SlideShare una empresa de Scribd logo
1 de 92
Descargar para leer sin conexión
BADANIA
ELEKTROENCEFALOGRAFICZNE
dr Ilona Kotlewska-Waś
Katedra Kognitywistyki
Uniwersytet Mikołaja Kopernika w Toruniu
Neuronauka procesów poznawczych i uwagowych, 8-11-2018
dr Ilona Kotlewska-Waś, UMK
Wprowadzenie do badań EEG
dr Ilona Kotlewska-Waś, UMK
Zagadka
• Elektroencefalografia
• Elektrokortykografia
• Elektroneurografia
• Elektromiografia
• Elektrokardiografia
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
Zagadka
• Elektroencefalografia — EEG
• Elektrokortykografia — ECoG
• Elektroneurografia — ???
• Elektromiografia — EMG
• Elektrokardiografia — EKG
dr Ilona Kotlewska-Waś, UMK
EEG ma świetną rozdzielczość czasową!
Możemy nagrywać aktywność mózgu z dokładnością do ułamków
sekund.
dr Ilona Kotlewska-Waś, UMK
Elektroencefalografia
Metoda badania aktywności (funkcjonowania)
mózgu oparta na rejestracji aktywności
bioelektrycznej mózgu.
dr Ilona Kotlewska-Waś, UMK
Elektroencefalogram
dr Ilona Kotlewska-Waś, UMK
Rejestracja aktywności
bioelektrycznej mózgu
• Zapis EEG odzwierciedla sumę potencjałów
generowanych przez komórki kory mózgowej,
w szczególności dużych komórek
piramidalnych z warstwy IV i V kory (płaty
potyliczne, ciemieniowe, skroniowe i
czołowe).
• Największy wkład do rejestrowanego zapisu
mają komórki zorientowane prostopadle do
powierzchni czaszki (a więc raczej z zakrętów
niż z bruzd).
dr Ilona Kotlewska-Waś, UMK
Rejestracja aktywności
bioelektrycznej mózgu
dr Ilona Kotlewska-Waś, UMK
Rejestracja aktywności
bioelektrycznej mózgu
• Rejestrowana aktywność jest sumą
potencjałów postsynaptycznych setek
tysięcy neuronów pracujących
synchronicznie!
• EEG nie jest sumą potencjałów
czynnościowych.
• Potencjały postsynaptyczne decydują o
sygnale EEG rejestrowanym z czaszki.
dr Ilona Kotlewska-Waś, UMK
Oscylacje i rytmy w sygnale EEG
dr Ilona Kotlewska-Waś, UMK
Pasmo Delta
• Najwolniejsze pasmo o najwyższej amplitudzie fal.
• Obecne podczas głębokiego snu non-REM.
• Kiedy: głęboki sen, oraz – patologie neurologiczne
(uszkodzenia, guzy), znieczulenie, powszechny u małych
dzieci (1-2 lata), ilość tych fal maleje z wiekiem
• Silniejsze w prawej półkuli mózgu, ich generatorem jest
wzgórze, w szczególności twór siatkowaty.
• Są związane z konsolidacją pamięci podczas snu.
dr Ilona Kotlewska-Waś, UMK
Typowe badania fal Delta
• Alkoholizm obniża ilość snu wolnofalowego i
występowania fal delta, a zatem utrudnia konsolidowanie
szlaków pamięciowych.
• Sen i zaburzenia snu
• W laboratoriach snu fale delta stanowią wyznacznik
głębokości snu.
• Zaburzenia snu towarzyszą często chorobom
centralnego układu nerwowego takim jak choroba
Parkinsona, demencja lub schizofrenia.
dr Ilona Kotlewska-Waś, UMK
Pasmo Theta
• Jeśli występują w strukturach czołowych mogą świadczyć o
trudności wykonywanego zadania poznawczego, zogniskowanej
uwadze, uczeniu się, wysiłku intelektualnym.
• Są wyznacznikiem obciążenia psychicznego i pamięci roboczej.
• Fale theta mogą występować w całej korze, zarówno w
regionach przedczołowych, jak i centralno-ciemieniowych oraz
skroniowych.
• Pasmo theta stanowi nośnik informacji o procesach
poznawczych pomiędzy strukturami położonymi dalej od siebie.
dr Ilona Kotlewska-Waś, UMK
Pasmo Theta
• U zwierząt fale wolne (5-7 Hz) wyrażają senność. U ludzi
— jeśli występują na całej głowie.
• Występują w trakcie medytacji lub drzemki.
• Odwrotnie niż w hipokampie! W tej strukturze fale theta
wskazują na stan wysokiego poziomu czujności.
• U psychopatów obserwuje się fale theta w stanach
czuwania, a nawet silnego pobudzenia! Wiąże się z tym
ich zwiększona potrzeba stymulacji, poszukiwania wrażeń
i podejmowania ryzyka.
dr Ilona Kotlewska-Waś, UMK
Typowe badania fal Theta
• Monitorowanie pracy mózgu podczas trudnych operacji mentalnych
• Kontrolerzy ruchu, piloci, wojskowi, ocena zdjęć satelitarnych.
• Nawigacja
• Ilość fal theta wzrasta wraz z poziomem skomplikowania labiryntu do
rozwiązania niezależnie od tego, czy musimy go przejść fizycznie, czy tylko
w wirtualnej rzeczywistości.
• N-wstecz
• Sekwencje bodźców są szybko wyświetlane na ekranie, a uczestnicy
badania muszą zapamiętać elementy ukazane n-kroków wcześniej (np. Czy
litera pokazana dwa slajdy temu była literą „m”?). Ilość fal theta zwiększa
się wraz z obciążeniem pamięciowym (np. sześć kroków wstecz w
porównaniu z dwoma).
dr Ilona Kotlewska-Waś, UMK
Pasmo Alfa
• Głównie w regionach potylicznych.
• Fale alfa pojawiają się w okresie fizycznej
relaksacji, gdy mamy zamknięte oczy.
• Zanikają w trakcie czujności, stąd poziom stłumienia
fal alfa mówi o zaangażowaniu w rozwiązywanie
zadania.
• Blokowane przez uaktywnienie uwagi, szczególnie
wzrokowej oraz wysiłek umysłowy.
dr Ilona Kotlewska-Waś, UMK
Pasmo Alfa
• Rytm mu – taka sama częstotliwość jak rytm alfa ale inna topografia
(elektrody C3, C4). Nie jest rytmem alfa! Związany z relaksacją
ruchową, blokowany przez ruch
• Częstotliwość rytmu alfa wzrasta do ok. 10 roku życia i spada w starości
• Częstotliwość 8 Hz jest traktowana raczej jako mało typowa (anormalna)
• Amplituda: u większości ludzi to 20-60 µV
• Nie obserwowane w obszarze bieguna czołowego
• Osoby z bardzo dobrą pamięcią – większa częstotliwość fal alfa
• Różnice gatunkowe - koty: 8-13 Hz; psy: 6-8 Hz; szympansy: 10 Hz
dr Ilona Kotlewska-Waś, UMK
Typowe badania fal Alfa
• Uwaga
• Wzmożona aktywność fal alfa w trakcie procesów zapamiętywania
trudnego materiału wpływa na obniżenie wyników badanego!
• Biofeedback
• Wzmożone występowanie fal alfa ma świadczyć o relaksacji.
Poprzez monitorowanie pracy mózgu mamy nauczyć się
wprowadzać w stan głębokiego relaksu… (?!)
• Medytacja
• Ilość występujących fal alfa pozwala odróżnić doświadczone osoby
medytujące od początkujących.
dr Ilona Kotlewska-Waś, UMK
Pasmo Beta
• Najważniejsze pasmo!
