만성 뇌졸중의 상지 손상의 바이오마커로서의 뇌파 네트워크 지표

요약

실험 프로토콜은 뇌졸중 환자의 상지 운동 중 뇌파(EEG) 신호를 획득하고 분석하기 위한 패러다임을 보여줍니다. 낮은 베타 EEG 주파수 대역의 기능적 네트워크의 변화는 손상된 상지의 움직임 중에 관찰되었으며 운동 손상의 정도와 관련이 있었습니다.

초록

손상된 사지의 작업별 움직임 중 뇌파(EEG) 신호의 변화는 운동 장애의 중증도와 뇌졸중 환자의 운동 회복 예측에 대한 잠재적인 바이오마커로 보고되었습니다. EEG 실험을 구현할 때 강력하고 해석 가능한 결과를 얻으려면 상세한 패러다임과 잘 구성된 실험 프로토콜이 필요합니다. 이 프로토콜에서는 EEG 데이터의 수집 및 분석에 필요한 상지 움직임과 방법 및 기술을 사용하여 작업별 패러다임을 설명합니다. 패러다임은 1분의 휴식과 4개의 세션에 걸쳐 각각 5초와 3초의 휴식 및 작업(손 확장) 상태로 구성된 10번의 시도로 구성됩니다. EEG 신호는 1,000Hz의 샘플링 속도에서 32개의 Ag/AgCl 두피 전극을 사용하여 획득되었습니다. 사지 움직임과 관련된 이벤트 관련 스펙트럼 섭동 분석 및 낮은 베타(12-20Hz) 주파수 대역에서 글로벌 수준의 기능적 네트워크 분석을 수행했습니다. 대표적인 결과는 손상된 상지의 움직임 중 낮은 베타 EEG 주파수 대역의 기능적 네트워크의 변화를 보여주었으며, 변화된 기능적 네트워크는 만성 뇌졸중 환자의 운동 손상 정도와 관련이 있었습니다. 이 결과는 뇌졸중 환자의 상지 운동 중 EEG 측정에서 실험 패러다임의 타당성을 보여줍니다. 이 패러다임을 사용하는 추가 연구는 운동 손상 및 회복의 바이오마커로서 EEG 신호의 잠재적 가치를 결정하기 위해 필요합니다.

서문

상지 운동 장애는 뇌졸중의 가장 흔한 결과 중 하나이며 일상 생활 활동의 제한과 관련이 있습니다 ^1,2. 알파(8-13Hz) 및 베타(13-30Hz) 밴드 리듬은 움직임과 밀접한 관련이 있는 것으로 알려져 있습니다. 특히, 연구에 따르면 장애가 있는 사지의 움직임 중 알파 및 하위 베타(12-20Hz) 주파수 대역의 신경 활동 변화는 뇌졸중 환자의 운동 장애 정도와 상관관계가 있는 것으로 나타났습니다 ^3,4,5. 이러한 연구 결과를 바탕으로 뇌파 검사(EEG)는 운동 장애의 중증도와 운동 회복 가능성을 모두 반영하는 잠재적인 바이오마커로 부상했습니다 ^6,7. 그러나 이전에 개발된 EEG 기반 바이오마커는 작업 유도 EEG 데이터보다는 휴식 상태 EEG 데이터에 주로 의존하기 때문에 뇌졸중 환자의 운동 장애 특성을 조사하는 데 부적합한 것으로 판명되었습니다 ^8,9,10. 이층 반구와 반대 반구 사이의 상호 작용과 같은 운동 장애와 관련된 복잡한 정보 처리는 휴식 상태 EEG가 아닌 작업 유도 EEG 데이터를 통해서만 밝힐 수 있습니다. 따라서 신경 활동과 운동 장애 특성 사이의 관계를 탐구하고 뇌졸중 환자의 운동 장애에 대한 잠재적 바이오마커로서 손상된 신체 부위의 움직임 중에 생성된 EEG의 유용성을 명확히 하기 위한 추가 연구가 필요하다¹¹.

