Name: microstate and omega complexity analyses of the resting-state electroencephalography
Uploaded: 2018-06-15T12:30:00.000+00:00
Duration: 6 min 40 s
Description: Watch this Scientific Journal Video about Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography at JoVE.com

この記事は中国の国家自然科学基金 (31671141) によって支えられました。

このプロトコルは、ローカルの倫理委員会で承認されました。すべての参加者とその保護者はこの実験のためのインフォームド コンセントのフォームに署名しました。
1 科目
<ol><li>15 健康青年男子、14 から 22 歳までの年齢を必ず (平均 ± 標準偏差: 18.3 ± 2.8 年)。 注: microstate とオメガの複雑さを分析する現在のプロトコル、健常者用に開発されたが、このグループのみに制限されていません。</li>
</ol>2. 脳波データ記録
<ol><li>脳波データが記録されたサイレント、温度管理された部屋で快適な椅子に座って課題を求めます。このプロトコルでは ANT の脳波を用いた 20 ch 脳波データを収集します。</li>
	<li>被験者の頭にキャップを置きます。<ol>
<li>本研究ではそれが最も思春期または男性の被験者に適しただったので中型サイズのキャップを使用します。子供のためしてください各件名の頭囲を測定し、適当な大きさとキャップを決定します。</li>
		<li>約イニオンと頭骨間の距離の 50%、左と右の両耳間のくぼみの間の距離の 50% で Cz の電極を配置します。それぞれの左と右の乳様突起骨参照電極を配置します。10-20 システムによると、国際標準の場所に他の頭皮の電極を配置します。 注: 電極システムと脳波で 20 チャンネル アンプは脳波 microstate 分析とオメガの複雑さの分析のために十分。</li>
	</ol>
</li>
	<li>導電性ゲルの電極を通して鈍針を挿入することによってすべての電極を入力します。インピー ダンスを下げるためには、導電性ゲルを使用します。10 kiloohms (kΩ) より低いすべての電極インピー ダンスをしてください。<ol>
<li>この期間中に主題のためのいくつかのエンターテイメントを提供する (例えば、ショート フィルムを表示)。ドライ電極または生理食塩水の電極を使用する場合は、導電性ゲルを注入する手順します。</li>
	</ol>
</li>
	<li>目を閉じて持続 5 分デジタル化し、脳波を記録するデジタル化ソフトウェアを使用するかどれが信号記録時にリラックスして被験者に指示します。少なくとも 250 サンプル/s のオンラインのフィルターよりも 0.1 を使用し 80 Hz のサンプリング レートを使用します。 注: ほとんどの商用利用可能な電極・増幅部システム使用信号に脳波信号のノイズ比を改善できる、アクティブ電極システムは、[脳波記録中に、電気機器の近くにこのシステムを配置しないでください。</li>
</ol>3. 脳波データの前処理
注: 脳波データは、様々 なオープン ソースや商用ソフトウェアを使用して前処理でした。次の手順に従って、EEGLAB に固有です。これは、脳波データを前処理する多くの利用可能なオプションのうち 1 つだけです。
<ol><li>脳波のソフトウェア (例えば、EEGLAB) に脳波の生データをインポート (ファイル |データをインポートする |EEGLAB 関数の使用とプラグイン)。 注: さまざまな電極・増幅部システムから raw の脳波記録 EEGLAB、ANT、エギなどによって認識される可能性があります脳ビジョン レコーダー、および Neuroscan。</li>
	<li>脳波ソフトウェア チャンネルの場所ファイルを読み込む (編集 |チャネルの場所)。脳波データおよびチャネルの名前を EEGLAB にインポートすると、これらの電極の空間位置を取得するために脳波ソフトウェアにチャネルの場所ファイルをインポートします。</li>
	<li>参照電極を削除 (編集 |データを選択 |選択範囲内のデータ チャネル)。ポップアップ ダイアログ ボックスの「チャネル範囲の選択データ」のオプションで記録電極のみを選択し、参照電極を削除できるように、参照電極を選択しないでください。これらの 2 つの電極がそれぞれ左右乳様突起の骨に置かれるので、参照電極で記録されたデータは 'true' 脳信号ではありません。</li>
	<li>0.5 と 80 Hz 間でパス フィルター脳波データをバンド (ツール |データをフィルター処理 |基本的な FIR フィルター [新しい、既定])。ポップアップ ダイアログ ボックスの「パス周波数 (Hz) の下縁、」の 5、「通過周波数 (Hz) の高いエッジ」の 80 を選択します。"Ok"のボタンをクリックします。</li>
	<li>49 と 51 Hz のノッチ フィルターと電力線ノイズを削除 (ツール |データをフィルター処理 |基本的な FIR フィルター [新しい、既定])。ポップアップ ダイアログ ボックスの「パス周波数 (Hz) の下縁、」の 49 を選択し、「通過周波数 (Hz) の高いエッジ、」51「ノッチ フィルターの通過帯域ではなくデータ」のオプションを選択します。"Ok"のボタンをクリックします。</li>
	<li>眼球運動、筋電図 (EMG) またはブラインド信号分離 (BSS) アルゴリズム15を使用して、他の非生理的アーティファクトによって汚染されたデータ部分を修正します。ツールをクリックして眼球運動 |AAR 1.3 を使用してアーティファクト除去 |EOG 除去 |BSS; を使用してください。EMG、用のツール |AAR 1.3 を使用してアーティファクト除去 |BSS を用いた筋除去。</li>
	<li>エポック社長が 2 の時代にあらかじめ処理された継続的な脳波データをセグメント s。これを行うには、書き込み '脳波 = eeg_regepochs (脳波、'繰り返し' 2、'制限'、[0 2]、'rmbase'、NaN); pop_saveset(EEG)'、キーボードの Enter キーを押します。ウィンドウがポップアップのセグメント化された脳波データ保存を可能にします。</li>
	<li>セグメント化された脳波を脳波ソフトウェアにインポート (ファイル |既存のデータセットを読み込む)。</li>
