Система 10 20: Страница не найдена

Содержание

ЭЭГ. Система 10-20% | Электроэнцефалография

Электроэнцефалография – чувствительный неинвазивный метод исследования функционального состояния головного мозга. По результатам проведенного ЭЭГ-обследования можно оценить функциональное состояние структур головного мозга, определить источники патологической электрической активности. Область использования ЭЭГ в медицинской клинической практике в настоящее время довольно обширна: от рутинных ЭЭГ-обследований в поликлинике до инвазивного ЭЭГ-видеомониторинга перед оперативным лечением головного мозга (опухоли, эпилепсия). Применяется ЭЭГ и в палатах интенсивной терапии, и в неонатальных отделениях для нейромониторинга новорожденных.

Для регистрации ЭЭГ на голову обследуемого крепят ЭЭГ-электроды. Количество электродов определяется целями исследования, возрастом обследуемого и возможностями аппаратуры. Но независимо от количества используемых электродов их расположение на голове обследуемого строго определено международной системой «10-20%»:

Международная система наложения электродов «10-20%»

Как можно заметить из схемы, система наложения электродов получила свое название благодаря тому, что электроды размещаются на расстоянии 10% и 20% от общего расстояния между точками Inion и Nasion, а также расстояния между ушными впадинами. В соответствии с системой «10-20%» на голове обследуемого обычно размещают от 8-ми до 21-го электрода.

Система «10-20%»

Иногда требуется более плотно расположить электроды и записать большее количество ЭЭГ-кривых. В таких случаях используется система «10-10%», которая регламентирует точки расположения уже для 64-х электродов:

Система «10-10%»

Каждая точка имеет свое уникальное название. Эти названия строго регламентированы Международной федерацией клинической нейрофизиологии (IFCN).

В 2017 году Международная федерация клинической нейрофизиологии ( IFCN ) опубликовала поправки к международной системой «10-20%» . В соответствии с ними:

Отведения Т3/Т4 переименованы в Т7/Т8.
Отведения Т5/Т6 переименованы в P7/P8.
Для проведения рутинных и длительных ЭЭГ-обследований рекомендуется дополнительно регистрировать ЭЭГ-сигнал с электродов скуловой дуги: F9/F10, T9/T10, P9/P10.

Редактировать галереюМодифицированная система «10-20%» с дополнительными электродами скуловой дуги

Для регистрации ЭЭГ могут применяться различные типы электродов, например, для рутинных ЭЭГ-обследований применяются мостиковые электроды:

Мостиковые ЭЭГ-электроды

Для длительных ЭЭГ-обследований чаще используют более комфортабельные шапочки с интегрированными электродами:

Электродная шапочка с интегрированными электродами

Использование шапочки существенно упрощает процесс наложения электродов.

Количество используемых ЭЭГ-электродов определяет монтаж регистрации. В настройках монтажа можно создавать монополярные или биполярные отведения:

Редактор монтажей регистрации ЭЭГ

Благодаря тому, что ЭЭГ-электроды располагаются на строго определенных местах головы и имеют уникальные названия, в компьютерных программах для просмотра и анализа ЭЭГ широко применяется топографическое картирование:

Двумерные и трехмерные топографические карты ЭЭГ

На топографических картах наглядно отображаются расчетные характеристики ЭЭГ-сигнала: амплитуды, частоты, индексы ритмов волн и др.

Кроме этого, зная расположение электродов на голове пациента, компьютерная программа может рассчитать локализацию источника патологической электрической активности головного мозга, например, методом диполя:

Программа BrainLoc 6.0

Программа Encevice EpiSource

Программа LORETA

С помощью таких программ можно уточнить расположение опухоли или очага эпилептиформной активности в головном мозге перед хирургическим лечением.

Система 10-20 (eeg) — gaz.wiki

Navigation

Main page

Languages

Deutsch
Français
Nederlands
Русский

Italiano
Español
Polski
Português
Norsk
Suomen kieli
Magyar
Čeština
Türkçe
Dansk
Română

Svenska

Идентификация по электроэнцефалограмме | Открытые системы. СУБД

03.08.2012 Патрицио Камписи, Дариа Ла Рокка, Гаэтано Скарано

Запись электрических сигналов активности головного мозга человека ведет свою историю с 1924 года, когда австрийский физиолог и психиатр Ганс Бергер поместил электроды на голову пациента и с помощью гальванометра получил первую электроэнцефалограмму (ЭЭГ). С тех пор исследования в области электроэнцефалографии сильно продвинулись, а ЭЭГ стала ценнейшим инструментом диагностики и лечения повреждений спинного мозга, инсультов и расстройств головного мозга, таких как эпилепсия, шизофрения, болезнь Альцгеймера и болезнь Паркинсона. Сигналы ЭЭГ также являются основой интерфейсов мозг – компьютер в реабилитационных и развлекательных приложениях. В последние годы вырос интерес к применению ЭЭГ для биометрического распознавания личности.

ЭЭГ-биометрия: за и против

С точки зрения надежности и приватности сигналы ЭЭГ имеют ряд преимуществ перед традиционными биометрическими идентификаторами: отпечатками пальцев, снимками радужной оболочки глаза и фотографиями лица. Сигналы ЭЭГ не описывают внешних особенностей человека, так как генерируются ионными токами в нейронах мозга. Системы ЭЭГ-биометрии устойчивы к фальсификации — в отличие от традиционных биометрических параметров атакующий не может тайно получить ЭЭГ-сигналы в физической форме или синтезировать их позднее, а затем передать на датчики. Кроме того, не нужны дополнительные датчики, чтобы определить, жив ли идентифицируемый.

Еще одно преимущество систем распознавания на основе ЭЭГ в том, что они будут работать и с людьми, имеющими инвалидность или серьезные травмы — например, ампутированные конечности, аниридию (отсутствие радужной оболочки) или обожженные пальцы.

Более того, возможность постоянно и прозрачно следить за спонтанной активностью мозга или откликами на когнитивные стимулы является защитой от подмены личности, против которой бессильны системы с однократной проверкой верительных данных.

В то же время у сигналов ЭЭГ, как биометрического идентификатора, есть определенные недостатки. Во-первых, такие сигналы нельзя получить на расстоянии, как это можно сделать со снимками радужки и лица, в связи с чем ограничивается применимость системы. Во-вторых, приборы регистрации ЭЭГ пока дороже устройств для классической биометрии, а подготовка аппарата ЭЭГ к работе и управление им трудоемки и затратны по времени, из-за чего эти устройства менее применимы во многих ситуациях. В-третьих, ЭЭГ-активность — это характеристика генотипа, в связи с чем ограничивается уникальность идентификатора. Исследования показали, что у однояйцевых близнецов нет большой разницы между сигналами ЭЭГ.

Системы распознавания на основе ЭЭГ

Типичная система автоматического распознавания личности на основе ЭЭГ состоит из модуля регистрации, получающего ЭЭГ-сигналы испытуемого; модуля обработки, удаляющего шумы и артефакты из сигналов; модуля извлечения черт, отделяющего репрезентативные элементы сигналов; модуля сопоставления, генерирующего рейтинг, используемый для выявления наиболее вероятных личностей или принятия решения об истинности личности, заявленной испытуемым.

Система может регистрировать ЭЭГ-сигналы во время спонтанной активности мозга (в том числе когда испытуемый находится в покое с закрытыми или открытыми глазами). Можно также регистрировать сигналы в присутствии визуальных, звуковых или тактильных стимулов (в том числе реального мира — таких как музыка, речь или видео) либо во время выполнения реальных или мыслительных функций, например телодвижений или речи. Сигналы, вызванные такими стимулами, исходят из разных регионов мозга и значительно варьируются по диапазону частот и амплитуде.

Прибор для регистрации ЭЭГ состоит из набора усилителей, многоканального аналого-цифрового преобразователя и комплекта электродов, помещаемых на кожу волосяной части головы, которые воспринимают электрическую активность мозга. Традиционные пассивные электроды требуют нанесения проводящего геля для снижения полного электрического сопротивления схемы кожа-электрод. Эта процедура может вызывать неприятные ощущения у испытуемого и занимает определенное время, но новые активные электроды со встроенной электроникой уже геля не требуют.

Расположение электродов обычно выполняется по схеме 10-20, рекомендованной Международной федерацией электроэнцефалографии и клинической нейрофизиологии. Числа 10 и 20 указывают, что расстояние между электродами должно составлять 10 или 20% от длины линии, соединяющей две референтные точки, назион (переносицу) и инион (затылочный бугор).

Рис. 1. Расположение электродов ЭЭГ. Схема размещения 21 электрода, вид (а) слева и (б) сверху, согласно международной системе 10-20; (в) 75-электродная схема, расширяющая стандарт 10-20 и обеспечивающая более высокое пространственное разрешение. Буквы F, T, C, P и О обозначают соответственно лобную, височную, центральную, теменную и затылочную доли. Четные и нечетные числа обозначают электроды соответственно на правом и левом полушариях, а буква Z — электроды, размещенные посередине. (Источник: Дж. Малмивуо, Р. Плонси, Bioelectromagnetism: Principles and Applications of Bioelectric and Biomagnetic Fields, Oxford Univ. Press, 1995).

На рис. 1, а и 1, б показана стандартная схема размещения 21 электрода, а на рис. 1, в — 75-электродная расширенная схема, обеспечивающая более высокое пространственное разрешение.

Наиболее значимой активности головного мозга соответствует диапазон от 0,5 до 40 Гц включительно. Существует пять основных ритмов, различаемых в сигнале ЭЭГ: дельта, тета, альфа, бета и гамма. В табл. 1 приведены частотные диапазоны и характеристики этих ритмов, а на рис. 2 даны примеры каждого. Амплитуда сигнала ЭЭГ составляет около 100 мкВ при измерении на коже волосистой части головы и около 1–2 мВ при измерении непосредственно на поверхности мозга.

Рис. 2. Примеры сигналов ЭЭГ, полученных в состоянии покоя с закрытыми глазами.

Фоновый шум, вызванный непрерывной спонтанной активностью мозга, обычно засоряет ЭЭГ-сигнал и может перекрыть электрические эффекты, создаваемые когнитивными стимулами. В сигналах также присутствуют биологические артефакты, обусловленные движениями глаз, сердцебиением, мышечной активностью и т. д. Существует ряд методов удаления шума и артефактов, в том числе адаптивная фильтрация, анализ главных компонентов и слепое разделение сигнала.

Современное положение

Мариос Пулос с коллегами одними из первых начали экспериментировать с ЭЭГ-биометрией, представив в 1999 году автоматизированную систему идентификации личности, основанную на ЭЭГ-сигналах, полученных от четырех испытуемых в состоянии покоя с закрытыми глазами. Исследователи регистрировали сигналы на электроде О2, извлекали из них ритм альфа и с помощью авторегрессивной модели и метода линейной квантизации векторов Кохонена строили репрезентацию сигналов и классифицировали их характеристики.

Недавно авторы этой статьи с применением того же протокола действий зарегистрировали сигналы ЭЭГ у 48 испытуемых с помощью нескольких конфигураций электродов. Применялось авторегрессивное моделирование и классификация на основе полиномиальной регрессии.

Рамасвами Паланиаппан и Данило Мандич, в свою очередь, зарегистрировали ЭЭГ-сигналы у 102 испытуемых в процессе получения ими визуальных стимулов в виде черно-белых рисунков различных предметов. При этом использовалось по 61 электроду. Классификация спектральных характеристик сигналов выполнялась с помощью нейросети.

Таблица. Ритмы сигналов ЭЭГ
Ритм	Частотный диапазон (Гц)	Описание
Гамма (γ)	30–40	Малая амплитуда; может указывать на процесс синхронизации событий мозгом, может служить для диагностики некоторых расстройств мозга.
Бета (β)	13–30	Указывает на напряженное состояние, активное мышление и сосредоточенность.
Альфа (α)	8–13	Указывает на расслабленное состояние, низкий уровень внимания или сосредоточенности.
Тета (θ)	4–8	Указывает на творческое вдохновение или глубокую медитацию; может также проявляться при сне со сновидениями (в фазе быстрого сна).
Дельта (δ)	0,5–4	Связывают главным образом с глубоким сном или потерей чувствительности тела, но может отмечаться и в бодрствующем состоянии.

Себастьен Марсел и Хосе дель Мильян регистрировали сигналы ЭЭГ девяти испытуемых на электродах C₃, C₂, C₄, CP₁, CP₂, P₃, P_z и P₄ со стимулами в виде воображаемых движений правой и левой рукой. Исследователи экстрагировали ритмы альфа и бета из полученных сигналов, отобразили их с использованием принципа смеси нормальных распределений и классифицировали характеристики с применением метода оценки апостериорного максимума.

Катарин Бригам и Виджая Кумар с помощью 128 электродов регистрировали сигналы ЭЭГ шести людей, пока они мысленно произносили две гласные, а также с помощью 64 электродов записывали сигналы 120 испытуемых, которым показывали черно-белые изображения. Проводилось авторегрессивное моделирование сигнала и использовался метод опорных векторов в качестве классификатора.

***

Нынешние системы распознавания личности полагаются на физические атрибуты или поведение субъекта. Проведенные на сегодня исследования показали, что использование сигналов ЭЭГ в качестве биометрического идентификатора потенциально является более безопасным и отвечающим требованиям приватности. Однако исследователям необходимо преодолеть ряд проблем, прежде чем можно будет начать на практике применять системы распознавания личности по ЭЭГ. В частности, нужно идентифицировать стимулы, которые дают самые разборчивые «сигнатуры» в сигналах ЭЭГ; оптимизировать конфигурацию электродов, чтобы свести к минимуму неудобства для испытуемого, но обеспечить максимальную эффективность; а также оценить стабильность сигналов в зависимости от времени для одного и того же испытуемого и уровень разборчивости сигналов у различных людей.

Патрицио Камписи ([email protected]) — профессор факультета прикладной электроники Университета Рома Тре, Дариа Ла Рокка ([email protected]) — аспирант, Гаэтано Скарано ([email protected]) — профессор факультета информатики, электроники и телекоммуникаций Римского университета Ла Сапиенца.

биометрия, распознавание личности,устойчивость,фальсификация,достоверность

Поделитесь материалом с коллегами и друзьями

Основные вопросы электрографии (калибровка, артефакты, способы отведения потенциалов, Система 10-20% в ЭЭГ).

Масштаб напряжения регистрирующего устройства устанавливается посредством калибровки. Для этого на вход усилителей регистрирующего устройства вместо источника биопотенциалов подается эталонное напряжение точно заданной величины и полярности от специального калибратора. Обычно калибрующая посылка дается в виде прямоугольного импульса постоянного тока 25 – 100 мкВ для ЭЭГ и 1 мВ для ЭКГ. Усилители переменного тока превращают эту посылку в два остроконечных выброса, направленных в разные стороны. По традиции в электрофизиологии принято отрицательные колебания записывать вверх (иные случаи оговариваются). Поэтому калибровка подается так, чтобы это правило соблюдалось.

