Bu yöntem bilişsel nörobilim alanında anahtar sorulara cevap yardımcı olabilir. Bu tekniğin en büyük avantajı, yüksek uzamsal zamansal evrimler üzerinde nöral aktivite ve bağlantı analiz edebilirsiniz. İntrakraniyal EEG verilerinin analizine başlamak için SPM12'yi ayarlayın ve MEG EEG analitik menüsünü seçin.
İlk olarak, önceden tanımlanmış parametrelere dayalı Morlet dalgacıkları ile sürekli dalgaayrış ayrışması kullanarak her bir deneyin önceden işlenmiş intrakranial EEG verileri için zaman frekansı analizini yapın. Spektral bileşenlerin zamansal evrimini ortaya çıkarmak için, dört ila 300 hertz frekans aralığını kullanarak 1, 000 ila 2, 000 milisaniye tüm dönem için yedi döngülü Morlet dalgacıkları kullanarak dalgacık ayrışma yapın. Daha sonra, ana dalga dalgacıkını ve döngü sayısını belirleyin ve döngü sayısının zaman frekansı çözümlerini kontrol ettiğini ve tahmin kararlılığını sağlamak için beşten büyük olması gerektiğini unutmayın.
Zaman ve frekans aralıklarını belirleyin. Ardından, kenar efektlerini kaldırmak için ortaya çıkan zaman frekansı eşlemlerini otomatik olarak kırpın. Burada, haritalar 200 ila 500 milisaniye kırpılır.
Olayla ilgili güç değişikliklerini daha iyi görselleştirmek ve normalliği iyileştirmek için zaman frekansı haritaları için zaman frekansı yeniden ölçeğini seçerek istenirse veri dönüşümü ve temel düzeltme gerçekleştirin. Ardından, zaman frekansı eşlemlerini iki boyutlu görüntülere dönüştürün. Ayrıca, denekler arası değişkenliği telafi etmek ve rasgele alan teorisi varsayımlarına uymak için önceden tanımlanmış tam genişlikte yarım maksimum değere sahip bir Gauss çekirdeği ni kullanarak da pürüzsüz.
Şimdi SPM menüsünde ikinci düzeyi belirt'i seçin ve analiz edilecek 2B görüntüleri girin. Daha sonra model tahminini seçerek genel doğrusal modeli çalıştırın. Son olarak, rasgele alan teorisine dayalı zaman frekansı verileri üzerinde istatistiksel çıkarımlar gerçekleştirmek için sonuçları seçin.
Burada görülenler gibi önceden tanımlanmış eşiklere sahip önemli ölçüde etkinleştirilmiş zaman frekansı kümelerini algıla. SPM menüsünde DCM seçerek dinamik nedensel modelleme çözümlemesi başlatın. Ardından IND seçeneğini seçin ve önceden işlenmiş intrakranial EEG verilerini almak için yeni veriler seçin.
Ardından, ilgi süresi penceresini, ilgi sıklığını, kullanılacak dalgacık döngülerinin sayısını, ilgi koşullarını ve koşullara yönelik kontrastları belirtmek için MEG EEG menüsünü kullanın. Zaman penceresini 1 ila 500 milisaniye olarak ayarlayın. Bir hertz adımda dört ila 100 hertz beş döngülü Morlet dalgacıkları kullanın.
Dalgacık döngüsü için varsayılan ayarı kullanın. Araştırma ilgi alanına göre zaman-frekans aralıklarını belirleyin. Kenar efektlerini kaldırmak için hesaplama sırasında 512 milisaniye lik bir zaman penceresinin otomatik olarak kullanılabileceğini unutmayın.
DCM çerçevesine dayanarak, nöral durumlar üzerindeki duyusal girdileri temsil eden sürüş girdileri ve nöral durumlar arasında temel bağlantıyı somutlaştıran içsel bağlantıları tanımlayın. Ayrıca, null ve varsayımsal modeller için deneysel manipülasyonlar yoluyla içsel bağlantılar üzerinde modüler etkileri tanımlayın. Modülasyon türünü doğrusal veya doğrusal olmayan olarak tanımlayın.
Şimdi içsel doğrusal ve doğrusal olmayan bağlantıları, sürüş girişlerini ve modülasyon girişlerini belirtin. Önceki uyarıcı başlangıç süresi ve süresi gibi gerekirse ilgili parametrelerin varsayılan ayarlarını değiştirin. Ardından modelleri tahmin etmek için DCM'yi tersine çevirin.
Bundan sonra, frekans-frekans modüler bağlantı parametresi görüntülerini kaydetmek için sonuçları görüntü olarak kaydet'i seçin. Ardından, en uygun ağ modelini belirlemek için BMS'yi seçerek rastgele bir etki Bayesian Model Seçimi analizi gerçekleştirin. Değerlendirme ölçütleri olarak modeli beklenen olasılıkları ve katılım olasılıklarını kullanın.
Daha sonra kazanan model parametrelerini kullanarak modüler bağlantıların çapraz frekans desenleri ile ilgili çıkarımlar yapın. Şimdi, görüntülere dönüştür'ü seçerek modüler bağlantı parametresi görüntülerini düzleştirin. Sonra genel doğrusal model çözümlemesi gerçekleştirmek için ikinci düzey belirtin kullanın.
Son olarak, 2B SPMT değerlerini hesaplamak için sonuçları seçin. Burada, tam genişlikyarı maksimum sekiz hertz olarak ayarlanmış ve önemli değerler 0,05'ten az P düzeltilmemiş yükseklik eşiği kullanılarak araştırmacı olarak tanımlanmıştır. Fazların işlenmesi sırasında Inferior Oksipital Girus veya IOG aktivitesinin zamansal ve frekans profillerini araştırmak için zaman frekansı analizleri yapılmıştır.
Burada dik faz ve dik mozaik koşulları için doğru IOG aktivitesinin zaman-frekans haritalarını görüyoruz. Dik faz ve dik mozaik için SPMT verileri de gösterilmiştir. İşlevsel ağ modelleri burada gösterilmiştir.
IOG ve amigdala arasındaki bağlantılara dik faz karşı dik mozaik modüler giriş ve her bölgeye kendi kendine bağlantı sekiz olası kombinasyonları araştırıldı. Sıklık modülatör kaplin parametreleri ve Dik faz için SPMT değerleri karşı Dik mozaik IOG karşı amigdala ve amigdala karşı IOG modülasyonu burada gösterilmiştir. Mavi-siyan alanları inhibitör bağlantı gösterirken kırmızı-sarı alanlar önemli uyarıcı bağlantı gösterir.
Bu videoyu izledikten sonra, SPM yazılımını kullanarak nöral aktivite ve bağlantı tespit etmek için intrakranial EEG verilerini analiz etmek için iyi bir anlayışa sahip olmalısınız.