	<li>任意の電極で ± 80 μ V を超える振幅値と脳波を拒否 (ツール |データの新紀元を拒否 |[すべての方法] データを拒否する)。</li>
	<li>前処理した脳波データを保存 (ファイル |現在のデータセットとして保存)。</li>
</ol>4. 脳波 Microstate 解析
メモ: 古典的な k-means クラスタ リング アルゴリズムの修正バージョンは microstate クラス分析16、ボトムアップ プロシージャとアップ下プロシージャが含まれているため使用されます。ボトムアップの手順でグループ レベル microstate クラスはクラスタ リングの基準として空間相関を使用して識別されます。下の手順で各グループで、各科目の各地形図は最大の空間相関と脳波 microstate クラスに割り当てられます。休息状態 microstate eeg の地形図の極性は通常無視されます。脳波 microstate クラス分析を行うことができる CARTOOL、:sloreta などのさまざまなオープン ソース ソフトウェアを使用してエマと MapWin。次の手順に従って、採用の EEGLAB プラグイン固有です。この EEGLAB のプラグインは、https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins からダウンロードでした。
<ol><li>各科目における前処理された脳波データの読み込み (ファイル |一般的な平均参照するデータセットを既存負荷)、変換参照チャネル (ツール |再参照)、およびバンドパス フィルター 2 と 20 Hz の脳波データ (ツール |データをフィルター処理 |基本的な FIR フィルター [新しい、既定])。</li>
	<li>各科目とも 4 つの microstate マップを識別する (ツール |採用 |microstate マップを識別する)。ポップアップ ダイアログ ボックスで 3 を選択」クラスの分の番号"、「クラスの最大数」の 6 を選択、「再起動の回数」50 を選択、「マップを使用するの最大数」を選択し、"GFP ピークのみ"と「極性なし」のオプションを選択。"Ok"のボタンをクリックします。</li>
	<li>マップ独自の microstate の特定後、各被験者の脳波データを保存 (ファイル |現在のデータセットとして保存)。</li>
	<li>最後のステップで一度に保存すべての被験者の脳波のデータセットをインポート (ファイル |既存のデータセットを読み込む)。</li>
	<li>グループ レベルの microstate マップを識別する (ツール |採用 |平均 microstate にデータセットにまたがるマップします。)ポップアップ ダイアログ ボックスで「選択セットの平均値」オプションですべての科目のデータセットを選択します。「意味の名前」オプションでグループ レベル microstate マップ名前を付けます。既定の名前は"GrandMean"です。"Ok"のボタンをクリックします。これは、"GrandMean"は、グループ レベルの microstate マップを格納として名前を新しいデータ セットが作成されます。</li>
	<li>古典的な順序に従って 4 つのグループ レベル microstate マップの順序を手動で並べ替える (プロット |Microstate マップを編集)。ポップアップで,「詳細」を選択し、地図の数になります 4。「男の並べ替え」を選択します。ポップアップ ダイアログ ボックスに 4 つのグループ レベル microstate マップの新しい順序を入力します。「閉じる」をクリックします。</li>
	<li>各科目の 4 つの microstate マップの順序を並べ替え (ツール |採用 |平均に従って個々 の microstate マップを並べ替える)。</li>
	<li>各教科の microstate パラメーターを保存 (ツール |採用 |定量化するデータセット [平均テンプレート マップ] で採用)、2 つのポップアップ ダイアログ ボックスを順番に呼び出すが。<ol>
<li>最初のダイアログ ボックスですべての科目のデータ セットを選択します。2 番目のダイアログ ボックスで「4 教室」「教室数」オプションを選択「GFP ピークにのみフィット」オプションを選択して、「削除可能性があります切り捨てられる採用」、"ラベルのウィンドウ (ms) を平滑化"の 30 を選択し、"非平滑用 1 を選択ペナルティ」。"Ok"をクリックします。Microstate パラメーターを格納する csv ファイルはコンピューターに保存されます。</li>
	</ol>
</li>
</ol>5. オメガ複雑度解析
<ol><li>各時代の脳波データを保存し、ASCII または txt 形式を使用して各件名のカスタマイズ スクリプト。手順 5.1 のカスタマイズ スクリプトの例は、補足資料で見つかりませんでした。 注: グローバル オメガ複雑さを計算すると、すべての頭皮電極脳波データが ASCII または txt 形式でエクスポートする必要が。地域オメガ複雑さを計算すると場合、は、電極頭皮領域の脳波データのみをエクスポートします。たとえば、前のオメガの複雑さを計算するために (すなわち、Fp1、Fp2、f7 キー、F3、Fz、f4 キーと F8); 前歯で電極の脳波データのみをエクスポートします。後部のオメガの複雑さを計算するために後方地域 (すなわち、T5、T6、P3、P4、Pz、O1 と O2) の電極の脳波データのみをエクスポートします。</li>
	<li>:Sloreta ソフトウェア17を使用してすべての離散周波数のオメガの複雑さを計算 (ユーティリティ |グローバル接続の場合)。このソフトウェアは、http://www.uzh.ch/keyinst/loreta.htm で利用可能です。</li>
	<li>26カスタマイズしたスクリプトを使用して各周波数バンドのオメガの複雑さを計算します。私たちのケースで計算、各周波数制限内平均値として次の 8 つの周波数バンドのオメガ複雑さデルタである (0.5 3.5 Hz)、シータ (4 7.5 Hz)、α 1 (8-10 Hz) 2 ・ (10.5 13.5 Hz)、beta1 (14-18 Hz)、beta2 (18.5 30 Hz)、gamma1 (30.5 48 Hz)、および gamma2 (52-80 Hz)4。ステップ 5.3 のカスタマイズ スクリプトの例は、補足資料で見つかりませんでした。</li>
</ol>