Артефакты. Все помехи, возникающие при регистрации, можно условно разделить на две группы: физические (технические) и биологические. Физические артефакты. 1. Поляризационные и концентрационные потенциалы. Между электродами на коже черепа постоянно существует небольшая электродвижущая сила, обусловленная слабой разницей в поляризации и различиями в ионных концентрациях в жидкостях тканей и применяемых электролитов. Здесь возникает своеобразная автоколебательная система. Эти ЭДС являются помехами. 2. Артефакты от движения электродов. Их появление связано с неудачной постановкой электродов или организацией исследования. 3. Плохое хлорирование электродов может привести к возникновению высоких медленных потенциалов. 4. Фотоэлектрический эффект. Серебряные или посеребренные электроды изменяют свое сопротивление при освещении. Если в качестве стимула испытуемому предъявляется мелькающий свет, то наблюдаемый эффект навязывания ритма может иметь физическую, а не физиологическую природу. 5. Сетевые наводки. Их появление можно связать с двумя группами причин: плохой контакт в разных частях цепи и внешние электромагнитные поля, возникающие в разных приборах. Плохие контакты могут быть между кожей и электродом, между электродом и «крокодилом» на одном конце отводящего потенциал провода, между штекером на другом конце этого же отводящего провода и гнездом на распределительной колодке, в селекторах и других переключателях прибора регистрации. Влияние внешних электромагнитных полей начинает сказываться, если произошла поломка проводников, или даже некоторых жил в отводящем проводе, если в приборе плохие сглаживающие фильтры, если произведена плохая экранировка проводов и камеры. Источниками сетевых наводок могут быть также случайные провода, оказавшиеся в камере, провода, обеспечивающие связь или подачу раздражения. Иногда наводка появляется из-за снятого кожуха прибора или задней стенки. Наводки появляются в случае плохого заземления прибора и испытуемого. Если по условиям эксперимента требуется применение нескольких приборов, то очень часто они начинают влиять друг на друга. Может иметь значение даже то обстоятельство, что все они заземлены в одной точке, или в нескольких, или если все они выходят на одну и ту же шину, и т. п. Биологические артефакты. 1. Появление кожно-гальванической реакции (КГР). Поскольку электроды расположены на поверхности кожи, то кроме ЭЭГ или ЭКГ прибор может зарегистрировать и изменение кожного потенциала. Особенно часто кожно-гальваническая реакция появляется у тревожных испытуемых, чрезмерно эмоциональных. Для того чтобы избавиться от такого артефакта, нужно дать возможность испытуемому успокоиться, необходимо разъяснить ему условия в особенности эксперимента, насколько это возможно для того, чтобы угасить ориентировку. Обычно через несколько минут после начала эксперимента КГР исчезает. 2. Артефакты от движения глаз. Этот тип артефактов также связан с появлением у испытуемого ориентировочной реакции, и поведение экспериментатора должно быть направлено на то, чтобы эта ориентировка как можно быстрее угасла. 3. Движения кожи головы. Это приводит к смещению электродов и появлению артефактов. Чаще всего такие артефакты также появляются у тревожных испытуемых, а также после слишком длительного эксперимента. 4. Сжатие челюстей также приводит к появлению артефакта, но уже в виде электромиограммы. Артефакты может вызвать улыбка, речь, смех испытуемого. Поведение экспериментатора аналогично описанному выше. 5. Напряжение мышц шеи или всего тела: источник миограммы. Появление таких артефактов связано с неудобной позой испытуемого, а также может свидетельствовать о его эмоциональном напряжении. 6. Если электрод случайно попал на кровеносный сосуд или он слишком сильно прижат к голове, то на ЭЭГ может регистрироваться ЭКГ. 8. На ЭЭГ иногда наблюдаются медленные волны в такт с биением сердца, что связывают с циркуляцией тканевой жидкости в крови. 9. Дыхательные волны могут появиться в ЭЭГ и служить артефактом. Их появление связано, скорее всего, с заболеванием испытуемого, например простудным. При дыхании происходит смещение электродов, что также может служить источником помех.

Способы отведения потенциалов. Существует 2 основных способа отведения потенциалов: монополярное и биполярное.

Мононолярное отведение. Монополярным (референтным или униполярным) называется такое, когда при регистрации на многоканальной установке один из двух электродов, подключаемых на каждый канал, является общим для всех каналов. Обычно этот электрод, называемый индифферентным, подключают на мочку уха, переносицу, подбородок, щеку, сосцевидный отросток. Считается, что его потенциал равен 0. Но, строго говоря, такой точки на теле нет, поэтому принимается менее сильное условие: изменение потенциала под индифферентным электродом не должно быть связанным с изменением потенциала под активным. Считается, что монополярное отведение является более точным в отношении локализации регистрируемых процессов, но такое отведение более чувствительно к появлению артефактов.

Биполярное отведение. Это такое отведение, при котором на каждый канал подключаются два электрода, установленных на активных точках поверхности тела. Строго говоря, любое отведение является биполярным, поскольку на черепе (при регистрации ЭЭГ или ВП) нет такой точки, куда бы не передавалась колебания электрических потенциалов мозга, но в некоторых пунктах головы они проявляются слабее. Как уже говорилось, биполярное отведение предполагает подключение на каждый канал регистрации двух различных электродов, расположенных на активных точках. В этом случае можно быть уверенным, что зарегистрированная активность действительно наблюдается в зоне указанных электродов или поблизости от них. Это не означает, что активность более отдаленных точек не сказывается, но она ослаблена промежуточным сопротивлением тканей, и поэтому местная активность выступает особенно ярко. Вместе с тем в результаты вносится известная неопределенность, так как при одной паре электродов невозможно установить, за счет которого из них можно отнести то или иное колебание.

Монтажи. Комбинированное отведение цепочкой. Этот способ отведения заключается в том, что при наличии нескольких электродов, пары для отведения составляются таким образом, что второй электрод из одной пары входит в качестве первого электрода в другую пару, а вторым электродом в этой 2-й паре является уже третий электрод, и т. д. Существуют и другие схемы (монтажи) подключения электродов. Чаще всего они используются в клинической ЭЭГ.

Система 10-20% в ЭЭГ

В международной федерации общества ЭЭГ ввели систему 10-20, она точно указывает на расположение электродов. В соответствии с этой системой у каждого испытуемого точно измеряются расстояния между серединной переносицы (назионом) и твердым костным бугорком на затылке (инионом), а также между правой и левой ушными ямками. Возможные точки расположения электродов разделены интервалами 10% или 20% этих расстояний на черепе, череп разделен на буквы

Внимание!

Если вам нужна помощь в написании работы, то рекомендуем обратиться к профессионалам. Более 70 000 авторов готовы помочь вам прямо сейчас. Бесплатные корректировки и доработки. Узнайте стоимость своей работы.

F — лобная, О — затылочная, Р — теменная, Т — височная, С — область центральной борозды. Нечетные номера отведения это левое полушария, четные относятся к правому отведению. Cz — отведение от верхушки черепа (вертекс).

Поможем написать любую работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту

Узнать стоимость

70539-18: МПВС-10/20 Система весоизмерительная многоплатформенная подкладная

Назначение

Система весоизмерительная многоплатформенная подкладная МПВС-10/20 (далее -система) предназначена для измерений нагрузки, воздействующей на каждую платформу, в единицах массы.

Описание

Принцип действия системы основан на преобразовании деформации упругих элементов тензорезисторных датчиков, возникающей под воздействием нагрузки, в цифровой электрический сигнал, передаваемый в приборный блок для индикации результата измерений в единицах массы.

Конструктивно система состоит из 10 независимых весоизмерительных платформ и приборного блока. Все платформы электрически последовательно соединены кабелем.

Интерфейс связи — RS-485.

Весоизмерительная платформа представляет собой несущую конструкцию, по углам которой размещены весоизмерительные тензорезисторные датчики. Каждая платформа оснащена механизмом выставления в горизонт. Контроль горизонтальности осуществляется с помощью двух электронных уровней Geo-Fennel.

Приборный блок представляет собой контейнер, на передней панели которого находится индикаторное табло, на котором индицируется масса измеряемого груза. Так же на передней панели приборного блока расположены органы управления системой, разъёмы для подключения кабелей связи с платформами и персональным компьютером, а так же сетевого кабеля.

Масса определяется как сумма показаний всех весоизмерительных платформ и индицируется на индикаторном табло приборного блока.

Программное обеспечение

Система имеет встроенное в приборный блок программное обеспечение (ПО), которое используется в стационарной аппаратной части с определенными программными средствами и не может быть модифицировано или загружено через какой-либо интерфейс или с помощью других средств после поверки. ПО выполняет функции по сбору, обработке, отображению и передаче измерительной информации.

Идентификация программы: после включения приборного блока и прохождения режима тестирования на табло индикации кратковременно (на 2 секунды) высвечивается цифровой идентификатор ПО «7Е0А», далее происходит обнуление текущих показаний, и система переходит в режим измерения.

Уровень защиты ПО от непреднамеренных и преднамеренных воздействий в соответствии с Р 50.2.077-2014 — «средний». Влияние программного обеспечения на метрологические характеристики учтено при нормировании метрологических характеристик.

Таблица 1 — Идентификационные данные программного обеспечения

Идентификационные данные (признаки)	Значение
Идентификационное наименование ПО	Встроенное ПО
Номер версии (идентификационный номер) ПО*	1.0
Цифровой идентификатор ПО	7Е0А (CRC 16)

Технические характеристики

Таблица 2 — Метрологические характеристики

Наименование характеристики

Значение

Пределы допускаемой абсолютной погрешности измерений нагрузки, кг,

в диапазонах:

от 2 т до 10 т включ.

св. 10 т до 20 т включ.

±10

±20

Дискретность отсчета устройства индикации, кг

Таблица 3 — Основные технические характеристики

Наименование характеристики	Значение
Параметры электрического питания: — напряжение переменного тока, В — частота переменного тока, Гц — напряжение постоянного тока от встроенного источника (аккумуляторная батарея), В	от 207 до 253 от 49 до 51 от 11 до 13
Потребляемая мощность, Вт, не более	100
Условия эксплуатации: — диапазон рабочих температур, °С — относительная влажность воздуха при 25 °С, %, не более	от -30 до +50 80
Г абаритные размеры весоизмерительной платформы (длина; ширина; высота), мм, не более	1300;711; 157
Масса весоизмерительной платформы, кг, не более	220
Г абаритные размеры приборного блока (длина; ширина; высота), мм, не более	610; 500; 300
Масса приборного блока, кг, не более	22
Вероятность безотказной работы за 2000 ч	0,95
Средний срок службы, лет	10

Знак утверждения типа

наносится на титульный лист руководства по эксплуатации типографским способом и на табличку, расположенную на лицевой поверхности приборного блока, фотохимическим способом.

Комплектность

Таблица 4 — Комплектность средства измерений

Наименование	Обозначение	Количество
Система весоизмерительная многоплатформенная подкладная МПВС-10/20	МПВС1.00.00.00.00	1 шт.
Система весоизмерительная многоплатформенная подкладная МПВС-10/20. Руководство по эксплуатации	МПВС1.00.00.00.00 РЭ	1 экз.
Система весоизмерительная многоплатформенная подкладная МПВС-10/20. Паспорт	МПВС1.00.00.00.00 ПС	1 экз.
Методика поверки	МП 2301-299-2018	1 экз.

Поверка

осуществляется по документу МП 2301-299-2018 «Система весоизмерительная многоплатформенная подкладная МПВС-10/20. Методика поверки», утвержденному ФГУП «ВНИИМ им. Д.И. Менделеева» 26.01.2018 г.

Основные средства поверки:

— Машины силовоспроизводящие 1-го разряда по ГОСТ 8.640-2014, пределы допускаемых значений доверительных границ относительной погрешности 5 = 0,02 %.

Допускается применение аналогичных средств поверки, обеспечивающих определение метрологических характеристик поверяемых СИ с требуемой точностью.

Знак поверки наносится на корпус приборного блока.

Сведения о методах измерений

приведены в эксплуатационном документе.

Нормативные документы

ГОСТ 8.021-2015 ГСИ. Государственная поверочная схема для средств измерений массы Техническая документация ООО «Инженерное Бюро ВАСО»

BrainBit U-DENT — ООО НМФ «Нейротех»

Назначение

BrainBit U-DENT представляет собой 4х-канальный беспроводной нейроинтерфейс и специализированное программное обеспечение.

Нейрогарнитура BrainBit выполнена в виде эргономичной ленты со встроенными «сухими» электродами и съемным аккумулятором. Технология «сухих» электродов не предполагает использования геля, а значит применение данной системы в практике максимально комфортно и удобно для врача и пациента.

Лента BrainBit достаточно гибкая, поэтому позволяет учитывать индивидуальные особенности размера головы любого пациента.

Обеспечение гигиены

Система BrainBit U-DENT достаточно проста в гигиенической обработке:

Текстильную ленту периодически рекомендуется подвергать стирке в теплой воде с добавлением моющего средства.
Ленту BrainBit (с электродной системой) рекомендуется обрабатывать мягкой тканью, смоченной спиртовым раствором.
Электроды следует очищать щеткой (из комплекта поставки), смоченной в спиртовом растворе.

Физиология метода

Биоритмами мозга являются особые электрические колебания, которые возникают благодаря активности всех нервных клеток мозга человека. Их комбинация в целом отражает эмоциональную активность человека – его умственную нагрузку, эмоциональное напряжение или расслабленное состояние.

Психоэмоциональное состояние человека (стресс, тревожность или расслабленность и покой) сопровождается определенным соотношением значений параметров или же преобладанием альфа- или бета-ритмов.

Одними из факторов, влияющих на психоэмоциональное состояние человека являются седативные препараты. Они используются врачами-хирургами перед проведением, в данном случае, стоматологических операций.

Таким образом, применяя в практике метод регистрации и анализа параметров биоритмов мозга пациента, можно избежать риска передозировки препаратами и контролировать состояние пациента во время операции.

Принцип работы прибора

Работа устройства основана на регистрации физиологических параметров ЭЭГ, характеризующих то или иное состояние пациента, и отображении этих значений на экране врача в виде сигнала для анализа степени воздействия седативных препаратов:

1. Лента BrainBit без особых усилий располагается правильным образом на голове пациента.

2. После запуска предварительно установленной программы на ПК начинается регистрация мозговой активности пациента, а именно биоритмов мозга (альфа-, бета-, тета-ритмы).

3. Под воздействием седативных препаратов значения параметров биоритмов меняются, сигнализируя о преобладании того или иного состояния пациента.

Таким образом, метод регистрации ЭЭГ с применением системы BrainBit U-DENT позволяет:

определить глубину седации на основе анализа изменения биоритмов мозга;
оценить психоэмоциональное состояние пациента перед операцией;
контролировать эффективность воздействия седативных препаратов;
определять готовность пациента к операции.

Уникальность прибора

В устройстве BrainBit применяются электроды в виде подпружиненных позолоченных контактов, которые обеспечивают регистрацию ЭЭГ через волосы любой густоты без использования геля.
Топология расположения электродов (согласно международной системе 10-20) позволяет регистрировать истинную электроэнцефалограмму (минимизируя артефакты биопотенциалов лба).
Система BrainBit U-DENT беспроводная и работает через интерфейс связи Bluetooth LE.
Время непрерывной работы — не менее 15 часов, поэтому полного заряда батареи хватает на полных два рабочих дня.
Эффективность данного метода с применение BrainBit U-DENT доказана клинически!

Направления в стоматологии:

челюстно-лицевая хирургия;
хирургическая стоматология;
гнатология;
ортопедия;
ортодонтия;
физиореабилитация.

Комплектация

1. Нейроинтерфейс BrainBit (1 шт.)

2. Флеш-накопитель с программным обеспечением (1 шт.)

3. Зарядное устройство (1 шт.)

4. Кабель USB (1 шт.)

5. Bluetooth USB–адаптер (1 шт.)

6. Щёточка для очистки электродов (1 шт.)

7. Эксплуатационная документация (1 компл.)

MS-80TB Акустическая система 80/40/20/10 Вт и 8 Ом, кронштейн для крепления: громкоговорители, колонки

Акустическая система 80/40/20/10 Вт и 8 Ом, белый или черный, кронштейн для крепления

Назначение: двух полосный громкоговоритель используется в трансляционных системах, в том числе в системах оповещения. Подходит для использования в универмагах, ресторанах, барах, дискотеках, аэропортах, церквях школах, офисах и других местах общественного пользования.

Основные особенности MS-80TB:

Двухполосная акустическая система мощностью 80 Вт сочетает в себе хорошие акустические характеристики и элегантный дизайн, что делает её незаменимой при построении систем речевого оповещения и музыкальной трансляции в барах, ресторанах и фитнес-клубах.
Выполненная из чёрного ABC-пластика, она имеет приятный внешний вид, что позволяет применять её в инсталляциях с повышенными требованиями к внешнему виду оборудования.
Оборудована специальным П-образным металлический кронштейном, значительно облегчающим монтаж на различные поверхности.
Встроенный трансформатор с отводами позволяет устанавливать значения мощности 5, 10, 20, 40 или 80 Вт.
Задняя панель оборудована переключателем с помощью которого можно установить необходимый режим работы (низкоомный или трансформаторный) и выходную мощность акустической системы. Наличие двух динамиков низких и высоких частот, что вместе со встроенным фазоинвертором и пассивным разделительным фильтром значительно повышает качество звучания акустической системы.

