EEG mikrotillstånd
EEG-mikrotillstånd är övergående, mönstrade, kvasistabila tillstånd eller mönster av ett elektroencefalogram . Dessa tenderar att pågå var som helst från millisekunder till sekunder och antas vara de mest grundläggande instansieringarna av mänskliga neurologiska uppgifter, och får därför smeknamnet "tankens atomer". Mikrotillståndsuppskattning och analys gjordes ursprungligen med hjälp av alfabandsaktivitet , även om EEG-band med bredare bandbredd nu vanligtvis används. Mikrotillståndens kvasistabilitet betyder att den "globala [EEG] topografin är fixerad, men styrkan kan variera och polariteten inverteras."
Historia
Konceptet med temporala mikrotillstånd av hjärnans elektriska aktivitet under vila utan uppgift och uppgiftsutförande (händelserelaterade mikrotillstånd) utvecklades av Dietrich Lehmann och hans medarbetare (KEY Institute for Brain-Mind Research, University of Zürich, Schweiz) mellan 1971 och 1987, (se "EEG-mikrotillstånd" . Scholarpedia . ) Drs. Thomas Koenig (University Hospital of Psychiatry, Schweiz) och Dietrich Lehmann (KEY Institute for Brain-Mind Research, Schweiz) krediteras ofta som pionjärerna inom EEG-mikrostatanalys. I sin artikel från 1999 i European Archives of Psychiatry and Clinical Neuroscience hade Koenig och Lehmann analyserat EEG:n för personer med schizofreni för att undersöka sjukdomens potentiella grundläggande kognitiva rötter. De började rikta sin uppmärksamhet mot EEG på en millisekundsskala. De fastställde att både normala försökspersoner och de med schizofreni delade dessa mikrotillstånd, men de varierade i egenskaper mellan de två grupperna och drog slutsatsen att:
- "Momentära hjärnans elektriska fältkonfigurationer är manifestationer av ett tillfälligt globalt funktionstillstånd i hjärnan. Fältkonfigurationer tenderar att kvarstå under en viss tid i intervallet under en sekund ("mikrostater") och koncentreras inom några klasser av konfigurationer. Följaktligen kan hjärnfältsdata reduceras effektivt till sekvenser av återkommande klasser av hjärnmikrotillstånd, som inte överlappar i tiden. Olika konfigurationer måste ha orsakats av olika aktiva neurala ensembler, och därför antas olika mikrotillstånd implementera olika funktioner."
Identifiera och analysera mikrotillstånd
Från EEG till mikrotillstånd
Att isolera och analysera sin EEG-mikrostatsekvens är en post-hoc- operation som vanligtvis använder flera medelvärdes- och filtreringssteg. När Koenig och Lehman körde sitt experiment 1999 konstruerade de dessa sekvenser genom att utgå från en patients ögonslutna vilotillstånds-EEG. De första flera händelsefria minuterna av EEG isolerades, sedan omfiltrerades perioder på cirka 2 sekunder vardera ( bandpass ≈ 2–20 Hz). När väl epokerna filtrerats, grupperades dessa mikrotillstånd analytiskt i medelklasser via k-medelklustring , post hoc. Ett probabilistiskt tillvägagångssätt, med användning av Fuzzy C-Means, för klustring och efterföljande tilldelning (se nedan) av mikrotillstånd har också föreslagits.
Klustring och bearbetning
Eftersom hjärnan går igenom så många transformationer på så korta tidsskalor, är mikrotillståndsanalys i huvudsak en analys av genomsnittliga EEG-tillstånd. Koenig och Lehmann sätter standarden för att skapa klasser, eller återkommande genomsnittliga EEG-konfigurationer. När alla EEG-data har samlats in, väljs ett "prototyp"-EEG-segment, med vilket alla andra insamlade mikrotillstånd ska jämföras. Så här startar medelvärdesprocessen. Varians från denna "prototyp" beräknas för att antingen lägga till den i en befintlig klass eller för att skapa en separat klass. Efter att liknande konfigurationer har "klustrats" tillsammans, upprepas processen att välja och jämföra en "prototyp" flera gånger för noggrannhet. Processen beskrivs mer i detalj av Koenig och Lehmann:
"Likheten mellan EEG rumslig konfiguration för varje prototypkarta med var och en av de 10 kartorna beräknas med hjälp av bestämningskoefficienten för att utelämna kartornas polariteter. ... Separat för varje klass uppdateras prototypkartorna genom att kombinera alla tilldelade kartor genom att beräkna den första rumslig huvudkomponent av kartorna och därigenom maximera den gemensamma variansen samtidigt som kartpolariteten bortser från." Denna process upprepas flera gånger med olika slumpmässigt utvalda prototypkartor bland de insamlade data för att använda för statistisk jämförelse och variansbestämning.