<ol>
	<li>Khanna, A., 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=Microstates+in+resting-state+EEG:+current+status+and+future+directions.">Microstates in resting-state EEG: current status and future directions.</a> Neurosci Biobehav Rev. 49, 105-113 (2015).</li><li>Chen, J. L., Ros, T., Gruzelier, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+changes+of+ICA-derived+EEG+functional+connectivity+in+the+resting+state.">Dynamic changes of ICA-derived EEG functional connectivity in the resting state.</a> Hum Brain Mapp. 34 (4), 852-868 (2013).</li><li>Imperatori, C., 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=Aberrant+EEG+functional+connectivity+and+EEG+power+spectra+in+resting+state+post-traumatic+stress+disorder:+a+sLORETA+study.">Aberrant EEG functional connectivity and EEG power spectra in resting state post-traumatic stress disorder: a sLORETA study.</a> Biol Psychol. 102, 10-17 (2014).</li><li>Gao, F., 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=Altered+Resting-State+EEG+Microstate+Parameters+and+Enhanced+Spatial+Complexity+in+Male+Adolescent+Patients+with+Mild+Spastic+Diplegia.">Altered Resting-State EEG Microstate Parameters and Enhanced Spatial Complexity in Male Adolescent Patients with Mild Spastic Diplegia.</a> Brain Topogr. 30 (2), 233-244 (2017).</li><li>Seitzman, B. A., 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=Cognitive+manipulation+of+brain+electric+microstates.">Cognitive manipulation of brain electric microstates.</a> Neuroimage. 146, 533-543 (2017).</li><li>Lehmann, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG-defined+functional+microstates+as+basic+building+blocks+of+mental+processes.">EEG-defined functional microstates as basic building blocks of mental processes.</a> Clin Neurophysiol. 122 (6), 1073-1074 (2011).</li><li>Koenig, T., 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=Millisecond+by+millisecond,+year+by+year:+normative+EEG+microstates+and+developmental+stages.">Millisecond by millisecond, year by year: normative EEG microstates and developmental stages.</a> Neuroimage. 16 (1), 41-48 (2002).</li><li>Britz, J., Van De Ville, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BOLD+correlates+of+EEG+topography+reveal+rapid+resting-state+network+dynamics.">BOLD correlates of EEG topography reveal rapid resting-state network dynamics.</a> Neuroimage. 52 (4), 1162-1170 (2010).</li><li>Musso, F., 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=Spontaneous+brain+activity+and+EEG+microstates.+A+novel+EEG/fMRI+analysis+approach+to+explore+resting-state+networks.">Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks.</a> Neuroimage. 52 (4), 1149-1161 (2010).</li><li>Strelets, V., 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=Chronic+schizophrenics+with+positive+symptomatology+have+shortened+EEG+microstate+durations.">Chronic schizophrenics with positive symptomatology have shortened EEG microstate durations.</a> Clin Neurophysiol. 114 (11), 2043-2051 (2003).</li><li>Kikuchi, M., 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=EEG+microstate+analysis+in+drug-naive+patients+with+panic+disorder.">EEG microstate analysis in drug-naive patients with panic disorder.</a> PLoS One. 6 (7), e22912 (2011).</li><li>Santarnecchi, E., 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=EEG+Microstate+Correlates+of+Fluid+Intelligence+and+Response+to+Cognitive+Training.">EEG Microstate Correlates of Fluid Intelligence and Response to Cognitive Training.</a> Brain Topogr. , (2017).</li><li>Schlegel, F., 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=EEG+microstates+during+resting+represent+personality+differences.">EEG microstates during resting represent personality differences.</a> Brain Topogr. 25 (1), 20-26 (2012).</li><li>Wackermann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Beyond+mapping:+estimating+complexity+of+multichannel+EEG+recordings.">Beyond mapping: estimating complexity of multichannel EEG recordings.