Технические характеристики:

Тип	Акустическая система
Мощность (100В)	80/40/20/10 Вт
Импеданс (1кГц)	125/250/500/1000 Ом
Частотный диапазон	50-20000 Гц
Чувствительность (SPL) (1кГц)	98 дБ
Входное напряжение	70-100 В
Угол раскрыва	1/4/8 кГц-180°/90°/80°
Степень защиты	IP-41
Материал	Пластик / Метал
Габариты	417× 289× 261 мм
Вес	6,5 кг

Характеристики MS-80TB:

Производитель: Roxton
Полоса частот (Гц) >: 20
Полоса частот (Гц) 20000
Мощность (Вт): 20, 40, 10, 5, 80
Звуковое давление (дБ) >: 88
Кол-во полос: 2-полосный
Материал корпуса: Пластик
Сопротивление (Ом): 8
Стандарт линии оповещения: 100 В, 8 Ом
Тип громкоговорителя: Громкоговоритель колонного типа
Тип крепления: На стену
Цвет: Чёрный

Консультации по оборудованию Новый вопрос

Задайте вопрос специалисту о MS-80TB Акустическая система 80/40/20/10 Вт и 8 Ом, кронштейн для крепления

Доставка

Самовывоз из офиса: Пункт выдачи:* Доставка курьером:* Транспортные компании: Почта России:*

* Срок доставки указан для товара в наличии на складе в Москве

Отзывы покупателей: Оставить отзыв

Ваш отзыв может быть первым!

10-20 система | Психология вики

Биологический: Поведенческая генетика · Эволюционная психология · Нейроанатомия · Нейрохимия · Нейроэндокринология · Неврология · Психонейроиммунология · Физиологическая психология · Психофармакология (Указатель, Схема)

Система 10–20 или Международная система 10–20 — это международно признанный метод описания и применения расположения электродов на коже черепа в контексте теста или эксперимента ЭЭГ.Этот метод был разработан для обеспечения стандартизованной воспроизводимости, чтобы можно было сравнивать исследования субъектов с течением времени и субъектов можно было сравнивать друг с другом. Эта система основана на взаимосвязи между расположением электрода и подлежащей областью коры головного мозга. Цифры «10» и «20» относятся к тому факту, что фактические расстояния между соседними электродами составляют 10% или 20% от общего передне-заднего или правого-левого расстояния черепа.

На каждом участке есть буква, обозначающая лепесток, и номер, обозначающий расположение полушария.Буквы F, T, C, P и O обозначают лобную, височную, центральную, теменную и затылочную доли соответственно. Обратите внимание, что центрального лепестка нет; буква «C» используется только для идентификации. «Z» (ноль) относится к электроду, расположенному по средней линии. Четные числа (2,4,6,8) относятся к положениям электродов в правом полушарии, тогда как нечетные числа (1,3,5,7) относятся к положениям электродов в левом полушарии. Кроме того, буквенные коды A, Pg и Fp идентифицируют мочки ушей, носоглотку и лобные полярные участки соответственно.

Два анатомических ориентира используются для основного расположения электродов ЭЭГ: во-первых, назион, который представляет собой отчетливо вдавленную область между глазами, чуть выше переносицы; во-вторых, выступ, который является самой низкой точкой черепа от затылка и обычно обозначается выступающей шишкой.

При записи более подробной ЭЭГ с большим количеством электродов дополнительные электроды добавляются с использованием с делением 10% , которое заполняет промежуточные участки на полпути между участками существующей системы 10–20.Эта новая система именования электродов является более сложной, что приводит к появлению Модифицированной комбинаторной номенклатуры (MCN). Эта система MCN использует 1, 3, 5, 7, 9 для левого полушария, что составляет 10%, 20%, 30%, 40%, 50% расстояния от инициала до назиона соответственно. Введение дополнительных буквенных кодов позволяет обозначать места промежуточных электродов. Обратите внимание, что эти новые буквенные коды не обязательно относятся к области коры головного мозга. Новые буквенные коды для промежуточных сайтов: AF — промежуточное звено между Fp и F, FC — между F и C, FT — между F и T, CP — между C и P, TP — между T и P, PO — между P и О.Кроме того, система MCN переименовывает четыре точки системы 10–20 — T3, T4, T5 и T6 — в T7, T8, P7 и P8 соответственно.

Список литературы []

Внешние ссылки []

Сравнение беспроводной системы ЭЭГ с сухим электродом и обычной системы ЭЭГ с проводным мокрым электродом для клинического применения

Субъекты

Шестнадцать субъектов, которые сообщили о своем здоровье на момент записи (возраст = средний: 42,3 года, диапазон: 26–79 лет ) и 16 пациентов (средний возраст: 71 год).0 лет, диапазон: 50–83 года). Пациенты сообщили о нарушении субъективной памяти (SMI), но, за исключением двух, не соответствовали шкале краткого исследования психического состояния (MMSE) для легкого когнитивного нарушения. О сопутствующих заболеваниях не сообщалось. Здоровые испытуемые были набраны из студентов и сотрудников Магдебургского университета, а также из родственников пациентов с СМИ. Пациенты с ТПЗ были направлены из клиники деменции в неврологическое отделение. Субъекты включались только в том случае, если они могли понять процесс получения согласия.Никаких дополнительных критериев исключения не применялось. Текущий эксперимент проводился в рамках клинического исследования и был одобрен местным комитетом по этике Университета Отто-фон-Герике. Все субъекты дали информированное согласие. Подробная информация об остроте зрения и слуха была недоступна, но все участники смогли прочитать информационный лист и понять устные инструкции.

Экспериментальные процедуры

Все записи проводились в одной комнате неврологического факультета Магдебургского университета примерно в одно и то же время дня (непосредственно перед или после полудня).Каждый сеанс записи включал последовательность из четырех компонентов, при этом испытуемые сидели в вертикальном положении: ЭЭГ в состоянии покоя (рсЭЭГ) с открытыми глазами (2 мин, чтобы испытуемые ознакомились с ситуацией записи), рсЭЭГ с закрытыми глазами (5 мин) , задача визуального внимания, которая вызвала визуальный вызванный потенциал (VEP) P100, и задачу визуального обнаружения цели, которая вызвала компонент P3 ERP. Каждый испытуемый участвовал в двух сеансах записи, в одном из которых использовалась обычная гарнитура с влажным и проводным электродом, а во втором — гарнитура с сухим и беспроводным электродом.Последовательность двух сеансов была рандомизирована и уравновешена для разных субъектов, с максимальным интервалом в одну неделю между сеансами записи.

Все записи были сделаны главным медицинским техническим ассистентом неврологической университетской клиники с многолетним опытом клинической ЭЭГ (регистрации как рсЭЭГ, так и вызванных потенциалов). Впоследствии все ЭЭГ были визуально проверены и оценены неврологами ЭЭГ с обширным клиническим опытом ЭЭГ. Качество сигнала дополнительно проверялось с помощью процедуры автоматического обнаружения артефактов, как описано ниже.

Барри и др. . ²⁸ и Staba ²⁹ показали, что рсЭЭГ с открытыми глазами в первую очередь отражает корковую обработку визуальной информации. Эти процессы могут различаться между двумя сеансами записи и, таким образом, приводят к вариациям, не связанным с типом системы ЭЭГ. Поэтому мы представляем только результаты рсЭЭГ, записанные при закрытых глазах.

Кроме того, мы также сообщаем о времени, которое потребовалось для установки двух типов гарнитур, включая размещение электродов.

Запись ЭЭГ с использованием влажных электродов

Клинический регистратор ЭЭГ Inomed PL231 (Inomed Medizintechnik GmbH; Emmendingen, Германия) использовался для референтной записи ЭЭГ со всех 19 пассивных электродов Ag / AgCl на основе международной системы 10–20 (FP1, FP2, F7, F3, Fz, F4, F8, T3, C3, Cz, C4, T4, T5, P3, Pz, P4, T6, O1 и O2 согласно Джасперу и его коллегам (1958) ²⁴ плюс двусторонние сосцевидные отростки, которые где помещали на левую и правую мочку уха.Электрод сравнения / заземления располагался близко к Cz / Fpz.Сопротивление электродов поддерживалось ниже 5 кОм во всех местах записи и электродных площадках. Входное сопротивление усилителя ЭЭГ было> 100 МОм. Все сигналы подвергались фильтрации нижних частот с частотой среза 90 Гц (-3 дБ) и оцифровывались с частотой дискретизации 256 Гц (разрешение 16 бит, младший значащий бит (LSB) 0,5 мкВ, шум с укороченными входами <2,5 мкВ от пика до пика). пик).

Для установки электродов и записи ЭЭГ испытуемых усаживали в удобное кресло. Коммерческий колпачок для ЭЭГ (резиновая сетка, также известная как колпачок Шретера, см.рис.1) использовался для ручного размещения каждого из влажных электродов в соответствии с анатомическими положениями в соответствии с системой из 10–20 электродов (каталожный номер ²⁴, см. ³⁰ для получения дополнительной информации). Специалист по ЭЭГ выбрал наиболее подходящую шапочку, подходящую для головы индивидуального пациента, из трех возможных размеров. Следуя рекомендациям ³¹, можно ожидать, что средняя точность этой процедуры составит около 4 мм по сравнению с координатами, определенными лазерно-оптической процедурой в этом исследовании.

