Микросостояния ЭЭГ - EEG microstates
Микросостояния ЭЭГ - это переходные, структурированные, квазистабильные состояния или образцы электроэнцефалограммы . Они, как правило, длятся от миллисекунд до секунд и, как предполагается, являются наиболее базовыми экземплярами человеческих неврологических задач, поэтому их называют «атомами мысли». Оценка и анализ микросостояния первоначально проводились с использованием активности альфа-диапазона , хотя сейчас обычно используются более широкополосные ЭЭГ-диапазоны. Квазистабильность микросостояний означает, что «глобальная [ЭЭГ] топография фиксирована, но сила может меняться, а полярность инвертироваться».
История
Концепция временных микросостояний электрической активности мозга во время отдыха и выполнения задачи (микросостояния, связанные с событиями) была разработана Дитрихом Леманом и его сотрудниками (Институт исследований мозга и разума KEY, Цюрихский университет, Швейцария) между 1971 и 1987, (см. «Микросостояния ЭЭГ» . Scholarpedia .) Д-р. Томас Кениг (Университетская клиника психиатрии, Швейцария) и Дитрих Леманн (Институт исследований мозга и разума KEY, Швейцария) часто считаются пионерами анализа микросостояния ЭЭГ. В своей статье 1999 года в Европейском архиве психиатрии и клинической неврологии Кениг и Леманн анализировали ЭЭГ больных шизофренией , чтобы исследовать потенциальные основные когнитивные корни расстройства. Они начали обращать внимание на ЭЭГ в миллисекундном масштабе. Они определили, что и нормальные субъекты, и люди с шизофренией разделяли эти микросостояния, но они различались по характеристикам между двумя группами, и пришли к выводу, что:
- «Мгновенные конфигурации электрического поля мозга являются проявлением мгновенного глобального функционального состояния мозга. Конфигурации поля имеют тенденцию сохраняться в течение некоторого времени в субсекундном диапазоне (« микросостояния ») и концентрироваться в пределах нескольких классов конфигураций. Соответственно, данные поля мозга могут быть эффективно сокращаться до последовательностей повторяющихся классов микросостояний мозга, не перекрывающихся во времени. Различные конфигурации должны быть вызваны разными активными нейронными ансамблями, и, таким образом, разные микросостояния предположительно реализуют разные функции ».
Выявление и анализ микросостояний
От ЭЭГ к микросостоянию
Выделение и анализ последовательности микросостояний ЭЭГ - это апостериорная операция, которая обычно использует несколько этапов усреднения и фильтрации. Когда Кениг и Леман проводили свой эксперимент в 1999 году, они построили эти последовательности, начав с ЭЭГ в состоянии покоя с закрытыми глазами. Первые несколько минут ЭЭГ без событий были изолированы, затем периоды продолжительностью около 2 секунд каждый были повторно отфильтрованы ( полоса пропускания ≈ 2–20 Гц). После фильтрации эпох эти микросостояния были аналитически сгруппированы в средние классы с помощью кластеризации k-средних , post hoc. Также был предложен вероятностный подход с использованием нечетких C-средних к кластеризации и последующему назначению (см. Ниже) микросостояний.
Кластеризация и обработка
Поскольку мозг претерпевает столько преобразований за такие короткие промежутки времени, анализ микросостояний по сути является анализом средних состояний ЭЭГ. Кениг и Леманн установили стандарт для создания классов или повторяющихся усредненных конфигураций ЭЭГ. После того, как все данные ЭЭГ собраны, выбирается «прототип» сегмента ЭЭГ, с которым сравниваются все другие собранные микросостояния. Так начинается процесс усреднения. Отклонение от этого «прототипа» вычисляется либо для добавления его к существующему классу, либо для создания отдельного класса. После того, как похожие конфигурации «сгруппированы» вместе, процесс выбора и сравнения «прототипа» повторяется несколько раз для точности. Более подробно процесс описан Кенигом и Леманном:
«Сходство пространственной конфигурации ЭЭГ каждой карты-прототипа с каждой из 10 карт вычисляется с использованием коэффициента детерминации, чтобы исключить полярности карт.… Отдельно для каждого класса карты-прототипы обновляются, объединяя все назначенные карты, вычисляя первую пространственный главный компонент карт и, таким образом, максимизирует общую дисперсию, игнорируя полярность карты ». Этот процесс повторяется несколько раз с использованием различных случайно выбранных карт-прототипов из собранных данных для использования для статистического сравнения и определения отклонений.