</a> Acta Neurobiol Exp (Wars). 56 (1), 197-208 (1996).</li><li>Jung, T. P., 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=Removing+electroencephalographic+artifacts+by+blind+source+separation.">Removing electroencephalographic artifacts by blind source separation.</a> Psychophysiology. 37 (2), 163-178 (2000).</li><li>Pascual-Marqui, R. D., Michel, C. M., Lehmann, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Segmentation+of+brain+electrical+activity+into+microstates:+model+estimation+and+validation.">Segmentation of brain electrical activity into microstates: model estimation and validation.</a> IEEE Trans Biomed Eng. 42 (7), 658-665 (1995).</li><li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Standardized+low-resolution+brain+electromagnetic+tomography+(sLORETA):+technical+details.">Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details.</a> Methods Find Exp Clin Pharmacol. 24, 5-12 (2002).</li><li>Hu, L., 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=The+primary+somatosensory+cortex+contributes+to+the+latest+part+of+the+cortical+response+elicited+by+nociceptive+somatosensory+stimuli+in+humans.">The primary somatosensory cortex contributes to the latest part of the cortical response elicited by nociceptive somatosensory stimuli in humans.</a> Neuroimage. 84, 383-393 (2014).</li><li>Murray, M. M., Brunet, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Topographic+ERP+analyses:+a+step-by-step+tutorial+review.">Topographic ERP analyses: a step-by-step tutorial review.</a> Brain Topogr. 20 (4), 249-264 (2008).</li><li>Van de Ville, D., Britz, J., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+microstate+sequences+in+healthy+humans+at+rest+reveal+scale-free+dynamics.">EEG microstate sequences in healthy humans at rest reveal scale-free dynamics.</a> Proc Natl Acad Sci U S A. 107 (42), 18179-18184 (2010).</li><li>Gonuguntla, V., Mallipeddi, R., Veluvolu, K. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identification+of+emotion+associated+brain+functional+network+with+phase+locking+value.">Identification of emotion associated brain functional network with phase locking value.</a> Conf Proc IEEE Eng Med Biol Soc. 2016, 4515-4518 (2016).</li><li>Wen, D., 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=Resting-state+EEG+coupling+analysis+of+amnestic+mild+cognitive+impairment+with+type+2+diabetes+mellitus+by+using+permutation+conditional+mutual+information.">Resting-state EEG coupling analysis of amnestic mild cognitive impairment with type 2 diabetes mellitus by using permutation conditional mutual information.</a> Clin Neurophysiol. 127 (1), 335-348 (2016).</li><li>Rosales, F., 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=An+efficient+implementation+of+the+synchronization+likelihood+algorithm+for+functional+connectivity.">An efficient implementation of the synchronization likelihood algorithm for functional connectivity.</a> Neuroinformatics. 13 (2), 245-258 (2015).</li><li>Jia, H., Peng, W., Hu, 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+novel+approach+to+identify+time-frequency+oscillatory+features+in+electrocortical+signals.">A novel approach to identify time-frequency oscillatory features in electrocortical signals.</a> J Neurosci Methods. 253, 18-27 (2015).</li><li>Wackermann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+characterization+of+brain+electrical+activity+by+means+of+the+&#937;+complexity+production+rate.">Global characterization of brain electrical activity by means of the &#937; complexity production rate.</a> Brain Topogr. 18, 135 (2005).</li><li>Wackermann, J., Putz, P., Ga&#223;ler, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unfolding+EEG+spatial+complexity+as+a+function+of+frequency.">Unfolding EEG spatial complexity as a function of frequency.</a> Brain Topogr. 16 (2), 124 (2003).</li></ol>