Skapa och tilldela klasser
De flesta studier avslöjar samma fyra klasser av mikrostatstopografi:
- A: höger-frontal till vänster-posterior
- B: vänster-frontal till höger-posterior
- C: frontal till occipital
- D: mestadels frontal och medial till något mindre occipital aktivitet än klass C
Men många studier har också hittat andra EEG-mikrostatiska mallkartor som sannolikt kommer att vara meningsfulla. konvergerade på 16 kartor för att förklara en hög andel av den observerade variansen. hittade 13 kartor med en ICA-metod. Antalet mikrotillstånd som "hittats" och används är dels en funktion av personens kognitiva tillstånd, men också dels metoden som används för att gruppera och tilldela mikrotillstånd. Även om mikrotillstånd historiskt sett alltid har tilldelats deterministiskt, har senare arbete också föreslagit att det finns beräkningsmässiga, analytiska och konceptuella frågor som kan lösas genom en probabilistisk analys av mikrotillstånd.
Ansökningar
Grundläggande förståelse för mänsklig kognition
Det är den nuvarande hypotesen att EEG-mikrostater representerar de grundläggande stegen i kognition och neural informationsbehandling i hjärnan, men det finns fortfarande mycket forskning som behöver göras för att cementera denna teori.
Koenig, Lehmann et al. 2002
Denna studie undersökte EEG-mikrostatvarians mellan normala människor i olika åldrar. Den visade en "laglig, komplex evolution med åldern" med toppar i genomsnittlig mikrotillståndslängd runt åldrarna 12, 16, 18 och 40–60 år, vilket tyder på att det finns en betydande cerebral evolution som sker i dessa åldrar. När det gäller orsaken till detta antog de att det berodde på tillväxten och omstruktureringen av neurala banor,
- "I studier om mikroarkitekturen för utvecklande hjärnvävnad har det observerats att efter ett initialt överskott av relativt oorganiserade synaptiska kopplingar, minskade antalet synapser gradvis, medan graden av organisering av förbindelserna ökade (Huttenlocher, 1979; Rakic et al., 1986). Det är således mer troligt att de observerade förändringarna i mikrotillståndsprofilresultatet bildar eliminering av icke-funktionella kopplingar snarare än från bildandet av nya. En annan möjlig relation mellan de nuvarande resultaten och neurobiologiska processer kommer från observation att med stigande ålder minskar asymmetriska mikrotillstånd, medan symmetriska mikrotillstånd ökar. Om man antar att asymmetriska mikrotillstånd härrör från övervägande unilateral hjärnaktivitet, medan symmetriska mikrotillstånd indikerar övervägande bilateral aktivitet, kan de observerade effekterna vara relaterade till tillväxten av corpus callosum, som fortsätter. till sena tonåren (t.ex. Giedd et al., 1999)."
Van De Ville, Britz och Michel, 2010
analyserades den tidsmässiga dynamiken och eventuella fraktala egenskaper hos EEG-mikrotillstånd hos normala människor. Eftersom mikrotillstånd är en global topografi, men förekommer på så små tidsskalor och förändras så snabbt, antog Van De Ville, Britz och Michel att dessa "tankeatomer" är fraktalliknande i den tidsmässiga dimensionen. Det vill säga, oavsett om det är uppskalat eller nedskalat, är ett EEG i sig en sammansättning av mikrotillstånd. Denna hypotes belystes initialt av den starka korrelationen mellan den snabba tidsskalan och förgängligheten hos EEG-mikrotillstånd och de mycket långsammare signalerna från ett vilotillstånd fMRI .
- "Kopplingen mellan EEG-mikrotillstånd och fMRI-vilotillståndsnätverk ( RSN ) etablerades genom att tidsförloppen för förekomsten av de olika EEG-mikrotillstånden konvolverades med den hemodynamiska responsfunktionen ( HRF ) och sedan använda dessa som regressorer i en generell linjär modell för konventionella fMRI- analys. Eftersom HRF fungerar som ett starkt temporalt utjämningsfilter på den snabba EEG-baserade signalen är det anmärkningsvärt att statistiskt signifikanta korrelationer kan hittas. Det faktum att denna utjämning inte tog bort någon informationsbärande signal från mikrotillståndssekvensen och att dessutom de ursprungliga mikrotillståndssekvenserna och regressorerna visar samma relativa beteende vid tidsskalor med ungefär två storleksordningar från varandra tyder på att tidsförloppen för EEG-mikrotillstånden är skalinvarierande."
