケールエントロピーの新規な方法を説明します。

EEGニューロイメージングデータの応用：事象関連電位、スペクトルパワー、およびマルチスケールエントロピー

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

33.6K ビュー.  Baycrest. 神経画像研究者は一般的に繰り返される実験的な試行を越え、平均活動として脳の応答を考慮すると "ノイズ"のように時間をかけて信号の変動を無視してください。しかし、そのノイズ信号があることが明らかになりつつある。この記事では、時間領域の脳信号のばらつきを定量化するためのマルチスケールエントロピーの新規な方法を説明しま?...

ビデオ: 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.

高密度のイベントに関連する認知神経科学における潜在的なデータ収集

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

神経科学

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.

データを神経画像の多変量解析の基礎

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.

fMRIのガイド下経頭蓋磁気刺激中に記録された脳波データからの視覚誘発電位を抽出する

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.

口腔顔面皮膚ストレッチ刺激から体性感覚事象関連電位

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.

麻酔ラットにおける電図および視覚誘発電位の同時記録

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.

睡眠中のマウスにおけるスペクトルパワーおよび心拍数の低速ダイナミクスの定量化

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).

検索効果の刺激の処理にイベント関連脳電位の近くに他の方法と Hyperscanning パートナー

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.

近赤外線分光法 (NIRS) ニューロ イメージングを使用してグローバル発達を研究する神経イメージング研究フィールドのメソッド: サハラ以南アフリカの農村

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.

神経活動と Spm と頭蓋内脳波データを使用した接続の分析

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).

Methods Article

EEGニューロイメージングデータの応用：事象関連電位、スペクトルパワー、およびマルチスケールエントロピー