Использование электроэнцефалографии измерений для сравнения конкретных задач Neural эффективностей: Задачи Spatial Intelligence

Резюме

Эта рукопись описывает подход к измерению нейронной активности человека при решении пространственно ориентированных инженерных задач. Методология электроэнцефалограмма помогает интерпретировать бета измерения мозговых волн с точки зрения нейронной эффективности, с целью в конечном счете, позволяет сравнения выполнения задач как между типами проблем, так и между участниками.

Аннотация

Пространственный интеллект часто связан с успехом в области инженерного образования и инженерных специальностей. Использование электроэнцефалографии позволяет сравнительный расчет нейронной эффективности индивидов, поскольку они выполняют последовательные задачи, требующие пространственного возможность получать решения. Нейронные эффективность здесь определяется как имеющий меньше бета-активации, и, следовательно, расходуя меньшее количество нервных ресурсов, чтобы выполнить задачу, по сравнению с другими группами или другими задачами. Для между группами сравнения задач с аналогичными длительностей, эти измерения могут включить сравнение типа задачи трудности. Для внутридневных-участников и межрегиональных сопоставлений участников, эти измерения обеспечивают потенциальную понимание уровня участника пространственной способности и различные решения инженерных проблем задач. Производительность на выбранных задач могут быть проанализированы и соотнесены с бета-деятельности. Эта работа представляет собой подробный протокол исследования изучения нейронной эффективности студентов ангвыдерживается в решении типичных пространственных способностей и проблем статики. Студенты завершили проблемы, характерные для ментального Режущий Test (MCT), Purdue пространственной визуализации тест-севооборота (PSVT: R), и статики. Занимаясь в решении этих проблем, мозговые волны участников были измерены с ЭЭГ позволяет собирать данные о альфа и бета-мозговой активации волны и использования. Работа выглядит соотносить функциональные характеристики на чистых пространственных задач с пространственно-интенсивных инженерно-технических задач, чтобы определить пути успешной работы в машиностроении и в результате улучшения в области инженерного образования, которые могут последовать.

Введение

Пространственная способность имеет жизненно важное значение для науки, технологии, инженерии и математики (STEM) полей и образование и коррелирует с успехом в этих областях ^1,2,3. Поэтому, важно , чтобы понять развитие как способность к пространственному воздействий решение проблем ^4. Пространственная способность была связана с интересом ^5, производительность ^6, успеха в инженерных и научных кругов ⁷ успеха в инженерных специалистов ^8. Тем не менее, существует не так много работы с указанием конкретных нейронных процессов в решении проблем, характерных для многих пространственных способностей инструментов, ни конкретное содержание инженерного, что является весьма пространственным.

Эта статья представляет собой введение в методы, используемые для сбора и анализа пространственных оценки способности прибора в сочетании с нейронными измерений данных. Цель публикации с Юпитером, чтобы сделать эти методы более доступными для более широкой аудитории. Широкая общественность аппаратное и программное обеспечение WERе используется в данном исследовании. В работе методы, полные результаты / наборы данных не сообщается, равно как и несколько образцов предоставляются. Все изображения были захвачены специально для данной публикации. Методы , подробно описанные ниже , были использованы при подготовке предварительного доклада конференции ⁹ на основе данных из восьми колледжей второкурсник возраста участников, трое из которых были женщины.

Многие существующие инструменты используются для обозначения уровней пространственной способности, присущей ученым или отдельными лицами. Две действительные и надежные ^10,11 инструменты, которые обычно используются для резки Психическая Test (MCT) ¹² и тест Purdue пространственной визуализации севооборота (PSVT: R) ^13. В то время как первоначально разработаны ¹⁴ профессионально эти инструменты тестирования различных этапов развития пространственной визуализации описывается теорией Пиаже ^10,15. Использование этих инструментов создает необходимость понять основные физиологические когнитивных явлений existinг, когда люди работают через эти проблемы. По этой причине данное исследование направлено на демонстрации методов, использующих эмпирические физиологические данные, которые могут в конечном счете, улучшить анализ и понимание пространственной мысли, проверки существующих метрик возможности тестирования, а также повысить применимость пространственных оценок для более сложных проблем, характерных для инженерного образования. Многие из этих проблем можно встретить в инженерной статики.