Рисунок 1
Гарнитуры ЭЭГ.Слева: сухая и беспроводная система ЭЭГ: гарнитура F1 с электродами из серебра. Модуль в верхней части гарнитуры содержит все устройства для обработки, хранения и передачи сигналов ЭЭГ. На вставке показан сухой электрод, установленный на каждом из 19 электродов 10–20. Справа: Влажная и проводная система ЭЭГ: записывающая сеть Inomed с электродами Ag / AgCl.
Запись ЭЭГ с использованием сухих электродов
Недавно разработанная CE-сертифицированная сухая ЭЭГ-гарнитура F1 (Nielsen TeleMedical, Магдебург / Германия) состоит из 19 сухих электродов, магнитно прикрепленных к гарнитуре, подключенной к модулю, как показано на рис.1. Информированное согласие было получено от субъекта, показанного на этом рисунке, на публикацию с идентифицирующей информацией или изображениями в онлайн-публикации с открытым доступом. Этот модуль включает в себя плату с усилителем и электроникой оцифровки, которая обеспечивает беспроводную передачу сигнала на базовую станцию; однако в качестве альтернативы он может хранить до 24 часов данных ЭЭГ на встроенной микросхеме флэш-памяти, что делает возможной полную мобильность в домашней среде записи.
Регистрирующая система состоит из сухих электродов с двумя подпружиненными серебряными штырями на электрод (см. Также ^19,22,32 для аналогичных решений). Штифты доступны в двух различных длинах (12 и 15 мм) для размещения различных форма головы и объем волос, что позволяет избежать ремешка для подбородка.Установка двух выводов на электрод соответствует результатам предыдущего исследования ³², в котором систематически оценивались различные конструкции сухих электродов, различающиеся количеством выводов (называемых в их статье «пальцами») на электрод. Эти авторы пришли к выводу, что «более редкое расположение пальцев более устойчиво к различным вариантам использования и более эффективно проникает сквозь волосы на коже головы».
ЭЭГ регистрировали с 19 упомянутых выше обычных положений 10–20 сухих электродов, плюс дополнительные электроды из серебра на левом и правом сосцевидном отростке, которые были помещены на кожу головы (т.е.е. сзади, но не на мочках ушей) с помощью одноразовой наклейки. Заземляющий электрод и электрод сравнения располагались вблизи Fpz. На каждом участке электрода (кроме сосцевидных отростков) двойной подпружиненный серебряный штифт регистрировал сигналы ЭЭГ. Входной импеданс усилителя по постоянному току составляет 500 МОм, что соответствует высокому импедансу электродов, ожидаемому от сухих электродов, и среднему импедансу примерно 500 кОм, зарегистрированному в этом исследовании (см. Результаты). Чтобы свести к минимуму шум окружающей среды, мешающий сбору данных (например, близлежащие движущиеся объекты), гарнитура полностью пассивно экранирована.Кроме того, система оснащена активным контуром обратной связи через заземляющий электрод. После аналоговой фильтрации нижних частот (частота среза 95 кГц) и передискретизации с частотой 1 МГц / канал сигналы подвергались цифровой фильтрации нижних частот с частотой среза 130 Гц (-3 дБ) и, наконец, понижались до 500 Гц / канал (цифровое разрешение 24 бита). , LSB 0,04 мкВ, шум с укороченными входами <2,0 мкВ от пика до пика).
Установка сухих электродов и запись проводились на том же кресле, что и упоминалось ранее.Гарнитура с сухим электродом F1 была установлена на голове субъекта тем же специалистом по ЭЭГ, который выполнял записи влажной ЭЭГ. Гарнитура F1 доступна в трех разных размерах, чтобы соответствовать разным размерам головы. После нанесения набор относительных положений электродов задается соответствующей рамкой, удерживающей электроды, что позволяет избежать смещения отдельных электродов. Тем не менее, систематическая ошибка в несколько миллиметров, влияющая на все электроды, может иметь место, что также может происходить с мокрыми электродными колпачками с фиксированным расположением электродов.
Анкета для оценки принятия испытуемыми гарнитур ЭЭГ
Всех испытуемых попросили оценить уровень комфорта и удобство использования влажных и сухих систем ЭЭГ. Для этого после записи заполнили письменную анкету. Как показано в таблице 1, большинство испытуемых высказались за использование сухой ЭЭГ-гарнитуры F1. Это справедливо для приблизительно 20-минутной записи на пациента и гарнитуру (включая перерывы между четырьмя компонентами). Однако, учитывая, что несколько испытуемых выразили дискомфорт по поводу остроты контактов на сухих электродах в конце записи, возник вопрос, будет ли гарнитура с влажными электродами в случае более длительных периодов записи (как ожидается в домашних записях) быть выгодным.Чтобы решить эту проблему, мы набрали дополнительно 22 пациента и 20 здоровых добровольцев (общий средний возраст 46,7 года, 25 женщин) и попросили их носить гарнитуру / колпачок с сухими и влажными электродами вместе с электродами в течение одного часа (как применяется той же компанией). опытный техник во всех случаях). После 20, 30 и 60 минутных интервалов испытуемые оценивали уровень комфорта по шкале Лайкерта от 1 (невыносимо) до 7 (не замечали). Уровень комфорта использования двух гарнитур также был задокументирован по той же шкале.Две гарнитуры применялись в разные дни в течение недели примерно в одно и то же время суток. Последовательность была рандомизирована и сбалансирована по двум группам субъектов. В данном случае мы замерили время наложения гарнитуры, включая подготовку электродов.
Таблица 1 Ответы испытуемых на анкету.
Задача визуального обнаружения цели (P3 ERP)
Испытуемые выполнили эксперимент по визуальному обнаружению цели. В парадигме обнаружения цели случайная последовательность из 60 синих или зеленых лягушек (горизонтальный угол обзора 7.5 градусов) испытуемым предъявляли с частотами 20% (синий / целевой стимул) и 80% (зеленый / стандартный стимул). См. Рис. 2A для иллюстрации экспериментальной парадигмы. Использованные стимулы синих и зеленых лягушек были дополнением Nielsen Consumer Neuroscience33.
Рисунок 2
( A ) Парадигма задачи обнаружения цели (P3): Зеленая / синяя лягушка представляет собой стандартный / целевой стимул с частотой появления 80/20%. Изображения лягушки любезно предоставлены Nielsen Consumer Neuroscience.ISI = интервал между стимулами; SOA = асинхронность начала стимула. ( B ) Задача на зрительное внимание: стимул шахматной доски для вызова P100 VEP.
Испытуемые были проинструктированы нажимать кнопку компьютерной мыши, когда они видели цель: синюю лягушку. Нажатие кнопки должно произойти в течение 100–800 мс после появления стимула, чтобы его можно было включить в последующий анализ. Длительность стимула составляла 0,9 с при асинхронности начала стимула 1,8 с (SOA). Задание длилось 108 секунд. Поскольку пациенты, как правило, не могли выполнять более длительные экспериментальные задачи, мы выбрали эту короткую версию задачи по обнаружению цели.Для сопоставимости мы установили одинаковую продолжительность как для пациентов, так и для контрольной группы.
Задача на визуальное внимание (P1 VEP)
Прямоугольная сетка 18 × 12 из чередующихся черных и белых квадратов в шахматном порядке (горизонтальный угол всего экрана 26,5 градусов, см. Рис. 2B) с инвертированием черного и белого цветов через каждые 0,6 секунды (т.е. SOA = 0,6 секунды) было представлено на экране компьютера, чтобы вызвать P1 VEP. Это наиболее часто используемая задача в клинических условиях для выявления VEP.Испытуемые были проинструктированы смотреть на фиксирующий крест, который располагался в центре экрана. Задание состояло из 200 разворотов паттернов и длилось 120 секунд.
Обработка данных
Вся численная обработка была выполнена с использованием Matlab версии R2015b ( The Mathworks ).
Все методы были выполнены в соответствии с соответствующими инструкциями и правилами.
Ссылка
Данные ЭЭГ в состоянии покоя (rsEEG) были повторно привязаны к общему среднему эталону, основанному на всех 19 электродах в положении 10–20.Для обеих визуальных задач данные ЭЭГ были повторно привязаны к среднему значению электродов Т3 и Т4. P3 ERP обычно относятся к сосцевидным электродам ³⁴. Однако, учитывая, что в нашем эксперименте расположение электродов сосцевидного отростка немного отличалось между двумя регистрирующими системами (как описано выше), между двумя системами могли возникнуть систематические различия, если бы мы использовали электроды сосцевидного отростка в качестве эталона. Поэтому мы изменили эту стандартную ссылку на среднее значение для электродов T3 / T4, что привело к небольшому изменению топографии P3.Важно отметить, что эта схема привязки была реализована в обеих системах, что сделало результаты сопоставимыми.
Обнаружение артефактов и спектральный анализ
Перед запуском любой процедуры обнаружения или удаления артефактов каждая кривая ЭЭГ была отправлена на фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 50 Гц и 100 Гц для удаления линейного шума. Затем артефакты были идентифицированы с помощью порогового критерия, примененного к разностному сигналу (то есть сумма абсолютных разностей (SAD)), вычисленного для временного окна, равного 0.5 сек и порог 8 мВ / сек. Эти артефакты могли нарушить процедуру удаления EOG (см. Ниже) и поэтому были заменены нулями только для этой процедуры, после чего значения исходного сигнала были восстановлены.
Мигание глаз определялось по сходству формы и топографии с заранее заданным фиксированным шаблоном. На рсЭЭГ, записанной при закрытых глазах, таких артефактов не наблюдалось. Эпоха 1500 мс была сосредоточена вокруг каждого события ЭОГ, увеличивая преобладание ЭОГ по сравнению с лежащей в основе ЭЭГ.Преобразование минимальной доли шума (MNF) ^35,36 было применено ко всем каналам ЭЭГ той эпохи. Преобразование MNF выводит набор компонентов, которые различаются по отношению сигнал / шум, где шум в данном случае отражает ЭЭГ. После удаления компонента с наибольшим отношением сигнал / шум обратный MNF приводит к исходному сигналу с в значительной степени удаленным артефактом EOG.
Затем спектральные измерения были применены для идентификации артефактов, не обнаруженных предыдущими методами. Для этого был проведен спектральный анализ по методике Welch ³⁷.Данные были сегментированы на двухсекундные эпохи с перекрытием 50%. Каждый сегмент был обработан функцией Бартлетта (= треугольник). Спектральная декомпозиция проводилась с помощью алгоритма быстрого преобразования Фурье (БПФ). Абсолютные значения мощности спектрального диапазона были вычислены для следующих частотных диапазонов: Delta1 (1–1,5 Гц), Delta2 (1,5–4 Гц), Theta (4–8 Гц), Alpha (8–13 Гц), Beta (13–30 Гц). Гц), Гамма1 (30–47 Гц), Гамма2 (53–95 Гц). Частотные полосы Delta1 были включены для захвата медленных флуктуаций, а две гамма-полосы были включены для захвата высокочастотного шума.Эти полосы частот были включены только для целей обнаружения артефактов и не имели отношения к клиническим применениям; поэтому мы сосредотачиваем наши последующие спектральные анализы на Delta2, Theta, Alpha и Beta. Затем для каждой полосы частот была определена медиана этих значений мощности по всем сегментам и всем каналам. Эпоха канала была помечена как артефактная и исключалась из последующего анализа, если мощность его полосы упала ниже медианы 0,1 * или превысила значение медианы 20 * соответствующей полосы частот.
Наконец, сегменты (rs EEG) или эпохи (EP) отклонялись как артефакты, если абсолютные амплитуды превышали пороговое значение, в 5,5 раз превышающее стандартное отклонение, вычисленное для всей записи в каждом канале соответствующей задачи.
Восприимчивость к линейному шуму 50 Гц
Для сравнения восприимчивости двух регистрирующих систем к линейному шуму мы усреднили спектр мощности рсЭЭГ в диапазоне частот 49–51 Гц.
Расчет абсолютных значений мощности спектральной полосы rsEEG
На втором этапе был повторен спектральный анализ rsEEG, применяя ту же процедуру, что описана выше, однако удаляя все сегменты, идентифицированные как артефакты по вышеупомянутым критериям, и пропуская верхний проход и режекторная фильтрация, упомянутая выше.Абсолютные значения мощности спектрального диапазона были вычислены для следующих частотных диапазонов, которые обычно указываются в клинических настройках ЭЭГ: Дельта (1,5–4 Гц), Тета (4–8 Гц), Альфа (8–13 Гц), Бета (13–13 Гц). 30 Гц).
Задача анализа визуального обнаружения цели (P3) и внимания (VEP)
Компонент P3 ERP был извлечен из всех эпох без артефактов только с правильными испытаниями, взяв разницу между усредненным ответом на целевой и стандартный стимулы. Длина эпохи составляла 1200 мс, включая интервал перед стимулом 500 мс.В результате использования эталона T3 / T4 (в отличие от стандартного эталона сосцевидного отростка) наибольшая амплитуда P3 наблюдалась в O1 и O2, а не в центральных участках средней линии. Пиковая задержка P3 была получена из формы волны, наблюдаемой путем усреднения по всем объектам, по местоположениям электродов O1 и O2 и по обеим системам регистрации (сухой / влажный электроды). Амплитуды P3 в O1 и O2 для каждой системы записи определялись путем взятия среднего значения амплитуды сигнала P3 в диапазоне задержки от 350 до 440 мс, представляя интервал, симметрично центрированный вокруг пиковой задержки в 395 мс.
P100 VEP был извлечен путем усреднения всех эпох без артефактов и вычитания базовой амплитуды до стимула. Длина эпохи составляла 700 мс, включая интервал перед стимулом 200 мс. Задержка P100 VEP была получена из формы волны, наблюдаемой путем усреднения по всем объектам, положениям электродов O1 и O2 и обоим сеансам записи (с сухими и влажными электродами). Амплитуды P100 в O1 и O2 для каждой записи определялись путем взятия среднего значения амплитуды сигнала P100 в диапазоне задержки от 100 до 130 мс, представляя интервал, симметрично центрированный вокруг пиковой задержки 115 мс.
Визуальная оценка клиническими неврологами
Все записи рсЭЭГ (Иномед и F1) визуально оценивались двумя клиническими неврологами с большим опытом работы с ЭЭГ, которые не знали об используемой системе ЭЭГ. Их попросили сообщить как о типе спонтанной или фоновой активности ЭЭГ, так и о потенциальных патологических признаках ЭЭГ, руководствуясь рекомендацией Немецкого общества клинической нейрофизиологии (DGKN) ³⁸.
Статистический анализ
Мы провели статистические сравнения вышеупомянутых показателей результатов между влажной и сухой системами ЭЭГ с помощью критерия ранжирования знаков Вилкоксона, поскольку этот непараметрический тест не предполагает нормальных распределений.В частности, значения мощности спектральной полосы не соответствуют этому предположению ³⁹. Соответственно, в разделе результатов мы сообщаем z-значение аппроксимирующего нормального распределения, связанного с критерием знакового ранга, и соответствующее ему p-значение. Множественные сравнения были скорректированы с помощью процедуры ложного обнаружения (FDR), предложенной ⁴⁰.
13. Электроэнцефалография
Первая запись электрического поля человеческого мозга была сделана немецким психиатром Гансом Бергером в 1924 году в Йене.Он дал этой записи имя
. (Berger, 1929) (С 1929 по 1938 год он опубликовал 20 научных работ по ЭЭГ под тем же названием «ber das Elektroenkephalogram des Menschen».)

В то время как для большинства возбудимых тканей основой плотности подаваемого тока ^и является распространяющийся потенциал действия, для ЭЭГ он, по-видимому, возникает из-за действия химического передатчика на постсинаптические кортикальные нейроны. Действие вызывает локализованную деполяризацию, то есть возбуждающий постсинаптический потенциал (ВПСП), или гиперполяризацию, то есть тормозной постсинаптический потенциал (IPSP).Результатом в любом случае является пространственно распределенный разрыв в функции σΦ (т.е. σ _o Φ _o — σ _i Φ _i), которая, как указано в уравнении 8.28, оценивает двухслойный источник в мембраны всех клеток. Это будет ноль для покоящихся ячеек; однако, когда ячейка активна посредством любого из вышеупомянутых процессов (в этом случае Φ _o — Φ _i = V _m изменяется по поверхности клетки), в результате будет ненулевой первичный источник.
Для точек дальнего поля двойной слой можно суммировать векторно, получая суммарный диполь для каждой активной ячейки. Поскольку нервная ткань обычно состоит из очень большого количества мелких, плотно упакованных клеток, применимо обсуждение в Разделе 8.5, ведущее к идентификации непрерывного объемного распределения источника ^и, которое появляется в уравнениях 7.6 и 7.10.
Хотя в принципе ЭЭГ можно найти из оценки уравнения 7.10, сложность структуры мозга и его электрофизиологическое поведение до сих пор не позволяли оценить функцию источника ^и.Следовательно, количественное исследование ЭЭГ отличается от исследования ЭКГ или ЭМГ, при котором можно оценить функцию источника. В этих условиях количественная ЭЭГ основана на статистической обработке, тогда как клиническая ЭЭГ в значительной степени является эмпирической.
Купер, Осселтон и Шоу, 1969).
В дополнение к 21 электроду международной системы 10-20 также используются промежуточные 10% положения электродов. Расположение и номенклатура этих электродов стандартизированы Американским электроэнцефалографическим обществом (Sharbrough et al., 1991; см. рисунок 13.2C). В этой рекомендации четыре электрода имеют разные названия по сравнению с системой 10-20; это Т
. Эти электроды нарисованы черным цветом с белым текстом на рисунке.
Помимо международной системы 10-20, существует множество других систем электродов для регистрации электрических потенциалов на коже черепа. Расположение электродов
было предложено в качестве стандарта для регистрации модели вызванных потенциалов в клинических испытаниях (Blumhardt et al., 1977).
Для измерения ЭЭГ можно использовать биполярные или униполярные электроды. В первом методе измеряется разность потенциалов между парой электродов. В последнем методе потенциал каждого электрода сравнивается либо с нейтральным электродом, либо со средним значением для всех электродов (см. Рисунок 13.3).
Последние рекомендации по записи ЭЭГ опубликованы в (Gilmore, 1994).
Berger H (1929): ber das Elektroenkephalogramm des Menschen. Arch.f. Психиатр. 87: 527-70.
Блюмхардт Л.Д., Барретт Г., Халлидей А.М., Крисс А. (1977): Асимметричный вызванный зрительный потенциал для изменения паттерна в одной половине поля и его значение для анализа эффектов поля зрения. руб. J. Ophthalmol. 61: 454-61.
Купер Р., Оселтон Дж. У., Шоу Дж. К. (1969): EEG Technology, 2-е изд., 275 стр. Баттервортс, Лондон.
Гилмор Р.Л. (1994): J. Clin. Neurophysiol RL Gilmore (ed.): Рекомендации Американского электроэнцефалографического общества по электроэнцефалографии, вызванным потенциалам и полисомнографии, J.Clin. Neurophysiol. 11: (1, январь) 147 с.
Джаспер HH (1958): Отчет Комитета по методам клинических исследований в электроэнцефалографии. Электроэнцеф. Clin. Neurophysiol. 10: 370-1.
Nunez PL (1981): Electric Fields of the Brain: The Neurophysics of EEG, 484 pp. Oxford University Press, New York.
Puikkonen J, Malmivuo JA (1987): Теоретическое исследование распределения чувствительности точечных ЭЭГ-электродов на модели трех концентрических сфер головы человека — Применение теоремы взаимности. Tampere Univ. Техн., Ин-т. Биомед. Eng., Отчеты 1: (5) 71.
Раш С., Дрисколл Д.А. (1969): Чувствительность ЭЭГ-электрода — применение взаимности. IEEE Trans. Биомед. Англ. БМЭ-16: (1) 15-22.
Sharbrough F, Chatrian G-E, Lesser RP, Lders H, Nuwer M, Picton TW (1991): Рекомендации Американского электроэнцефалографического общества по стандартной номенклатуре положения электродов. J. Clin. Нейрофизиол 8: 200-2.
Suihko V, Malmivuo JA, Eskola H (1993): Распределение чувствительности электрических проводов в неоднородной модели сферической головы. Tampere Univ. Техн., Институт Рагнара Гранита. , отчет 7: (2).
Монтаж и технические компоненты ЭЭГ
Биполярный монтаж I: установка
В биполярном монтаже напряжение каждого электрода связывается и сравнивается с соседним, образуя цепочку из и электродов. Есть несколько типов, но наиболее распространенный биполярный монтаж — это двойной банан, в котором каждый электрод соединен и сравнивается с электродом за ним; поэтому Fp2 сравнивается с F8, F8 сравнивается с T4 и так далее.В двойном банане (от которого он получил свое название) с каждой стороны есть две цепи: внешняя временная цепочка , включающая Fp2 → F8 → T4 → T6 → O2, а затем внутренняя парасагиттальная цепь , включающая Fp2 → F4 → C4. → P4 → O2. Z-электроды Fz → Cz → Pz образуют небольшую центральную цепочку .
В каждой цепи напряжение электрода сравнивается с напряжением электрода за ним, поэтому каждая трассирующая линия представляет собой пару электродов, в которых напряжение второго электрода вычитается из напряжения первого.Из-за этого в биполярном , если первый электрод в линии отслеживания более положительный / выше, чем второй, вы получаете положительное отклонение вниз ; , если второй электрод более положительный / выше, вы получите отрицательное отклонение вверх . Например, если Fp2 имеет напряжение -50, а F8 имеет напряжение -20, трассировка Fp2-F8 покажет -50 — (-20) = -30 мВ.
Чтобы лучше понять, как биполярный монтаж приводит к записи ЭЭГ, давайте взглянем на приведенный ниже пример.Разряд составляет -50 мВ, но в зависимости от его диполя и местоположения не каждый электрод будет видеть полное -50 мВ. Т4 является ближайшим и видит большую часть напряжения, и по мере удаления от разряда напряжения, воспринимаемые электродами, уменьшаются. Обратите внимание, что это похоже, но не идентично ряби в пруду, потому что распределение напряжений не так симметрично, как рябь. Чтобы получить записи ЭЭГ для этого разряда, все, что нам нужно сделать, это связать электроды в двойную банановую цепочку (электроды здесь — височная цепочка; для простоты парасагиттальная и центральная цепи не показаны).Затем мы просто вычитаем напряжение каждого электрода из электрода перед ним, чтобы получить напряжение для этой пары. Помните, что в ЭЭГ положительные значения вызывают волны вниз, а отрицательные значения вызывают волны вверх.
Этот же метод используется для создания всех трассировок во всех цепочках. Обратите внимание, как в этом примере T4 видел наибольшее напряжение ближайшего разряда, а другие электроды, казалось, «указывали на» электрод T4 на графике. Эта морфология называется фазой с обращением фаз и является ключевой причиной того, что биполярный монтаж так популярен.
При чередовании фаз средний электрод пары, которая выполняет чередование, является электродом с максимальным напряжением (например, T3-T5 и T5-O1 чередование фаз означает, что T5 имеет наибольшее напряжение из всех). Отрицательные разряды заставляют окружающие дорожки указывать на электрод с максимальным напряжением , в то время как положительные разряды заставляют окружающие дорожки указывать в сторону от электрода максимального напряжения (простой способ запомнить это: положительные выводы могут соответствовать знаку плюс, а отрицательные могут подходит только отрицательный знак).Это не абсолютно, но отрицательные повороты фаз обычно наблюдаются при эпилептиформной активности, а положительные — чаще при различных артефактах.
Обратите внимание, что отрицательное и положительное чередование фаз — это не то же самое, что отрицательный и положительный разряды; в то время как отрицательные разряды увеличиваются, а положительные разряды уменьшаются, отрицательные чередования фаз движутся навстречу друг другу, а положительные чередования фаз удаляются друг от друга. Эта дифференциация особенно важна для первого и последнего электродов в каждой цепи из-за того, что называется феноменом конца цепи .
Напомним, что при биполярном монтаже необходимо сравнить два электрода друг с другом. Однако для первого электрода в каждой цепи (Fp1 и FP2) нет переднего электрода для сравнения, а для последних электродов (O1 и O2) позади них нет другого для сравнения. Это приводит к явлению конца цепи, при котором вы видите только половину возможных инверсий фазы на этих электродах. В приведенном ниже примере отрицательный разряд перед Fp1 обычно вызывает отрицательную смену фазы на Fp1, но, поскольку он находится в конце цепи, перед ним нет электрода для завершения смены фаз.
‍
Когда вы сталкиваетесь с феноменом конца цепи, помните, что двойной банан — не единственный доступный вам биполярный монтаж. Далее мы обсудим некоторые другие типы биполярного монтажа, которые помогут вам обойти эту проблему.
tDCS — Позиционирование электродов — Система 10-20 «Adafruit Industries — Создатели, хакеры, художники, дизайнеры и инженеры!
Клинические исследования показали некоторые положительные эффекты от ношения устройства tDCS (транскраниальной стимуляции постоянным током) на голове.В исследованиях тщательно разрабатывается точное расположение электродов, обычно при использовании системы 10-20. Уже есть предложения по размещению датчиков с более высоким разрешением, например 10-10 и 10-5, которые уменьшат расстояние между датчиками в областях с 20% до 5%.

