stringtranslate.com

Электроэнцефалография

Электроэнцефалография ( ЭЭГ ) [1] — это метод регистрации электрограммы спонтанной электрической активности мозга . Было показано, что биосигналы , обнаруживаемые с помощью ЭЭГ, представляют собой постсинаптические потенциалы пирамидальных нейронов в неокортексе и аллокортексе . [2] Обычно это неинвазивный метод, при котором электроды ЭЭГ размещаются вдоль кожи головы (обычно называемый «скальповой ЭЭГ») с использованием международной системы 10–20 или ее вариаций. Электрокортикография , включающая хирургическое размещение электродов, иногда называется «интракраниальной ЭЭГ» . Клиническая интерпретация записей ЭЭГ чаще всего выполняется путем визуального осмотра трассировки или количественного анализа ЭЭГ .

Колебания напряжения, измеряемые биоусилителем ЭЭГ и электродами, позволяют оценить нормальную активность мозга . Поскольку электрическая активность, контролируемая ЭЭГ, возникает в нейронах в подлежащей мозговой ткани , записи, сделанные электродами на поверхности кожи головы, изменяются в соответствии с их ориентацией и расстоянием до источника активности. Кроме того, записанное значение искажается промежуточными тканями и костями, которые действуют подобно резисторам и конденсаторам в электрической цепи . Это означает, что не все нейроны будут вносить одинаковый вклад в сигнал ЭЭГ, при этом ЭЭГ в основном отражает активность корковых нейронов вблизи электродов на коже головы. Глубокие структуры внутри мозга, расположенные дальше от электродов, не будут вносить прямой вклад в ЭЭГ; к ним относятся основание корковой извилины , медиальные стенки основных долей , гиппокамп , таламус и ствол мозга . [3]

Здоровая человеческая ЭЭГ покажет определенные паттерны активности, которые коррелируют с тем, насколько бодрствует человек. Диапазон наблюдаемых частот составляет от 1 до 30 Гц, а амплитуды варьируются от 20 до 100 мкВ. Наблюдаемые частоты подразделяются на различные группы: альфа (8–13 Гц), бета (13–30 Гц), дельта (0,5–4 Гц) и тета (4–7 Гц). Альфа-волны наблюдаются, когда человек находится в состоянии расслабленного бодрствования, и в основном выражены над теменными и затылочными участками. Во время интенсивной умственной деятельности бета-волны более выражены в лобных областях, а также в других областях. Если расслабленному человеку сказать открыть глаза, можно заметить снижение альфа-активности и увеличение бета-активности. Тета- и дельта-волны обычно не наблюдаются в состоянии бодрствования - если они наблюдаются, это признак дисфункции мозга. [3]

ЭЭГ может обнаруживать аномальные электрические разряды , такие как острые волны , спайки или комплексы спайк-волна , которые можно наблюдать у людей с эпилепсией ; таким образом, она часто используется для информирования о медицинской диагностике . ЭЭГ может обнаруживать начало и пространственно-временную (местоположение и время) эволюцию припадков и наличие эпилептического статуса . Она также используется для диагностики нарушений сна , глубины анестезии , комы , энцефалопатий , церебральной гипоксии после остановки сердца и смерти мозга . ЭЭГ раньше была методом первой линии диагностики опухолей , инсульта и других очаговых заболеваний мозга, [4] [5], но это использование уменьшилось с появлением методов анатомической визуализации с высоким разрешением, таких как магнитно-резонансная томография (МРТ) и компьютерная томография (КТ). Несмотря на ограниченное пространственное разрешение, ЭЭГ продолжает оставаться ценным инструментом для исследований и диагностики. Это один из немногих доступных мобильных методов, который обеспечивает временное разрешение в диапазоне миллисекунд, что невозможно при использовании КТ, ПЭТ или МРТ. [6] [7]

Производные техники ЭЭГ включают вызванные потенциалы (ВП), которые включают усреднение активности ЭЭГ, привязанной по времени к представлению стимула определенного вида (зрительного, соматосенсорного или слухового). Потенциалы, связанные с событиями ( ПСС ), относятся к усредненным ответам ЭЭГ, привязанным по времени к более сложной обработке стимулов; эта техника используется в когнитивной науке , когнитивной психологии и психофизиологических исследованиях.

Использует

Эпилепсия

Схема регистрации ЭЭГ с использованием системы размещения электродов 10-10.