著者が明らかに何もありません。

この記事で 2 種類の脳波分析法 (すなわち、microstate 解析とオメガ複雑度解析)、それぞれ時間の複雑さと人間の脳の空間的複雑さの測定で詳しく説明しました。記載すべきプロトコル内でいくつかの重要な手順があります。まず、脳波データは microstate とオメガの複雑さの計算前に掃除する必要があります。第二に、microstate とオメガの複雑さの計算前に平均参照に対して脳波データを remontag...

脳波 (EEG) は、非侵襲、低原価計算であり、非常に高い時間分解能1以来両方の臨床診断と科学的な研究は、人間の脳の電気的活動を記録するため広く使用されています。休眠状態にある脳波を研究するために研究者は多くの脳波技術 (例えば、パワー スペクトル解析, 機能的結合解析)2,3を開発しました。、これらの microstate 分析とオメガの複雑さの分析に活用できる良い時空情報の脳波信号4に固有。
脳波の頭皮上の分布が目を閉じたの経年変化や目開きの休眠状態は、一連の一時的なマップ表示の風景の不連続変化が、従来の研究はことを示しているすなわち、交互に安定性の期間特定の準安定脳波トポグラフィー5間短い移行期間。採用は準安定の脳波トポグラフィーを最後の 80 と 120 ms1間でこれらのエピソードとして定義されます。別の電気潜在的な風景は、神経回路の異なるソースによって生成する必要があります、のでこれら採用視の基本要素としての資格があり、「思考と感情の原子」6として見なすことができます。モダンなパターン分類アルゴリズムを使用して、4 つの脳波 microstate クラスを休んで観察されている一貫して、クラス A、クラス B、クラス C、クラス D7としてラベルを貼られました。さらに、研究者は、研究-安静 fMRI (機能的磁気共鳴イメージング) 多く8,9 にみられるよく知られた機能システムとこれら 4 つの microstate クラス安静時脳波データを密接に関連が明らかに.したがって、microstate の分析は、人間の脳の休息状態ネットワーク (RSNs) の研究への新しいアプローチを提供しました。さらに、平均の期間やの microstate クラス 4 つの microstate マップの地形形状ごとの出現頻度大幅に影響されていくつか脳疾患4,10,11,流動性知能12人格13に関連付けられているとします。
他の面で多チャンネル脳波の従来の機能接続可能性がありますのみ頭皮全体または特定の脳領域内グローバル機能接続性を評価するために失敗しました、2 つの頭皮電極間の機能の接続をについて説明します。空間の間の広帯域グローバル同期を定量化するオメガの複雑さ、14 Wackermann (1996) によって提案された、主成分分析 (PCA) とシャノン エントロピーを組み合わせたアプローチにより計算が使用されています脳の領域を配布しました。各周波数バンドのオメガの複雑さを評価するためにフーリエ変換はよく最初のステップ25として実施されました。
採用とオメガの複雑さは、2 つの密接に関連概念、すなわち、時間的複雑さと空間的複雑さ4を反映するように使用できます。Microstate クラスを表す人間の脳の特定の精神的な操作、神経活動の振動時間の構造が反映されることができます。低い期間と 1 秒あたりの高い発生率より高い時間的複雑さを示す必要があります。オメガの複雑さは正の関連脳で独立した神経情報源の数は、このようによく考えられています4空間的複雑さの指標として。
現在の記事では、脳波 microstate 分析と詳細にオメガの複雑さの分析のプロトコルについて説明します。脳波 microstate とオメガの複雑さの分析は、それぞれ脳の活動の時間的・空間的複雑さを測定する機会を提供しています。

<table><tbody><tr><td>ANT 20 channels EEG/ERP system</td><td>ASA-Lab, ANT B.V., Netherlands</td><td></td><td>company web address:&lt;br/&gt; http://www.ant-neuro.com/</td></tr><tr><td>EEGLAB plugin for Microstates</td><td>Thomas Koenig</td><td></td><td>https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins</td></tr><tr><td>sLORETA</td><td>Roberto D. Pascual-Marqui</td><td></td><td>http://www.uzh.ch/keyinst/loreta.htm</td></tr><tr><td>MATLAB 2010a</td><td>The MathWorks Inc.</td><td></td><td>company web address:&lt;br/&gt; http://www.mathworks.com/</td></tr><tr><td>eeglab</td><td>Swartz Center for Computational Neuroscience, University of California, San Diego</td><td></td><td>https://sccn.ucsd.edu/eeglab/index.php</td></tr></tbody></table>

microstate and omega complexity analyses of the resting-state electroencephalography

