이 문서는 국가 자연 과학 재단의 중국 (31671141)에 의해 지원 되었다.

이 프로토콜은 로컬 윤리 위원회에 의해 승인 되었다. 모든 참가자와 그들의 부모는이 실험에 대 한 동의 양식 서명.
1입니다. 과목
<ol><li>15 건강 한 남성 사춘기 과목, 누구의 나이 범위는 14에서 22 년 포함 (± 표준 편차 의미: 18.3 ± 2.8 년). 참고: 현재 프로토콜 미세와 오메가 복잡도 분석을 건강 한 주제에 대 한 개발 되었습니다 하지만이 그룹에 제한 되지 않습니다.</li>
</ol>2. 뇌 파 데이터 기록
<ol><li>뇌 파 데이터 기록 된 침묵, 온도 제어 룸에서 편안한의 자에 앉아 주제 요청. 이 프로토콜에서 개미 뇌 파 시스템을 사용 하 여 20 채널 뇌 파 데이터를 수집 합니다.</li>
	<li>피사체의 머리에 모자를 넣어.<ol>
<li>대부분 사춘기 또는 남성 과목에 대 한 적합 한 이후이 연구에서 중간 크기와 모자를 사용 합니다. 어린이 위한 각 과목의 머리 둘레를 측정 하 고 적당 한 크기와 모자를 확인 하십시오.</li>
		<li>약 inion와 교정 사이 거리의 50% 및 왼쪽 및 오른쪽 간 청각 톱니 사이의 거리의 50%에 전극 Cz를 놓습니다. 왼쪽 및 오른쪽 mastoid 뼈에 각각 참조 전극을 놓습니다. 10-20 시스템에 따라 국제 표준 위치에 다른 두 피 전극을 놓습니다. 참고: 한 전극 시스템 및 뇌 파 20 채널 증폭기는 EEG 미세 분석 및 오메가 복잡도 분석에 대 한 충분 한.</li>
	</ol>
</li>
	<li>전극을 통해 무딘 바늘을 삽입 하 여 전도성 젤으로 모든 전극을 채우십시오. 전도성 젤을 사용 하 여 낮은 임피던스. 10 kiloohms (ω) 보다 낮은 모든 전극 임피던스를 유지.<ol>
<li>과목에 대 한 몇 가지 엔터테인먼트를 제공 하는이 기간 동안 (예를 들어, 단편 영화 보기). 건조 전극 또는 염 분 전극 사용, 전도성 젤을 주입 하는 단계를 건너뜁니다.</li>
	</ol>
</li>
	<li>눈 감고 5 분 디지털화 소프트웨어를 사용 하 여 디지털화 하 고 뇌 파를 기록 하는 지속 신호 기록 하는 동안 긴장을 주제를 지시 합니다. 적어도 250 샘플/미 0.1 보다 광범위 한 온라인 필터를 사용 하 여 및 80 Hz의 샘플링 속도 사용 합니다. 참고: 대부분의 상용 가능한 전극 증폭기 시스템 사용 하 여 뇌 파 신호 대 잡음 비율에 신호를 향상 시킬 수 있는 활성 전극 시스템 배치 하지 마십시오 어떤 전기 장치 든 지에 가까운이 시스템 뇌 파 기록 중.</li>
</ol>3. 뇌 파 데이터 전처리
참고: 뇌 파 데이터 수 수 전처리 다양 한 오픈 소스 또는 상용 소프트웨어를 사용 하 여. 아래에 제공 된 지침 EEGLAB에 대 한 특정 있습니다. 이 뇌 파 데이터 전처리에 많은 사용 가능한 옵션 중 하나일 뿐입니다.
<ol><li>뇌 파 소프트웨어 (예: EEGLAB)를 원시 뇌 파 데이터 가져오기 (파일 | 데이터 가져오기 | EEGLAB 함수를 사용 하 여 및 플러그인). 참고: 다양 한 전극 증폭기 시스템에서 기록 된 원시 뇌 파 데이터는 EEGLAB, EGI, 개미, 등에 의해 인식 될 수 있는 뇌 비전 레코더, 그리고 Neuroscan.</li>
	<li>뇌 파 소프트웨어 채널 위치 파일 로드 (편집 | 채널 위치)입니다. 비록 뇌 파 데이터 및 채널 이름 EEGLAB을 가져온,이 전극의 공간 위치를 얻기 위하여 뇌 파 소프트웨어에 채널 위치 파일을 가져옵니다.</li>
	<li>기준 전극 제거 (편집 | 데이터 선택 | 선택 데이터 채널 범위에서). "선택 데이터는 채널 범위에서" 팝업 대화 상자의 옵션에서 기록 전극만을 선택 하 고 참조 전극 제거 될 수 있도록 참조 전극 선택 하지 마십시오. 이후이 두 전극은 각각 왼쪽 및 오른쪽 mastoid 뼈에 배치 됩니다 참조 전극에 기록 된 데이터는 '진정한' 뇌 신호, 아니다.</li>