Статика является основополагающим механика курс доставлен к большинству студентов инженерного факультета (например., Биологическая, Механическая, гражданской, окружающей среды, Aerospace Engineering) ^16,17. Это одна из первых обширных проблем опыт решения , которые студенты получают в содержании ¹⁸ инженерного ядра. Статика включает в себя изучение взаимодействия сил на твердое тело, который находится в состоянии покоя или движется с постоянной скоростью. К сожалению, статика имеет высокую отсевом, вывод, и частота отказов (14%, как показано в инвеУниверситет tigated), и это может быть связано с традиционными моделями предоставления лекций и учебных программ, которые опускаем ключевые направления поддержки, такие как пространственно расширенные подходы к образованию. Например, пространственно расширенные подходы в статике можно ориентировать визуализацию того, как силы взаимодействуют за пределами типичного аналитического анализа и укрепления процедурных знаний студентов с заземленной концептуализации. Эффективность таких мер должна быть исследована с когнитивной точки зрения Нейрологическая.

Электроэнцефалография (ЭЭГ) представляет собой уникальный и мобильный способ измерения озарения активности студентов. Лица , выполняющие задачи , которые вызывают бета - активацию , как правило , очень заняты со спецификой задач и внимательны к тому , что они делают ^19,20. Поскольку задача требует увеличения, амплитуда волны растет бета, как это делает размер корковой области частот полосы пропускания занимают. Чем больше нейронов, что огонь внутридиапазон бета частот (альфа: 8 - 12 Гц, бета: 12 - 24 Гц) может быть определена как больше бета мощности. Родственный, поскольку каждый становится более опытным в задаче, амплитуда бета-волны уменьшается, создавая меньше бета-мощности. Это часть нейронной эффективности гипотезы ^21-28, в котором больший опыт задач при выполнении задачи связано с уменьшением частоты мощности. Хотя ЭЭГ ранее использовался в исследовании пространственных способностей (часто для умственного вращения и пространственных задач навигации) - и соответствующие данные были выявлены в альфа, бета и тета - группы ^27-33 - альфа и бета полосы наблюдались для этого исследование и бета был выбран для дальнейшего анализа представительной в данной работе и в предварительном докладе конференции ^9. Процедуры, определенные ниже, таким образом, сосредоточиться на анализе бета-группы, но расследование всех трех групп, в зависимости от регистрируемых данных, рекомендуется в будущем.

нейронная гипотеза эффективность была проверена на различных задач, в том числе шахматы, память, зрительно-пространственной ориентации, балансировка и отдыха. Все показали опыт задачи как фактор пониженной частоты мощности при выполнении обычных задач. Один конкретный исследование ²⁵ представил доказательства того, что, хотя интеллект человека (как измерено с помощью IQ) может помочь человеку приобрести навыки для выполнения задачи, опыт работы с задачей разведки в перевешивает ее вклад в нейронной эффективности. Другими словами, более опытный индивид, тем более эффективным neurally он или она становится.

Существующие исследования нейронные эффективности , включающие пространственные способности были сосредоточены главным образом на пространственное вращение, а также различные наборы проблемы были использованы для сравнения различных групп населения (например., Мужчины / женщины) ^27-28. ЭЭГ исследования пространственных задач способности также обеспечили понимание путем сравнения производительности других типов задач (например., Вербальные задачи)^27,29,30. Методы обсуждения в данной статье внимание уделяется и сравнивать проблемы с МСТ, PSVT: R, а также статических задач равновесия, которые связаны с пространственной способностью, но не ограничиваются ими пространственного вращения и навигации. Другие пространственные задачи могут быть использованы вместо тех, которые приведены в качестве примеров в этой рукописи. Таким образом, дополнительное понимание может быть получена в будущем в отношении различных групп населения (например., Мужчина / женщина или специалист / начинающий) , чтобы в конечном счете , способствовать улучшению инженерных образовательных практик.

В целях изучения пространственной способности и инженерные способности, мы разработали протокол измерений с использованием ЭЭГ для выявления бета-волны активаций низкой исполнительства высоких участников во время выступления ограниченного батареи конкретных пространственных и инженерных задач. В этом случае термин высокий исполнитель связан с исполнением участника и не отражает количество времени, проведенного в области Организациейобучаемость, так как все участники были примерно на том же этапе их образования. Кроме того, множество проблем участвуют достаточно специфична и основной; Таким образом, термины "эксперт" или "высокопроизводительные" в данном описании не следует рассматривать в смысле эксперта, профессионально занятых инженером, но представляя только высокую производительность в этом узком срезе инженерной механики учебного плана и пространственных способностей инструментов. Нейронные измерения также могут быть использованы для выявления каких-либо грубых тенденций, для которых типы задач может набрать больше когнитивных ресурсов, чем другие, с возможной интерпретации относительно уровня сложности. Эта информация может потенциально обеспечить понимание будущей оценки и принятия мер в отношении пространственной способности. Другое будущее понимание может быть получено, если учесть более конкретные области мозга, что было невозможно в данном исследовании, из-за ограниченного количества каналов, доступных в аппаратных средствах, используемых EEG.