Microstate とオメガの複雑さは、脳波の時間的・空間的複雑さを表すことができますし、いくつかの脳疾患の神経メカニズム解明のため広く使用されている 2 つの参照無料脳波 (EEG) 対策です。この記事の目的は、脳波 microstate とオメガ複雑さ分析ステップを基になるプロトコルを説明します。これらの 2 つのメジャーの主な利点は、従来のスペクトル解析に固有の参照依存問題を排除できることです。さらに、休眠状態の脳波の高時間分解能を駆使する microstate 分析と 4 つの得られた microstate クラスはそれぞれ対応する休息状態ネットワークを一致可能性があります。オメガの複雑さと比較すると伝統的な複雑さ単一チャネルの信号の複雑さに焦点を当てての明白な利点を持っている脳全体または特定の脳領域の空間的複雑さの特徴です。これら 2 つの脳波測定は、時空ドメインから脳の複雑さをそれぞれ調査する互いを補足することができます。

脳波 microstate
グランドは、図 1に正規化された microstate マップが表示されますを意味します。ここで識別されるこれらの 4 つの microstate クラスの電気潜在的な風景、以前の研究4で見られるものと似ています。
平均と標準偏差 (SD) 健常者の ...

Watch this Scientific Journal Video about Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography at JoVE.com

Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

2 つの参照のない脳波措置プロトコルの基になる脳波 (EEG) microstate 分析とオメガ複雑性解析を説明しますと非常に貴重な脳疾患の神経メカニズムを探索します。

微小状態と静止状態の脳波のオメガ複雑さ解析

Microstate and omega complexity are two reference-free electroencephalography (EEG) measures that can represent the temporal and spatial complexities of ...

microstate-omega-complexity-analyses-resting-state

Research

JoVE Journal

Neuroscience

10.1K ビュー.  Peking University People's Hospital. 2 つの参照のない脳波措置プロトコルの基になる脳波 (EEG) microstate 分析とオメガ複雑性解析を説明しますと非常に貴重な脳疾患の神経メカニズムを探索します。

ビデオ: Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

Utilizing Electroencephalography Measurements for Comparison of Task-Specific Neural Efficiencies: Spatial Intelligence Tasks

Spatial intelligence is often linked to success in engineering education and engineering professions. The use of electroencephalography enables comparative calculation of individuals&#39; neural efficiency as they perform successive tasks requiring spatial ability to derive solutions. Neural efficiency here is defined as having less beta activation, and therefore expending fewer neural resources, to perform a task in comparison to other groups or other tasks. For inter-task comparisons of tasks with similar durations, these measurements may enable a comparison of task type difficulty. For intra-participant and inter-participant comparisons, these measurements provide potential insight into the participant&#39;s level of spatial ability and different engineering problem solving tasks. Performance on the selected tasks can be analyzed and correlated with beta activities. This work presents a detailed research protocol studying the neural efficiency of students engaged in the solving of typical spatial ability and Statics problems. Students completed problems specific to the Mental Cutting Test (MCT), Purdue Spatial Visualization test of Rotations (PSVT:R), and Statics. While engaged in solving these problems, participants&#39; brain waves were measured with EEG allowing data to be collected regarding alpha and beta brain wave activation and use. The work looks to correlate functional performance on pure spatial tasks with spatially intensive engineering tasks to identify the pathways to successful performance in engineering and the resulting improvements in engineering education that may follow.

This manuscript describes an approach to measure neural activity of humans while solving spatially focused engineering problems. The electroencephalogram methodology helps interpret beta brain wave measurements in terms of neural efficiency, with the aim of ultimately enabling comparisons of task performance both between problem types and between participants.

空間知能タスク：タスク固有ニューラル効率の比較のための脳波測定を活用

Spatial intelligence is often linked to success in engineering education and engineering professions. The use of electroencephalography enables ...

行動学

Automatic Detection of Highly Organized Theta Oscillations in the Murine EEG

Theta activity is generated in the septohippocampal system and can be recorded using deep intrahippocampal electrodes and implantable electroencephalography (EEG) radiotelemetry or tether system approaches. Pharmacologically, hippocampal theta is heterogeneous (see dualistic theory) and can be differentiated into type I and type II theta. These individual EEG subtypes are related to specific cognitive and behavioral states, such as arousal, exploration, learning and memory, higher integrative functions, etc. In neurodegenerative diseases such as Alzheimer&#39;s, structural and functional alterations of the septohippocampal system can result in impaired theta activity/oscillations. A standard quantitative analysis of the hippocampal EEG includes a Fast-Fourier-Transformation (FFT)-based frequency analysis. However, this procedure does not provide details about theta activity in general and highly-organized theta oscillations in particular. In order to obtain detailed information on highly-organized theta oscillations in the hippocampus, we have developed a new analytical approach. This approach allows for time- and cost-effective quantification of the duration of highly-organized theta oscillations and their frequency characteristics.