ЭЭГ является золотым стандартом диагностической процедуры для подтверждения эпилепсии . Сообщается, что чувствительность обычной ЭЭГ для обнаружения интериктальных эпилептиформных разрядов в эпилептических центрах составляет 29–55%. [8] Учитывая низкую или умеренную чувствительность, обычная ЭЭГ (обычно продолжительностью 20–30 минут) может быть нормальной у людей, страдающих эпилепсией. Когда ЭЭГ показывает интериктальные эпилептиформные разряды (например, острые волны, спайки, спайк-волна и т. д.), это подтверждает эпилепсию почти во всех случаях (высокая специфичность ), однако до 3,5% общей популяции могут иметь эпилептиформные отклонения в ЭЭГ, не имея припадков (низкий уровень ложноположительных результатов ) [8] или с очень низким риском развития эпилепсии в будущем. [9]

Когда рутинная ЭЭГ нормальна и есть высокое подозрение или необходимость подтвердить эпилепсию, ее можно повторить или провести с большей продолжительностью в отделении мониторинга эпилепсии (EMU) или дома с амбулаторной ЭЭГ. Кроме того, существуют активирующие маневры, такие как фотостимуляция, гипервентиляция и лишение сна, которые могут повысить диагностическую ценность ЭЭГ. [8]

Отделение мониторинга эпилепсии (EMU)

Иногда обычной ЭЭГ недостаточно для установления диагноза или определения наилучшего курса действий с точки зрения лечения. В этом случае могут быть предприняты попытки записать ЭЭГ во время приступа . Это известно как иктальная запись, в отличие от интериктальной записи, которая относится к записи ЭЭГ между приступами. Чтобы получить иктальную запись, обычно выполняется длительная ЭЭГ в сопровождении синхронизированной по времени видео- и аудиозаписи. Это можно сделать либо амбулаторно (на дому), либо во время госпитализации, предпочтительно в отделении мониторинга эпилепсии (EMU) с медсестрами и другим персоналом, обученным уходу за пациентами с приступами. Амбулаторные амбулаторные видеоЭЭГ обычно длятся от одного до трех дней. Госпитализация в отделение мониторинга эпилепсии обычно длится несколько дней, но может длиться неделю или дольше. Во время пребывания в больнице лекарства от приступов обычно отменяют, чтобы увеличить вероятность возникновения приступа во время госпитализации. В целях безопасности лекарства не отменяют во время ЭЭГ за пределами больницы. Таким образом, амбулаторная видео-ЭЭГ имеет преимущество в удобстве и меньшей стоимости, чем госпитализация, но у нее также есть недостаток в снижении вероятности регистрации клинического события. [10]

Мониторинг эпилепсии часто рассматривается, когда у пациентов продолжаются события, несмотря на прием противосудорожных препаратов, или если есть опасения, что события у пациента имеют альтернативный диагноз, например, психогенные неэпилептические припадки , синкопе (обморок) , субкортикальные двигательные расстройства , варианты мигрени , инсульт и т. д. В случаях эпилептических припадков непрерывный мониторинг ЭЭГ помогает охарактеризовать припадки и локализовать/латерализировать область мозга, из которой происходит припадок. Это может помочь определить соответствующие варианты немедикаментозного лечения. [11] При клиническом использовании следы ЭЭГ визуально анализируются неврологами для изучения различных особенностей. Все чаще количественный анализ ЭЭГ используется в сочетании с визуальным анализом. Дисплеи количественного анализа, такие как анализ спектра мощности, соотношение альфа-дельта, амплитудно-интегрированная ЭЭГ и обнаружение спайков, могут помочь быстро идентифицировать сегменты ЭЭГ, которые требуют тщательного визуального анализа или, в некоторых случаях, использоваться в качестве суррогатов для быстрой идентификации припадков в долгосрочных записях.

Другие расстройства головного мозга

ЭЭГ также может быть полезна для диагностики или лечения следующих расстройств: [12]

Он также может:

Отделение интенсивной терапии (ОИТ)

ЭЭГ также может использоваться в отделениях интенсивной терапии для мониторинга функций мозга с целью выявления бессудорожных припадков/бессудорожного эпилептического статуса, для мониторинга эффекта седативных средств/анестезии у пациентов в медикаментозной коме (для лечения рефрактерных припадков или повышенного внутричерепного давления ), а также для мониторинга вторичного повреждения мозга при таких состояниях, как субарахноидальное кровоизлияние (в настоящее время это исследовательский метод).

В случаях, когда подозревается значительная травма головного мозга, например, после остановки сердца, ЭЭГ может предоставить некоторую прогностическую информацию.