Access restricted. Please log in or start a trial to view this content.

протокол

Этическое Заявление Что касается использования человеческих участников

Процедуры, участвующие в этой работе были одобрены Институциональным наблюдательным советом (IRB) в Университете штата Юта для изучения человеческих предметов. Рекомендуется, чтобы любая подобная работа также должна быть одобрена соответствующим IRB. Участникам разрешается прекратить или выйти из исследования в любое время в течение эксперимента.

1. Отбор участников

1. Выберите участников на добровольной основе студентов в настоящее время обучаются в курсе статике. Убедитесь, что участники были ранее подвергшимися к содержанию статика они будут видеть в то время как в исследовании.
   Примечание: В идеале участники должны иметь воздействие на материал через лекции по меньшей мере за четыре недели до участия в исследовании, так что есть время для консолидации концепций и развития дифференциальных уровней производительности.
2. Проведение набора с соблюдением всех IRB протоколов. объяснятьвсе процедуры и ограничения к потенциальным участникам подробно. Опишите сферу будущего контакта и как результаты исследования могут быть опубликованы и / или сделаны доступными для участников. Определить какой-либо компенсации для участия в исследовании. Если доброволец выбирает участие в исследовании, предоставить ему или ей с двойным кодированием идентификационным кодом, известным только и под контролем главного исследователя.
   Примечание: Конкретные набора населения потребуется статистический анализ для проверки статистической мощности выборки и количество необходимых участников для анализа индивидуальных различий в Гениальная данных. Если исследователь хочет провести сравнительное исследование между популяциями, то анализ мощности следует проводить для разработки соответствующих размеров из участников группы для обеих популяций.
3. Выберите мероприятия или проблемы, которые являются репрезентативными опытом желательных для участников.
   Примечание: В этом протоколе, второкурсник уровня инженерногобыли отобраны студенты, обучающиеся в курсе статике. Деятельность сочтут уместными были проблемы с вводного содержанием Статика, а также два наиболее часто используемых пространственных способностей инструментов: ментального Cutting Test Plane (MCT) и Purdue Spatial тест Визуализация (PSVT-R). Каждый инструмент проверяет различные конструкции пространственной способности и уровень пространственного развития в этой выбранной студентов.
4. Создание календаря для организации лабораторных занятий для участников.

2. Подготовка инструментов

1. Настройте EEG гарнитуры (он же цоколем) согласно инструкциям изготовителя. Заполните этот препарат до того, как участник прибывает для изучения. Повторим, что эта процедура является специфическим для общих мобильных гарнитур, таких как Emotiv, в отличие от медицинского класса EEG установок.
   1. Зарядка гарнитуры EEG - в идеале, по крайней мере 1-часовой заряд каждой сессии. Для регулярно используемой лаборатории, имеют по меньшей мере две гарнитуры зарядкит все времена.
   2. Поместите все необходимые жидкости в доступной зоне, в том числе жидкости для увлажнения ЭЭГ электродов (например., Вода) и абразивный очиститель для обеспечения хорошего контакта для опорных узлов ЭЭГ.
   3. Вставьте войлок в каждый кожух (обеспечение золотой контакт надежно закреплена в каждом корпусе). Насыщать войлок с демпфирующей жидкости с помощью шприца. Разрешить демпфирующими электроды для отдыха.
2. Настройте любые необходимые видеокамеры для измерения поведения участника. Для текущего протокола, используйте две видеокамеры на одного участника. Повторно настроить камеры, как только участник находится на месте. Убедитесь, что видео с отметкой времени.
   1. Фокус одну камеру на лицо участника, если целью записать выражение лица и получить высокое качество звука.
   2. Фокус другую камеру на площади перед участником захвата движения руки, в том числе почерка действия (если почерк, как ожидается, убедитесь, что использовать в письменной форместрумент, что темный и / или достаточно, чтобы быть захвачена камерой толщиной), и достаточно монитора компьютера, чтобы дать представление о том, какая задача решается в это время.
   3. Включите компьютер и убедитесь, что программное обеспечение для записи на озарения данных. Убедитесь, что все программное обеспечение и сбора данных устройства сопряжения достаточно для сбора данных.