На каждом участке есть буква, обозначающая лепесток, и номер, обозначающий расположение полушария. Буквы F, T, C, P и O обозначают лобную, височную, центральную, теменную и затылочную доли соответственно.(Обратите внимание, что центрального лепестка нет; буква «C» используется только для идентификации.) Четные числа (2,4,6,8) относятся к положениям электродов в правом полушарии, тогда как нечетные числа (1,3, 5,7) относятся к левому полушарию. Буква «z» (ноль) относится к электроду, расположенному по средней линии.

Прекратите макетирование и пайку — немедленно приступайте к изготовлению! Площадка Circuit Playground от Adafruit забита светодиодами, датчиками, кнопками, зажимами из кожи аллигатора и многим другим.Создавайте проекты с помощью Circuit Playground за несколько минут с помощью сайта программирования MakeCode с перетаскиванием, изучайте информатику с помощью класса CS Discoveries на code.org, переходите в CircuitPython, чтобы изучать Python и оборудование вместе, TinyGO или даже использовать Arduino IDE. Circuit Playground Express — это новейшая и лучшая плата Circuit Playground с поддержкой CircuitPython, MakeCode и Arduino. Он имеет мощный процессор, 10 NeoPixels, мини-динамик, инфракрасный прием и передачу, две кнопки, переключатель, 14 зажимов из кожи аллигатора и множество датчиков: емкостное прикосновение, ИК-приближение, температуру, свет, движение и звук.Вас ждет целый мир электроники и программирования, и он умещается на ладони.
Присоединяйтесь к 30 000+ создателей на каналах Discord Adafruit и станьте частью сообщества! http://adafru.it/discord
Хотите поделиться замечательным проектом? Выставка Electronics Show and Tell проходит каждую среду в 19:00 по восточному времени! Чтобы присоединиться, перейдите на YouTube и посмотрите чат в прямом эфире шоу — мы разместим ссылку там.
Присоединяйтесь к нам каждую среду вечером в 20:00 по восточноевропейскому времени на «Спроси инженера»!
Подпишитесь на Adafruit в Instagram, чтобы узнавать о совершенно секретных новых продуктах, о кулуарах и многом другом https: // www.instagram.com/adafruit/

CircuitPython — Самый простой способ программирования микроконтроллеров — CircuitPython.org
Получайте единственную ежедневную рассылку без спама о носимых устройствах, ведении делопроизводства, электронных советах и многом другом! Подпишитесь на AdafruitDaily.com!
Пока комментариев нет.
Извините, форма комментариев в настоящее время закрыта.
ЭЭГ
Сбор биомедицинских сигналов
ЭЭГ> введение
Регистрация электрического активность головного мозга от волосистой части головы: введение в прием биологических сигналов
The электроэнцефалограмма (ЭЭГ) — это запись электрической активности мозг из кожи головы.Записанные формы волны отражают корковый электрическая активность.
Интенсивность сигнала: активность ЭЭГ довольно мала, измеряется в микровольтах (мВ).
Частота сигнала: основные частоты волн ЭЭГ человека:
Дельта : имеет частоту 3 Гц или ниже. Обычно он самый высокий в амплитуда и самые медленные волны. Это нормально, так как доминирующий ритм у грудных детей до года и в 3 и 4 стадии сна. Это может возникают локально с подкорковыми поражениями и имеют общее распространение при диффузных поражениях, метаболической энцефалопатии, гидроцефалии или глубокой срединные поражения.Обычно это наиболее заметно спереди у взрослых. (например, FIRDA — Frontal Intermittent Rhythmic Delta) и сзади у детей например OIRDA — Затылочная прерывистая ритмическая дельта).
Тета : имеет частоту от 3,5 до 7,5 Гц и классифицируется как «медленный» деятельность. Это совершенно нормально у детей до 13 лет и в сон, но ненормальный у бодрствующих взрослых. Это можно рассматривать как проявление очаговых подкорковых поражений; это также можно увидеть в генерализованное распределение при диффузных расстройствах, таких как метаболические энцефалопатия или некоторые случаи гидроцефалии.
Альфа : имеет частоту от 7,5 до 13 Гц. Обычно лучше всего виден в задние отделы головы с каждой стороны, находясь выше в амплитуда на доминирующей стороне. Появляется при закрытии глаз и расслабляет и исчезает при открытии глаз или предупреждении любым механизм (мышление, расчет). Это основной ритм, который можно увидеть в нормальные расслабленные взрослые. Он присутствует на протяжении большей части жизни, особенно после тринадцатого года.
Бета : бета-активность — это «быстрая» активность. Имеет частоту 14 и больше Гц. Обычно это видно с обеих сторон в симметричном распределение и наиболее очевидно фронтально. Это подчеркнуто седативно-снотворные препараты, особенно бензодиазепины и барбитураты. Он может отсутствовать или уменьшаться в областях коркового повреждать. Обычно это считается нормальным ритмом. Это доминирующий ритм у пациентов, которые бдительны, тревожны или страдают глаза открыты.
Переменные, используемые при классификации активности ЭЭГ
Относительная частота на ритмичную повторяющуюся деятельность (в Гц). Частота активности ЭЭГ может иметь различные свойства, в том числе:
Rhythmic .ЭЭГ активность состоящий из волн примерно постоянной частоты.
Аритмический . ЭЭГ-активность в в которых отсутствуют стабильные ритмы.
Нарушение ритма . Ритмы и / или паттерны активности ЭЭГ, характерные для пациента группы или редко или наблюдаются у здоровых субъектов.
Напряжение относится к среднее напряжение или пиковое напряжение активности ЭЭГ.Ценности зависимы, в частности, по технике записи. Описательные термины, связанные с Напряжение ЭЭГ включает:
Затухание (синонимы: подавление, депрессия). Снижение амплитуды активности ЭЭГ в результате пониженного напряжения. Когда активность ослабляется стимуляцией, говорят, что был «заблокирован» или чтобы показать «блокировку».
Гиперсинхронность . Видимый как повышение напряжения и регулярность ритмических активности или в диапазоне альфа, бета или тета. В термин подразумевает увеличение количества нейронных элементов способствуя ритму. (Примечание: термин используется в толковательный смысл, но как дескриптор изменения в ЭЭГ).
Пароксизмальный . Деятельность который возникает из фона с быстрым началом, достигая (обычно) довольно высокое напряжение и заканчивающееся резким вернуться к активности с более низким напряжением.Хотя термин не прямо подразумевают ненормальность, большая ненормальная активность приступообразный.
Морфология относится к форма сигнала. Форма волны или паттерна ЭЭГ определяется частотами, которые вместе составляют форму волны и по соотношению фаз и напряжений. Волновые паттерны можно описать как есть:
Мономорфный .Отчетливая активность ЭЭГ, состоящая из одного доминирующего деятельность
Полиморфный . различная активность ЭЭГ, состоящая из нескольких частот, которые объединяют для формирования сигнала сложной формы.
Синусоидальный . Волны напоминающие синусоидальные волны. Мономорфная активность обычно синусоидальная.
Переходный процесс . An изолированная волна или узор, который заметно отличается от фоновая активность.
a) Спайк: переходный процесс с заостренный пик и длительность от 20 до 70 мсек.
б) Резкая волна: переходный процесс с заостренным пиком и длительностью 70-200 мсек.
Синхронность означает одновременное появление ритмических или морфологически различные узоры на разных участках головы, либо с одной стороны (односторонний), либо с обеих сторон (двусторонний).
Периодичность относится к распределению паттернов или элементов во времени. (например, появление определенной активности ЭЭГ более или менее регулярные промежутки). Деятельность может быть генеральной, очаговой или латерализованный.
Мелкий металл диски обычно из нержавеющей стали, олова, золота или серебра покрыты с покрытием из хлористого серебра .Они помещаются на кожу головы в специальные должности. Эти позиции указаны с использованием Международного Система 10/20. Место каждого электрода обозначено буквой и числом. Буква относится к области мозга, лежащей под электродом, например. F- Лобная доля и Т — височная доля. Четные числа обозначают правую часть головы и нечетных чисел на левой стороне головы.

Авторские права ADInstruments.Все права защищены. Кабели ЭЭГ, показывающие диск электроды, на которые наносится электродный гель и наносится на скальп субъекта.