Создание и назначение классов
Большинство исследований выявляют одни и те же 4 класса топографии микросостояний:
- A: от правого лобного к левому заднему
- B: от левого лобного до правого заднего
- C: от лобной к затылочной
- D: в основном лобная и медиальная или немного меньшая затылочная активность, чем у класса C
Однако многие исследования также обнаружили другие карты шаблонов микросостояний ЭЭГ, которые могут иметь значение. сошлись на 16 картах, чтобы объяснить большую часть наблюдаемой дисперсии. нашел 13 карт с использованием подхода ICA. Количество «найденных» и используемых микросостояний частично является функцией когнитивного состояния человека, но также частично является методом, используемым для кластеризации и присвоения микросостояний. Хотя микросостояния исторически всегда определялись детерминированно, недавняя работа также показала, что существуют вычислительные, аналитические и концептуальные проблемы, которые могут быть решены с помощью вероятностного анализа микросостояний.
Приложения
Базовое понимание человеческого познания
Текущая гипотеза заключается в том, что микросостояния ЭЭГ представляют собой основные этапы познания и обработки нейронной информации в головном мозге, но еще предстоит провести много исследований, чтобы закрепить эту теорию.
Кениг, Леманн и др. 2002 г.
В этом исследовании изучалась дисперсия микросостояния ЭЭГ у нормальных людей разного возраста. Он показал «закономерную сложную эволюцию с возрастом» с резкими скачками средней продолжительности микросостояний в возрасте 12, 16, 18 и 40–60 лет, что позволяет предположить, что в этом возрасте происходит значительная церебральная эволюция. Что касается причины этого, они предположили, что это произошло из-за роста и реструктуризации нервных путей,
- «В исследованиях микроархитектуры развивающейся мозговой ткани было замечено, что после первоначального избытка относительно неорганизованных синаптических связей количество синапсов постепенно уменьшалось, в то время как степень организации связей увеличивалась (Huttenlocher, 1979; Rakic et al., 1986). Таким образом, более вероятно, что наблюдаемые изменения в профиле микросостояний являются результатом устранения нефункциональных связей, а не образования новых. Другая возможная связь настоящих результатов с нейробиологическими процессами проистекает из наблюдение, что с возрастом асимметричные микросостояния уменьшаются, а симметричные микросостояния увеличиваются.Предполагая, что асимметричные микросостояния являются результатом преимущественно односторонней мозговой активности, в то время как симметричные микросостояния указывают на преимущественно двустороннюю активность, наблюдаемые эффекты могут быть связаны с ростом мозолистого тела, который продолжается до позднего подросткового возраста (например, Giedd et al., 1999) ».
Ван де Виль, Бритц и Мишель, 2010 г.
В исследовании, проведенном учеными в Женеве, была проанализирована временная динамика и возможные фрактальные свойства микросостояний ЭЭГ на нормальных людях. Поскольку микросостояния представляют собой глобальную топографию, но возникают в таких малых временных масштабах и меняются так быстро, Ван де Виль, Бритц и Мишель выдвинули гипотезу, что эти «атомы мыслей» подобны фракталу во временном измерении. То есть ЭЭГ в увеличенном или уменьшенном масштабе сама по себе представляет собой совокупность микросостояний. Первоначально эта гипотеза была подтверждена сильной корреляцией между быстрой шкалой времени и быстротечностью микросостояний ЭЭГ и гораздо более медленными сигналами фМРТ в состоянии покоя .
- «Связь между микросостояниями ЭЭГ и сетями состояний покоя ( RSN ) фМРТ была установлена путем свертки временных курсов возникновения различных микросостояний ЭЭГ с функцией гемодинамического ответа ( HRF ), а затем использования их в качестве регрессоров в общей линейной модели для обычных Анализ фМРТ . Поскольку HRF действует как сильный фильтр временного сглаживания для быстрого сигнала на основе ЭЭГ, примечательно то, что могут быть обнаружены статистически значимые корреляции. Тот факт, что это сглаживание не удаляло какой-либо несущий информацию сигнал из последовательности микросостояний и что, кроме того, исходные последовательности микросостояний и регрессоры демонстрируют одинаковое относительное поведение во временных масштабах с разницей примерно на два порядка величины, предполагает, что временные ходы микросостояний ЭЭГ масштабно инвариантны ».