	<li>밴드 패스 필터 뇌 파 데이터 0.5와 80 Hz 사이 (도구 | 데이터 필터링 | 기본 FIR 필터 [새, 기본]). 팝업 대화 상자에서 "주파수 패스 밴드 (Hz)의 낮은 가장자리", 5를 선택 하 고 "주파수 패스 밴드 (Hz)의 더 높은 가장자리"에 대 한 80를 선택 합니다. 그런 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>49 및 51 Hz 사이 노치 필터와 함께 전원 라인 노이즈 제거 (도구 | 데이터 필터링 | 기본 FIR 필터 [새, 기본]). 팝업 대화 상자에서 "주파수 패스 밴드 (Hz)의 낮은 가장자리", 대 한 49 고 51 "주파수 패스 밴드 (Hz)의 더 높은 가장자리"에 대 한 선택 선택한 "노치 필터 통과 대역 대신 데이터"의 옵션을 선택 합니다. 그런 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>눈 운동, 전도 (EMG) 또는15장 님 소스 분리 (BSS) 알고리즘 사용 하 여 다른 비 생리 적인 유물에 의해 오염 된 데이터 부분을 수정 합니다. 눈의 움직임, 클릭 도구 | AAR 1.3을 사용 하 여 아티팩트 제거 | EOG 제거 | BSS;를 사용 하 여 EMG, 도구 | AAR 1.3을 사용 하 여 아티팩트 제거 | EMG 제거 BSS를 사용 하 여입니다.</li>
	<li>Epoch 길이 2의 신 기원에 미리 처리 된 연속 뇌 파 데이터 세그먼트 s. 이 작업을 수행 하려면 '뇌 파 = eeg_regepochs (뇌 파, '되풀이', 2, '제한', [0 2], 'rmbase', 할머니); pop_saveset(EEG)', 다음 키보드의 Enter 키를 누르십시오. 창이 팝업 됩니다 세그먼트 뇌 파 데이터의 저장을 허용 하는.</li>
	<li>뇌 파 소프트웨어를 세그먼트 뇌 파 데이터 가져오기 (파일 | 기존 데이터 집합 로드).</li>
	<li>어떤 전극에 ± 80 µ V를 초과 하는 진폭 값 EEG epochs 거부 (도구 | 데이터 신기를 거부 | 데이터 [모든 방법] 거부).</li>
	<li>전처리 된 뇌 파 데이터 저장 (파일 | 현재 데이터 집합으로 저장).</li>
</ol>4. 뇌 파 미세 분석
참고: 고전 k-means 클러스터링 알고리즘의 수정된 된 버전 미세 클래스 분석16, 상향식 절차와 최대 아래 절차는 사용 됩니다. 상향식 절차에서 그룹 수준 미세 클래스 공간 상관 관계를 사용 하 여 클러스터링 기준으로 식별 됩니다. 다음 위쪽-아래쪽 절차에서 각 지형 지도 각 그룹에 각 과목의 최대 공간 상관 관계 된 뇌 파 미세 클래스에 할당 됩니다. 휴식 상태 뇌 파 미세 분석에 대 한 지형도의 극성은 일반적으로 무시 된다. 뇌 파 미세 클래스 분석을 할 수 있는 CARTOOL, sLORETA, 등 다양 한 오픈 소스 소프트웨어를 사용 하 여 엠마와 MapWin. 아래에 제공 된 지침은 Microstates의 EEGLAB 플러그인에 대 한 특정 있습니다. EEGLAB 플러그인이 https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins에서 다운로드 받을 수 있습니다.
<ol><li>각 주제에 대 한 전처리 뇌 파 데이터 로드 (파일 | 일반적인 평균 참조 데이터 집합을 기존 하는 부하의 경우) 변환 참조 채널 (도구 | 다시 참조), 그리고 대역 통과 필터 2와 20 Hz 사이 뇌 파 데이터 (도구 | 데이터 필터링 | 기본 FIR 필터 [새, 기본]).</li>
	<li>각 주제에 4 개의 미세 지도 식별 (도구 | Microstates | 식별 미세 지도). 팝업 대화 상자에서 "클래스의"분 번호 3을 선택, "클래스의"최대 번호 6을 선택, 다시 시작 "수"에 대 한 50, "최대 수 사용 하 여 지도", 선택 선택한 "GFP 피크만"와 "극성"의 옵션을 선택. 그런 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>지도 자체 미세 식별 후 각 과목의 뇌 파 데이터 저장 (파일 | 현재 데이터 집합으로 저장).</li>