행동 효과를 평가하기 위해 EEG를 구현하려면 작업별 패러다임과 프로토콜이 필요합니다. 현재까지 다양한 뇌파 프로토콜이 제안되었는데,¹² 뇌졸중 환자는 운동 관련 뇌 활동을 유도하기 위해 상상 또는 실제 움직임을 수행했다^11,13. 상상 동작의 경우, 참가자의 약 53.7%가 해당 움직임을 명확하게 상상할 수 없었기 때문에("문맹"이라고 함) 움직임과 관련된 뇌 활동을 유도하지 못했다¹⁴. 또한, 중증 뇌졸중 환자는 상지 전체를 움직이기 어렵고, 불안정한 움직임으로 인해 데이터 수집 시 불필요한 아티팩트가 발생할 가능성이 있습니다. 따라서 업무와 관련된 고품질 뇌파 데이터와 신경생리학적으로 해석 가능한 결과를 얻기 위해서는 전문가의 노하우를 바탕으로 한 지도가 필요합니다. 본 연구에서는 뇌졸중 환자가 비교적 간단한 손 운동 작업을 수행할 수 있도록 실험 패러다임을 종합적으로 설계하고, 상세한 지침과 함께 실험 절차를 제공하였다.

이 기사에서 시각화된 실험 프로토콜을 간략하게 설명함으로써 EEG 시스템을 사용하여 상지의 움직임과 관련된 신경 활동의 획득 및 분석에 사용되는 특정 개념과 방법을 설명하는 것을 목표로 했습니다. 편마비 뇌졸중 참가자의 마비성 상지와 비마비성 상지 간의 EEG를 통한 신경 활동의 차이를 입증하기 위해 이 연구는 단면 맥락에서 뇌졸중 환자의 운동 장애 중증도에 대한 잠재적 바이오마커로 설명된 프로토콜을 사용하여 EEG의 타당성을 제시하는 것을 목표로 했습니다.

프로토콜

모든 실험 절차는 분당서울대학교 부속병원 기관심의위원회의 검토 및 승인을 거쳤다. 이 연구의 실험을 위해 뇌졸중 환자 34명을 모집했습니다. 모든 참가자로부터 서명된 정보에 입각한 동의를 얻었습니다. 참가자가 기준을 충족했지만 장애로 인해 동의서에 서명할 수 없는 경우 법정 대리인으로부터 서명된 정보에 입각한 동의서를 받았습니다.

1. 실험 설정

1. 환자 모집
   1. 다음 포함 기준을 사용하여 심사 프로세스를 수행합니다.
      상지 기능 장애가 있는 18세에서 85세 사이;
      뇌 컴퓨터 단층 촬영 또는 자기 공명 영상으로 확인된 최초의 허혈성 또는 출혈성 뇌졸중;
      임상 평가 및 EEG 연구에 대한 지침을 따를 수 있는 참가자의 능력;
      뇌졸중을 제외한 다른 정신 질환 또는 신경 질환의 병력이 없습니다.
   2. 다음을 기준으로 환자를 제외합니다.
      중추 신경계와 관련된 이전 질병(예: 외상성 뇌 손상, 뇌종양, 파킨슨병);
      EEG 캡을 착용할 수 없음; 그리고
      임상 평가 및 EEG 연구에 대한 지침을 따를 수 없음.
      참고: 포함 및 제외 기준은 실험에 참여할 수 있는 참가자를 선택하고 결과에 영향을 미칠 수 있는 인구통계학적 요인을 규제하기 위해 선택되었습니다.
   3. 모집된 모든 참가자에게 실험 절차의 세부 사항에 대한 정보를 제공합니다.
2. 실험 시스템: EEG
   1. 32개의 Ag/AgCl 두피 전극, 섬유 EEG 캡 및 데이터 기록용 EEG 기록 소프트웨어로 구성된 EEG 시스템을 사용합니다.
   2. 뇌파 기록 소프트웨어가 설치된 개인용 컴퓨터(PC)를 사용하고 블루투스를 통해 PC를 뇌파 장치에 연결합니다.
   3. 엔지니어링을 위한 수치 해석 및 프로그래밍 소프트웨어 응용 프로그램이 있는 다른 PC를 사용하십시오( 재료 표 참조).
   4. 자극 표현을 위해 PC를 전용 트리거 박스에 연결합니다(그림 1).
      알림: 두 PC의 자세한 사양은 재료 표에 나와 있습니다.
3. 프로그래밍 소프트웨어를 기반으로 한 실험적 패러다임
   참고: 참가자들은 영향을 받은 손과 영향을 받지 않은 손을 사용하여 손 확장 작업을 수행했으며, 그 동안 EEG 데이터가 측정되었습니다. 그림 2 는 본 연구의 실험적 패러다임을 보여준다.
   1. 참가자가 눈을 감고 뜨는 동안 기준 휴식 상태 EEG 데이터를 측정하기 위해 모니터 중앙에 각각 30초 동안 두 개의 시각적 자극인 CLOSE 와 OPEN을 제시합니다.
      알림: 휴지 상태 EEG 데이터는 원치 않는 생리학적 인공물에 의해 상대적으로 덜 오염되기 때문에 EEG 데이터의 품질을 확인하고 휴지 상태와 관련하여 개별 EEG 특성을 식별하는 데 유용합니다.
   2. 참가자에게 손을 뻗는 동작을 지시하기 위해 3초 동안 손 모션 이미지를 제시한 다음 휴식을 위해 5초 동안 고정 표시를 합니다.
      참고: 이 절차는 시험으로 간주되었으며 단일 세션에서 10번 반복되었습니다. 각 참가자는 각 핸드에 대해 4개의 세션을 거쳤습니다. 참가자는 과도한 피로를 방지하기 위해 각 세션을 수행한 후 원할 때마다 휴식을 취했습니다.