• Aktywność, wzbudzenie, pojawia się podczas blokowania rytmu alfa
— obecny zawsze w czasie czuwania.
• Zdesynchronizowana aktywność bioelektryczna!
• Świadczy o koncentracji, aktywnych procesach poznawczych.
• Pojawia się w całym mózgu
• Silniejsza nad korą motoryczną, kiedy planujemy ruch, wyciągamy
po coś dłoń, wykonujemy precyzyjne ruchy palców.
• Pojawia się również, gdy obserwujemy ruchy innych ludzi (uczenie
się przez naśladowanie — szympans Kanzi).
dr Ilona Kotlewska-Waś, UMK
Typowe badania fal Beta
• Koncentracja uwagi
• Badania rytmu beta podczas stymulacji ostrym
światłem lub bardzo głośnym dźwiękiem oraz po
użyciu leków modyfikujących poziom uwagi i
przetwarzania informacji.
• Kontrola motoryczna
• Zmiana aktywności mózgu następuje ok. 500 ms
przed wykonaniem ruchu — badania Libeta
dr Ilona Kotlewska-Waś, UMK
Pasmo Gamma
• Uwaga, znieczulenie (zależny od poziomu
anestezji), koreluje z metabolizmem glukozy
• Wiele niewiadomych, hipotezy
• fale gamma podobnie jak fale theta
pozwalają synchronizować aktywność
oddalonych od siebie struktur
• są odpowiednikiem ruchów oka i mikro-sakad
dr Ilona Kotlewska-Waś, UMK
Typowe badania fal Gamma
• Mikrosakady — szybkie, mimowolne ruchy
sakadowe oka. Badania próbują wyjaśnić,
jak subtelne ruchy oczu wpływają na
aktywność w paśmie gamma.
dr Ilona Kotlewska-Waś, UMK
Rejestracja sygnału
dr Ilona Kotlewska-Waś, UMK
Co ma wspólnego gitara elektryczna i
EEG?
dr Ilona Kotlewska-Waś, UMK
Co ma wspólnego gitara elektryczna i
EEG?
dr Ilona Kotlewska-Waś, UMK
Aparatura: Czepek, elektrody
i wzmacniacz
dr Ilona Kotlewska-Waś, UMK
Jakie wartości przyjmuje sygnał EEG?
dr Ilona Kotlewska-Waś, UMK
Charakterystyka sygnału
• Amplituda — wychylenie fali, jednostka: µV.
• Latencja — czas, który upłynął do pojawienia
się reakcji (wychylenia/załamka w sygnale),
jednostka: ms.
• Częstotliwość — szybkość oscylacji, czyli ile
razy nastąpiło wychylenie fali w ciągu
sekundy, jednostka: Hz.
dr Ilona Kotlewska-Waś, UMK
Charakterystyka sygnału
• Moc — ilość energii w paśmie, zwykle
wyrażana jako amplituda do kwadratu,
jednostka: µV2.
• Faza — synchronizacja fal pomiędzy różnymi
generatorami.
dr Ilona Kotlewska-Waś, UMK
Gdzie umieścić elektrody?
Nasion - nasada nosa
Inion - guzowatość potyliczna
Czepek zakładamy na wysokości ok. 10% odległości pomiędzy nasadą nosa a
guzowatością potyliczną.
dr Ilona Kotlewska-Waś, UMK
Gdzie umieścić elektrody?
Nasion - nasada nosa
Inion - guzowatość potyliczna
Elektroda centralna Cz musi być zawsze na środku względem punktów nasion i
inion oraz względem czubków uszu!
Fp - fronto-polar
F - frontal
C - central
P - parietal, T - temporal
O - occipital
Nieparzyste = LEWA! Parzyste = PRAWA!
dr Ilona Kotlewska-Waś, UMK
Gdzie znajduje się elektroda T7?
dr Ilona Kotlewska-Waś, UMK
Jak wykonuje się badanie EEG?
• Elektrody pasywne i
aktywne
• Czepek powinien być
stabilnie przymocowany
na głowie
• Pomiędzy skórą głowy a
elektrodą powinien
znajdować się żel
ułatwiający
przewodzenie
dr Ilona Kotlewska-Waś, UMK
Oporność rejestrowanego sygnału
Elektrody aktywne
Fot. Małgorzata Gut
dr Ilona Kotlewska-Waś, UMK
Oporność rejestrowanego sygnału
• Na skórze głowy znajdują się
włosy, martwe komórki
naskórka, sebum, pot.
Ograniczają one
przewodzenie!
• To zjawisko nazywamy
opornością
• Oporność mierzymy w
Ohmach.
• Zwykle próbujemy zejść z
opornością poniżej 5 kOhmów.
dr Ilona Kotlewska-Waś, UMK
Rejestracja sygnału: Uziemienie
• Potencjału elektrycznego nie
mierzy się w pojedynczym
punkcie.
• Mierzy się różnicę pomiędzy
punktem pomiaru (elektrodą),
a uziemieniem (ground, G).
• Potencjał na elektrodzie Cz
wynosi zatem: Cz - G
• Kanał G na wzmacniaczu jest
jednak obarczony szumem
elektrycznym, dlatego
konieczne jest zmierzenie
sygnału odniesienia
(referencyjnego).
dr Ilona Kotlewska-Waś, UMK
Referencja (trochę matematyki)
Wzmacniacz nagrywa potencjał pomiędzy elektrodą Cz i
uziemieniem (Cz - G) oraz potencjał pomiędzy referencją
i uziemieniem (R - G). Na tej podstawie wzmacniacz
oblicza różnicę pomiędzy Cz i referencją jako:
[Cz - G] - [R - G]
Który jest równy:
Cz - G - R + G
G się zeruje, czyli otrzymujemy:
Cz - R
Zatem ostateczny sygnał ze wzmacniacza podaje różnice
pomiędzy elektrodami i referencją tak, jakby G w ogóle
nie było.
dr Ilona Kotlewska-Waś, UMK
Typowe elektrody referencyjne
Gdzieś gdzie nie ma
sygnału z mózgu!
• Czubek nosa
• Policzek
• Płatki uszu albo kości
za uszami (mastoids)
• Uśredniony zapis ze
wszystkich elektrod
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
Problem cyfryzacji
• Aliasing czyli problem
próbkowania sygnału
dr Ilona Kotlewska-Waś, UMK
Problem cyfryzacji
• Aliasing czyli problem
próbkowania sygnału
dr Ilona Kotlewska-Waś, UMK
Problem cyfryzacji
• Aliasing czyli problem
próbkowania sygnału
dr Ilona Kotlewska-Waś, UMK
Problem cyfryzacji
• Aliasing czyli problem
próbkowania sygnału
dr Ilona Kotlewska-Waś, UMK
Problem cyfryzacji
• Aliasing czyli problem próbkowania
sygnału
• Jeśli częstość próbkowania jest
zbyt niska utracimy informacje o
sygnale
• Najlepiej, jeśli Twoja częstość
próbkowania jest conajmniej dwa
razy większa niż najwyższa
częstotliwość sygnału.
Np. jeśli próbkowanie wynosiło 256
Hz, powinniśmy analizować sygnały
tylko do 256/2 = 128 Hz.
dr Ilona Kotlewska-Waś, UMK
Problem cyfryzacji
Np. jeśli próbkowanie wynosiło 256 Hz,
powinniśmy analizować sygnały tylko do 256/2 =
128 Hz.
UWAGA! Ta zasada dotyczy analizy fal!
W przypadku dokładnej analizy czasowej
próbkowanie 250 Hz oznacza, że dwie
próbki są odległe od siebie o 1000ms/250 =
4 ms! To za dużo dla potencjałów
wywołanych (ERP).
W przypadku pomiaru komponentów
występujących kilkanaście ms po ukazaniu
się bodźca należy stosować wyższe
częstości próbkowania (500 a nawet 1000
Hz).
dr Ilona Kotlewska-Waś, UMK
Analiza danych
Preprocessing
dr Ilona Kotlewska-Waś, UMK
1.Re-referencja!
