Statistische modellering van corticale connectiviteit met niet-invasieve Elektroencephalogrammen

Dit protocol is belangrijk omdat het onderzoek van corticale netwerken mogelijk maakt door te modelleren hoe regio's met elkaar omgaan om verschillen aan het licht te brengen die niet duidelijk zijn met standaardanalysetechnieken. Het belangrijkste voordeel van deze techniek is dat het ons in staat stelt om netwerkfuncties te onderzoeken met behulp van breed beschikbare apparatuur, zodat we niet-invasieve elektrische opnames kunnen verkrijgen zonder de noodzaak van gespecialiseerde materialen. Deze techniek maakt het niet-invasieve onderzoek van neuropsychiatrische ziekten mogelijk door netwerkstructuren te onderzoeken die de ontwikkeling van nieuwe diagnostische methoden en therapeutische biomarkers vergemakkelijken.

Deze methode heeft een breed scala aan toepassingen binnen de klinische neurowetenschappen, met name omdat de rol van netwerkfunctie bij ziekte steeds relevanter wordt. Voor het verzamelen van gegevens bevestigt u de elektrodekap aan het hoofd van de patiënt en zorg ervoor dat de juiste uitlijning wordt gewaarborgd. Injecteer geleidende gel in elk van de elektrodepoorten die beginnen bij de hoofdhuid en zich langzaam terugtrekken naar het dopoppervlak om elektrisch contact met de hoofdhuid te creëren en de signaal-ruisverhouding te verbeteren.

Gebruik vervolgens een vooraf bepaalde elektrodemontage op basis van het 10-20-systeem om de elektroden aan de elektrodedop te bevestigen en de juiste grondelektroden vast te stellen. Om de EEG in te stellen, sluit u alle elektroden aan op een elektrofysiologisch opnamesysteem en koppelt u het opnamesysteem aan een geschikte digitale opnameomgeving. Bestudeer alle opnamekanalen om ervoor te zorgen dat de offset binnen een geschikt bereik is en om overmatig kanaalgeluid te voorkomen.

Het algoritme zal resultaten produceren, ongeacht de kwaliteit van de gegevens, zodat de opnames moeten worden uitgevoerd onder strikte voorwaarden voor gegevenskwaliteit en moet worden geanalyseerd voorafgaand aan het gebruik ervan. Instrueer de patiënt vervolgens dat de opname is begonnen en om alle onnodige bewegingen te vermijden voordat u een korte testopname uitvoert om de juiste opnamekwaliteit te verifiëren. Laad aan het einde van de analyse de EEG-gegevens en eventuele aanvullende scriptbibliotheken zo nodig in een geschikte data-analyseomgeving.

Gooi de eerste en laatste vijf minuten van elke opname om de verontreiniging van bewegingsartefacten te verminderen en splits de gegevens in tijdperken op basis van taak of als het een rusttoestand is die vooraf bepaalde duur registreert. Om de gegevens voor te bereiden, corrigeert u de basislijn van de opnamen door het gemiddelde van alle kanalen van de opnamen af te trekken om de impact van een omzwervingen tijdens langdurige opnames te voorkomen. Alle kanalen opnieuw laten zien op een passende verwijzing.

Dan digitaal filteren alle kanalen om de frequenties van belang te isoleren. Als u de totale vermogensspectra van de gegevens wilt berekenen, voert u een Fourier-transformatie uit van elk kanaal dat over het hele te beoordelen frequentiebereik wordt geanalyseerd. Om de activiteit van individuele frequentiebanden te beoordelen, isoleert u de thetaband op vier tot acht hertz, de alfaband op acht tot twaalf hertz, de bètaband op 12 tot 30 hertz, de deltaband op 0,5 tot 4 hertz en de gammaband op meer dan 30 hertz.

Om de interacties tussen het eerste elektrodepaar te evalueren, ontlenen een maat voor de samenhang tussen de elektroden. Om de samenhang te beoordelen, brengt u de metingen van de samenhang tussen de elektrode die moet worden gevisualiseerd in kaart op een tweedimensionale gegevensstructuur waarbij elke kolom een elektrodelocatie is, elke rij een elektrodelocatie is en elke cel de samenhang is tussen het overeenkomstige elektrodepaar en brengt u de coherentiewaarden in kaart tussen nul en één kleuren. Exporteer vervolgens een kleurenkaart die de samenhang tussen de elektrode tussen elk elektrodepaar visualiseert binnen de gebruikte frequentielimieten.