3. Подготовка участников исследования и сессия Дата начала

1. Проверьте получение документированного согласия от участников на ЭСО соглашения говорилось выше. Ответьте на любые вопросы у участников есть до начала исследования. Напомните участникам, что собранные данные будут ссылаться идентификационного кода, и не будет никакой информации идентификации, которая связывает данные участника, и что они могут в любой момент отказаться.
2. Попросите каждого участника заполнить анкету демографическую до участия в исследовании. Это исследование может спросить о пол, вGE, предыдущий опыт работы, которые могут повлиять на их способности в исследовании (например., в прошлом инженерные или пространственно интенсивные курсы, способность к пространственному , усиливающие хобби, а также вопросы , касающиеся критериев исключения , таких как черепно - мозговых травм они могли пострадать, которые они используют руки).
   1. Исключение участников из группы добровольцев для анализа ЭЭГ, если любой из следующих условий: (а) участник левой рукой или ловкий, чтобы контролировать для латеральность мозга путает; (Б); человек не может участвовать в лабораторных сеансов связи с физическими недостатками; или (в) физическое лицо был нанесен серьезный черепно-мозговую травму. Оповестить потенциальных участников этих ограничений в процессе найма, или как можно раньше, чтобы избежать ненужные затраты времени и ресурсов.
3. По прибытии участник обеспечить удобный и решить все оставшиеся вопросы или проблемы.
   1. Продемонстрировать шприц, используемый для насыщенияузел и объясните, что он будет использоваться только для поддержания EEG войлок влажной. Если участник имеет экстремальный страх игл, рассмотреть вопрос о применении других мер предосторожности (например., Держа шприц из их фокальной плоскости , когда повторное смачивание войлок).
   2. Попросите участников, чтобы удалить любую электронику от их лица.
4. Поместите гарнитуру EEG на участника.
   1. Проверьте войлок для сырости и место комбинации войлок / обсадной колонны в гарнитуре EEG.
   2. Очистите опорные точки (например., Сосцевидного отростка) участника с абразивным моющим средством. Удалите все остатки.
   3. Поместите гарнитуру на участника с опорными узлами образом согласовывались с опорными точками. Не чрезмерно согнуть руки гарнитуры. Оставьте зазор между опорным узлом и задней части уха так, чтобы не вызывать дискомфорт, и выровнять и пространство гарнитуру соответствующим образом с головой участника.

4. Выполнение программы в рамках сессии

1. Запустите программу EEG-протоколирования. Убедитесь в том, что существует хорошая возможность соединения между каротажного устройства (например., Персональный компьютер) и ЭЭГ гарнитуры, проверяя , что все каналы отображаются на записывающее устройство. Убедитесь, что все каналы первоначально отображать подобное поведение с низкой амплитудой колебаний. Проверьте электроэнцефалограмму, чтобы обеспечить хорошую связь с участником - повторное смачивание и корректировки войлоки таким образом, чтобы добиться согласованных узоров на записывающее устройство - непосредственно предшествующий периоды отдыха и перед началом каждого нового типа проблемы.
   Примечание: EEG работает на 128 Гц. Электроокулографии не используется для записи движения глаз, а также справочные связного ухо не использовали.
2. Попросите участника остаются еще и тихо, насколько это возможно во время учений задач.
3. Инициировать программное обеспечение проблемно-презентации.
   Примечание: Во время сбора данных, все пред-планируется визуальная связь с участником осуществляется через монитор компьютера. В этом случае ряд пространственных и инженерных задач будет появляться на экране компьютера, и его участникам будет предложено решить их. Правильные ответы не были предоставлены участникам во время сбора данных. Проблемные изображения продвинулся на основе пользовательского ввода, поэтому выбор времени был основан на решении проблем продолжительности.
   1. Дисплей пространственная задача типа 1 (например, PSVT:. R - тест множественного выбора, или истинно-ложные проблемы вращения - см Рисунок 1) ^13. Примечание: (. , Например, 30 сек) Продолжительность этих проблем будет использоваться в качестве временного интервала для анализа данных. Пять проблем были включены в этот набор.
   2. Отображение пространственной задачи 2 -го типа (например, MCT. - Тест на множественный выбор, или истинно-ложно умственная отрезные проблемы - см рисунок 2) ^12. Примечание: Продолжительность этих проблем (например, 30 сек.)использоваться в качестве временного интервала для анализа данных. Пять проблем были включены в этот набор.
   3. Дисплей инженерный тип проблемы ¹⁷ (. Например, Статика проблемы - разбитые , чтобы сосредоточить внимание на конкретных принципах инженерной статики, или любого другого типа прикладной задачи гипотетических иметь пространственные компоненты - смотри рисунок 3). Примечание: Эти проблемы имеют значительно больше времени, чтобы решить, чем пространственных задач. Ряд проблем, показанных участникам варьировалось от четырех до десяти.
   4. Назначают периоды отдыха в начале и в конце сбора данных - используется для получения исходных данных. Убедитесь в том, что каждый из них имеют одинаковую длительность (например., 120 сек).
4. При желании провести выездную интервью с участником. Это может включать в свои мысли на экспериментальной презентации, носить гарнитуру ЭЭГ, процесс коммуникации, используемый на протяжении набора и подготовки участников, и / ог любой протокол требует словесных ответов, упомянутых выше. Вопросник проверенному пользователю может быть предоставлена ​​участникам вместо проведения интервью.
5. Выключите программное обеспечение проблемно-презентации, программное обеспечение EEG-протоколирования, снимать гарнитуру ЭЭГ, и выключите видеозаписывающего оборудования.