Многие записывающие системы используют колпачок в какие электроды врезаны; это облегчает запись при высоком плотности массивов электродов необходимы или при сравнении записи места. На изображении справа изображена внутренняя часть такого колпачка.
Он действует как податливое удлинение электрода, так что движение электроды и кабели с меньшей вероятностью будут вызывать артефакты.Гель максимизирует контакт с кожей и обеспечивает запись с низким сопротивлением через кожу.
Электролитический гель вводится в каждую полость до тех пор, пока не появится небольшой количество выходит отверстие в креплении. С умеренным количеством давление вниз, шприц с тупой иглой быстро отклоняется назад и далее.
Мера препятствие для протекания переменного тока, измеряемого в Ом при заданная частота.Чем больше число, тем выше сопротивление току. Чем выше импеданс электрода, тем меньше амплитуда сигнал ЭЭГ. В исследованиях ЭЭГ должно быть не более 100 Ом и не более 5 кОм.
Электрод позиционирование (система 10/20)
Стандартизированный размещение электродов на скальпе для классической записи ЭЭГ стало обычное дело с момента принятия системы 10/20.Суть этого система — это расстояние в процентах от диапазона 10/20 между Насион-Инион и фиксированные точки. Эти точки отмечены как Фронтальные. полюсный (Fp), центральный (C), теменный (P), затылочный (O) и височный (T). Электроды средней линии отмечены индексом z, что означает нуль. Нечетные числа используются в качестве индекса для точек слева. полушарие и четные числа справа.
10/20 Система размещения электродов
Монтаж означает размещение электродов.ЭЭГ можно контролировать либо с биполярным монтажом, либо с эталонным. Биполярность означает, что у вас есть два электрода на один канал, поэтому у вас есть эталонный электрод для каждого канала. Ссылочный монтаж означает, что у вас есть общий электрод сравнения для всех каналов.
Артефакты
The Самая большая проблема при мониторинге ЭЭГ — распознавание артефактов и устранение.Есть артефакты, связанные с пациентом (например, движение, потливость, ЭКГ, движения глаз) и технические артефакты (50/60 Гц артефакты, движения кабеля, связанные с электродной пастой), которые должны быть обрабатывались по-разному. Есть несколько инструментов для поиска артефактов. Для Например, FEMG и измерения импеданса могут использоваться для индикации загрязненный сигнал. Глядя на различные параметры на мониторе, могут быть обнаружены другие помехи.
Электроды, используемые при записи ЭЭГ, не различать электрические сигналы, которые они получают.Записанная активность который не имеет церебрального происхождения, называется артефактом и может быть разделен в физиологические (полученные от субъекта из источников, отличных от мозг) и экстрафизиологические артефакты возникают вне тела (оборудование, включая электроды и окружающую среду).
Электромиограмма (ЭМГ) деятельность
ЭМГ-активность — распространенные артефакты: миогенные потенциалы, генерируемые в лобных мышцах (повышающие брови) и височные мышцы (сжатие мышц челюсти) более короткая продолжительность, чем те, которые генерируются в головном мозге.Эти артефакты могут быть идентифицированным на основе продолжительности, морфологии и скорости стрельбы (частота). Определенные модели артефактов ЭМГ могут возникать в некоторых двигательные расстройства: эссенциальный тремор и болезнь Паркинсона могут вызывать ритмичные синусоидальные волны от 4 до 6 Гц.
Движения глаз
Глазное яблоко действует как диполь с положительным полюс ориентирован вперед (роговица) и отрицательный полюс ориентирован кзади (сетчатка).Когда земной шар вращается вокруг своей оси, он генерирует поле переменного тока большой амплитуды, обнаруживаемое любым из электроды расположены рядом с глазом. Мигание вызывает положительный полюс (роговица), чтобы приблизиться к лобно-полярным электродам FP1, FP2, создавая симметричные отклонения вниз.
В приведенном выше примере объект мигал во время просмотра карты и запись была активной (обратите внимание на четыре волны большей амплитуды).В Окно просмотра спектра рассчитано и отображает доминирующую частоту 3 Гц — частота мигания.
Артефакты кожи
Еще одна трудность возникает из-за свойства определенных слоев кожи. Значительный потенциал постоянного тока существует между роговым слоем и зернистым слоем, а также местная деформация кожи изменит этот потенциал.Единственный надежный способ устранить источник артефакта — создать низкий путь сопротивления через слои кожи путем очистки кожи (спирт тампон). Также хлорид натрия (электролит) от потоотделения вступает в реакцию с Металлы электродов могут вызывать медленный дрейф базовой линии.
Электроды
Поверхностные электроды, такие как те, которые используются в ЭЭГ, должны создавать интерфейс между ионным раствором (предмет) и металлический проводник (электрод).Это приводит к потенциал полуячейки, который может быть довольно большим по сравнению с сигналом записывается. Чтобы свести к минимуму эту проблему поляризации электрод, некоторые электроды покрыты хлоридом серебра, но все удерживается вдали от кожи через промежуточный слой проводящая паста. Прикосновение к электродам во время записи может привести к артефакты. Электрод, не контактирующий с кожей, очень хорошо действует как антенна с результирующей 60-периодной интерференцией (см. запись ниже).
Артефакт 60 Гц
The Проблема возникает, когда сопротивление одного из активных электродов становится значительно большим между электродами и землей усилитель звука. В этой ситуации заземление становится электродом, который, в зависимости от местоположения производит артефакт 60 Гц. Вмешательство от высокочастотного излучения других электронных устройств может привести к перегрузке Усилители ЭЭГ.
В приведенной выше записи был очень плохой контакт электродов с кожей головы тема; вид спектра показывает доминирующую частоту 60 Гц.
Это ключ к электрофизиологическому оборудованию. Это увеличивает разница между двумя входами. Нежелательный сигнал, общий для два ввода будут вычтены.
The стандартные настройки фильтрации для рутинной ЭЭГ:
Фильтр низких частот: 1 Гц
Фильтр высоких частот: 50-70 Гц
Нажмите здесь, чтобы продолжить эксперименты с альфа-волнами
Границы | Выбор MUSE: валидация недорогой портативной системы ЭЭГ для исследования ERP
Введение
В последние годы наблюдается почти взрывной рост недорогих (т.е.е., менее 500 долларов США) системы электроэнцефалографической записи (ЭЭГ). Хотя большинство систем на рынке предлагают комплекты для разработчиков программного обеспечения, позволяющие ученым получать доступ к необработанным данным для исследовательских целей, была проделана лишь небольшая часть работы для проверки эффективности этих систем для исследования связанного с событиями потенциала мозга (ERP) ( например, Debener et al., 2012; Badcock et al., 2013; Duvinage et al., 2013; Gramann et al., 2014; Wascher et al., 2014; Badcock et al., 2015; Maskeliunas et al., 2016; Kuziek et al., 2017). Действительно, до настоящего времени исследования были сосредоточены на репликации установки ЭЭГ с большим массивом, в которой маркеры событий используются для временной синхронизации данных ЭЭГ с интересующими событиями (Debener et al., 2012; Vos et al., 2014) или временными синхронизация отметок времени между компьютерами для определения того, когда происходят события (Wong et al., 2014). Кроме того, большинство портативных исследований ЭЭГ на сегодняшний день основано на колпачках электродов или решетках электродов с полным покрытием, что также исключает использование этих систем в определенных средах и увеличивает сложность настройки участников — то, что на внутреннем уровне снижает портативность. и простота использования этих систем.
С технической точки зрения методологию ERP трудно реализовать в недорогом нестандартном оборудовании исследовательского уровня по нескольким причинам. Прежде всего, это вопрос качества данных и того, могут ли недорогие системы обеспечить частоту дискретизации (т. Е.> = 250 Гц) и качество данных (т. Е. Отсутствие шума, небольшое количество артефактов), подходящие для традиционного анализа ERP. Две другие ключевые проблемы, которые вызывают беспокойство, связаны с вопросом времени проведения экспериментов: во-первых, как можно «пометить» данные для последующего анализа ERP, и, во-вторых, проблема нестандартного расположения электродов для анализа — компоненты ERP являются обычно связаны с анализом конкретных местоположений электродов.
При разработке и реализации экспериментов ERP очень важно предпринять шаги для обеспечения записи данных наивысшего качества. Спецификации для повышения качества сбора данных были специально выделены в основополагающей статье Пиктона (Picton et al., 2000; см. Также Luck, 2014), в которой такие вопросы, как тип электрода, качество электродов (например, Coles et al., 1986; Kutas, 1997), минимальное количество электродов, необходимое для содержательной интерпретации (например, Srinivasan et al., 1998), а возможности усилителя (например, Cadwell and Villarreal, 1999) были заявлены специально для повышения качества данных и, таким образом, способности делать значимые выводы из данных ЭЭГ / ERP. Характеристики усилителя, такие как количество бит, доступных для преобразователя (минимум 8), коэффициент усиления усилителя и коэффициент подавления синфазного сигнала, также были указаны в статье Пиктона (Picton et al., 2000), чтобы иметь минимально необходимые значения. для достижения достаточного качества данных ЭЭГ. Таким образом, очевидная проблема при использовании недорогих систем ЭЭГ заключается в том, соответствует ли фактическое оборудование стандартам, необходимым для достижения достаточного качества данных ЭЭГ (например,g., качество электродов на недорогой системе ЭЭГ). Действительно, если минимальные стандарты, изложенные в статье Пиктона (и в других источниках), не соблюдаются в недорогой системе ЭЭГ, это предполагает, что эти системы не смогут предоставить данные ЭЭГ достаточного качества для значимой интерпретации. Хотя мы согласны с тем, что все опасения, изложенные в статье Пиктона (и других источниках), верны, более значимая проверка качества данных довольно проста — собрать данные из недорогой системы и напрямую определить, может ли указанная система ЭЭГ предоставлять данные, которые позволяют получить видимые и статистически поддающиеся количественной оценке компоненты ERP.Действительно, существующие исследования, в которых изучалась эффективность портативных недорогих систем ЭЭГ для исследований ERP, показывают, что можно собирать данные достаточного качества для анализа ERP (например, Debener et al., 2012; Vos et al., 2014 ).
Другая ключевая проблема, которая возникает при использовании недорогой системы ЭЭГ для исследования ERP, связана с вопросом времени события. Как правило, в парадигме ERP маркер события отправляется с компьютера стимула на компьютер записи через параллельный кабель или кабель TTL для «маркировки» данных.Важно отметить, что маркировка данных таким образом дает возможность точно извлекать эпохи данных, сосредоточенных на наступлении интересующих событий, и, таким образом, позволяет исследователю создавать связанные с событиями средние волновые формы для последующего анализа (Coles et al., 1986; Luck, 2014). На сегодняшний день исследования с использованием портативных систем ЭЭГ пытались отразить эту процедуру (Debener et al., 2012; Vos et al., 2014) или пытались использовать временную синхронизацию для получения точного времени события (Wong et al., 2014).Здесь мы используем другой подход к синхронизации событий и напрямую записываем данные ЭЭГ после каждого события, тем самым устраняя необходимость отмечать непрерывные данные ЭЭГ. Хотя мы понимаем, что из-за этого подхода существует временной джиттер в данных в дополнение к изменчивости времени из-за связи Bluetooth (см. Методы), эти временные несоответствия имеют гауссову природу и должны усредняться во время анализа данных для получения надежных компонентов ERP.
Последней проблемой, связанной с использованием портативных недорогих систем ЭЭГ, является возможность того, что каналы электродов недоступны в местах, связанных с конкретными компонентами ERP.Как правило, исследователи стремятся анализировать определенные электродные каналы для конкретных компонентов ERP — каналов, где компонент ERP максимален и о которых сообщалось ранее (Rugg and Coles, 1995; Luck, 2014). Здесь мы выдвинули гипотезу, что ERP могут быть записаны с помощью системы MUSE значительно более эффективным способом за небольшую часть стоимости, что делает компромисс между расположением электродов и простотой использования оправданным. Действительно, после априорного анализа пилотных данных мы решили просто проанализировать компоненты ERP в нестандартных местах.Например, хотя компонент P300 ERP обычно максимален в задних точках по средней линии, у нас не было электродов в этом месте, и поэтому мы были вынуждены анализировать компонент P300 в тех местах электродов, которые у нас были (здесь, электроды ТП9 и ТП10). Хотя очевидно, что наши решения этой проблемы не идеальны, цель настоящего исследования состояла в том, чтобы продемонстрировать, что недорогая система ЭЭГ может использоваться для проведения исследования ERP, и, таким образом, мы «работали с тем, что у нас было».
В данном эксперименте мы специально пытались проверить, действительно ли система MUSE EEG (InterAxon Inc.) могут быть использованы для быстрого сбора данных ЭЭГ, которые позволят получить наблюдаемые и поддающиеся количественной оценке компоненты ERP без использования маркеров событий — в частности, N200, P300 и положительности вознаграждения (также известной как отрицательная реакция, связанная с обратной связью: см. обзор в Proudfit, 2015). . Было показано, что компоненты N200 и P300 ERP чувствительны к частоте стимулов и обычно вызываются с помощью парадигмы чудаков (например, Squires et al., 1975). Позитивное вознаграждение обычно определяется как разница между сигналами ERP с фиксированной обратной связью, указывающими на победы и поражения или правильные и неправильные испытания, и считается, что оно отражает систему обучения с подкреплением в медиально-лобной коре головного мозга (например.г., Холройд и Коулз, 2002). Все три компонента были выбраны, поскольку они, как правило, довольно велики (с точки зрения величины эффекта мкВ) и между тремя из них индексируют широкий спектр когнитивных и перцептивных явлений. Чтобы проверить эффективность системы MUSE для исследования ERP, мы собрали данные MUSE EEG, в то время как 60 участников выполняли на портативном компьютере как необычную, так и обучающую задачу. В целях сравнения мы случайным образом выбрали данные из согласованного числа участников, которые выполняли те же две задачи, в то время как данные ЭЭГ были записаны в системе Brain Vision ActiChamp со стандартной конфигурацией 10–20 электродов.
Наша гипотеза была проста — мы предсказали, что сможем увидеть и количественно оценить N200, P300 и позитивность вознаграждения в данных ЭЭГ, собранных с помощью системы MUSE, без необходимости полагаться на маркеры событий. Кроме того, мы предсказали, что сравнение «компонентов MUSE» с компонентами ERP, наблюдаемыми в сокращенном конвейере анализа (см. Ниже) из нашей системы большого массива, покажет, что два набора компонентов из разных систем ЭЭГ были одинаковыми. Наконец, мы отмечаем здесь, что одной из основных причин, по которой мы стремились протестировать систему MUSE EEG таким образом, была разработка портативного и эффективного метода измерения вышеупомянутых компонентов ERP для полевых и / или клинических исследований.Таким образом, мы намеренно собрали минимальный объем данных — наша цель, которую мы достигли, заключалась в том, чтобы завершить настройку ЭЭГ и сбор данных менее чем за 10 минут.
Методы
Участников
студента бакалавриата ( n = 60; группа MUSE, 34 женщины, средний возраст: 21 год) из Университета Виктории приняли участие в эксперименте с использованием портативной системы ЭЭГ MUSE (SCR_014418). Для сравнения мы случайным образом отобрали 60 студентов бакалавриата (стандартная / сокращенная группа: 34 женщины, средний возраст: 20.9 лет) из Университета Виктории из существующего долгосрочного проекта в нашей лаборатории в качестве группы сравнения для целей анализа. Участники этой «стандартной / сокращенной группы» выполнили те же две экспериментальные задачи, что и группа MUSE, но вместо этого их данные ЭЭГ были собраны с использованием системы Brain Vision ActiChamp со стандартной конфигурацией электродов 10-10 и типичной установкой ЭЭГ (стимул машина, записывающая машина и т. д.). Все участники имели нормальное или скорректированное до нормального зрение, не имели известных неврологических нарушений, вызвались добровольно на дополнительный зачет курса психологии и предоставили письменное информированное согласие, одобренное Советом по этике исследований на людях в Университете Виктории.Исследование проводилось в соответствии с этическими стандартами, предписанными Хельсинкской декларацией 1964 года.
Аппаратура и процедура
Стандартная группа
Участники стандартной группы сидели в звукоизолированной комнате перед 19-дюймовым ЖК-монитором компьютера и использовали стандартную USB-мышь для выполнения двух экспериментальных задач — визуальной необычной задачи и задачи обучения с вознаграждением — в то время как данные ЭЭГ были записывается с помощью системы ActiChamp (график времени для обеих задач см. на Рисунке 1 — сами задачи описаны ниже).Экспериментальные задачи были закодированы в среде программирования MATLAB (версия 8.6, Mathworks, Natick, США) с использованием расширения Psychophysics Toolbox (Brainard, 1997).