Theta activity in the hippocampus is related to specific cognitive and behavioral stages. Here, we describe an analytical method to detect highly-organized theta oscillations within the hippocampus using a time-frequency (i.e., wavelet analysis)-based approach.

マウス脳波で高度に組織化されたシータ振動の自動検出

Theta activity is generated in the septohippocampal system and can be recorded using deep intrahippocampal electrodes and implantable ...

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

When considering human neuroimaging data, an appreciation of signal variability represents a fundamental innovation in the way we think about brain signal. Typically, researchers represent the brain's response as the mean across repeated experimental trials and disregard signal fluctuations over time as "noise". However, it is becoming clear that brain signal variability conveys meaningful functional information about neural network dynamics. This article describes the novel method of multiscale entropy (MSE) for quantifying brain signal variability. MSE may be particularly informative of neural network dynamics because it shows timescale dependence and sensitivity to linear and nonlinear dynamics in the data.

Neuroimaging researchers typically consider the brain's response as the mean activity across repeated experimental trials and disregard signal variability over time as "noise". However, it is becoming clear that there is signal in that noise. This article describes the novel method of multiscale entropy for quantifying brain signal variability in the time domain.

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 ...

神経科学

Brain State-dependent Brain Stimulation with Real-time Electroencephalography-Triggered Transcranial Magnetic Stimulation

The effect of a stimulus to the brain depends not only on the parameters of the stimulus but also on the dynamics of brain activity at the time of the stimulation. The combination of electroencephalography (EEG) and transcranial magnetic stimulation (TMS) in a real-time brain state-dependent stimulation system allows the study of relations of dynamics of brain activity, cortical excitability, and plasticity induction. Here, we demonstrate a newly developed method to synchronize the timing of brain stimulation with the phase of ongoing EEG oscillations using a real-time data analysis system. This real-time EEG-triggered TMS of the human motor cortex, when TMS is synchronized with the surface EEG negative peak of the sensorimotor &#181;-alpha (8-14 Hz) rhythm, has shown differential corticospinal excitability and plasticity effects. The utilization of this method suggests that real-time information about the instantaneous brain state can be used for efficacious plasticity induction. Additionally, this approach enables personalized EEG-synchronized brain stimulation which may lead to the development of more effective therapeutic brain stimulation protocols.

This paper describes real-time electroencephalography-triggered transcranial magnetic stimulation to study and modulate human brain networks.

リアルタイム脳波による脳血管刺激による脳状態依存性脳刺激-経頭蓋磁気刺激

The effect of a stimulus to the brain depends not only on the parameters of the stimulus but also on the dynamics of brain activity at the time of the ...

High-density Electroencephalographic Acquisition in a Rodent Model Using Low-cost and Open-source Resources

Advanced electroencephalographic analysis techniques requiring high spatial resolution, including electrical source imaging and measures of network connectivity, are applicable to an expanding variety of questions in neuroscience. Performing these kinds of analyses in a rodent model requires higher electrode density than traditional screw electrodes can accomplish. While higher-density electroencephalographic montages for rodents exist, they are of limited availability to most researchers, are not robust enough for repeated experiments over an extended period of time, or are limited to use in anesthetized rodents.1-3 A proposed low-cost method for constructing a durable, high-count, transcranial electrode array, consisting of bilaterally implantable headpieces is investigated as a means to perform advanced electroencephalogram analyses in mice or rats.

Procedures for headpiece fabrication and surgical implantation necessary to produce high signal to noise, low-impedance electroencephalographic and electromyographic signals are presented. While the methodology is useful in both rats and mice, this manuscript focuses on the more challenging implementation for the smaller mouse skull. Freely moving mice are only tethered to cables via a common adapter during recording. One version of this electrode system that includes 26 electroencephalographic channels and 4 electromyographic channels is described below.

Instructions for the low-cost construction and surgical implantation of a chronic transcranial high-density electroencephalographic montage into mice are provided. Signal recording, extraction, and processing techniques are also described.

低コストかつオープンソースのリソースの使用げっ歯類モデルにおける高密度脳波取得

Advanced electroencephalographic analysis techniques requiring high spatial resolution, including electrical source imaging and measures of network ...

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 ...

Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control seizures. However, a significant minority of patients continues to exhibit post-operative seizures, even in those cases in which the suspected source of seizures has been correctly localized and resected. The protocol presented here combines a clinical procedure routinely employed during the pre-operative evaluation of temporal lobe epilepsy (TLE) patients with a novel technique for network analysis. The method allows for the evaluation of the temporal evolution of mesial network parameters. The bilateral insertion of foramen ovale electrodes (FOE) into the ambient cistern simultaneously records electrocortical activity at several mesial areas in the temporal lobe. Furthermore, network methodology applied to the recorded time series tracks the temporal evolution of the mesial networks both interictally and during the seizures. In this way, the presented protocol offers a unique way to visualize and quantify measures that considers the relationships between several mesial areas instead of a single area.