5. Завершение работы сессии

1. Уволить участник исследования. Благодарим участника и предоставить им обзор любого будущего контакта (например., Для последующих интервью или последующих сессий исследования), объяснить , каким образом результаты исследования могут быть опубликованы и / или сделаны доступными для участников, а также обеспечить любые прохладительные напитки или оплата (или объяснение того, как будет обеспечена выплата), согласованные в рамках компенсации за участие в исследовании.
2. журналы передача данных в любой из необходимых долгосрочных или передачи устройств хранения данных. Хранить подписанный бланк согласия надлежащим образом и в назначенный IRB протоколом.
Очистка инструментов и лабораторных помещений.
1. Удалите войлок с гарнитуры и дезинфицировать или избавиться от них.
2. Возвращение электродные оболочки ЭЭГ и гарнитуры к соответствующему месту хранения.
3. Утилизация использованных шприцев и мусора надлежащим образом.
4. Возврат жидкостей в соответствующие места хранения.
5. Закрепить лабораторию, если не используется другими исследователями.

Анализ 6. Данные

1. Выявление и извлечение исходных данных для каждого канала и маркер данных из журналов данных ЭЭГ. Используйте ASCII - битные маркеры для определения начала и конца сбора данных, а также переходы между различными фазами сбора данных (например., Типы проблем) и индивидуальных проблем. Убедитесь, что каждый тип фазы имеет различное значение маркера так, чтобы дать возможность дифференциации в процессе анализа. Назовите данные способом, который ссылается на идентификационный код участника в качестве источника.
   Примечание: Команды EEGLAB являются defined в данном описании, но EEGLAB требует MATLAB для этого исполнения.
   1. Выберите Файл> Импорт данных> Использование функции EEGLAB и плагины> От EDF / EDF + GDF файлов (BIOSIG набор инструментов)
   2. Выберите соответствующий файл данных. Нажмите кнопку Открыть, чтобы загрузить данные.
   3. Выберите Список каналов. Нажмите кнопку ОК, чтобы принять.
   4. Укажите имя набора данных. Укажите описательное имя для данных, которая отражает источник и дату сбора. В этом случае PSF1448 указывает на данные Участника ID 48 Осенью 2014 года.
2. Карта извлеченные данные в монтаже (то есть, расположение ЭЭГ узлов.), Выбрав монтаж , предоставленную поставщиком гарнитуры EEG (например, 10 -. 20 системы). Убедитесь, что монтаж используется для анализа соответствует расположение гарнитуры EEG, используемой во время сеанса. Это по спецификации производителя.
   1. Места редактирования каналов, нажав кнопку Edit Locations> канал.
   2. Выберите Montage. В этом случае defauл монтаж подходит, поэтому просто нажмите кнопку ОК, чтобы принять.
   3. Выберите информацию о технических характеристиках канала. В этом случае по умолчанию подходит, поэтому просто нажмите кнопку ОК, чтобы принять.
3. Снизить данные канала ЭЭГ к тому, что наиболее представительной активности мозга, как определено ниже.
   1. Нанести первоначальный фильтра к данным. Как правило, применяют высоких частот, фильтр низких частот (0,1 Гц, как нижняя граница фильтра высоких частот и 59 Гц, как верхняя граница фильтра нижних частот). Применение фильтра нижних частот менее чем 60 Гц устраняет помехи от электрической сети США. Сохраните набор данных с новым именем в качестве точки восстановления.
      1. Нажмите Инструменты> Basic КИХ-фильтр (новый, по умолчанию).
      2. Набор основных параметров фильтра. Установить нижний край до 0,1 Гц, Верхний край до 59 Гц, не график частотной характеристики, и нажмите кнопку ОК, чтобы принять.
      3. Укажите новое имя для отфильтрованных данных (путем добавления "_filtered" к существующему имени набора данных). Проверьте бвола, чтобы сохранить данные в виде файла, и использовать то же имя для имени файла. Нажмите кнопку ОК, чтобы принять.
   2. Удалить все данные, которые лежат перед первым маркером EEG или после последнего маркера ЭЭГ - имея в виду любую задержку в записи маркеров ЭЭГ. Регистрируют время задержки (время) маркера, указывающего начало записи данных и латентность маркера, указывающего конец данных. Сохраните набор данных с новым именем в качестве точки восстановления.
      1. Значения задержки можно найти в разделе "Редактировать значения событий - pop_editeventvals) (" экран; нажмите кнопку ">>", чтобы перейти к конечной метки, означающей конец данных ЭЭГ. Никаких изменений не должно приниматься, поэтому нажмите кнопку Отмена после того, как значения были записаны.
      2. Нажмите Правка> Выбрать данные.
      3. Введите начало и конец задержки (время) значений, разделенных пробелом, в "Временной диапазон [мин] макс (ы)" поле и нажмите кнопку ОК, чтобы принять.