Elektroda referencyjna zwykle narzucana
jest przez producenta systemu, więc
pierwszą rzeczą przy obróbce danych jest
zmiana referencji na taką, która nam
odpowiada.
Np. jeśli referencja umieszczona była na
czubku głowy w punkcie Cz - teraz można
odzyskać sygnał z elektrody Cz, zamieniając
referencję na średnią z płatków uszu.
dr Ilona Kotlewska-Waś, UMK
2. Usuwanie artefaktów
• Mięśnie (czoło,
marszczenie
brwi, mięśnie
czaszki,
kasłanie itp.)
• Serce (EKG)
• Ruchy oczu
(prawo/lewo,
góra/dół)
• Mruganie
dr Ilona Kotlewska-Waś, UMK
Co tu się stało?
dr Ilona Kotlewska-Waś, UMK
Artefakty sieci elektrycznej
Co zrobić? Sygnał należy przefiltrować znaną nam częstością sieci (50
lub 60 Hz w zależności od kraju).
dr Ilona Kotlewska-Waś, UMK
Elektrody tańczą, tańczą…
Ruchy głowy i intensywne pocenie się może powodować „pływanie” elektrod
(ang. swaying and swinging).
dr Ilona Kotlewska-Waś, UMK
Analiza danych: Potencjały wywołane
dr Ilona Kotlewska-Waś, UMK
Aktywność mózgu
Spontaniczna Wywołana
Pojawia się w reakcji na
bodziec.
Jest wynikiem zerowania
się fazy oscylacji.
Ang. event-related
potential (ERP)
dr Ilona Kotlewska-Waś, UMK
Jak uzyskać potencjały wywołane?
dr Ilona Kotlewska-Waś, UMK
1. Segmentacja
dr Ilona Kotlewska-Waś, UMK
2. Uśrednianie triali
Uśrednianie
kategorii
bodźców u
każdego
badanego.
dr Ilona Kotlewska-Waś, UMK
3. Uśrednianie grupowe (grand average)
Uśrednianie grupy badanych.
dr Ilona Kotlewska-Waś, UMK
4. Porównanie amplitud
czarna
linia -
kotki
czerwona
linia -
pieski
niebieska linia
- myszki
Elektrody,
które
chcemy
analizować.
dr Ilona Kotlewska-Waś, UMK
Potencjał wywołany tzw. butterfly view
Propagacja sygnału na powierzchni czaszki: zmiany topografii w czasie
dr Ilona Kotlewska-Waś, UMK
Jaki jesteś?
?
dr Ilona Kotlewska-Waś, UMK
Czy jesteś
SZCZERY?
dr Ilona Kotlewska-Waś, UMK
Czy jesteś
AKTYWNY?
dr Ilona Kotlewska-Waś, UMK
Czy jesteś
UTALENTOWANY?
dr Ilona Kotlewska-Waś, UMK
Oczywiście, że tak!Percentageofpositive
responses
0%
18%
35%
53%
70%
Przyznajemy sobie aż 65% cech pozytywnych!
Positive Negative
18%
65%
dr Ilona Kotlewska-Waś, UMK
Innych też widzimy w pozytywnym
świetlePercentageofpositiveresponses
0%
18%
35%
53%
70%
Innych ludzi też określamy głównie za pomocą cech
pozytywnych.
Present Past Close Famous
18%17%
19%18%
61%
65%
62%
65%
Positive
Negative
dr Ilona Kotlewska-Waś, UMK
Reakcje mózgu
dr Ilona Kotlewska-Waś, UMK
Reakcje mózgu na własne cechy i cechy
innych
JA i moje cechy Ja 10 lat temu i inni ludzie
dr Ilona Kotlewska-Waś, UMK
WAŻNE!
• Trial — próba eksperymentalna.
• Liczba powtórzeń — jest sporo uśredniania,
więc nie mniej niż 30 powtórzeń bodźca,
najlepiej ok. 100. Weź pod uwagę liczbę
warunków eksperymentalnych i długość
trwania zadania!
• Stimulus timing — precyzyjnie nazwij
znaczniki swojego sygnału i dopilnuj, by
program wyświetlający bodźce skomunikował
się z oprogramowaniem rejestrującym!
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
Potencjały (komponenty/załamki)
• Egzogenne — zdeterminowane fizycznymi
cechami bodźców, wczesne etapy percepcji:
C1,P1,N1.
• Endogenne — zdeterminowane przez
wymagania obróbki bodźca, komponenty
poznawcze, późne/wyższe procesy
poznawcze: CNV - Contingent Negative
Variation, N2 (?), P3, N400).
dr Ilona Kotlewska-Waś, UMK
P300
• Występuje ok. 300 ms
po ukazaniu się
bodźca
• Topografie centralno-
ciemieniowe
• Uwaga, procesy
emocjonalne
dr Ilona Kotlewska-Waś, UMK
LPC
• Ponad 400 ms po
ukazaniu się bodźca,
często 600-900
• Procesy
przypominania,
analizy leksykalnej
LPC
dr Ilona Kotlewska-Waś, UMK
N400
• Negatywny komponent (o ujemnej
wartości amplitudy).
• Bardzo regularnie 400 ms po
ukazaniu się bodźca.
• Związany z niespójnością językową.
• Tym większa amplituda im bardziej
słowo nie pasuje do kontekstu, np:
posmarował chleb...gitarą
posmarował chleb…kremem
posmarował chleb...masłem
Komponent specyficznie
związany z pojawieniem się
elementu, który narusza
semantykę zdania.
dr Ilona Kotlewska-Waś, UMK
Analiza danych EEG:
Analiza częstotliwości
dr Ilona Kotlewska-Waś, UMK
Analiza częstotliwości
• Transformata Fouriera
- pozwala wyrysować
widmo sygnału (czyli
wszystkie składowe
częstotliwości
występujące w
sygnale).
STUDY 2 INTRO
POTENCJAŁY WYWOŁANE STANU USTALONEGO
(SSVEP - STEADY STATE VISUAL EVOKED POTENTIALS)
STUDY 2 RATIONALE
SSVEP FOR DIFFERENT VS. IDENTICAL STIMULI
Rossion & Boremanse (2011), JoV
How can you conclude about identity from
faces of different people?
STUDY 2 PROCEDURE
SSVEP FOR SELF FACES
▸ 10 different faces of the same
person vs. one identical face
repeated constantly
▸ 4 Hz stimulation over 90 sec
▸ Faces represented:
▸ present-self
▸ past-self
▸ friend
▸ unknown person
▸ scrambled face
STUDY 2 RESULTS
SSVEP FOR SELF DIFFERENT VS. IDENTICAL FACE
Advantage of diverse visual stimulation
Adaptation
STUDY 2 RESULTS
SSVEP FOR SELF DIFFERENT VS. IDENTICAL FACE
{Advantage of
different stimuli
over identical
Advantage of SELF over other conditions
dr Ilona Kotlewska-Waś, UMK
Analiza częstotliwości
• Koherencja - miara synchronizacji sygnału w
amplitudzie i fazie.
Nowicka i in. (2016), Molecular Autism
dr Ilona Kotlewska-Waś, UMK
Analiza częstotliwości
• Funkcje skierowane (direct transfer function, DTF)
- mogą wyznaczyć który ze zsynchronizowanych
sygnałów był pierwszy, a który wystąpił później.
Nowicka i in. (2016), Molecular Autism
dr Ilona Kotlewska-Waś, UMK
Analiza danych:
Analiza źródeł sygnału
dr Ilona Kotlewska-Waś, UMK
Analiza źródeł sygnału
• Rozproszone: LORETA,
sLORETA, CLARA etc.
• Dopasowanie dipoli
(dipole fitting)
• Problem odwrotny -
dany sygnał wychodzący
na zewnątrz czaszki
można wyjaśnić przez
nieskończenie wiele
rozwiązań!
dr Ilona Kotlewska-Waś, UMK
LORETA
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
dr Ilona Kotlewska-Waś, UMK
CLARA (classical LORETA recursively applied)