그림 1: 장비 설정 개략도. 실험적 자극을 나타내는 PC(PC1)는 트리거 박스에 연결되었고, 다른 PC(PC2)는 EEG 증폭기에 연결되었습니다. PC1에서 생성된 자극 이벤트는 PC1에 연결된 트리거 박스를 통해 EEG 증폭기로 전달되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2: 이 연구에서 사용된 실험 패러다임. 한 번의 시도는 3초의 손 뻗기 동작과 5초의 이완으로 구성되었습니다. 이 패턴은 단일 세션에서 10번 반복되었습니다. 총 8개의 세션이 수행되었습니다. 4개의 세션은 영향을 받은 손의 움직임과 관련이 있었고 나머지 4개의 세션은 영향을 받지 않은 손 움직임과 관련이 있었습니다. 이 그림은 Mary Ann Liebert, Inc.의 허가를 받아 Shim et ^al.17 에서 발췌한 것입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

2. 움직임 관련 뇌파 데이터 기록

1. EEG 설정
   1. 참가자를 모니터 앞의 편안한 안락의자에 앉힙니다.
      알림: 눈의 피로를 방지하기 위해 참가자와 모니터 사이의 거리는 60cm 이상이어야 합니다. 그러나 과도한 거리(예: >150cm)는 참가자의 집중력을 방해할 수 있으므로 피해야 합니다.
   2. EEG 측정용 캡을 정확하게 착용하려면 nasion과 inion을 연결하는 세로선과 양쪽 귓바퀴의 상부를 연결하는 가로선의 교차점을 사용하여 국제 10-20 시스템을 기반으로 Cz 위치를 정의합니다.
      알림: EEG 측정 장비에 따라 EEG 캡이 필요하지 않을 수 있습니다. 이러한 경우, 뇌파 전극은 국제 10-20 시스템⁽¹⁵)에 따라 두피에 직접 부착된다.
   3. 정확한 EEG 측정을 위해 참가자의 머리 크기에 따라 적절한 크기의 EEG 캡을 사용하고 Cz 전극 위치가 개별 Cz 위치에 위치하도록 배치합니다.
   4. 턱끈을 적절하게 조여 고정하십시오. 이렇게 하면 참가자가 실험에서 삼키거나 눈을 깜빡이는 동안 불편함을 느끼지 않습니다. 그런 다음 EEG 캡의 T9 및 T10 전극 위치가 양쪽 귓바퀴 위의 측두엽 영역에 있고 EEG 캡의 Fpz 전극 위치가 이마 중앙에 있는지 확인합니다.
      알림: 해당 전극이 지정된 위치를 벗어나면 캡을 교체하는 것이 좋습니다. 본 연구에서는 세 가지 EEG 캡 크기(54cm: 소형, 56cm: 중형, 58cm: 대형)를 사용했습니다.
   5. EEG 캡을 올바르게 배치한 후 확장된 국제 10-10 시스템에 따라 32개의 Ag/AgCl 두피 전극을 두피에 부착하고 접지 및 기준 전극은 각각 Fpz 및 FCz에¹⁶개를 부착합니다.
      알림: 기준 전극(FCz)의 위치는 두피의 중앙 영역(Cz) 주변에 위치하기 때문에 전기 안구 검사, 근전도 및 심전도와 같은 다양한 생리학적 인공물의 영향을 상대적으로 덜 받습니다.
   6. 전도성 젤을 사용하여 뇌파 전극과 두피 사이의 임피던스 레벨을 조정하고 겔로 모발을 고정하여 뇌파 전극과 두피 사이에 막히지 않도록 합니다.
      알림: 인접한 EEG 전극 사이에 겔 누출로 인해 브리지가 생성되었는지 확인하는 것이 중요합니다.
   7. EEG 기록에 소프트웨어를 사용하십시오.