      4. Укажите новое имяобрезанные данные (путем добавления "_cropped" к существующему имени набора данных). Установите флажок, чтобы сохранить данные в виде файла, и использовать то же имя для имени файла. Нажмите кнопку ОК, чтобы принять.
   3. Отклонить разделы данных с большими артефактами. Шаги, включенные ниже описано, как это сделать вручную во время визуального осмотра данных. Примечание: удаление данных будет также привести к появлению артефактов ^34,35.
      1. Осуществить нормировку данных в каждом канале (удалить среднее значение и поместить каждый канал в том же масштабе). Также удалите смещение по постоянному току (это изменяет данные, но не визуализация).
         1. Нажмите Plot> Данные канала (прокрутка).
         2. Нажмите Настройки> Интервал времени, чтобы отобразить.
         3. Укажите диапазон времени (. , Например, 30 сек) , которые будут показаны на графике в "Новой длины окна (ы):" поле. Диапазон времени основано на времени между маркерами для проблем в данной фазе (или в пределах двух пространственных проблемных фаз). Диапазон времени может быть базойd на максимальное, минимальное или среднее время между маркерами.
         4. Нажмите на кнопку "норма" для нормализации данных в сюжете (это только косметический характер и не изменяет исходные данные).
         5. Нажмите Дисплей> Удалить смещение по постоянному току для удаления смещения постоянного тока на участке (это только косметический характер и не изменяет исходные данные).
      2. Удалить крупные артефакты, которые регулярно не повторяются в течение долгого времени.
         1. Отметить все аномальных данных артефактов глядя. После того, как все данные артефактов были отмечены, нажмите кнопку Отклонить.
            Примечание: Они могут выглядеть как аномально высокие или широкие пики в данных - в одном или нескольких каналах - или до тех пор, тенденции, которые появляются в небольшом количестве каналов. Данные подозреваемым, если данные из отдельных каналов, по всей видимости пересекают друг друга в сюжете. Они представляют собой артефакты, которые не являются частью спектра озарения и, скорее всего, представляют движение мышц участника или узла (ов) WIth некачественное подключение. Ничего похожего на меандр не отражает активности головного мозга человека.
      3. Сохраните набор данных с новым именем в качестве точки восстановления.
         1. Выберите Файл> Сохранить текущий набор данных как.
         2. Укажите новое имя для обрезанные данных (путем добавления "_manRej" к существующему имени набора данных). Нажмите кнопку Сохранить, чтобы принять.
      4. Если какой-то канал, как представляется, неисправен, удалите из него данные по отдельности. Это представляет собой большую потерю данных, так что сделайте это с большой осторожностью. Посмотрите на данные из канала в течение длительного периода времени, как это часто оседает в течение долгого времени и обеспечивает полезные данные.
   4. Выполнить анализ независимый компонент (ICA) и выбрать лучшие представления волновой активности мозга.
      Примечание: Это помогает в удалении наборов повторяющихся артефактов в данных. Эти наборы содержат артефакты, которые будут появляться несколько раз на примерно равные промежутки времени с повторным шафизическое воспитание Как правило, они являются результатом биологических функций, таких как мигание или импульс - каждый из которых будет иметь свой собственный набор.
      1. Карта ICA-разделенных данных для представления черепу на основе монтажа. Отклонить результаты, связанные с мигающими, пульс, или напряжение мышц - которые часто появляются в результатах ICA как области акцента над глазами, рядом с храмами, или над ушами, соответственно. Отклонить любой компонент , который показывает весь череп , как занимаясь , так как не представитель активности мозга (смотри рисунок 4) ³⁵ Принять другие результаты (см рисунки 5 - 6)..
         1. Нажмите Tools> Run ICA.
         2. Выберите алгоритм ICA по умолчанию (руницей). Нажмите кнопку ОК, чтобы принять.
         3. Нажмите Plot> Свойства компонента.
         4. Выберите индексы составляющая (14 электрода ЭЭГ каналов, загруженных в память) и спектральные параметры. Как и раньше, нижний край 0,1 Гц, и чем выше кромка 59Гц. Нажмите кнопку ОК, чтобы принять записи.
         5. В Accept / Reject окно, нажмите на кнопку Accept, чтобы изменить статус Отклонить (и нажмите на нее еще раз, чтобы изменить его обратно в Accept). Нажмите кнопку ОК, чтобы войти в Accept / Reject маркировки.
      2. Участок ICA-разделенных данных в цветном участке 2-D. Отклонить результаты , которые появляются прослойками, пустой, или засыпали с разрывами, а затем сохранить набор данных с новым именем в качестве точки восстановления (см рисунки 5 - 6).
         1. В Accept / Reject окно, нажмите на кнопку Accept, чтобы изменить статус Отклонить (и нажмите на нее еще раз, чтобы изменить его обратно в Accept). Нажмите кнопку ОК, чтобы войти в Accept / Reject маркировки.