Más contenido relacionado

La actualidad más candente

Basics of electroencephalography
Basics of electroencephalographyBasics of electroencephalography
Basics of electroencephalographyNeurologyKota
 
Electroencephalogram(EEG)
Electroencephalogram(EEG)Electroencephalogram(EEG)
Electroencephalogram(EEG)ashikh
 
Principles of polarity in eeg
Principles of polarity in eegPrinciples of polarity in eeg
Principles of polarity in eegPramod Krishnan
 
Electroencephalogram (eeg)
Electroencephalogram (eeg)Electroencephalogram (eeg)
Electroencephalogram (eeg)divyabms
 
fNIRS and Brain Computer Interface for Communication
fNIRS and Brain Computer Interface for CommunicationfNIRS and Brain Computer Interface for Communication
fNIRS and Brain Computer Interface for CommunicationInsideScientific
 
Brain Computer Interface by Vipin Yadav
Brain Computer Interface by Vipin YadavBrain Computer Interface by Vipin Yadav
Brain Computer Interface by Vipin YadavVipinYadav191
 
EEG History taking . (By Murtaza)
EEG History taking . (By Murtaza)EEG History taking . (By Murtaza)
EEG History taking . (By Murtaza)Murtaza Syed
 
Introduction to EEG: Instrument and Acquisition
Introduction to EEG: Instrument and AcquisitionIntroduction to EEG: Instrument and Acquisition
Introduction to EEG: Instrument and Acquisitionkj_jantzen
 
45891026 brain-computer-interface-seminar-report
45891026 brain-computer-interface-seminar-report45891026 brain-computer-interface-seminar-report
45891026 brain-computer-interface-seminar-reportkapilpanwariet
 
10 20 system of eeg
10 20  system of eeg10 20  system of eeg
10 20 system of eegrakesh kumar
 
Electroenchephalography
ElectroenchephalographyElectroenchephalography
Electroenchephalographyimabongaigaon
 
EEG - Montages, Equipment and Basic Physics
EEG - Montages, Equipment and Basic PhysicsEEG - Montages, Equipment and Basic Physics
EEG - Montages, Equipment and Basic PhysicsRahul Kumar
 
EEG Artifact and How to Resolve
EEG Artifact and How to ResolveEEG Artifact and How to Resolve
EEG Artifact and How to ResolveLalit Bansal
 
Brain Computer Interface
Brain Computer InterfaceBrain Computer Interface
Brain Computer Interfacedeaneal
 

La actualidad más candente (20)

Basics of electroencephalography
Basics of electroencephalographyBasics of electroencephalography
Basics of electroencephalography
 
Electroencephalogram(EEG)
Electroencephalogram(EEG)Electroencephalogram(EEG)
Electroencephalogram(EEG)
 
EEG ppt
EEG pptEEG ppt
EEG ppt
 
Principles of polarity in eeg
Principles of polarity in eegPrinciples of polarity in eeg
Principles of polarity in eeg
 
Electroencephalogram (eeg)
Electroencephalogram (eeg)Electroencephalogram (eeg)
Electroencephalogram (eeg)
 
fNIRS and Brain Computer Interface for Communication
fNIRS and Brain Computer Interface for CommunicationfNIRS and Brain Computer Interface for Communication
fNIRS and Brain Computer Interface for Communication
 
EEG artifacts
EEG  artifactsEEG  artifacts
EEG artifacts
 
Eeg presentation
Eeg presentationEeg presentation
Eeg presentation
 
Brain Computer Interface by Vipin Yadav
Brain Computer Interface by Vipin YadavBrain Computer Interface by Vipin Yadav
Brain Computer Interface by Vipin Yadav
 
EEG History taking . (By Murtaza)
EEG History taking . (By Murtaza)EEG History taking . (By Murtaza)
EEG History taking . (By Murtaza)
 
Introduction to EEG: Instrument and Acquisition
Introduction to EEG: Instrument and AcquisitionIntroduction to EEG: Instrument and Acquisition
Introduction to EEG: Instrument and Acquisition
 
Evoked Potentials.pptx
Evoked Potentials.pptxEvoked Potentials.pptx
Evoked Potentials.pptx
 
45891026 brain-computer-interface-seminar-report
45891026 brain-computer-interface-seminar-report45891026 brain-computer-interface-seminar-report
45891026 brain-computer-interface-seminar-report
 
10 20 system of eeg
10 20  system of eeg10 20  system of eeg
10 20 system of eeg
 
Electroenchephalography
ElectroenchephalographyElectroenchephalography
Electroenchephalography
 
EEG course.pptx
EEG course.pptxEEG course.pptx
EEG course.pptx
 
EEG - Montages, Equipment and Basic Physics
EEG - Montages, Equipment and Basic PhysicsEEG - Montages, Equipment and Basic Physics
EEG - Montages, Equipment and Basic Physics
 
Electroencephal ogram (eeg)
Electroencephal ogram (eeg)Electroencephal ogram (eeg)
Electroencephal ogram (eeg)
 
EEG Artifact and How to Resolve
EEG Artifact and How to ResolveEEG Artifact and How to Resolve
EEG Artifact and How to Resolve
 
Brain Computer Interface
Brain Computer InterfaceBrain Computer Interface
Brain Computer Interface
 

Similar a Elektroencefalografia (badania EEG)

Gierczak Klaudia 1C
Gierczak Klaudia 1CGierczak Klaudia 1C
Gierczak Klaudia 1Cadmin
 
Blokada splotu ramiennego z dojścia pachowego.
Blokada splotu ramiennego z dojścia pachowego.Blokada splotu ramiennego z dojścia pachowego.
Blokada splotu ramiennego z dojścia pachowego.Polanest
 
Kinga Wesołowska 3A
Kinga Wesołowska 3AKinga Wesołowska 3A
Kinga Wesołowska 3Aadmin
 
Choroby i higiena układu nerwowego
Choroby i higiena układu nerwowegoChoroby i higiena układu nerwowego
Choroby i higiena układu nerwowegokaleksander
 
Krzysztof Grabarek 3B
Krzysztof Grabarek 3BKrzysztof Grabarek 3B
Krzysztof Grabarek 3Badmin
 
Mózg - Od struktury do funkcji - Neurobrazowanie
Mózg - Od struktury do funkcji - NeurobrazowanieMózg - Od struktury do funkcji - Neurobrazowanie
Mózg - Od struktury do funkcji - NeurobrazowanieUniwersytet Otwarty AGH
 
Padaczka - podstawy dla CRA Jacek Staszewski
Padaczka - podstawy dla CRA Jacek StaszewskiPadaczka - podstawy dla CRA Jacek Staszewski
Padaczka - podstawy dla CRA Jacek StaszewskiJacek Staszewski
 
Michał Tomczyk, Kondrad Zając,Piotr Lehman 2A
Michał Tomczyk, Kondrad Zając,Piotr Lehman 2AMichał Tomczyk, Kondrad Zając,Piotr Lehman 2A
Michał Tomczyk, Kondrad Zając,Piotr Lehman 2Aadmin
 
Purkinje eye tracking biometria
Purkinje eye tracking biometriaPurkinje eye tracking biometria
Purkinje eye tracking biometriaEwaB
 
Karolina Lonc 2B
Karolina Lonc 2BKarolina Lonc 2B
Karolina Lonc 2Badmin
 
Kacper Laskowski 1F
Kacper Laskowski 1FKacper Laskowski 1F
Kacper Laskowski 1Fadmin
 

Similar a Elektroencefalografia (badania EEG) (16)

Biologia
BiologiaBiologia
Biologia
 
Biofeedback
BiofeedbackBiofeedback
Biofeedback
 
Gierczak Klaudia 1C
Gierczak Klaudia 1CGierczak Klaudia 1C
Gierczak Klaudia 1C
 
Blokada splotu ramiennego z dojścia pachowego.
Blokada splotu ramiennego z dojścia pachowego.Blokada splotu ramiennego z dojścia pachowego.
Blokada splotu ramiennego z dojścia pachowego.
 
