Ich habe über EEG-Gehirnwellen gelesen, bei denen es sich um spezifische Wellenformen handelt, die am EEG-Ausgang beobachtet und normalerweise von Menschen bewertet werden. Dieses Konzept gibt es schon seit geraumer Zeit.
Gibt es etwas „Neueres“ oder „Besseres“ als die in den letzten Jahren entdeckten EEG-Gehirnwellen?
Ist es angesichts der Zunahme kommerziell erhältlicher EEG-Sensoren einem Unternehmen gelungen, eine Möglichkeit zur Analyse oder Quantifizierung der Ausgabe dieser Sensoren zu entwickeln, um Forschern nützliche Informationen zu liefern? Ich denke an Gehirnwellen-Verarbeitungsalgorithmen. Beispielsweise gibt es in der Aktigraphie, der Untersuchung der menschlichen Bewegung, Algorithmen wie „Wenn 19 von 20 Minuten Aktivität als Schlaf gewertet werden, dann tritt der Schlafbeginn bekanntermaßen zu Beginn des 20-Minuten-Fensters ein“. Gibt es etwas Ähnliches für Brainwave oder abgeleitete Metriken?
Es gibt keinen besseren Weg, die Gehirnaktivität zu beschreiben als Gehirnwellen! :)
Es gibt jedoch neuere Möglichkeiten, Gehirnwellen zu analysieren und darüber nachzudenken. Üblicherweise finden Sie diese unter Literatur zu neuronalen Schwingungen.
Gute Aspekte des Nachdenkens über die Gehirnaktivität mithilfe von Gehirnwellen:
Schlechte Aspekte sind:
In der Vergangenheit wurden Gehirnströme durch Augapfel identifiziert. Heutzutage können wir das viel besser. Wir können uns vorstellen, dass jede dieser Linien tatsächlich aus vielen verschiedenen Arten von neuronaler Aktivität besteht, die mit unterschiedlichen Geschwindigkeiten ablaufen. Neuronen, die schnell zusammen feuern, führen zu kleinen, kurzen Amplitudenänderungen, während Neuronen, die langsamer zusammen feuern, zu langsamen Wellen führen. Je mehr Neuronen zusammen feuern, desto höher ist die Amplitude der Welle. Je schneller sie zusammen feuern, desto niedriger ist die Wellenlänge.
Die schnellen und langsamen Wellenlängen werden zu einer einzelnen Wellenlinie auf dem Bildschirm summiert, aber wir können sie zerlegen, zB durch Verwendung einer Fourier-Transformation oder einer Wavelet-Transformation. Durch die Zerlegung gewinnen wir Einblick in die Tatsache, dass Neuronen mit unterschiedlichen Raten gemeinsam feuern, wenn sie unterschiedliche Dinge tun. Wenn Sie beispielsweise einen visuellen Reiz ignorieren, beginnt Ihr visuelles Gehirn etwa 10 Mal pro Sekunde zu feuern. Dies wird als Alpha-Rhythmus bezeichnet. Wenn Sie einen Stimulus aktiv beobachten, ändert sich die Aktivität auf 40-70 Mal pro Sekunde. Das ist der Gamma-Rhythmus. Sie können also etwas darüber aussagen, was das Gehirn tut, wenn Sie das Muster der neuronalen Aktivität anhand einer Wellenlinie sehen.
Sie könnten auch bemerken, dass zwei entfernte Teile des Gehirns Neuronen haben, die zusammen feuern ... aber dass sie in Phase miteinander sind. Dies könnte bedeuten, dass beide unterschiedliche Aspekte derselben Information verarbeiten, was uns etwas über die funktionelle neuronale Konnektivität aussagt, obwohl wir nicht sehen, wie die zugrunde liegende weiße Substanz feuert.
In jedem Fall sollten Gehirnströme nicht wirklich als besser oder schlechter als andere Maße der neuronalen Aktivität angesehen werden. Sie fügen einfach ihre Information hinzu, die Teil des größeren Puzzles ist, wie das Gehirn funktioniert. Hier finden Sie einen wirklich schönen Vergleich von M/EEG mit fMRI und eine Diskussion aller großen Probleme hinter nichtinvasiven elektrophysiologischen Maßnahmen.
Ja und nein. Die Quellenschätzung wird seit Jahrzehnten in der Elektrotechnik eingesetzt, setzt sich aber im EEG-Bereich immer mehr durch, insbesondere angesichts der Bemühungen, EEG-Messwerte mit gleichzeitigen fMRI-Studien zu registrieren.
Grundsätzlich können wir bei einer Reihe von EEG- (oder sogar MEG-, magnetenzephalographischen) Messungen diese "invertieren", um die einzelnen Stromquellen zu finden, die eine solche elektrische Aktivität erzeugen würden. Vorwärtsmodelle, bei denen a priori ein Satz von Quellen angenommen wird, können ebenfalls verwendet werden.
Scholarpedia hat einen ausführlichen Artikel über diese Methoden. Knapp,
MUSIC
sLORETA
verwendet, von denen die meisten eine Art Matrixtransformation der Daten in einen niedrigerdimensionalen Raum und die Abbildung auf eine Reihe von Punktquellen beinhalten.
Aktuelle Forschung (z. B. Antelis und Minguez, 2012) verwendet einen Ansatz, der die Ergebnisse mehrerer dynamischer Modelle zusammenführt, um die Schätzungen zu verbessern.
Antelis, JM, Minguez, J. (2012). DYNAMO: Gleichzeitige dynamische Multimodell-Quellenlokalisierungsmethode für EEG und/oder MEG. Journal of Neuroscience Methods , online verfügbar am 26. September 2012 [DOI]
Ich bin überrascht, dass niemand die Aktivitätsspitzen erwähnt hat . Die räumliche und zeitliche Auflösung sind phänomenal.
Die Technologie zur gleichzeitigen Aufzeichnung von Aktionspotentialen von vielen Neuronen über viele kortikale Bereiche nimmt zu. Ein Großteil der theoretischen Neurowissenschaften befasst sich damit, wie diese Spiking-Muster Informationen übermitteln.
Wie bei den anderen Antworten werde ich diese Skizze in den kommenden Tagen ergänzen. Ich wollte darauf hinweisen, dass es andere Informationsquellen über die Gehirnaktivität als EEGs gibt.
mac389
Alex Stein