         2. Нажмите Инструменты> Удалить компоненты - на самом деле удалить все данные, указанные для отказа ранее.
         3. Нажмите кнопку ОК, чтобы продолжить. Индексы компонентов регистрируемых для отклонения приведены в "Удалить компоненты" окна.
         4. Нажмите Принять в окне "Подтверждение" Тс оказанию в обрезке данных.
         5. Укажите новое имя для обрезанных данных (путем добавления "_manRejPruned" к существующему имени набора данных). Установите флажок, чтобы сохранить данные в виде файла, и использовать то же имя для имени файла. Нажмите кнопку ОК, чтобы принять.
            Примечание: прожилки, которые длятся дольше, чем 0,5 сек, считаются разумными для отказа. Относительное "благость", возможно, должны быть использованы здесь, в зависимости от того, насколько хороши другие наборы данных, как представляется, - желательно, чтобы сохранить по крайней мере половину компонентов. Хорошие результаты часто представляются непрерывными градаций на 2-D непрерывных данных цветового участка ^34.
4. Удалить граничные значения, оставленные в данных. Сохраните набор данных с новым именем в качестве точки восстановления.
   1. Нажмите Правка> значения событий.
   2. Прокрутка событий и нажмите кнопку Удалить событие, когда тип события является границей. Когда все были удалены, нажмите кнопку ОК.
   3. Specifя новое имя для удаленных-граничных данных (путем добавления "_deleteBoundaries" к существующему имени набора данных). Нажмите кнопку Сохранить, чтобы принять. Используйте тот же выбор пункта меню, как и раньше, чтобы попасть в это окно (см шаг 6.3.3.3.1).
5. Вычислить абсолютные показатели мощности для каждого типа упражнений. Это сила на основе логарифмического преобразования , основанный на измерении микровольтовом и времени -. Вычисленного для каждой полосы частот (дельта, тета, альфа, бета и гамма) ²²
   1. Кусок данные в блоки, используя маркеры, чтобы указать начало и конец каждой задачи.
      1. Нажмите Правка> Выбрать данные, используя события.
      2. Использовать соответствующие временные рамки для каждого типа задач. Определить временные рамки для остальных периодов длительностью периода отдыха. Для пространственных задач (которые примерно одинаковы по продолжительности), либо использовать среднюю продолжительность всех пространственных задач или максимальную продолжительность всех пространственных задач. Для прикладной (например., Engineerinг Статика) проблемы, определить среднюю продолжительность для каждой задачи. Сохраните набор данных с новым именем в качестве точки восстановления.
         1. Введите тип маркера в поле "Тип (ы) Event ([] = все)" поле, (например., Тип маркера 50 был использован для обозначения события отдыха). Rest события имели длительность 120 секунд в этом случае, так что введите "1 120" для массива временных ограничений. Нажмите кнопку ОК, чтобы принять.
         2. Укажите новое имя для данных события (путем добавления "_rest" к существующему имени набора данных в данном случае). Установите флажок, чтобы сохранить данные в виде файла, и использовать то же имя для имени файла. Нажмите кнопку ОК, чтобы принять.
            Примечание: Если приложенное части могут быть уменьшены, чтобы они занимали примерно такое же количество времени, в качестве пространственных задач, а затем использовать один и тот же размер, как временные рамки пространственных задач. Поскольку ЭЭГ является чувствительным ко времени измерения, более точные временные эпох для каждого условия, тем меньше посрамлены данные находятся в конце (то есть., Число проб , взятых для каждого кондиционция будет более последовательным).
6. Сравните результаты для окончательного анализа.
   1. Вычислить процент для каждой порции по отношению к базовым измерениям остальных. Смотрите файл Дополнительный код, и в таблицах 1 - 8.
      1. Откройте Absolutepower скрипт в MATLAB и нажмите кнопку Выполнить для запуска сценария на данных , загруженных в рабочее пространство на этапе 6.6 (например., Данные остальное).
      2. Выберите absolutepowermatrix данные в рабочей области MATLAB для передачи в программу электронных таблиц (например., MS Excel).
   2. Повторите шаги 6.5 - 6.6.1.2 для каждого типа упражнения / маркера.
   3. Сравните результаты с аналогичными сроками (например., Пространственные задачи) друг к другу для понимания относительной трудности.
   4. Сравнение результатов между участниками, чтобы определить более высокие относительные исполнителей по сравнению с более низкими исполнителями в квалификации оценивается. Примечание: Высокие исполнители могут показать очень лittle увеличение бета - активации относительно базовой линии, в то время как низкие исполнители могут показать рост порядка 70% ^21-26.