Kinga Wesołowska 3A
Kinga Wesołowska 3AKinga Wesołowska 3A
Kinga Wesołowska 3A
 
Choroby i higiena układu nerwowego
Choroby i higiena układu nerwowegoChoroby i higiena układu nerwowego
Choroby i higiena układu nerwowego
 
Krzysztof Grabarek 3B
Krzysztof Grabarek 3BKrzysztof Grabarek 3B
Krzysztof Grabarek 3B
 
Oblicza Neuronauki 4
Oblicza Neuronauki 4Oblicza Neuronauki 4
Oblicza Neuronauki 4
 
Mózg - Od struktury do funkcji - Neurobrazowanie
Mózg - Od struktury do funkcji - NeurobrazowanieMózg - Od struktury do funkcji - Neurobrazowanie
Mózg - Od struktury do funkcji - Neurobrazowanie
 
Padaczka - podstawy dla CRA Jacek Staszewski
Padaczka - podstawy dla CRA Jacek StaszewskiPadaczka - podstawy dla CRA Jacek Staszewski
Padaczka - podstawy dla CRA Jacek Staszewski
 
Michał Tomczyk, Kondrad Zając,Piotr Lehman 2A
Michał Tomczyk, Kondrad Zając,Piotr Lehman 2AMichał Tomczyk, Kondrad Zając,Piotr Lehman 2A
Michał Tomczyk, Kondrad Zając,Piotr Lehman 2A
 
Purkinje eye tracking biometria
Purkinje eye tracking biometriaPurkinje eye tracking biometria
Purkinje eye tracking biometria
 
Karolina Lonc 2B
Karolina Lonc 2BKarolina Lonc 2B
Karolina Lonc 2B
 
Mózgowe porażenie dziecięce
Mózgowe  porażenie dziecięceMózgowe  porażenie dziecięce
Mózgowe porażenie dziecięce
 
Płaty potyliczne
Płaty potylicznePłaty potyliczne
Płaty potyliczne
 
Kacper Laskowski 1F
Kacper Laskowski 1FKacper Laskowski 1F
Kacper Laskowski 1F
 

Más de Ilona Kotlewska

Wpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentów
Wpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentówWpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentów
Wpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentówIlona Kotlewska
 
Jak nowe technologie wpływają na rozwój dziecka? Cz. 2
Jak nowe technologie wpływają na rozwój dziecka? Cz. 2Jak nowe technologie wpływają na rozwój dziecka? Cz. 2
Jak nowe technologie wpływają na rozwój dziecka? Cz. 2Ilona Kotlewska
 
Jak nowe technologie wpływają na rozwój dziecka?
Jak nowe technologie wpływają na rozwój dziecka?Jak nowe technologie wpływają na rozwój dziecka?
Jak nowe technologie wpływają na rozwój dziecka?Ilona Kotlewska
 
Metody diagnostyczne w neuropsychologii
Metody diagnostyczne w neuropsychologiiMetody diagnostyczne w neuropsychologii
Metody diagnostyczne w neuropsychologiiIlona Kotlewska
 
Machine learning w analizie fMRI
Machine learning w analizie fMRIMachine learning w analizie fMRI
Machine learning w analizie fMRIIlona Kotlewska
 
Platy skroniowe - anatomia i organizacja funkcjonalna
Platy skroniowe - anatomia i organizacja funkcjonalnaPlaty skroniowe - anatomia i organizacja funkcjonalna
Platy skroniowe - anatomia i organizacja funkcjonalnaIlona Kotlewska
 
Jak mózg rozumie ludzkie twarze?
Jak mózg rozumie ludzkie twarze?Jak mózg rozumie ludzkie twarze?
Jak mózg rozumie ludzkie twarze?Ilona Kotlewska
 
Czy naprawdę używamy tylko 10% naszego mózgu?
Czy naprawdę używamy tylko 10% naszego mózgu?Czy naprawdę używamy tylko 10% naszego mózgu?
Czy naprawdę używamy tylko 10% naszego mózgu?Ilona Kotlewska
 
Neurobiologia świadomosci
Neurobiologia świadomosciNeurobiologia świadomosci
Neurobiologia świadomosciIlona Kotlewska
 

Más de Ilona Kotlewska (12)

Wpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentów
Wpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentówWpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentów
Wpływ mediów społecznościowych i gier komputerowych na rozwój mózgu adolescentów
 
Jak nowe technologie wpływają na rozwój dziecka? Cz. 2
Jak nowe technologie wpływają na rozwój dziecka? Cz. 2Jak nowe technologie wpływają na rozwój dziecka? Cz. 2
Jak nowe technologie wpływają na rozwój dziecka? Cz. 2
 
Jak nowe technologie wpływają na rozwój dziecka?
Jak nowe technologie wpływają na rozwój dziecka?Jak nowe technologie wpływają na rozwój dziecka?
Jak nowe technologie wpływają na rozwój dziecka?
 
Płaty ciemieniowe
Płaty ciemieniowePłaty ciemieniowe
Płaty ciemieniowe
 
Metody diagnostyczne w neuropsychologii
Metody diagnostyczne w neuropsychologiiMetody diagnostyczne w neuropsychologii
Metody diagnostyczne w neuropsychologii
 
Machine learning w analizie fMRI
Machine learning w analizie fMRIMachine learning w analizie fMRI
Machine learning w analizie fMRI
 
Platy skroniowe - anatomia i organizacja funkcjonalna
Platy skroniowe - anatomia i organizacja funkcjonalnaPlaty skroniowe - anatomia i organizacja funkcjonalna
Platy skroniowe - anatomia i organizacja funkcjonalna
 
Uwaga i świadomość
Uwaga i świadomośćUwaga i świadomość
Uwaga i świadomość
 
Jak mózg rozumie ludzkie twarze?
Jak mózg rozumie ludzkie twarze?Jak mózg rozumie ludzkie twarze?
Jak mózg rozumie ludzkie twarze?
 
Choroby zwyrodnieniowe
Choroby zwyrodnienioweChoroby zwyrodnieniowe
Choroby zwyrodnieniowe
 
Czy naprawdę używamy tylko 10% naszego mózgu?
Czy naprawdę używamy tylko 10% naszego mózgu?Czy naprawdę używamy tylko 10% naszego mózgu?
Czy naprawdę używamy tylko 10% naszego mózgu?
 