Эта масштабно-инвариантная динамика является самой сильной характеристикой фрактала, и, поскольку микросостояния указывают на глобальные нейронные сети, можно сделать вывод, что эти микросостояния демонстрируют монофрактальное (одномерное) поведение во времени. Отсюда мы можем видеть возможность того, что фМРТ, которая также является мерой глобальной топографии, возможно, является просто увеличенным проявлением своих микросостояний и, таким образом, дополнительно поддерживает гипотезу о том, что микросостояния ЭЭГ являются фундаментальной единицей глобальной когнитивной обработки.
Психологические патологии
Сравнение классов микросостояний ЭЭГ между контрольной группой и людьми с психозом дало важные результаты, предполагающие, что основное состояние покоя у людей с психозом нерегулярно. Это означает, что прежде чем какая-либо информация будет обработана или создана, она связана с динамикой нерегулярного секвенирования микросостояний. Хотя анализ микросостояний имеет большой потенциал для понимания основных механизмов некоторых неврологических заболеваний, предстоит еще много работы и понимания, прежде чем он станет широко признанным диагностическим средством.
Шизофрения
Во многих исследованиях изучалась временная динамика микросостояний ЭЭГ у людей с шизофренией . В первом исследовании, сравнивающем временную динамику микросостояний ЭЭГ у больных шизофренией и здоровых людей из контрольной группы, Кениг и Леманн сообщили, что пациенты с шизофренией, как правило, проводят слишком много времени в микросостоянии класса А по сравнению с контрольной группой. Однако другие исследования шизофрении предложили иную картину. Метаанализ, включающий исследования с 1999 по 2015 год, показал, что микросостояние класса C встречается чаще и более длительно у больных шизофренией, чем контрольная группа, в то время как микросостояние класса D встречается реже и в течение более коротких периодов времени. Эти результаты были также подтверждены более поздним метаанализом. Подобные отклонения были зарегистрированы в исследовании с участием подростков с синдромом делеции 22q11.2 , популяции, у которой 30% риск развития психоза. Аномалии классов C и D также были обнаружены у здоровых братьев и сестер больных шизофренией, что побудило авторов предположить, что динамика микросостояний C и D является кандидатом в эндофенотип шизофрении.
Паническое расстройство
В июле 2011 года доктор Кениг сотрудничал с исследователями из Университета Канадзавы в Японии и другими исследователями из Университета Берна в Швейцарии, чтобы провести анализ состояния людей с паническим расстройством (ПД). Они обнаружили, что эти люди проводили слишком много времени в том же микросостоянии справа-перед-лево-заднее, что и в исследованиях шизофрении. Это предполагает нарушение функции височной доли, о чем сообщалось в исследованиях фМРТ пациентов с БП; они провели в этом микросостоянии в среднем на 9,26 миллисекунды дольше, чем контрольные субъекты. Эти аберрантные последовательности микросостояний очень похожи на таковые в исследовании шизофрении, и, поскольку тревога часто встречается при шизофрении, это может указывать на сильную корреляцию между различными степенями неврологической патологии и последовательностью микросостояний человека.
Анализ сна
В 1999 году Кантеро, Атьенса, Салас и Гомес изучали альфа-ритмы у нормальных людей в трех состояниях: закрытые глаза / расслабление, сонливость в начале сна и быстрый сон . Они обнаружили, что средние определенные классы микросостояний различались среди состояний сознания по 3 различным параметрам.
- Средняя продолжительность микросостояний была больше во время релаксации с закрытыми глазами, чем в двух других состояниях.
- Общее количество микросостояний в секунду было наибольшим во время сонливости в начале сна.
- Количество определенных занятий также было наибольшим при сонливости в начале сна.
Это исследование проливает свет на сложность мозговой активности и динамики ЭЭГ. Данные предполагают, что «альфа (волновая) активность может индексировать различную информацию мозга в каждом состоянии возбуждения». Кроме того, они предполагают, что альфа-ритм может быть «естественной резонансной частотой зрительной коры во время бодрствования, тогда как альфа-активность, которая проявляется в период сонливости в начале сна, может индексировать гипнагогические образы, самостоятельно генерируемые спящим мозгом. , и фазовое событие в случае быстрого сна ". Другое утверждение состоит в том, что более длительные периоды стабильной активности мозга могут обрабатывать меньшие объемы информации и, следовательно, незначительные изменения микросостояний, в то время как более короткая и менее стабильная активность мозга может отражать большие объемы различной информации для обработки и, следовательно, больше изменений микросостояний.