	<li>마지막 단계에서 한 번에 저장 하는 모든 과목의 뇌 파 데이터 집합 가져오기 (파일 | 기존 데이터 집합 로드).</li>
	<li>그룹 수준 미세 지도 식별 (도구 | Microstates | 평균 미세 지도 데이터 집합에서). 팝업 대화 상자에서 옵션에서 모든 과목의 데이터 집합 "평균에 대 한 설정 선택" 선택 합니다. 옵션 "의 이름"에서 그룹 수준 미세 지도 대 한 이름을 주어 라. 기본 이름은 "GrandMean"입니다. 그런 다음 "확인" 버튼을 클릭 합니다. 이것은 "GrandMean" 그룹 수준 미세 지도 저장으로 라는 새 데이터 집합을 만듭니다.</li>
	<li>수동으로 정렬 하는 그들의 고전적인 순서에 따라 4 개의 그룹 수준 미세 지도의 순서 (그림 | 미세 지도 편집). 팝업에 "더", 선택 하 고 다음 표시 된 지도 수 됩니다 4. "남자 정렬"을 선택 합니다. 팝업 대화 상자에서 4 개의 그룹 수준 미세 지도의 새로운 질서를 입력 합니다. 그런 다음 "닫기" 클릭.</li>
	<li>각 과목의 4 개의 미세 지도의 순서 정렬 (도구 | Microstates | 개별 미세 지도 의미에 따라 정렬).</li>
	<li>각 과목의 미세 매개 변수 저장 (도구 | Microstates | 계량 데이터 [평균 서식 지도] 집합의 microstates)는 순차적으로 두 개의 팝업 대화 상자를 호출 합니다.<ol>
<li>첫 번째 대화 상자에서 모든 과목의 데이터 집합을 선택 합니다. 두 번째 대화 상자에서 "4 클래스" 클래스의 "수" 옵션을 선택 "피팅 GFP 봉우리에 만" 옵션을 선택한 "제거는 잠재적으로 microstates 잘린", 30 "레이블 창 (ms)를 부드럽게" 선택한 선택 "비 매끄러운에 대 한 1 페널티 "입니다. "확인"을 클릭 합니다. Csv 파일 미세 매개 변수를 저장 하는 컴퓨터에 저장 됩니다.</li>
	</ol>
</li>
</ol>5. 오메가 복잡도 분석
<ol><li>각 신 기원의 뇌 파 데이터를 저장 하 고 각 주제에 ASCII 또는 txt 형식을 사용 하 여 사용자 지정 스크립트. 5.1 단계에 대 한 사용자 지정 된 스크립트의 예는 보충 물자에 찾아낼 수 있었다. 참고: 글로벌 오메가 복잡성을 계산 하는 경우 모든 두 피 전극의 뇌 파 데이터 ASCII 또는 txt 형태로 내보낼 필요는 합니다. 지역 오메가 복잡성을 계산 하는 경우 그 두 피 지역에서 전극의 EEG 데이터만 내보냅니다. 예를 들어 앞쪽 오메가 복잡도 계산 하기 위하여 앞쪽 지역 (즉, Fp1, Fp2, F7, f 3, Fz, F4 및 f 8);에서 전극의 EEG 데이터만 수출 후부 오메가 복잡도 계산 하기 위하여 후부 지역 (즉, T5, T6, P3, P4, Pz, o 1와 O2)에 전극의 EEG 데이터만 내보냅니다.</li>
	<li>17 sLORETA 소프트웨어 사용 하 여 모든 개별 주파수의 오메가 복잡도 계산 (유틸리티 | 글로벌 연결)입니다. 이 소프트웨어는 http://www.uzh.ch/keyinst/loreta.htm에 있다.</li>
	<li>26사용자 지정된 스크립트 사용 하 여 각 주파수 대역의 오메가 복잡성을 계산 합니다. 우리의 경우, 계산 각 주파수 제한 내 평균 값으로 다음 8 주파수 대역의 오메가 복잡성을 델타 (0.5-3.5 Hz), 세타 (4-7.5 Hz), alpha1 (8-10 Hz), alpha2 (10.5-13.5 Hz), beta1 (14-18 Hz), beta2 (18.5-30 Hz), gamma1 ( 30.5-48 Hz), 그리고 gamma2 (52-80 Hz)4. 단계 5.3에 대 한 사용자 지정 된 스크립트의 예는 보충 물자에서 찾아낼 수 있었다.</li>
</ol>