   8. EEG 시스템을 켜고 Configuration을 실행합니다 > Select Amp리퍼. Liveamp > > 앰프를 선택하여 연결>. Live를 검색합니다.amp 무선 연결 기능(그림 3).
   9. Impedance check 기능을 실행하여 각 전극의 임피던스 레벨을 모니터링합니다.
      참고: <20KΩ의 임피던스 레벨로 실험을 수행하는 것이 좋습니다(그림 4).
   10. 모니터링 기능을 실행하여 실시간 EEG 신호 모니터링을 통해 모든 전극의 EEG가 유사한 진폭 레벨을 갖는지 확인합니다(그림 5).
       알림: EEG 신호의 진폭은 일반적으로 10μV에서 100μV 사이이며 눈을 감으면 후두부 주변에서 알파(8-12Hz) 전력이 증가합니다. 따라서 EEG 데이터의 품질은 눈을 감고 있는 동안 후두부 주변 채널의 진폭 수준과 알파 진동을 모니터링하여 정성적으로 확인할 수 있습니다.
2. 패러다임 설정
   1. 안정적인 EEG 데이터 수집을 위해 외부 자극을 표시하고 EEG 데이터를 기록하기 위해 두 개의 개별 PC를 사용하십시오( 그림 1 참조).
   2. 참가자들에게 실험적 자극을 제시하기 위해 프로그래밍 소프트웨어(1.3단계에서 소개)를 사용하여 실험 패러다임을 기반으로 자극 프로그램을 만듭니다.
      참고: 본 연구에서는 소프트웨어 기반의 자극 프로그램을 만들었으나, 실험에 사용된 뇌파 장비와의 호환성 및 사용자 편의성에 따라 다른 소프트웨어를 사용할 수 있다. 프로그래밍 소프트웨어 기반 자극 스크립트는 보충 파일 1 (Experimental_stimulus.m)에 제공된다. 자극의 시작점을 나타내는 이벤트 정보는 사내 프로그래밍 소프트웨어에 의해 생성되고, 트리거 박스를 통해 EEG 증폭기로 전송되며, 최종적으로 EEG 기록 소프트웨어로 전송됩니다(그림 1).
   3. 모니터링 모드에서 실험적 자극을 제시하는 프로그램을 실행합니다(하위 단계 2.1.10 참조). 그런 다음 그림 6과 같이 자극이 나타날 때마다 EEG 기록 소프트웨어 하단에 이벤트 정보가 적시에 올바르게 표시되었는지 확인합니다.
      참고: 시점에 대한 정보는 새로운 자극이 나타날 때마다 기록되며 이후 데이터 분할에 사용됩니다. 따라서 분석에서 신뢰할 수 없는 결과를 초래할 수 있는 부정확한 데이터 분할을 방지하기 위해 가능한 한 실험 이벤트의 정확한 시점을 얻는 것이 중요합니다.
   4. EEG 기록 소프트웨어를 시작한 다음 데이터 누락을 방지하기 위해 프로그래밍 소프트웨어를 사용하여 실험 패러다임을 기반으로 개발된 자극 프레젠테이션 프로그램을 독립적으로 실행합니다.
      참고: 데이터 분석의 편의를 위해 데이터 저장에 대한 일관된 규칙(예: Sub1_Session1)을 사용하여 파일 이름을 만드는 것이 좋습니다.
3. EEG 기록
   1. 1,000단계에서 소개한 실험 패러다임에 따라 1.3Hz의 샘플링 속도로 EEG를 측정합니다.
      참고: 샘플링 속도는 연구자가 조사하려는 EEG 주파수 범위에 따라 변경될 수 있습니다. 일반적으로 나이퀴스트 정리를 기반으로 ≤100Hz에서 EEG 정보를 조사할 수 있는 >200Hz의 샘플링 속도를 사용하는 것이 좋습니다. 이는 대부분의 EEG 정보가 100Hz 미만에 존재하기 때문입니다.
   2. 참가자 간에 가능한 한 동일한 실험 환경(예: 실험 장소, 장비, 실내 온도 등)을 유지하고 EEG 측정 중 불필요한 움직임을 최소화하도록 지도합니다.