Neurobiologia świadomosci
Neurobiologia świadomosciNeurobiologia świadomosci
Neurobiologia świadomosci
 

Elektroencefalografia (badania EEG)

  • 1. BADANIA ELEKTROENCEFALOGRAFICZNE dr Ilona Kotlewska-Waś Katedra Kognitywistyki Uniwersytet Mikołaja Kopernika w Toruniu Neuronauka procesów poznawczych i uwagowych, 8-11-2018
  • 2. dr Ilona Kotlewska-Waś, UMK Wprowadzenie do badań EEG
  • 3. dr Ilona Kotlewska-Waś, UMK Zagadka • Elektroencefalografia • Elektrokortykografia • Elektroneurografia • Elektromiografia • Elektrokardiografia dr Ilona Kotlewska-Waś, UMK
  • 4. dr Ilona Kotlewska-Waś, UMK Zagadka • Elektroencefalografia — EEG • Elektrokortykografia — ECoG • Elektroneurografia — ??? • Elektromiografia — EMG • Elektrokardiografia — EKG
  • 5. dr Ilona Kotlewska-Waś, UMK EEG ma świetną rozdzielczość czasową! Możemy nagrywać aktywność mózgu z dokładnością do ułamków sekund.
  • 6. dr Ilona Kotlewska-Waś, UMK Elektroencefalografia Metoda badania aktywności (funkcjonowania) mózgu oparta na rejestracji aktywności bioelektrycznej mózgu.
  • 7. dr Ilona Kotlewska-Waś, UMK Elektroencefalogram
  • 8. dr Ilona Kotlewska-Waś, UMK Rejestracja aktywności bioelektrycznej mózgu • Zapis EEG odzwierciedla sumę potencjałów generowanych przez komórki kory mózgowej, w szczególności dużych komórek piramidalnych z warstwy IV i V kory (płaty potyliczne, ciemieniowe, skroniowe i czołowe). • Największy wkład do rejestrowanego zapisu mają komórki zorientowane prostopadle do powierzchni czaszki (a więc raczej z zakrętów niż z bruzd).
  • 9. dr Ilona Kotlewska-Waś, UMK Rejestracja aktywności bioelektrycznej mózgu
  • 10. dr Ilona Kotlewska-Waś, UMK Rejestracja aktywności bioelektrycznej mózgu • Rejestrowana aktywność jest sumą potencjałów postsynaptycznych setek tysięcy neuronów pracujących synchronicznie! • EEG nie jest sumą potencjałów czynnościowych. • Potencjały postsynaptyczne decydują o sygnale EEG rejestrowanym z czaszki.
  • 11. dr Ilona Kotlewska-Waś, UMK Oscylacje i rytmy w sygnale EEG
  • 12. dr Ilona Kotlewska-Waś, UMK Pasmo Delta • Najwolniejsze pasmo o najwyższej amplitudzie fal. • Obecne podczas głębokiego snu non-REM. • Kiedy: głęboki sen, oraz – patologie neurologiczne (uszkodzenia, guzy), znieczulenie, powszechny u małych dzieci (1-2 lata), ilość tych fal maleje z wiekiem • Silniejsze w prawej półkuli mózgu, ich generatorem jest wzgórze, w szczególności twór siatkowaty. • Są związane z konsolidacją pamięci podczas snu.
  • 13. dr Ilona Kotlewska-Waś, UMK Typowe badania fal Delta • Alkoholizm obniża ilość snu wolnofalowego i występowania fal delta, a zatem utrudnia konsolidowanie szlaków pamięciowych. • Sen i zaburzenia snu • W laboratoriach snu fale delta stanowią wyznacznik głębokości snu. • Zaburzenia snu towarzyszą często chorobom centralnego układu nerwowego takim jak choroba Parkinsona, demencja lub schizofrenia.
  • 14. dr Ilona Kotlewska-Waś, UMK Pasmo Theta • Jeśli występują w strukturach czołowych mogą świadczyć o trudności wykonywanego zadania poznawczego, zogniskowanej uwadze, uczeniu się, wysiłku intelektualnym. • Są wyznacznikiem obciążenia psychicznego i pamięci roboczej. • Fale theta mogą występować w całej korze, zarówno w regionach przedczołowych, jak i centralno-ciemieniowych oraz skroniowych. • Pasmo theta stanowi nośnik informacji o procesach poznawczych pomiędzy strukturami położonymi dalej od siebie.
  • 15. dr Ilona Kotlewska-Waś, UMK Pasmo Theta • U zwierząt fale wolne (5-7 Hz) wyrażają senność. U ludzi — jeśli występują na całej głowie. • Występują w trakcie medytacji lub drzemki. • Odwrotnie niż w hipokampie! W tej strukturze fale theta wskazują na stan wysokiego poziomu czujności. • U psychopatów obserwuje się fale theta w stanach czuwania, a nawet silnego pobudzenia! Wiąże się z tym ich zwiększona potrzeba stymulacji, poszukiwania wrażeń i podejmowania ryzyka.
  • 16. dr Ilona Kotlewska-Waś, UMK Typowe badania fal Theta • Monitorowanie pracy mózgu podczas trudnych operacji mentalnych • Kontrolerzy ruchu, piloci, wojskowi, ocena zdjęć satelitarnych. • Nawigacja • Ilość fal theta wzrasta wraz z poziomem skomplikowania labiryntu do rozwiązania niezależnie od tego, czy musimy go przejść fizycznie, czy tylko w wirtualnej rzeczywistości. • N-wstecz • Sekwencje bodźców są szybko wyświetlane na ekranie, a uczestnicy badania muszą zapamiętać elementy ukazane n-kroków wcześniej (np. Czy litera pokazana dwa slajdy temu była literą „m”?). Ilość fal theta zwiększa się wraz z obciążeniem pamięciowym (np. sześć kroków wstecz w porównaniu z dwoma).
  • 17. dr Ilona Kotlewska-Waś, UMK Pasmo Alfa • Głównie w regionach potylicznych. • Fale alfa pojawiają się w okresie fizycznej relaksacji, gdy mamy zamknięte oczy. • Zanikają w trakcie czujności, stąd poziom stłumienia fal alfa mówi o zaangażowaniu w rozwiązywanie zadania. • Blokowane przez uaktywnienie uwagi, szczególnie wzrokowej oraz wysiłek umysłowy.
  • 18. dr Ilona Kotlewska-Waś, UMK Pasmo Alfa • Rytm mu – taka sama częstotliwość jak rytm alfa ale inna topografia (elektrody C3, C4). Nie jest rytmem alfa! Związany z relaksacją ruchową, blokowany przez ruch • Częstotliwość rytmu alfa wzrasta do ok. 10 roku życia i spada w starości • Częstotliwość 8 Hz jest traktowana raczej jako mało typowa (anormalna) • Amplituda: u większości ludzi to 20-60 µV • Nie obserwowane w obszarze bieguna czołowego • Osoby z bardzo dobrą pamięcią – większa częstotliwość fal alfa • Różnice gatunkowe - koty: 8-13 Hz; psy: 6-8 Hz; szympansy: 10 Hz
  • 19. dr Ilona Kotlewska-Waś, UMK Typowe badania fal Alfa • Uwaga • Wzmożona aktywność fal alfa w trakcie procesów zapamiętywania trudnego materiału wpływa na obniżenie wyników badanego! • Biofeedback • Wzmożone występowanie fal alfa ma świadczyć o relaksacji. Poprzez monitorowanie pracy mózgu mamy nauczyć się wprowadzać w stan głębokiego relaksu… (?!) • Medytacja • Ilość występujących fal alfa pozwala odróżnić doświadczone osoby medytujące od początkujących.