Рис. 1. График времени экспериментальной пробной версии для обеих задач .
Во время выполнения необычной задачи участники увидели серию синих (значение MATLAB RGB = [0 0 255]) и зеленых (значение MATLAB RGB = [0 255 0]) цветных кружков, которые появлялись на 800–1200 мс в центре темно-серый экран (значение MATLAB RGB = [108 108 108]).Перед появлением первого круга и между представлением последующих кругов черный крест фиксации был представлен в течение 300-500 мс (значение MATLAB RGB = [0 0 0]). Участникам не сказали, что частота синих и зеленых кружков различается: синие кружки появлялись реже (нечетный: 25%), чем зеленые кружки (контроль: 75%), при этом порядок следования представленных кружков был полностью случайным. Участникам было предложено мысленно подсчитать количество синих кружков (фигурок) в каждом блоке испытаний.Во время выполнения необычного задания участники выполнили 3 блока по 40 попыток.
В каждом испытании задачи обучения с вознаграждением участники просматривали черный крест фиксации (значение MATLAB RGB = [0 0 0]) в течение 300–500 мс, за которым следовали синий и зеленый квадраты пары (значения MATLAB RGB = [0 0 255] и [0 255 0] соответственно). В каждом испытании участников просили выбрать один из двух квадратов. После выбора квадрата черный крест фиксации (значение MATLAB RGB = [0 0 0]) снова появлялся на 300-500 мс, после чего стимул вознаграждения черным цветом («$» для побед, «0» для проигрышей) (MATLAB Значения RGB = [0 0 0]) было показано для 1000 мс.Сразу после смещения стимула обратной связи началось следующее экспериментальное испытание. Структура вознаграждения квадратов была такой, что выбор одного из квадратов приводил к более частым выигрышам, чем другой (соотношение выигрышей / проигрышей 60% против 10%). Расположение каждого квадрата (слева, справа) определялось случайным образом в каждом испытании, и соотношение между процентом выигрыша / проигрыша и цветом оставалось постоянным для каждого блока испытаний. Участники выполнили 5 блоков по 20 испытаний, и для каждого блока испытаний использовались уникальные квадратные цвета.
Группа MUSE
Необычные задачи и задания на обучение, которые участники выполняли в группе MUSE, были идентичны, за исключением нескольких незначительных отличий. Задания выполнялись в тихой комнате на ноутбуке MacBook Air с диагональю 11 дюймов (Apple Inc., Калифорния, США), участники были одеты с головной повязкой MUSE EEG. Важно отметить, что хотя размер монитора был уменьшен, размеры стимулов были скорректированы так, чтобы соответствовать стандартному заданию. Участники ответили с помощью клавиш «a» и «l» на клавиатуре ноутбука.
Сбор данных
Стандартная группа
данных ЭЭГ в стандартной группе были записаны с использованием программного обеспечения Brain Vision Recorder (версия 1.21, Brainproducts, GmbH, Мюнхен, Германия) и 64 электродов, которые были установлены в подогнанный колпачок со стандартной компоновкой 10-10 (ActiCAP, Brainproducts GmbH, Мюнхен). , Германия: конкретный макет крышки доступен здесь http://www.neuroeconlab.com/electrode-configuration.html). Электроды на крышке изначально были привязаны к общей земле.В среднем импеданс электродов поддерживался ниже 20 кОм. Данные ЭЭГ были отобраны с частотой 500 Гц, усилены (ActiCHamp, Revision 2, Brainproducts GmbH, Мюнхен, Германия) и отфильтрованы через сглаживающий фильтр нижних частот 8 кГц. Чтобы гарантировать временное совпадение маркеров событий с экспериментальными стимулами, использовали модуль стимула DATAPixx (VPixx, Vision Science Solutions, Квебек, Канада).
Группа MUSE
данных ЭЭГ в группе MUSE были записаны с помощью оголовья MUSE EEG с исследовательской предустановкой AD (частота дискретизации 500 Гц, без обработки данных на борту: InteraXon, Онтарио, Канада) (см. Http: // developer.choosemuse.com/hardware-firmware/hardware-specifications для получения полных технических характеристик). Система MUSE EEG имеет электроды, расположенные аналогично Fpz, AF7, AF8, TP9 и TP10 с электродом Fpz, используемым в качестве электрода сравнения. Используя пакет Muse-io SDK, мы передавали данные из системы MUSE EEG напрямую в MATLAB через протокол открытого управления звуком (OSC) (см. Http://www.neuroeconlab.com/muse.html для всех методов конфигурации, настройки и сбора данных. и программное обеспечение). По сути, после представления каждого интересующего экспериментального стимула мы напрямую отобрали 1000 мс потоковых данных в MATLAB — с учетом небольшой, изменчивой временной задержки из-за соединения Bluetooth (см. Http: // developer.choosemuse.com/protocols/data-streaming-protocol). Мы протестировали задержку и изменчивость задержки потока данных ЭЭГ по Bluetooth, отправив серию из 5000 TTL-импульсов во вспомогательный порт MUSE из MATLAB и измерив время, которое потребовалось для того, чтобы эти импульсы «вернулись» и стали видимыми в выбранной ЭЭГ. данные. Этот тест продемонстрировал среднее отставание 40 мс (± 20 мс). Важно отметить, что это время включает в себя время передачи импульса TTL в MUSE, время назад от системы MUSE через Bluetooth, преобразование в формат osc через Muse-io (программное обеспечение MUSE SDK) и время, необходимое для прочитайте поток сообщений osc в MATLAB.Мы также отмечаем здесь, однако, что эта изменчивость была частично из-за нескольких выборок ( n <10) с экстремальными задержками.
Обработка данных
Стандартный анализ
Данные были обработаны в автономном режиме с помощью программного обеспечения Brain Vision Analyzer 2 (версия 2.1.1, Brainproducts, GmbH, Мюнхен, Германия) с использованием методов, которые мы использовали ранее (см. Http://www.neuroeconlab.com/data-analysis.html). Сначала были удалены излишне зашумленные или неисправные электроды. Текущие данные ЭЭГ были повторно привязаны к среднему сосцевидному отростку, а затем отфильтрованы с использованием двухпроходного фильтра Баттерворта с полосой пропускания 0.От 1 Гц до 30 Гц в дополнение к режекторному фильтру 60 Гц. Затем сегменты, охватывающие начало каждого интересующего события (от 1000 мс до и 2000 мс после), были извлечены из непрерывной ЭЭГ. После сегментации для коррекции глазных артефактов использовался независимый компонентный анализ (Delorme and Makeig, 2004; Luck, 2014). Данные были восстановлены после анализа независимых компонентов, и все каналы, которые были удалены изначально, были интерполированы с использованием метода сферических сплайнов. Затем были построены новые, более короткие эпохи — от 200 мс до до 600 мс после начала каждого интересующего события.В задаче «Необычный» эти события были началом стимулов для «чудаков» и «контрольного круга»; в задаче обучения вознаграждению эти события были началом стимулов обратной связи о выигрыше и проигрыше. После этого все сегменты были скорректированы по базовой линии с использованием окна 200 мс, предшествующего началу стимула. Наконец, все сегменты были подвергнуты алгоритму отклонения артефактов, который пометил и удалил сегменты, которые имели градиенты более 10 мкВ / мс и / или 100 мкВ абсолютной разницы в пределах сегмента.
Для каждого участника и интересующего события были созданы формы волны ERP путем усреднения сегментированных данных ЭЭГ для каждого электрода.Впоследствии разностный сигнал был создан путем вычитания контрольных сигналов из нечетных сигналов в нечетной задаче и сигналов потерь из сигналов выигрыша в задаче обучения вознаграждению. Для каждой условной и разностной формы волны была создана общая форма волны путем усреднения соответствующих ERP для всех участников. Представляющие интерес компоненты ERP были определены количественно путем определения момента времени максимального отклонения от 0 мкВ на соответствующей форме волны большой средней разности во временном диапазоне компонента в канале, где это отклонение было максимальным (N200: 236 мс; P300: 397 мсек). ; положительность вознаграждения: 301 мс) — при этом канал также проверяется на соответствие предыдущей литературе (N200: Pz; P300: Pz, положительность вознаграждения: FCz).Затем все пики были количественно определены на индивидуальной основе, взяв среднее напряжение ± 25 мс соответствующих моментов времени на соответствующих каналах для каждого участника.
Сокращенный анализ
Чтобы обеспечить лучшее сравнение компонентов ERP с группой MUSE, был проведен второй «сокращенный анализ» данных из стандартной группы снова с помощью программного обеспечения Brain Vision Analyzer 2. Сначала все каналы, кроме Fpz, AF7, AF8, TP9 и TP10, были удалены из всех последующих этапов анализа.Затем непрерывные данные ЭЭГ были повторно привязаны к электроду Fpz, и этот электрод также был удален, чтобы воспроизвести данные, которые мы записали из системы MUSE EEG. Затем данные были оставлены с привязкой к FPz для анализа необычных данных или с повторной ссылкой на среднее значение электродов TP9 и TP10 для анализа данных обучения с вознаграждением. Затем данные были отфильтрованы с помощью двухпроходного фильтра Баттерворта с полосой пропускания от 0,1 Гц до 15 Гц в дополнение к режекторному фильтру 60 Гц. Затем данные были сегментированы от начала интересующего стимула до 600 мс после.Затем к каждому сегменту применялась коррекция базовой линии с использованием окна от 0 до 50 мс — окна, которое было выбрано, поскольку мы не записывали данные ЭЭГ до начала стимула с помощью системы MUSE. Затем был реализован алгоритм отклонения артефактов; в результате этой процедуры сегменты, которые имели градиенты более 10 мкВ / мс и / или абсолютную разницу более 100 мкВ, отбрасывались. Затем сегментированные данные были разделены экспериментальным условием для каждой из двух задач (необычная задача: необычная, контрольная; задача обучения вознаграждению: победа, поражение).Для нестандартной задачи электроды TP9 и TP10 были затем объединены, и были созданы связанные с событием потенциальные средние для каждого условия (необычный, контрольный). Затем для задачи обучения с вознаграждением электроды AF7 и AF8 были объединены, и были созданы связанные с событием потенциальные средние значения для каждого условия (выигрыш, проигрыш). Наконец, разностный сигнал был создан путем вычитания сигналов управления из нечетных сигналов в задаче «нечетный» и сигналов потерь из сигналов выигрыша в задаче обучения вознаграждению.Для каждой условной и разностной формы волны была создана общая форма волны путем усреднения соответствующих ERP для всех участников. Компоненты ERP извлекались и количественно оценивались так же, как и при стандартном анализе, однако, очевидно, этого было достаточно только для объединенного канала. Среднее время пика компонента составило 233 мс для N200, 339 мс для P300 и 293 мс для положительного вознаграждения.
Анализ MUSE
MUSE EEG обрабатывалась идентично приведенному выше сокращенному анализу; однако сначала мы должны были преобразовать данные MUSE в формат, подходящий для анализа в Brain Vision Analzer (это программное обеспечение доступно по адресу http: // www.neuroeconlab.com/muse-analysis.html). После анализа данных MUSE интересующие компоненты ERP были количественно определены способом, также идентичным сокращенному анализу. Из-за задержки по времени, свойственной Bluetooth-соединению, время пика большой средней разницы MUSE отставало и, таким образом, немного отличалось (N200: 260 мс, P300: 381 мс, положительное вознаграждение: 297 мс) от сокращенного времени пика анализа.
Анализ данных
Для всех анализов (стандартный, уменьшенный, MUSE) использовались одни и те же статистические процедуры.Для каждого компонента (N200, P300, положительное вознаграждение) был проведен анализ средних пиковых амплитуд, извлеченных из разностных волн. Чтобы подтвердить различия между условиями каждого компонента, мы сравнили данные средней разницы пиков с нулем, используя три статистических метода: 95% доверительные интервалы, t -тесты (α = 0,05) и 95% достоверные байесовские интервалы наивысшей плотности.
Результаты
Наш анализ сигналов большой средней разницы выявил компоненты с временными характеристиками, соответствующими N200, P300, и положительным результатом для всех анализов (см. Рисунки 2–4).Кроме того, все статистические тесты определили, что действительно существует разница во всех пиках компонентов в зависимости от условий эксперимента для всех анализов (см. Рисунок 5 и дополнительный рисунок 1).
Рис. 2. Условные формы сигналов для нечетной задачи. Вверху: стандартный анализ (электрод Pz), средний : сокращенный анализ (объединенный электрод TP9 и TP10), нижний : анализ MUSE (объединенный электрод TP9 и TP10). Заштрихованные области отражают 95% доверительные интервалы вокруг формы большого среднего сигнала.
Рис. 3. Условные формы сигналов задачи обучения вознаграждению. Вверху: стандартный анализ (электрод FCz), средний : сокращенный анализ (объединенный электрод AF7 и AF8), нижний : анализ MUSE (объединенный электрод AF7 и AF8). Заштрихованные области отражают 95% доверительные интервалы вокруг формы большого среднего сигнала.
Рис. 4. Различия осциллограмм сокращенного и MUSE-анализа для обеих задач. Слева: однодневное задание, справа: вознаграждение за обучающее задание.Формы разностных сигналов были созданы путем вычитания условия управления из нечетного условия для необычной задачи и условия проигрыша из условия выигрыша для задачи принятия решения. Заштрихованные области отражают 95% доверительные интервалы вокруг формы большого среднего сигнала.
Рис. 5. Средние амплитуды с 95% -ным доверительным интервалом для N200 (слева), P300 (в центре) и положительности вознаграждения (справа) для стандартного, сокращенного и MUSE-анализа . Средние амплитуды рассчитывались путем усреднения 25 мс вокруг соответствующих пиков.
Странная задача: N200
Наш анализ стандартных данных показал, что необычные стимулы вызвали разницу в амплитуде N200 по сравнению с контрольными стимулами в соответствии с предыдущими данными (M _d = 3,75 мкВ [2,64 мкВ 4,87 мкВ], t _{(59 )} = 6,76, p <0,0001, байесовский ИЧР: μ = 3,72 мкВ [2,57 мкВ 4,83 мкВ]). Наш сокращенный анализ продемонстрировал аналогичный, но обратный эффект по сравнению со стандартным анализом - странные стимулы вызвали более положительное напряжение во временном диапазоне N200, чем контрольные стимулы (M _d = -5.63 мкВ [-6,81 мкВ -4,44 мкВ], t ₍₅₉₎ = -9,51, p <0,0001, байесовский ИЧР: μ = -5,57 мкВ [-6,76 мкВ -4,43 мкВ]). Важно отметить, что наш анализ данных MUSE выявил компонент, который был идентичен N200, наблюдаемому в сокращенном анализе (M _d = -4,85 мкВ [-5,95 мкВ -3,76 мкВ], t ₍₅₉₎ = — 8,89, p <0,0001, байесовский ИЧР: μ = -4,80 мкВ [-5,91 мкВ -3,69 мкВ]).
Странное задание: P300
Наш анализ стандартных данных показал, что необычные стимулы вызвали разницу в амплитуде P300 по сравнению с контрольными стимулами в соответствии с предыдущими данными (M _d = 10.47 мкВ [8,98 мкВ 11,97 мкВ], t ₍₅₉₎ = 14,00, p <0,0001, байесовский ИЧР: μ = 10,41 мкВ [8,87 мкВ 11,90 мкВ]). Как и в случае с N200, наш сокращенный анализ также выявил разницу в амплитуде P300 между необычным и контрольным стимулами - и опять же полярность была обратной (M _d = 1,98 мкВ [0,43 мкВ 3,53 мкВ], t ₍₅₉₎ = 2,55, p = 0,0132, байесовский ИЧР: μ = 1,91 мкВ [0,36 мкВ 3,48 мкВ]). Опять же, наш анализ данных MUSE выявил компонент P300, который для всех практических целей был идентичен компоненту, который мы наблюдали в сокращенном анализе (M _d = 1.37 мкВ [0,39 мкВ 2,35 мкВ], t ₍₅₉₎ = 2,80, p = 0,0069, байесовский ИЧР: μ = 1,36 мкВ [0,36 мкВ 2,36 мкВ]).
Задача изучения вознаграждения: позитивное вознаграждение
Наш стандартный анализ показал, что стимулы «победа» в задаче обучения вознаграждению по-разному модулируют амплитуду положительности вознаграждения относительно стимулов «проигрыш» — результат соответствует предыдущим результатам (M _d = 5,67 мкВ [4,51 мкВ 6,82 мкВ], t ₍₅₉₎ = 9.83, p <0,0001, байесовский ИЧР: μ = 5,58 мкВ [4,40 мкВ 6,75 мкВ]). Сокращенный анализ обнаружил эффект, аналогичный стандартному анализу (M _d = 3,52 мкВ [2,21 мкВ 4,84 мкВ], t ₍₅₉₎ = 5,36, p <0,0001, байесовский ИРЧП: μ = 3,45 мкВ [2,14 мкВ 4,76 мкВ]), и анализ MUSE показал эффект, аналогичный сокращенному анализу (M _d = 2,57 мкВ [1,58 мкВ 3,57 мкВ], t ₍₅₉₎ = 5,19, p <0.0001, байесовский ИЧР: μ = 2,32 мкВ [1,38 мкВ 3,30 мкВ]).
Дополнительные анализы
Чтобы проверить надежность сбора данных ERP с помощью MUSE, мы также провели анализ повторной выборки, в котором мы вычислили процент значимых статистических тестов для 10000 выборок данных с размерами выборки от 2 до 60 для каждой из наших двух групп и трех процедуры анализа — стандартные, сокращенные, MUSE. Результаты этого анализа представлены на Рисунке 6 и демонстрируют, что для N200 и положительной оценки вознаграждения размер выборки 10 более чем достаточно для достижения надежных результатов.Однако для компонента P300 мы обнаружили, что для сокращенных групп и групп MUSE этот размер выборки был больше — возможно, из-за большего ослабления этого компонента ERP на участках электродов, которые мы использовали для его количественной оценки, TP9 и TP10.
Рис. 6. Анализ повторной выборки для проверки минимального количества участников, необходимого для достижения статистической значимости, представленного как процент значимых t -тестов ( p <0,05) из 10 000 .Пунктирная горизонтальная линия расположена на уровне 95%.
Обсуждение