그림 3: EEG 기록 소프트웨어를 사용하여 EEG 증폭기와 PC 간의 무선 연결 절차. (A) 선택 ampliifier, (B) 연결 ampliifier, (C) 연결된 amp무선 연결을 위한 liifier, (D) 연결 완료. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4: 각 채널에 대한 임피던스 검사 절차. 안정적인 EEG 측정을 위해 모든 채널을 녹색으로 조정해야 합니다. 임피던스가 20KΩ 미만인 실험을 수행하는 것이 좋습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5: 각 채널에 대한 실시간 데이터 모니터링 절차. 측정되는 모든 채널의 신호를 실시간으로 모니터링할 수 있으며 상단 표시줄의 옵션(빨간색 상자)을 사용하여 확대/축소할 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6: 이벤트 정보 모니터링을 위한 스크린샷 빨간색 막대는 PC1에서 자극을 제공할 때마다 표시되는 이벤트 메이커를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

3. EEG 데이터 분석

참고: 이 연구는 연구 개념을 복제하기 위한 정확한 지침을 제공합니다. 따라서 분석 과정과 대표적인 결과에 대한 간략한 개요를 제공합니다. 자세한 프로세스 및 관련 결과는 선행 연구¹⁷에서 확인할 수 있다. 이는 Mary Ann Liebert, Inc.가 저작권이 있는 자료의 사용을 허가했음을 나타냅니다.

1. 전처리
   1. EEG 데이터 전처리 소프트웨어^18,19(재료 표 참조)에서 구현된 주성분 분석에 기초한 수학적 절차를 사용하여 원시 EEG 데이터에서 눈 관련 인공물을 제거합니다.
      참고: 어떤 에포크가 눈에 띄는 아티팩트(± 100μV)를 나타내는 경우 전극에서 전처리 후에도 추가 분석에서 제외되었습니다. 표준 편차를 포함하여 거부된 Epoch의 평균 수는 영향을 받는 손 움직임 작업의 경우 3.69 ± 7.15, 영향을 받지 않는 손 움직임 작업의 경우 1.62 ± 3.95였습니다.
   2. 0.1Hz와 55Hz 사이의 대역통과 필터를 적용합니다. 작업 시작에 따라 각 시도에 대해 전처리된 EEG 데이터를 -1초에서 3.5초까지 분할하여 이벤트 관련 스펙트럼 섭동(ERSP) 및 기능적 네트워크 분석에 사용되는 기준 기간을 포함합니다.
2. ERSP 분석
   알림: 측정된 EEG 데이터는 자발적인 움직임과 관련된 낮은 베타 주파수 대역(12-20Hz)에 대한 ERSP 분석을 통해 검증되었습니다.
   1. EEG 스펙트럼 파워를 계산하기 위해 각 시행에 대해 단시간 푸리에 변환을 수행하고, 이를 위해 프로그래밍 소프트웨어에서 EEGLAB 툴박스의 newtimef 함수가²⁰ (겹치지 않는 해닝 윈도우, 250ms 윈도우 크기)을 사용했습니다.
   2. 기준 기간(-1초에서 0초)의 평균 검정력을 빼서 각 시행의 검정력 스펙트럼을 정규화하여 손 이동 작업과 기준 주기 사이의 스펙트럼 검정력 변화를 조사합니다.
   3. 임상시험 전반에 걸쳐 정규화된 파워 스펙트럼의 평균을 구하여 각 환자에 대한 기준선 정규화된 ERSP 맵을 추정합니다.
3. 기능적 네트워크 분석
   참고: 뇌 네트워크 관점에서 EEG 변화를 조사하기 위해 기능적 네트워크 분석을 수행했습니다. 그래프 이론에 기초하여 가중 전뇌 신경망 지수를 계산하기 위해, 먼저 위상 고정 값(PLV)을 사용하여 서로 다른 영역 간의 뇌 연결성을 계산하였다. 그런 다음 PLV 기반 연결성 분석의 결과를 사용하여 기능적 연결성 매트릭스를 계산하고, 이어서 전뇌 네트워크 인덱스(¹⁷)를 계산하는데 사용하였다. 모든 기능적 네트워크 분석은 프로그래밍 소프트웨어를 사용하여 수행되었습니다.
   1. 사내 함수 ^21,22를 사용하여 낮은 베타 주파수 대역(12-20Hz)에 대한 힐베르트 변환 기반 위상 잠금 값(PLV)을 계산합니다. 힐베르트 변환 기반 PLV를 계산하기 위한 사내 함수는 보충 파일 2(myPLV.m)에 나와 있습니다.
   2. 작업 기간(0-3.5초) 동안 각 시점에서 32개의 EEG 전극의 가능한 모든 쌍 간의 PLV를 평가하고 작업 기간 동안 PLV의 평균을 구하여 대칭 인접 행렬(32 x 32, 전극 수 = 32)을 생성합니다. PLV 행렬을 네트워크 분석을 위한 입력 데이터로 사용^17,23.
   3. Brain Connectivity Toolbox(https://sites.google.com/site/bctnet)를 사용하여 그래프 이론을 기반으로 (1) 강도, (2) 군집화 계수, (3) 경로 길이, (4) 작은 세계성 17,24,25의 네 가지 가중 전역 수준 네트워크 지수를 평가합니다.