  • 20. dr Ilona Kotlewska-Waś, UMK Pasmo Beta • Najważniejsze pasmo! • Aktywność, wzbudzenie, pojawia się podczas blokowania rytmu alfa — obecny zawsze w czasie czuwania. • Zdesynchronizowana aktywność bioelektryczna! • Świadczy o koncentracji, aktywnych procesach poznawczych. • Pojawia się w całym mózgu • Silniejsza nad korą motoryczną, kiedy planujemy ruch, wyciągamy po coś dłoń, wykonujemy precyzyjne ruchy palców. • Pojawia się również, gdy obserwujemy ruchy innych ludzi (uczenie się przez naśladowanie — szympans Kanzi).
  • 21. dr Ilona Kotlewska-Waś, UMK Typowe badania fal Beta • Koncentracja uwagi • Badania rytmu beta podczas stymulacji ostrym światłem lub bardzo głośnym dźwiękiem oraz po użyciu leków modyfikujących poziom uwagi i przetwarzania informacji. • Kontrola motoryczna • Zmiana aktywności mózgu następuje ok. 500 ms przed wykonaniem ruchu — badania Libeta
  • 22. dr Ilona Kotlewska-Waś, UMK Pasmo Gamma • Uwaga, znieczulenie (zależny od poziomu anestezji), koreluje z metabolizmem glukozy • Wiele niewiadomych, hipotezy • fale gamma podobnie jak fale theta pozwalają synchronizować aktywność oddalonych od siebie struktur • są odpowiednikiem ruchów oka i mikro-sakad
  • 23. dr Ilona Kotlewska-Waś, UMK Typowe badania fal Gamma • Mikrosakady — szybkie, mimowolne ruchy sakadowe oka. Badania próbują wyjaśnić, jak subtelne ruchy oczu wpływają na aktywność w paśmie gamma.
  • 24. dr Ilona Kotlewska-Waś, UMK Rejestracja sygnału
  • 25. dr Ilona Kotlewska-Waś, UMK Co ma wspólnego gitara elektryczna i EEG?
  • 26. dr Ilona Kotlewska-Waś, UMK Co ma wspólnego gitara elektryczna i EEG?
  • 27. dr Ilona Kotlewska-Waś, UMK Aparatura: Czepek, elektrody i wzmacniacz
  • 28. dr Ilona Kotlewska-Waś, UMK Jakie wartości przyjmuje sygnał EEG?
  • 29. dr Ilona Kotlewska-Waś, UMK Charakterystyka sygnału • Amplituda — wychylenie fali, jednostka: µV. • Latencja — czas, który upłynął do pojawienia się reakcji (wychylenia/załamka w sygnale), jednostka: ms. • Częstotliwość — szybkość oscylacji, czyli ile razy nastąpiło wychylenie fali w ciągu sekundy, jednostka: Hz.
  • 30. dr Ilona Kotlewska-Waś, UMK Charakterystyka sygnału • Moc — ilość energii w paśmie, zwykle wyrażana jako amplituda do kwadratu, jednostka: µV2. • Faza — synchronizacja fal pomiędzy różnymi generatorami.
  • 31. dr Ilona Kotlewska-Waś, UMK Gdzie umieścić elektrody? Nasion - nasada nosa Inion - guzowatość potyliczna Czepek zakładamy na wysokości ok. 10% odległości pomiędzy nasadą nosa a guzowatością potyliczną.
  • 32. dr Ilona Kotlewska-Waś, UMK Gdzie umieścić elektrody? Nasion - nasada nosa Inion - guzowatość potyliczna Elektroda centralna Cz musi być zawsze na środku względem punktów nasion i inion oraz względem czubków uszu! Fp - fronto-polar F - frontal C - central P - parietal, T - temporal O - occipital Nieparzyste = LEWA! Parzyste = PRAWA!
  • 33. dr Ilona Kotlewska-Waś, UMK Gdzie znajduje się elektroda T7?
  • 34. dr Ilona Kotlewska-Waś, UMK Jak wykonuje się badanie EEG? • Elektrody pasywne i aktywne • Czepek powinien być stabilnie przymocowany na głowie • Pomiędzy skórą głowy a elektrodą powinien znajdować się żel ułatwiający przewodzenie
  • 35. dr Ilona Kotlewska-Waś, UMK Oporność rejestrowanego sygnału Elektrody aktywne Fot. Małgorzata Gut
  • 36. dr Ilona Kotlewska-Waś, UMK Oporność rejestrowanego sygnału • Na skórze głowy znajdują się włosy, martwe komórki naskórka, sebum, pot. Ograniczają one przewodzenie! • To zjawisko nazywamy opornością • Oporność mierzymy w Ohmach. • Zwykle próbujemy zejść z opornością poniżej 5 kOhmów.
  • 37. dr Ilona Kotlewska-Waś, UMK Rejestracja sygnału: Uziemienie • Potencjału elektrycznego nie mierzy się w pojedynczym punkcie. • Mierzy się różnicę pomiędzy punktem pomiaru (elektrodą), a uziemieniem (ground, G). • Potencjał na elektrodzie Cz wynosi zatem: Cz - G • Kanał G na wzmacniaczu jest jednak obarczony szumem elektrycznym, dlatego konieczne jest zmierzenie sygnału odniesienia (referencyjnego).
  • 38. dr Ilona Kotlewska-Waś, UMK Referencja (trochę matematyki) Wzmacniacz nagrywa potencjał pomiędzy elektrodą Cz i uziemieniem (Cz - G) oraz potencjał pomiędzy referencją i uziemieniem (R - G). Na tej podstawie wzmacniacz oblicza różnicę pomiędzy Cz i referencją jako: [Cz - G] - [R - G] Który jest równy: Cz - G - R + G G się zeruje, czyli otrzymujemy: Cz - R Zatem ostateczny sygnał ze wzmacniacza podaje różnice pomiędzy elektrodami i referencją tak, jakby G w ogóle nie było.
  • 39. dr Ilona Kotlewska-Waś, UMK Typowe elektrody referencyjne Gdzieś gdzie nie ma sygnału z mózgu! • Czubek nosa • Policzek • Płatki uszu albo kości za uszami (mastoids) • Uśredniony zapis ze wszystkich elektrod
  • 43. dr Ilona Kotlewska-Waś, UMK Problem cyfryzacji • Aliasing czyli problem próbkowania sygnału
  • 44. dr Ilona Kotlewska-Waś, UMK Problem cyfryzacji • Aliasing czyli problem próbkowania sygnału
  • 45. dr Ilona Kotlewska-Waś, UMK Problem cyfryzacji • Aliasing czyli problem próbkowania sygnału
  • 46. dr Ilona Kotlewska-Waś, UMK Problem cyfryzacji • Aliasing czyli problem próbkowania sygnału
  • 47. dr Ilona Kotlewska-Waś, UMK Problem cyfryzacji • Aliasing czyli problem próbkowania sygnału • Jeśli częstość próbkowania jest zbyt niska utracimy informacje o sygnale • Najlepiej, jeśli Twoja częstość próbkowania jest conajmniej dwa razy większa niż najwyższa częstotliwość sygnału. Np. jeśli próbkowanie wynosiło 256 Hz, powinniśmy analizować sygnały tylko do 256/2 = 128 Hz.
  • 48. dr Ilona Kotlewska-Waś, UMK Problem cyfryzacji Np. jeśli próbkowanie wynosiło 256 Hz, powinniśmy analizować sygnały tylko do 256/2 = 128 Hz. UWAGA! Ta zasada dotyczy analizy fal! W przypadku dokładnej analizy czasowej próbkowanie 250 Hz oznacza, że dwie próbki są odległe od siebie o 1000ms/250 = 4 ms! To za dużo dla potencjałów wywołanych (ERP). W przypadku pomiaru komponentów występujących kilkanaście ms po ukazaniu się bodźca należy stosować wyższe częstości próbkowania (500 a nawet 1000 Hz).
  • 49. dr Ilona Kotlewska-Waś, UMK Analiza danych Preprocessing