<ol><li>Khanna, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Microstates+in+resting-state+EEG%3A+current+status+and+future+directions%5BTitle%5D)+AND+%22Neurosci+Biobehav+Rev%22%5BJournal%5D)">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/pubmed?term=((Dynamic+changes+of+ICA-derived+EEG+functional+connectivity+in+the+resting+state%5BTitle%5D)+AND+%22Hum+Brain+Mapp%22%5BJournal%5D)">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/pubmed?term=((Aberrant+EEG+functional+connectivity+and+EEG+power+spectra+in+resting+state+post-traumatic+stress+disorder%3A+a+sLORETA+study%5BTitle%5D)+AND+%22Biol+Psychol%22%5BJournal%5D)">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/pubmed?term=((Altered+Resting-State+EEG+Microstate+Parameters+and+Enhanced+Spatial+Complexity+in+Male+Adolescent+Patients+with+Mild+Spastic+Diplegia%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">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="https://www.ncbi.nlm.nih.gov/pubmed/27742598">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/pubmed?term=((EEG-defined+functional+microstates+as+basic+building+blocks+of+mental+processes%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">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/pubmed?term=((Millisecond+by+millisecond%2C+year+by+year%3A+normative+EEG+microstates+and+developmental+stages%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">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/pubmed?term=((BOLD+correlates+of+EEG+topography+reveal+rapid+resting-state+network+dynamics%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">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/pubmed?term=((Spontaneous+brain+activity+and+EEG+microstates.+A+novel+EEG%2FfMRI+analysis+approach+to+explore+resting-state+networks%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">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/pubmed?term=((Chronic+schizophrenics+with+positive+symptomatology+have+shortened+EEG+microstate+durations%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">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/pubmed?term=((EEG+microstate+analysis+in+drug-naive+patients+with+panic+disorder%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">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/pubmed?term=((EEG+Microstate+Correlates+of+Fluid+Intelligence+and+Response+to+Cognitive+Training%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">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/pubmed?term=((EEG+microstates+during+resting+represent+personality+differences%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">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/pubmed?term=((Beyond+mapping%3A+estimating+complexity+of+multichannel+EEG+recordings%5BTitle%5D)+AND+%22Acta+Neurobiol+Exp+%28Wars%29%22%5BJournal%5D)">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/pubmed?term=((Removing+electroencephalographic+artifacts+by+blind+source+separation%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">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/pubmed?term=((Segmentation+of+brain+electrical+activity+into+microstates%3A+model+estimation+and+validation%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">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/pubmed?term=((Standardized+low-resolution+brain+electromagnetic+tomography+%28sLORETA%29%3A+technical+details%5BTitle%5D)+AND+%22Methods+Find+Exp+Clin+Pharmacol%22%5BJournal%5D)">Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details.</a> Methods Find Exp Clin Pharmacol. 24, Suppl D. 5-12 (2002).</li>
<li>Hu, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+primary+somatosensory+cortex+contributes+to+the+latest+part+of+the+cortical+response+elicited+by+nociceptive+somatosensory+stimuli+in+humans%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">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/pubmed?term=((Topographic+ERP+analyses%3A+a+step-by-step+tutorial+review%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">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/pubmed?term=((EEG+microstate+sequences+in+healthy+humans+at+rest+reveal+scale-free+dynamics%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+U+S+A%22%5BJournal%5D)">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/pubmed?term=((Identification+of+emotion+associated+brain+functional+network+with+phase+locking+value%5BTitle%5D)+AND+%22Conf+Proc+IEEE+Eng+Med+Biol+Soc%22%5BJournal%5D)">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/pubmed?term=((Resting-state+EEG+coupling+analysis+of+amnestic+mild+cognitive+impairment+with+type+2+diabetes+mellitus+by+using+permutation+conditional+mutual+information%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">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/pubmed?term=((An+efficient+implementation+of+the+synchronization+likelihood+algorithm+for+functional+connectivity%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">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/pubmed?term=((A+novel+approach+to+identify+time-frequency+oscillatory+features+in+electrocortical+signals%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">A novel approach to identify time-frequency oscillatory features in electrocortical signals.</a> J Neurosci Methods. 253, 18-27 (2015).</li>
<li>Wackermann, J. Global characterization of brain electrical activity by means of the Ω complexity production rate. Brain Topogr. 18, 135(2005).</li>
<li>Wackermann, J., Putz, P., Gaßler, M. Unfolding EEG spatial complexity as a function of frequency. Brain Topogr. 16 (2), 124(2003).</li>
</ol>