결과

그림 7은 각 손 움직임 작업의 지형학적 low-beta ERD 맵을 보여줍니다. 상당히 강한 저베타 ERD가 영향을 받은 손 움직임 작업과 영향을 받지 않은 손 움직임 작업 모두에 대해 ipsilesional 반구와 비교하여 반대 반구에서 관찰되었습니다.

그림 7

토론

이 연구는 뇌졸중 환자의 상지 운동 관련 신경 활동을 측정하기 위한 EEG 실험을 도입했습니다. EEG의 획득 및 분석의 실험 패러다임과 방법은 ipsilesional 및 contralesional motor cortex의 ERD 패턴을 결정하기 위해 적용되었습니다.

ERSP 맵의 결과(그림 7)는 손상된 손과 영향을 받지 않은 손을 움직일 때 신경 활성화 정도의 차이를 보여주었습니다. 결과는 이전 논?...

자료

Name	Company	Catalog Number	Comments
actiCAP	Easycap, GmbH Ltd., Herrsching, Germany	CAC-32-SAMW-56	Textile EEG cap platform to accommodate EEG electrodes
Brain Vision Recorder (Software)	Brain Products GmBH Ltd., Munich, Germany	-	Software used to record EEG signal
Curry 7 (Software)	Compumedics, Australia	-	Software used in preprocessing of EEG data
MATLAB R2019a (Software)	MathWorks Inc., Natick, MA, USA	-	Software used to run the experimental stimulus and analyze the EEG data
Recording PC	Lenovo Group Limited, Hong Kong, China	Model: X58K	Intel Core i7-7700HQ CPU@2.80 GHz, RAM 8 GB /EEG data recording using Brain Vision Recorder
Sensor&Trigger Extension(STE)	Brain Products GmBH Ltd., Munich, Germany	STE-055604-0162	Adds physioloigcal signals to the EEG amplifier
Splitter box	Brain Products GmBH Ltd., Munich, Germany	BP-135-1600	Connects Ag/AgCl electrodes to the EEG amplifier
Stimulation PC	Hansung Corporation, Seoul, Korea	Model: ThinkPad P71	Intel Core i7-8750H CPU@2.20 GHz, RAM 8 GB Presenting stimulation screen using MATLAB
TriggerBox	Brain Products GmBH Ltd., Munich, Germany	BP-245-1010	Receives trigger signal from PC and relay it to EEG recording system