Представленные здесь результаты ясно демонстрируют, что систему MUSE EEG можно использовать для проведения исследования связанного с событиями потенциала мозга (ERP) с одного компьютера без использования маркеров событий. В частности, в двух отдельных задачах, визуальной необычной задаче и задаче обучения с вознаграждением, мы продемонстрировали, что данные, собранные с помощью системы MUSE EEG, дали компоненты N200, P300 и положительного вознаграждения. Анализ повторной выборки, реализованный post-hoc (см. Рисунок 6), также ясно демонстрирует, что с помощью MUSE можно измерить надежные компоненты ERP (особенно N200 и положительное вознаграждение) с минимальным количеством участников.Кроме того, мы отмечаем, что время на выполнение обеих экспериментальных задач, включая настройку ЭЭГ, в среднем занимало менее 10 минут. Для сравнения необходимо учитывать время выполнения задачи с нашей системой ActiChamp с большим массивом. В среднем двум опытным научным сотрудникам потребовалось 35 минут, чтобы прикрепить электродный колпачок, 64 электрода, нанести гель и получить сопротивление электродов в приемлемом диапазоне. Хотя время выполнения задачи осталось прежним, после эксперимента двум ассистентам-исследователям потребовалось 15 минут на уборку, в результате чего общее время тестирования в среднем составило 60 минут.Таким образом, время настройки и тестирования с помощью MUSE составило примерно одну шестую времени настройки и тестирования с нашей системой большого массива. Здесь также следует учитывать тот факт, что для систем с большими массивами обычно требуются два (или более) помощника исследователя по сравнению с одним с нашей установкой MUSE, и они стоят значительно дороже: примерно 75 000 долларов США по сравнению с 250 долларами для системы MUSE (см. Таблицу 1).
Таблица 1. Сравнение систем ЭЭГ .
Собранные здесь данные обеспечивают дополнительную поддержку использования недорогих портативных систем ЭЭГ, таких как MUSE, для полевых исследований (т.е., Debener et al., 2012). Однако наша работа еще больше расширяет аспекты переносимости и простоты использования предыдущей работы, учитывая, что мы смогли собрать два полных эксперимента (включая настройку) за 10 минут, мы смогли сделать это с помощью одного небольшого портативного компьютера и более того. мы смогли отойти от традиционного использования маркеров событий. В некоторой степени наш подход воспроизводил предыдущую работу (Вос и др., 2014; Вонг и др., 2014), но наш метод значительно улучшает переносимость и простоту использования сбора данных мобильной ERP-системы.Наша работа здесь расширяет возможности исследователей по сбору данных ЭЭГ в клинических условиях и в «реальном мире». Кроме того, учитывая низкую стоимость MUSE и простоту ее использования, система MUSE дает возможность относительно легко собирать большое количество участников одновременно. С учетом сказанного, есть некоторые ключевые проблемы, о которых исследователи должны знать при использовании портативного протокола ЭЭГ, такого как представленный здесь.
Качество данных
Возможно, самая большая трудность, с которой столкнулись в настоящем исследовании, заключалась в настройке участников с головной повязкой MUSE для сбора данных.Действительно, во время нашей экспериментальной работы у наших ассистентов-исследователей изначально были проблемы с получением достаточного уровня качества данных из системы MUSE. Но, по большей части, эти потерянные данные были связаны с неспособностью ассистентов-исследователей достичь достаточного соединения между головной повязкой ЭЭГ и соответствующими местоположениями электродов на коже головы во время настройки, которую мы намеренно ограничили 5 минутами, после чего начали все равно экспериментируйте. Одна вещь, которую мы здесь отметим, заключалась в том, что определенные формы головы, размеры головы и прически затрудняли сбор данных — фактор, который необходимо учитывать при разработке исследований ERP с портативными системами ЭЭГ, такими как MUSE.С учетом сказанного, как только наши научные сотрудники приобрели достаточный уровень опыта работы с системой MUSE, наше соотношение потерянных участников упало до одного из двадцати, что соответствует результатам исследований ERP, проведенных с системами ЭЭГ с большим массивом. Кроме того, при быстром просмотре веб-сайта MUSE можно найти учебные пособия и вспомогательные видеоролики, которые помогут будущим исследователям научиться быстро и правильно надевать наушники MUSE на участников.
Чтобы улучшить нашу способность оценивать качество данных во время настройки и в ходе эксперимента, мы написали сценарий MATLAB, который показывал необработанную ЭЭГ в режиме реального времени исследовательской группе.Важно отметить, что наше программное обеспечение также показало дисперсию сигнала ЭЭГ для каждого канала в секунду (обратите внимание, что весь код MATLAB, который мы использовали, публично доступен по адресу: http://www.neuroeconlab.com/muse-data-collection.html) . В ходе пилотного тестирования мы обнаружили, что если мы сможем минимизировать дисперсию данного канала (менее 150 мкВ ² / с), то количество потерянных попыток будет минимальным (конечно, за исключением миганий и других типичных артефактов ЭЭГ). Наконец, отметим, что мы сознательно выбрали очень короткое окно для сбора данных — наша необычная задача длилась 180 с — чтобы подчеркнуть переносимость нашего подхода для полевых / клинических исследований.Если бы мы собирали данные за более длительный период времени за счет увеличения продолжительности обеих задач за счет добавления большего количества испытаний, мы также потеряли бы меньше участников в нашем постэкспериментальном анализе данных ЭЭГ.
Маркеры событий и время маркеров
Возможность вставлять точные во времени «маркеры» для привязки экспериментальных стимулов к непрерывным данным ЭЭГ долгое время считалась критически важной при проведении исследований ERP (Luck, 2014). Предыдущая работа с портативными системами ЭЭГ также была направлена на то, чтобы пометить данные либо напрямую (Debener et al., 2012; Vos et al., 2014) или посредством временной синхронизации событий (Wong et al., 2014). Здесь, как мы отмечали ранее, мы решили не маркировать данные ЭЭГ, а вместо этого просто записали сегменты данных ЭЭГ, которые передавались из MUSE на портативный компьютер после каждого испытания. Конечно, мы знаем, что из-за различных временных задержек, присущих соединению для передачи данных Bluetooth, и из-за отсутствия экспериментальных маркеров событий в наших данных ЭЭГ наблюдается значительный временной «джиттер» (см. Shorey and Miller, 2000).В частности, обычно обнаруживается, что Bluetooth имеет задержку от 18 до 20 мс с джиттером приблизительно 5 мс (см. Luque et al., 2012). Тем не менее, наши результаты ясно показывают, что это не имеет значения, если кто-то просто хочет количественно оценить компоненты ERP — наши данные, которые мы собрали с помощью системы MUSE EEG, четко выявили компоненты N200, P300 и положительного вознаграждения ERP. Честно говоря, стоит отметить, что наш подход может не подходить для тонких внутренних манипуляций — для решения этой проблемы требуется дальнейшая работа.
С практической точки зрения, случайные задержки во временном начале нашего сбора данных будут иметь гауссовское распределение, и, таким образом, задержки будут усреднены — действительно, поэтому наши компоненты MUSE ERP выглядят так же, как те, которые мы наблюдали при сокращенном анализе. Кроме того, хотя время начала через Bluetooth не «гарантировано» — порядок пакетов данных следующий (https://www.bluetooth.com/; Bray and Sturman, 2001), и поэтому усреднение временного начала не проводилось. повлиять на текущие данные так сильно, как мы изначально опасались.Наконец, мы написали код MATLAB, который позволяет двустороннюю связь через протокол OSC для отправки маркеров для маркировки непрерывной записи ЭЭГ — однако эти маркеры OSC будут подвержены тем же переменным временным задержкам, что и наш протокол прямой записи. В любом случае использование портативных систем ЭЭГ не препятствует протоколу, в котором непрерывные данные ЭЭГ записываются и маркируются способом, обычным для большинства исследований ERP. Однако, как мы уже отмечали ранее, мы намеренно стремились отказаться от использования маркеров событий.
Использование нестандартных электродов
Одним из последствий использования портативной системы ЭЭГ, такой как MUSE, для исследования ERP является то, что исследователь должен признать, что он, скорее всего, будет работать с нестандартными положениями электродов для данных компонентов ERP. Например, для двух экспериментальных задач, которые мы использовали здесь, один, как правило, сосредоточил бы автономный анализ на электродах Pz (необычная задача) и FCz (задача обучения с вознаграждением), а не на объединенном среднем значении электродов TP9 и TP10.Однако у нас не было электродов ни на Pz, ни на FCz, и поэтому мы были вынуждены работать с объединенным средним значением электродов TP9 и TP10 для необычной задачи и объединенным средним значением электродов AF7 и AF8 для задачи обучения с вознаграждением.
Имея это в виду, три компонента ERP, которые мы наблюдали (N200, P300, положительное вознаграждение), не выглядели так, как обычно (см. Рисунки 1–3), но они были четко наблюдаемыми и, что более важно, надежно количественно оценивались. Мы отмечаем здесь важность того, что мы смогли количественно оценить N200, P300 и вознаградить положительные результаты с помощью минимального количества испытаний с портативной системой MUSE EEG — теперь исследователи могут быстро и надежно измерить эти компоненты в полевых условиях или в клинических условиях. с относительной легкостью.Возможность измерения компонентов ERP с помощью портативной системы MUSE EEG, которую мы демонстрируем здесь с помощью одного компьютера и без использования маркеров событий, может значительно расширить использование EEG и ERP в качестве инструмента клинической диагностики и / или позволить более широкое использование ЭЭГ и ERP в полевых исследованиях. В подтверждение этого мы отмечаем здесь, что мы недавно использовали систему MUSE EEG для сбора данных ERP в базовом лагере на горе Эверест на высоте 17 598 футов (Криголсон и Бинстед, готовится) и в условиях больницы от студентов-медиков для оценки утомляемости. (Хоуз, Вальзак, Райт и Криголсон, в стадии подготовки).Наконец, мы отмечаем, что система MUSE уже имеет большую клиентскую базу, которая успешно использовала самонаводящееся программное обеспечение (например, приложение MUSE). Имея это в виду, исследователи потенциально могут программировать эксперименты в программных средах iOS или Android, распространять их через соответствующие магазины приложений и потенциально собирать данные EG / ERP от тысяч участников.
Выводы
Повышение качества недорогих портативных систем ЭЭГ, таких как MUSE, дает исследователям прекрасную возможность улучшить свои возможности для проведения полевых и / или клинических исследований.Здесь мы демонстрируем, что смогли количественно оценить компоненты N200, P300 и ERP с положительным вознаграждением с помощью системы MUSE EEG в двух экспериментальных парадигмах, которые вместе были выполнены менее чем за 10 минут. В нашем методе использовался один компьютер, и нам не приходилось полагаться на использование маркеров событий. Мы отмечаем здесь, что весь код MATLAB и протоколы для исследователей для воспроизведения и расширения наших исследований доступны на веб-сайте нашей лаборатории: http://www.neuroeconlab.com/muse.html.
Заявление об этике
Университет Виктории HREB Письменное информированное согласие.
Авторские взносы
OK был главным исследователем этого проекта. FC отвечал за сбор данных и разработку приложений. AN и CH отвечали за программирование и теоретическую разработку проекта. CW отвечал за анализ данных.
Заявление о конфликте интересов
Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.
Благодарности
Мы хотели бы поблагодарить Брианну Бодри, Роуз Лейшманн и Джеффа Зала за их работу над этим проектом в качестве научных сотрудников. Настоящая работа была поддержана фондами Discovery (RGPIN 2016-0943) и Engage (EGP 488711-15), финансируемыми Национальным советом по научным и инженерным исследованиям Канады.
Дополнительные материалы
Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/article/10.3389/fnins.2017.00109 / полный # дополнительный материал
Дополнительный рисунок 1. Графики байесовской гистограммы для всех анализов (вверху: стандартный, средний: уменьшенный, внизу: MUSE) и компонентов (слева: N200, посередине: P300, справа: положительное вознаграждение) . Черные полосы представляют собой 95% интервалы с самой высокой плотностью.
Сноски
Список литературы
Бэдкок, Н. А., Мусику, П., Махаджан, Ю., де Лисса, П., Ти, Дж., И МакАртур, Г. (2013). Валидация игровой системы Emotiv EPOC ^® EEG для измерения слуховых ERP качества исследования. PeerJ 1: e38. DOI: 10.7717 / peerj.38
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Бэдкок, Н.А., Прис, К.А., де Вит, Б., Гленн, К., Фидер, Н., Ти, Дж. И др. (2015). Валидация системы Emotiv EPOC EEG для исследования качественных возможностей слуховых событий у детей. PeerJ 3: e907. DOI: 10.7717 / peerj.907
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Брей Дж. И Стурман К. Ф. (2001). Bluetooth 1.1: подключение без кабелей . Река Аппер Сэдл, штат Нью-Джерси: Prentice Hall.
Google Scholar
Кэдвелл, Дж. А., и Вильярреал, Р. А. (1999). «Электрофизиологическое оборудование и электробезопасность», в Электродиагностика в клинической неврологии , ред М. Дж. Аминофф (Нью-Йорк, Нью-Йорк: Черчилль Ливингстон), 15–33.
Коулз М. Г. Х., Граттон Г., Крамер А. Ф. и Миллер Г. А. (1986). «Принципы сбора и анализа сигналов», в Психофизиология: системы, процессы и приложения , ред.Г. Х. Коулз, Э. Дончин и С. В. Поргес (Нью-Йорк, штат Нью-Йорк: Guilford Press), 183–221.
Дебенер, С., Миноу, Ф., Эмкес, Р., Гандрас, К., и де Вос, М. (2012). Как насчет того, чтобы прогуляться с недорогой, маленькой и беспроводной ЭЭГ? Психофизиология 49, 1617–1621. DOI: 10.1111 / j.1469-8986.2012.01471.x
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Делорм, А., Макейг, С. (2004). EEGLAB: набор инструментов с открытым исходным кодом для анализа динамики ЭЭГ в одном исследовании, включая независимый компонентный анализ. J. Neurosci. Методы 134, 9–21. DOI: 10.1016 / j.jneumeth.2003.10.009
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Duvinage, M., Castermans, T., Petieau, M., Hoellinger, T., Cheron, G., and Dutoit, T. (2013). Производительность гарнитуры Emotiv Epoc для приложений на базе P300. Biomed. Англ. Онлайн 12:56. DOI: 10.1186 / 1475-925X-12-56
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Холройд, К. Б., и Коулз, М.Г. (2002). Нейронная основа обработки человеческих ошибок: обучение с подкреплением, дофамин и связанный с ошибкой негатив. Psychol. Ред. 109: 679. DOI: 10.1037 / 0033-295X.109.4.679
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Кутас, М. (1997). Взгляды на то, как электрическая активность, генерируемая мозгом, отражает функции различных языковых структур. Психофизиология 34, 383–398. DOI: 10.1111 / j.1469-8986.1997.tb02382.x
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Kuziek, J.В., Шиен, А., Мэтьюсон, К. Э. (2017). Перенос экспериментов ЭЭГ из лаборатории с использованием Raspberry Pi 2. J. Neurosci. Методы 277, 75–82. DOI: 10.1016 / j.jneumeth.2016.11.013
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Удача, С. Дж. (2014). Введение в технику связанных с событиями потенциалов, 2-е изд. Кембридж, Массачусетс: MIT Press.
Луке, Дж. Р., Морон, М. Дж., И Касилари, Э. (2012). Аналитическая и эмпирическая оценка влияния гауссова шума на модуляцию, используемую Bluetooth Enhanced Data Rates. EURASIP J. Wireless Commun. Сеть 2012: 94. DOI: 10.1186 / 1687-1499-2012-94
CrossRef Полный текст | Google Scholar
Пиктон, Т. В., Бентин, С., Берг, П., Дончин, Э., Хиллард, С. А., Джонсон, Р. и др. (2000). Руководящие принципы использования связанных с человеческими событиями потенциалов для изучения познания: стандарты записи и критерии публикации. Психофизиология 37, 127–152. DOI: 10.1111 / 1469-8986.3720127
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Рагг, М.Д. и Коулз М. Г. (1995). Электрофизиология разума: связанные с событиями мозговые возможности и познание . Оксфорд, Великобритания: Издательство Оксфордского университета.
Google Scholar
Шори Р. и Миллер Б. А. (2000). «Технология Bluetooth: достоинства и недостатки. In Personal Wireless Communications »в 2000 IEEE International Conference on Multimedia and Expo — ICME2000 (Хайдарабад), 80–84.
Google Scholar
Сквайрс, Н.К., Сквайрс, К.К. и Хиллард С.А. (1975). Две разновидности долгоживущих положительных волн, вызываемых у человека непредсказуемыми слуховыми стимулами. Электроэнцефалогр. Clin. Neurophysiol. 38, 387–401. DOI: 10.1016 / 0013-4694 (75) -1
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Шринивасан Р., Такер Д. М. и Муриас М. (1998). Оценка пространственного Найквиста ЭЭГ человека. Behav. Res. Методы Instrum. Comput. 30, 8–19. DOI: 10.3758 / BF03209412
CrossRef Полный текст | Google Scholar
Вос, м.Д., Гандрас, К., Дебенер, С. (2014). На пути к действительно мобильному мозговому компьютерному интерфейсу: исследуем P300 на вынос. Внутр. J. Psychophysiol. 91, 46–53. DOI: 10.1016 / j.ijpsycho.2013.08.010
PubMed Аннотация | CrossRef Полный текст | Google Scholar
Вашер, Э., Хеппнер, Х., Хоффманн, С. (2014). На пути к измерению связанной с событиями активности ЭЭГ в реальной рабочей среде.
No related posts.