  • 50. dr Ilona Kotlewska-Waś, UMK 1.Re-referencja! Elektroda referencyjna zwykle narzucana jest przez producenta systemu, więc pierwszą rzeczą przy obróbce danych jest zmiana referencji na taką, która nam odpowiada. Np. jeśli referencja umieszczona była na czubku głowy w punkcie Cz - teraz można odzyskać sygnał z elektrody Cz, zamieniając referencję na średnią z płatków uszu.
  • 51. dr Ilona Kotlewska-Waś, UMK 2. Usuwanie artefaktów • Mięśnie (czoło, marszczenie brwi, mięśnie czaszki, kasłanie itp.) • Serce (EKG) • Ruchy oczu (prawo/lewo, góra/dół) • Mruganie
  • 52. dr Ilona Kotlewska-Waś, UMK Co tu się stało?
  • 53. dr Ilona Kotlewska-Waś, UMK Artefakty sieci elektrycznej Co zrobić? Sygnał należy przefiltrować znaną nam częstością sieci (50 lub 60 Hz w zależności od kraju).
  • 54. dr Ilona Kotlewska-Waś, UMK Elektrody tańczą, tańczą… Ruchy głowy i intensywne pocenie się może powodować „pływanie” elektrod (ang. swaying and swinging).
  • 55. dr Ilona Kotlewska-Waś, UMK Analiza danych: Potencjały wywołane
  • 56. dr Ilona Kotlewska-Waś, UMK Aktywność mózgu Spontaniczna Wywołana Pojawia się w reakcji na bodziec. Jest wynikiem zerowania się fazy oscylacji. Ang. event-related potential (ERP)
  • 57. dr Ilona Kotlewska-Waś, UMK Jak uzyskać potencjały wywołane?
  • 58. dr Ilona Kotlewska-Waś, UMK 1. Segmentacja
  • 59. dr Ilona Kotlewska-Waś, UMK 2. Uśrednianie triali Uśrednianie kategorii bodźców u każdego badanego.
  • 60. dr Ilona Kotlewska-Waś, UMK 3. Uśrednianie grupowe (grand average) Uśrednianie grupy badanych.
  • 61. dr Ilona Kotlewska-Waś, UMK 4. Porównanie amplitud czarna linia - kotki czerwona linia - pieski niebieska linia - myszki Elektrody, które chcemy analizować.
  • 62. dr Ilona Kotlewska-Waś, UMK Potencjał wywołany tzw. butterfly view Propagacja sygnału na powierzchni czaszki: zmiany topografii w czasie
  • 63. dr Ilona Kotlewska-Waś, UMK Jaki jesteś? ?
  • 64. dr Ilona Kotlewska-Waś, UMK Czy jesteś SZCZERY?
  • 65. dr Ilona Kotlewska-Waś, UMK Czy jesteś AKTYWNY?
  • 66. dr Ilona Kotlewska-Waś, UMK Czy jesteś UTALENTOWANY?
  • 67. dr Ilona Kotlewska-Waś, UMK Oczywiście, że tak!Percentageofpositive responses 0% 18% 35% 53% 70% Przyznajemy sobie aż 65% cech pozytywnych! Positive Negative 18% 65%
  • 68. dr Ilona Kotlewska-Waś, UMK Innych też widzimy w pozytywnym świetlePercentageofpositiveresponses 0% 18% 35% 53% 70% Innych ludzi też określamy głównie za pomocą cech pozytywnych. Present Past Close Famous 18%17% 19%18% 61% 65% 62% 65% Positive Negative
  • 69. dr Ilona Kotlewska-Waś, UMK Reakcje mózgu
  • 70. dr Ilona Kotlewska-Waś, UMK Reakcje mózgu na własne cechy i cechy innych JA i moje cechy Ja 10 lat temu i inni ludzie
  • 71. dr Ilona Kotlewska-Waś, UMK WAŻNE! • Trial — próba eksperymentalna. • Liczba powtórzeń — jest sporo uśredniania, więc nie mniej niż 30 powtórzeń bodźca, najlepiej ok. 100. Weź pod uwagę liczbę warunków eksperymentalnych i długość trwania zadania! • Stimulus timing — precyzyjnie nazwij znaczniki swojego sygnału i dopilnuj, by program wyświetlający bodźce skomunikował się z oprogramowaniem rejestrującym!
  • 73. dr Ilona Kotlewska-Waś, UMK Potencjały (komponenty/załamki) • Egzogenne — zdeterminowane fizycznymi cechami bodźców, wczesne etapy percepcji: C1,P1,N1. • Endogenne — zdeterminowane przez wymagania obróbki bodźca, komponenty poznawcze, późne/wyższe procesy poznawcze: CNV - Contingent Negative Variation, N2 (?), P3, N400).
  • 74. dr Ilona Kotlewska-Waś, UMK P300 • Występuje ok. 300 ms po ukazaniu się bodźca • Topografie centralno- ciemieniowe • Uwaga, procesy emocjonalne
  • 75. dr Ilona Kotlewska-Waś, UMK LPC • Ponad 400 ms po ukazaniu się bodźca, często 600-900 • Procesy przypominania, analizy leksykalnej LPC
  • 76. dr Ilona Kotlewska-Waś, UMK N400 • Negatywny komponent (o ujemnej wartości amplitudy). • Bardzo regularnie 400 ms po ukazaniu się bodźca. • Związany z niespójnością językową. • Tym większa amplituda im bardziej słowo nie pasuje do kontekstu, np: posmarował chleb...gitarą posmarował chleb…kremem posmarował chleb...masłem Komponent specyficznie związany z pojawieniem się elementu, który narusza semantykę zdania.
  • 77. dr Ilona Kotlewska-Waś, UMK Analiza danych EEG: Analiza częstotliwości
  • 78. dr Ilona Kotlewska-Waś, UMK Analiza częstotliwości • Transformata Fouriera - pozwala wyrysować widmo sygnału (czyli wszystkie składowe częstotliwości występujące w sygnale).
  • 79. STUDY 2 INTRO POTENCJAŁY WYWOŁANE STANU USTALONEGO (SSVEP - STEADY STATE VISUAL EVOKED POTENTIALS)
  • 80. STUDY 2 RATIONALE SSVEP FOR DIFFERENT VS. IDENTICAL STIMULI Rossion & Boremanse (2011), JoV How can you conclude about identity from faces of different people?
  • 81. STUDY 2 PROCEDURE SSVEP FOR SELF FACES ▸ 10 different faces of the same person vs. one identical face repeated constantly ▸ 4 Hz stimulation over 90 sec ▸ Faces represented: ▸ present-self ▸ past-self ▸ friend ▸ unknown person ▸ scrambled face
  • 82. STUDY 2 RESULTS SSVEP FOR SELF DIFFERENT VS. IDENTICAL FACE Advantage of diverse visual stimulation Adaptation
  • 83. STUDY 2 RESULTS SSVEP FOR SELF DIFFERENT VS. IDENTICAL FACE {Advantage of different stimuli over identical Advantage of SELF over other conditions
  • 84. dr Ilona Kotlewska-Waś, UMK Analiza częstotliwości • Koherencja - miara synchronizacji sygnału w amplitudzie i fazie. Nowicka i in. (2016), Molecular Autism
  • 85. dr Ilona Kotlewska-Waś, UMK Analiza częstotliwości • Funkcje skierowane (direct transfer function, DTF) - mogą wyznaczyć który ze zsynchronizowanych sygnałów był pierwszy, a który wystąpił później. Nowicka i in. (2016), Molecular Autism
  • 86. dr Ilona Kotlewska-Waś, UMK Analiza danych: Analiza źródeł sygnału
  • 87. dr Ilona Kotlewska-Waś, UMK Analiza źródeł sygnału • Rozproszone: LORETA, sLORETA, CLARA etc. • Dopasowanie dipoli (dipole fitting) • Problem odwrotny - dany sygnał wychodzący na zewnątrz czaszki można wyjaśnić przez nieskończenie wiele rozwiązań!
  • 92. dr Ilona Kotlewska-Waś, UMK CLARA (classical LORETA recursively applied)