Om hogere ordeinteracties tussen corticale gebieden te visualiseren en de netwerkdynamiek in kaart te brengen, berekent u hoe elke coherentie van het elektrodepaar covarieert met die van elk ander uniek elektrodepaar over het totale spectrum en binnen specifieke banden. Breng deze covariantiemetingen vervolgens in kaart aan kleuren en exporteer een kleurenkaart die de netwerkdynamiek binnen en tussen frequentiebanden visualiseert. Om een dimensionaliteitsreductie uit te voeren, worden metingen af genomen voor vergelijking tussen de groepen die de algehele netwerkdynamiek vertegenwoordigen binnen de statistische modellen die worden gegenereerd met behulp van de analyse van de basiscomponent.

Instrueer een covariantiematrix voor de paarswijze coherentiemaatregelen om visualisatie van de netwerkrelaties op hoog niveau mogelijk te maken en de covariantiematrix te ontleden in eigenvectoren en bijbehorende eigenwaarden om identificatie van de as binnen de modelfunctieruimte mogelijk te maken die de grootste variantie bevat zonder te worden gebonden door de bestaande maatregelen. Rangschik de eigenvectors op basis van hun overeenkomstige eigenwaarden om degenen te identificeren die het grootste deel van de variantie binnen het model voor hun rekening houden. Vergelijk vervolgens de eerste principecomponenten die zijn afgeleid van de netwerkmodellen.

Als u een functioneel interessegebied wilt selecteren, isoleert u de coherentiegegevens binnen de frequentiebanden van belang. Voer een principecomponentanalyse uit om metingen van de algehele netwerkactiviteit binnen de interesses af te leiden. Vergelijk vervolgens de maatregelen tussen de groepen om de netwerkverschillen op specifieke oscillatorenfrequenties te evalueren.

Als u onbewaakt leren wilt uitvoeren met behulp van een afstandsmetriek zoals Euclidische afstand, berekent u de afstand tussen onderwerpen binnen de ruimte die door het netwerkmodel wordt gedefinieerd. Gebruik vervolgens een clusteringalgoritme, zoals k-nearest neighbors om de groepen binnen de gegevens te identificeren op basis van de modelparameters. De spectrale kracht kan worden gevisualiseerd geïnterpoleerd over de hoofdhuid waardoor een beperkte schatting van de bron van activiteit.

Elk van de inter-elektrode elektrode maatregel geeft de mate waarin de activiteit in een gebied verandert afhankelijk van de activiteit in een ander gebied waardoor verschillen in de richting van de interactie en vertraging. Hogere waarden van intereektrode coherentie suggereren interacties tussen gebieden waaruit blijkt dat de geregistreerde gebieden met elkaar communiceren. Door het meten van de interacties tussen elk uniek elektrodepaar, kan een statistische kaart van hoe de geregistreerde kanalen interactie zijn worden geconstrueerd waardoor onderzoek naar hoe de gebieden communiceren in plaats van zich te concentreren op individuele gebieden van isolatie.

De visualisatie van de dynamiek van het netwerk met een hogere orde vergemakkelijkt de herkenning van de soorten interacties die worden vergeleken met een analyse van een principecomponent of een op classificatie gebaseerde techniek om te evalueren hoe de coherentiemetingen op het ene elektrodepaar zich verhouden tot veranderingen in samenhang bij een ander paar. Hier kunnen we bijvoorbeeld verschillen visualiseren die zichtbaar zijn in de netwerkmapping tussen twee proefpersonen met verschillende klinische fenotypes van een neuropsychiatrische aandoening die de corticale functie beïnvloeden, waarbij er geen statistisch significante verschillen waren met behulp van standaardanalysemethoden. Na de afleiding van netwerkmaatregelen met behulp van deze procedure, kunnen machine learning-technieken worden gebruikt om gebruik te maken van de datarijke modellen die zijn geproduceerd om meer geavanceerde diagnostische en prognostische analyses mogelijk te maken.

Deze techniek heeft het onderzoek van ziekte subtypes in Rett syndroom, een pediatrische neuropsychiatrische ziekte, evenals de voorspelling van reacties op nieuwe behandelingen en epilepsie status.