Denna skalinvarianta dynamik är den starkaste egenskapen hos en fraktal, och eftersom mikrotillstånd är indikativa för globala neuronala nätverk är det motiverat att dra slutsatsen att dessa mikrotillstånd uppvisar tidsmässigt monofraktal (endimensionell fraktal) beteende. Härifrån kan vi se möjligheten att fMRI, som också är ett globalt topografimått, möjligen bara är en uppskalad manifestation av dess mikrotillstånd, och därmed ytterligare stödjer hypotesen att EEG-mikrotillstånd är den grundläggande enheten i ens globala kognitiva bearbetning.
Psykologiska patologier
Att jämföra EEG-mikrotillståndsklasserna mellan kontroller och de med psykos har gett viktiga resultat, vilket tyder på att det grundläggande vilotillståndet för dem med psykos är oregelbundet. Detta innebär att innan någon information bearbetas eller skapas är den bunden till dynamiken i den oregelbundna mikrotillståndssekvenseringen. Även om mikrotillståndsanalys har stor potential att hjälpa till att förstå de grundläggande mekanismerna för vissa neurologiska sjukdomar, finns det fortfarande mycket arbete och förståelse som måste utvecklas innan det kan bli en allmänt accepterad diagnostik.
Schizofreni
Många studier har undersökt den tidsmässiga dynamiken hos EEG-mikrotillstånd hos personer med schizofreni . I den första studien som jämförde den temporala dynamiken hos EEG-mikrotillstånden hos de med schizofreni med friska kontroller, rapporterade Koenig och Lehmann att de med schizofreni tenderar att spendera för mycket tid i mikrotillståndsklass A jämfört med kontroller. Andra studier inom schizofreniforskning har dock föreslagit en annan bild. En metaanalys omfattande studier från 1999 till 2015 avslöjade att mikrotillstånd klass C förekom oftare och under längre varaktigheter hos personer med schizofreni än kontroller, medan mikrotillstånd klass D förekom mindre frekvent och under kortare varaktigheter. Dessa resultat bekräftades också av en senare metaanalys. Liknande abnormiteter rapporterades i en studie med ungdomar med 22q11.2 deletionssyndrom , en population som löper 30 % risk att utveckla psykos. Klass C och D avvikelser hittades också hos opåverkade syskon till de med schizofreni, vilket fick författarna att föreslå att dynamiken i mikrotillstånden C och D är en kandidatendofenotyp för schizofreni.
Panikångest
I juli 2011 samarbetade Dr. Koenig med forskare från Kanazawa University i Japan och andra från University of Bern i Schweiz för att göra en mikrostatsanalys på personer med panikångest (PD). De fann att dessa människor tillbringade för mycket tid i samma höger-anterior till vänster-posterior mikrotillstånd som i schizofrenistudierna. Detta tyder på tinninglobsfel, vilket har rapporterats i fMRI-studier av personer med PD; de tillbringade i genomsnitt 9,26 millisekunder längre i detta mikrotillstånd än kontrollpersonerna. Dessa avvikande mikrotillståndssekvenser är mycket lika de i schizofrenistudien, och eftersom ångest är vanligt förekommande vid schizofreni kan det tyda på en stark korrelation mellan olika svårighetsgrad av neurologiska patologier och en persons mikrotillståndssekvens.
Sömnanalys
1999 studerade Cantero, Atienza, Salas och Gómez alfarytmer hos normala människor i tre tillstånd: slutna ögon/avkopplande, dåsighet vid sömnstart och REM-sömn . De fann att de medelbestämda mikrotillståndsklasserna var olika bland medvetandetillstånden på 3 olika parametrar.
- Genomsnittlig varaktighet av mikrotillstånd var längre under avslappning med slutna ögon än de andra två tillstånden
- Det totala antalet mikrotillstånd per sekund var störst under dåsighet vid sömnstart
- Antalet klasser som bestämdes var också störst under dåsighet vid sömndebut
Denna studie belyser komplexiteten i hjärnaktivitet och EEG-dynamik. Uppgifterna tyder på att "alfa (våg) aktivitet kan indexera olika hjärninformation i varje upphetsningstillstånd." Vidare föreslår de att alfarytmen kan vara den "naturliga resonansfrekvensen för den visuella cortex under vaket tillstånd, medan alfaaktiviteten som uppträder i dåsighetsperioden vid sömndebut kan indexera de hypnagogiska bilder som den sovande hjärnan själv genererar. , och en fasisk händelse i fallet med REM-sömn." Ett annat påstående är att längre perioder av stabil hjärnaktivitet kan hantera mindre mängder informationsbearbetning, och därmed få förändringar i mikrotillstånd, medan kortare, mindre stabil hjärnaktivitet kan spegla stora mängder olika information att bearbeta, och därmed fler mikrotillståndsförändringar.