This protocol describes a procedure to track the evolution of mesial network measures in temporal lobe epilepsy (TLE) patients. It is based on the combination of intracranial recordings with a novel numerical technique for data analysis. Specifically, we present a protocol for network analyses of foramen ovale recordings.

薬剤耐性側頭葉てんかん患者における孔開存電極レコーディングのネットワーク解析

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control ...

医学

Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy

Crucial to the success of epilepsy surgery is the availability of a robust biomarker that identifies the Epileptogenic Zone (EZ). High Frequency Oscillations (HFOs) have emerged as potential presurgical biomarkers for the identification of the EZ in addition to Interictal Epileptiform Discharges (IEDs) and ictal activity. Although they are promising to localize the EZ, they are not yet suited for the diagnosis or monitoring of epilepsy in clinical practice. Primary barriers remain: the lack of a formal and global definition for HFOs; the consequent heterogeneity of methodological approaches used for their study; and the practical difficulties to detect and localize them noninvasively from scalp recordings. Here, we present a methodology for the recording, detection, and localization of interictal HFOs from pediatric patients with refractory epilepsy. We report representative data of HFOs detected noninvasively from interictal scalp EEG and MEG from two children undergoing surgery.
The underlying generators of HFOs were localized by solving the inverse problem and their localization was compared to the Seizure Onset Zone (SOZ) as this was defined by the epileptologists. For both patients, Interictal Epileptogenic Discharges (IEDs) and HFOs were localized with source imaging at concordant locations. For one patient, intracranial EEG (iEEG) data were also available. For this patient, we found that the HFOs localization was concordant between noninvasive and invasive methods. The comparison of iEEG with the results from scalp recordings served to validate these findings. To our best knowledge, this is the first study that presents the source localization of scalp HFOs from simultaneous EEG and MEG recordings comparing the results with invasive recordings. These findings suggest that HFOs can be reliably detected and localized noninvasively with scalp EEG and MEG. We conclude that the noninvasive localization of interictal HFOs could significantly improve the presurgical evaluation for pediatric patients with epilepsy.

High Frequency Oscillations (HFOs) have emerged as presurgical biomarkers for the identification of the epileptogenic zone in pediatric patients with medically refractory epilepsy. A methodology for the noninvasive recording, detection, and localization of HFOs with simultaneous scalp electroencephalography (EEG) and magnetoencephalography (MEG) is presented.

小児てんかんのバイオマーカーとして同時磁図と脳波を用いて検出発作間高周波発振

Crucial to the success of epilepsy surgery is the availability of a robust biomarker that identifies the Epileptogenic Zone (EZ). High Frequency ...

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 ...

Electroencephalography Network Indices as Biomarkers of Upper Limb Impairment in Chronic Stroke

Alteration of electroencephalography (EEG) signals during task-specific movement of the impaired limb has been reported as a potential biomarker for the severity of motor impairment and for the prediction of motor recovery in individuals with stroke. When implementing EEG experiments, detailed paradigms and well-organized experiment protocols are required to obtain robust and interpretable results. In this protocol, we illustrate a task-specific paradigm with upper limb movement and methods and techniques needed for the acquisition and analysis of EEG data. The paradigm consists of 1 min of rest followed by 10 trials comprising alternating 5 s and 3 s of resting and task (hand extension)-states, respectively, over 4 sessions. EEG signals were acquired using 32 Ag/AgCl scalp electrodes at a sampling rate of 1,000 Hz. Event-related spectral perturbation analysis associated with limb movement and functional network analyses at the global level in the low-beta (12-20 Hz) frequency band were performed. Representative results showed an alteration of the functional network of low-beta EEG frequency bands during movement of the impaired upper limb, and the altered functional network was associated with the degree of motor impairment in chronic stroke patients. The results demonstrate the feasibility of the experimental paradigm in EEG measurements during upper limb movement in individuals with stroke. Further research using this paradigm is needed to determine the potential value of EEG signals as biomarkers of motor impairment and recovery.

The experimental protocol demonstrates the paradigm for acquiring and analyzing electroencephalography (EEG) signals during upper limb movement in individuals with stroke. The alteration of the functional network of low-beta EEG frequency bands was observed during the movement of the impaired upper limb and was associated with the degree of motor impairment.

慢性脳卒中における上肢障害のバイオマーカーとしての脳波ネットワーク指標

Alteration of electroencephalography (EEG) signals during task-specific movement of the impaired limb has been reported as a potential biomarker for the ...