저자는 공개 없다.

이 문서에서는, 두 종류의 뇌 파 분석 방법 (즉, 미세 분석 및 오메가 복잡도 분석), 시간적 복잡도 인간 두뇌의 공간 복잡도 각각 측정, 자세히 설명 했다. 언급 해야 하는 프로토콜 내에서 몇 가지 중요 한 단계가 있습니다. 첫째, 뇌 파 데이터 미세 및 오메가 복잡성의 계산 하기 전에 청소 되어야 한다. 둘째, 미세 및 오메가 복잡성의 계산 하기 전에 평균 참조에 대 한 뇌 파 데이터를 remontaged 해야...

Electroencephalography (뇌 파) 이후 비 침범 성, 낮은 costed은 매우 높은 시간 해상도1임상 진단 및 과학 연구에서 인간의 뇌의 전기 활동을 기록 하는 데 널리 사용 되었습니다. 휴식 상태에서 뇌 파 신호를 공부 하기 위하여 연구자는 많은 뇌 파 기법 (예: 파워 스펙트럼 분석, 기능적 연결 분석)2,3를 개발 했습니다. 이러한 미세 분석 및 오메가 복잡도 분석 만들 수 있습니다 공간 및 시간 정보를 잘 활용 뇌 파 신호4에.
이전 연구 것으로 나타났습니다 있지만 뇌 파 신호의 지형 분포 눈 마감 시간이 지남에 다릅니다 또는 눈-개방 상태를 휴식, 순간 지도 시리즈 쇼의 풍경, 불연속 변화 즉, 교대로 반복 되는 안정성의 기간 특정 준 안정 된 뇌 파 topographies5사이의 짧은 전환 기간. Microstates 80와 120 ms1사이 지속 하는 준 안정 된 뇌 파 topographies와이 에피소드로 정의 됩니다. 이후 다른 전기 잠재적인 풍경 다른 신경 소스에 의해 생성 된 합니다, 이러한 microstates mentation의 기본 블록으로 받을 수 있습니다 하 고 "생각과 감정의 원자"6으로 간주 될 수 있습니다. 현대 패턴 분류 알고리즘을 사용 하 여, 뇌 파 미세 클래스 휴식 4 일관 되 게 관찰 되었습니다, 클래스 A, 클래스 B, 클래스 C, 클래스 D7이라고 표시 되었다는. 또한, 연구팀은 뇌 파 데이터 휴식의이 4 개의 미세 클래스 많은 휴식 상태 fMRI (기능성 자기 공명 영상) 연구8,9에서 잘 알려진 기능 시스템과 밀접 하 게 관련 했다 밝혀 . 따라서, 미세 분석 인간 두뇌의 휴식 상태 네트워크 (RSNs) 연구에 새로운 접근 방식을 제공 합니다. 또한, 평균 기간 및 각 미세 클래스, 4 개의 미세 지도의 지형 모양의 발생 빈도 크게 영향을 일부 뇌 장애4,,1011, 연결 된 유체 지능12 및 성격13.
다른 측면에서 다중 채널 EEG의 전통적인 기능 연결 수만 따라서 두 피 전체 또는 특정 뇌 영역 내에서 글로벌 기능 연결을 평가 하는 데 실패 하는 2 개의 두 피 전극 사이 기능적인 연결을 설명 합니다. 오메가 복잡성, Wackermann (1996 년)14 에 의해 제안 되 고 주성분 분석 (PCA)와 섀 넌 엔트로피 접근 방식을 통해 계산 공간 사이의 광대역 글로벌 동기화를 계량 하는 데 사용 되었습니다. 분산 된 뇌 영역입니다. 각 주파수 대역의 오메가 복잡성을 평가, 푸리에 변환 일반적으로 초기 단계25로 실시 되었다.
Microstates와 오메가 복잡성은 두 개의 밀접 하 게 연결 된 개념, 즉, 시간 복잡도 공간 복잡성4에 맞게 사용할 수 있습니다. 이후 미세 클래스 대표 인간 두뇌에 있는 특정 정신 작업, 그들은 신경 진동의 시간적 구조를 반영할 수 있다. 낮은 기간 및 초당 더 높은 발생 비율 높은 시간 복잡도 지정 해야 합니다. 오메가 복잡성 긍정적으로 관련 된 두뇌에 독립적인 신경 원의 수, 따라서 일반적으로 간주 됩니다 공간 복잡성4의 지표로 서.
현재 문서에서는 뇌 파 미세 분석 및 세부 사항에 오메가 복잡도 분석 프로토콜을 설명합니다. 뇌 파 미세와 오메가 복잡도 분석 각각 두뇌 활동의 시간적, 공간 복잡성을 측정 하기 위해 기회를 제공 합니다.