Access restricted. Please log in or start a trial to view this content.

Результаты

В этом разделе, предыдущие шаги проиллюстрированы с фигурами образца, как описано ниже. Полные сводки данных со статистическими тестами не предусмотрены, поскольку целью данной работы является концентрация внимания на методах. Примеры потенциальных PSVT: R, МСТ и пространственных задач приведены н...

Access restricted. Please log in or start a trial to view this content.

Обсуждение

Протокол рассматривается применение электроэнцефалографии для измерения активности мозга для участников рабочих проблем из двух типичных пространственных способностей инструментов и высоко пространственных задач инженерного статики. Методы, подробно описанные здесь, могут в коне...

Access restricted. Please log in or start a trial to view this content.

Материалы

Name	Company	Catalog Number	Comments
Emotiv EPOC Model 1.0	Emotiv	Model: Emotiv Premium	"High resolution, multi-channel, portable EEG system."
Emotiv Control Panel (software)	Emotiv		Used for data collection.
Emotiv Testbench (software)	Emotiv		Used for data collection.
Virtual Serial Port Emulator - VSPE (software)	ETERLOGIC.COM		Used COM10 in data collection. Available as a free download, depending on the operating system.
E-Prime 2.0 (software)	Psychology Software Tools		Used for data collection (presentation of problems to participants and collection of markers for different phases).
EEGLab 13.4.4b (software)	Swartz Center for Computational Neuroscience (SCCN)		Used for data analysis. "An open source environment for electrophysiological signal processing". SCCN is a Center of the Institute for Neural Computation, the University of California San Diego.
MATLAB R2014b	The Mathworks, Inc.		Used to run EEGLab
Microsoft Excel 2013	Microsoft		Used to assemble and compare tabulated results from EEGLab & MATLAB, to create tables
Camcorder with built in Mic	Canon	CNVHFR50	Used to record sessions
Syringe Kit (5 cc syringe & 16 G blunted needles x 2)	Electro-Cap Intnl. Inc.	E7	For keeping the EEG cap's felts damp.
Nuprep EEG Skin Prep Gel	Weaver and Company	10-30	For cleaning the mastoid process.
Sanitizer	Purell	S-12808	For sanitizing hands