Я читал о мозговых волнах ЭЭГ, которые представляют собой особые формы волн, которые наблюдаются на выходе ЭЭГ и обычно оцениваются людьми. Эта концепция существует уже довольно давно.
Есть ли что-нибудь «новее» или «лучше», чем мозговые волны ЭЭГ, открытые в последние годы?
Учитывая рост количества коммерчески доступных датчиков ЭЭГ, удалось ли какой-либо компании предложить способ анализа или количественной оценки выходных данных этих датчиков, чтобы предоставить исследователям полезную информацию? Я думаю об алгоритмах обработки мозговых волн. Например, в актиграфии, изучающей движения человека, есть такие алгоритмы, как «если 19 из 20 минут активности оцениваются как сон, то известно, что начало сна происходит в начале 20-минутного окна». Есть ли что-то подобное для мозговой волны или производных показателей?
Нет лучшего способа описать мозговую деятельность, чем мозговые волны! :)
Однако есть более новые способы анализировать и думать о мозговых волнах. Обычно вы найдете их в литературе по нейронным колебаниям.
Положительные аспекты размышлений об активности мозга с использованием мозговых волн:
К плохим аспектам относятся:
В прошлом мозговые волны идентифицировали с помощью глазного яблока. В настоящее время мы можем сделать намного лучше. Мы можем представить, что каждая из этих линий на самом деле состоит из множества различных типов нейронной активности, происходящих с разной скоростью. Нейроны, запускающиеся вместе быстро, приведут к небольшим кратковременным изменениям амплитуды, тогда как нейроны, запускающиеся вместе в более медленном темпе, приведут к медленным волнам. Чем больше нейронов возбуждается вместе, тем выше амплитуда волны. Чем быстрее они срабатывают вместе, тем меньше длина волны.
Быстрые и медленные длины волн будут суммироваться в одну волнистую линию на экране, но мы можем разложить ее, например, с помощью преобразования Фурье или вейвлет-преобразования. Разлагая, мы получаем представление о том факте, что нейроны активируются вместе с разной скоростью, когда они выполняют разные действия. Например, если вы игнорируете визуальный стимул, ваш зрительный мозг начинает срабатывать примерно 10 раз в секунду. Это называется альфа-ритм. Если вы активно наблюдаете за стимулом, активность изменится до 40-70 раз в секунду. Это гамма-ритм. Таким образом, вы можете что-то сказать о том, что делает мозг, когда видите паттерн нейронной активности, основанный на волнистой линии.
Кроме того, вы можете заметить, что в двух удаленных друг от друга частях мозга нейроны срабатывают вместе... но они находятся в фазе друг с другом. Это может означать, что они оба обрабатывают разные аспекты одной и той же информации, поэтому это говорит нам кое-что о функциональной связности нейронов, даже если мы не видим основной активации белого вещества.
В любом случае, мозговые волны не следует считать лучшими или худшими, чем другие измерения нейронной активности. Они просто добавляют свою порцию информации, которая является частью большой головоломки о том, как работает мозг. См. здесь действительно хорошее сравнение М/ЭЭГ с фМРТ и обсуждение всех важных вопросов, стоящих за неинвазивными электрофизиологическими измерениями.
Да и нет. Оценка источника использовалась в электротехнике в течение десятилетий, но становится все более и более распространенной в области ЭЭГ, особенно в свете усилий по регистрации показаний ЭЭГ с параллельными исследованиями фМРТ.
По сути, имея набор ЭЭГ (или даже МЭГ, магнитоэнцефалографических) измерений, можем ли мы «инвертировать» их, чтобы найти отдельные источники тока, которые будут генерировать такую электрическую активность. Также могут использоваться форвардные модели, в которых набор источников предполагается априорно .
В Scholarpedia есть обширная статья об этих методах. Кратко,
MUSIC
sLORETA
используются, большинство из которых включают некоторую форму матричного преобразования данных в пространство более низкого измерения и сопоставление с набором точечных источников.
Текущие исследования (например, Antelis and Minguez, 2012) используют подход, который объединяет результаты нескольких динамических моделей для улучшения оценок.
Антелис, Дж. М., Мингес, Дж. (2012). DYNAMO: Параллельный динамический мультимодельный метод локализации источника для ЭЭГ и/или МЭГ. Journal of Neuroscience Methods , доступен в Интернете 26 сентября 2012 г. [DOI]
Я удивлен, что никто не упомянул пиковую активность. Пространственное и временное разрешение феноменальны.
Технология регистрации потенциалов действия одновременно от многих нейронов во многих областях коры развивается. Большая часть теоретической неврологии имеет дело с тем, как эти паттерны всплесков передают информацию.
Как и в случае с другими ответами, я дополню этот набросок в ближайшие дни. Я хотел подчеркнуть, что есть и другие источники информации об активности мозга, помимо ЭЭГ.
мак389
Алекс Стоун