<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

미세 및 오메가 복잡성 가지 두 참조 무료 electroencephalography (뇌 파) 조치를 뇌 파 데이터의 시간적, 공간 복잡성을 나타낼 수 있습니다 일부 뇌 장애에서 신경 메커니즘을 조사 하기 위해 널리 사용 되 고 있다. 이 문서의 목표는 뇌 파 미세와 오메가 복잡도 분석 단계 기본 프로토콜을 설명 하기 위해입니다. 이 두 측정의 주요 장점은 그들이 전통적인 스펙트럼 분석에 내재 된 참조 종속 문제를 없앨 수 있습니다. 또한, 미세 분석 수 휴식 상태 뇌 파의 높은 시간 해상도의 그리고 4 얻은 미세 클래스 각각 해당 휴식 상태 네트워크를 일치 하는 수 있습니다. 오메가 복잡성 단일 채널에 신호 복잡성에 초점을 맞추고 전통적인 복잡도 측정에 비해 명백한 장점이 뇌 또는 특정 두뇌 지구, 공간 복잡성을 특징. 이 두 가지 뇌 파 측정 일시 및 공간 도메인에서 뇌 복잡성을 각각 조사를 서로 보완 수 있습니다.

뇌 파 미세
그랜드 의미 정규화 된 미세 지도 그림 1에 표시 됩니다. 여기 확인이 4 개의 미세 클래스의 전기 잠재적인 풍경 이전 연구4에서 발견 된 매우 유사 하다.
평균 및 표준 편차 (SD)는 건강 한 과목의 미세 매개 변수는 표 1에...

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

이 문서에서는 설명 합니다 프로토콜 기본 electroencephalography (뇌 파) 미세 분석 및 오메가 복잡도 분석, 두 참조 무료 뇌 파 측정은 매우 귀중 한 뇌 장애의 신경 메커니즘을 탐구 하 고.

미세 및 휴식 상태 Electroencephalography의 오메가 복잡도 분석

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 조회수.  Peking University People's Hospital. 이 문서에서는 설명 합니다 프로토콜 기본 electroencephalography (뇌 파) 미세 분석 및 오메가 복잡도 분석, 두 참조 무료 뇌 파 측정은 매우 귀중 한 뇌 장애의 신경 메커니즘을 탐구 하 고.

비디오: 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.

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

연구

행동분석학

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.

쥐 EEG에서 매우 조직 된 세타 진동의 자동 감지

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.

이벤트 관련 후보, 분광 및 멀티 스케일 엔트로피 : EEG 신경 영상 데이터의 응용

When considering human neuroimaging data, an appreciation of signal variability represents a fundamental innovation in the way we think about brain ...

신경과학

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.

실시간 뇌전도-트리거 경두개 자기 자극을 가진 두뇌 국가 의존적인 두뇌 자극

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.

설치류 모델에서 고밀도 뇌파 취득 낮은 비용과 오픈 소스 리소스를 사용하여

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.

수면 마우스의 스펙트럼 파워 및 심박수의 저속 역학 정량화

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.

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

의학

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.

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.

신경 활동과 연결 Intracranial 뇌 파 데이터를 사용 하 여 SPM 소프트웨어 분석

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.

만성 뇌졸중의 상지 손상의 바이오마커로서의 뇌파 네트워크 지표

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