Если пациент с эпилепсией рассматривается для резекционной операции , часто необходимо локализовать фокус (источник) эпилептической активности мозга с разрешением, большим, чем то, что обеспечивает скальповая ЭЭГ. В этих случаях нейрохирурги обычно имплантируют полоски и сетки электродов или проникающие глубинные электроды под твердую мозговую оболочку , либо через краниотомию , либо через трепанационное отверстие . Регистрация этих сигналов называется электрокортикографией (ЭКоГ), субдуральной ЭЭГ (сдЭЭГ), внутричерепной ЭЭГ (икЭЭГ) или стереотаксической ЭЭГ (сЭЭГ). Сигнал, записанный с ЭКоГ, находится на другом масштабе активности, чем мозговая активность, записанная с скальповой ЭЭГ. Низковольтные, высокочастотные компоненты, которые нелегко увидеть (или вообще не увидеть) на скальповой ЭЭГ, можно четко увидеть на ЭКоГ. Кроме того, меньшие электроды (которые покрывают меньший участок поверхности мозга) обеспечивают лучшее пространственное разрешение, чтобы сузить области, критические для начала и распространения приступа. Некоторые клинические центры регистрируют данные с помощью проникающих микроэлектродов. [13]

Домашняя амбулаторная ЭЭГ

Иногда удобнее или клинически необходимо проводить амбулаторную запись ЭЭГ на дому у пациента. Обычно эти исследования длятся 24–72 часа. [ необходима цитата ]

Использование в научных исследованиях

ЭЭГ и связанное с ней изучение ЭРП широко используются в нейронауке , когнитивной науке , когнитивной психологии , нейролингвистике и психофизиологических исследованиях, а также для изучения функций человека, таких как глотание. [14] [15] [16] Любые методы ЭЭГ, используемые в исследованиях, недостаточно стандартизированы для клинического использования, и многие исследования ЭРП не сообщают обо всех необходимых этапах обработки для сбора и обработки данных, [17] ограничивая воспроизводимость и воспроизводимость многих исследований. На основании систематического обзора литературы 2024 года и метаанализа, заказанных Исследовательским институтом результатов, ориентированных на пациента (PCORI), сканирование ЭЭГ не может быть надежно использовано для оказания помощи в постановке клинического диагноза СДВГ. [18] Однако ЭЭГ продолжает использоваться в исследованиях психических расстройств, таких как расстройство слуховой обработки (APD), СДВГ и СДВГ . [18]

Преимущества

Существует несколько других методов изучения функций мозга, включая функциональную магнитно-резонансную томографию (фМРТ), позитронно-эмиссионную томографию (ПЭТ), магнитоэнцефалографию (МЭГ), ядерно-магнитную резонансную спектроскопию (ЯМР или МРС), электрокортикографию (ЭКоГ), однофотонную эмиссионную компьютерную томографию (ОФЭКТ), ближнюю инфракрасную спектроскопию (NIRS) и оптический сигнал, связанный с событиями (EROS). Несмотря на относительно низкую пространственную чувствительность ЭЭГ, «одномерные сигналы из локализованных периферических областей на голове делают ее привлекательной из-за ее упрощенной точности и обеспечивают высокую клиническую и базовую исследовательскую производительность». [19] Таким образом, ЭЭГ обладает некоторыми преимуществами по сравнению с некоторыми из этих других методов:

ЭЭГ также имеет некоторые характеристики, которые выгодно отличают ее от поведенческого тестирования:

[32]

Недостатки

С другими методами нейровизуализации

Одновременные записи ЭЭГ и сканирования фМРТ были успешно получены, [38] [39] [40] [41] хотя запись обоих одновременно эффективно требует преодоления нескольких технических трудностей, таких как наличие баллистокардиографического артефакта, артефакта импульса МРТ и индукции электрических токов в проводах ЭЭГ, которые движутся в сильных магнитных полях МРТ. Хотя это и сложно, они были успешно преодолены в ряде исследований. [42] [43]

МРТ создают детальные изображения, созданные путем создания сильных магнитных полей, которые могут вызывать потенциально вредную силу смещения и крутящий момент. Эти поля производят потенциально вредный радиочастотный нагрев и создают артефакты изображения, делая изображения бесполезными. Из-за этих потенциальных рисков только определенные медицинские устройства могут использоваться в среде МРТ.

Аналогичным образом проводились также одновременные записи с помощью МЭГ и ЭЭГ, что имеет ряд преимуществ по сравнению с использованием каждой из этих методик по отдельности:

Недавно был исследован комбинированный подход ЭЭГ/МЭГ (ЭМЭГ) с целью реконструкции источника при диагностике эпилепсии. [45]

ЭЭГ также была объединена с позитронно-эмиссионной томографией . Это дает преимущество, позволяя исследователям увидеть, какие сигналы ЭЭГ связаны с различными действиями лекарств в мозге. [46]

Недавние исследования с использованием методов машинного обучения , таких как нейронные сети со статистическими временными характеристиками, извлеченными из данных ЭЭГ мозговых волн лобной доли , показали высокий уровень успешности в классификации психических состояний (расслабленное, нейтральное, сосредоточенное), [47] психических эмоциональных состояний (негативное, нейтральное, позитивное) [48] и таламокортикальной дисритмии . [49]

Механизмы

Электрический заряд мозга поддерживается миллиардами нейронов . [50] Нейроны электрически заряжены (или «поляризованы») мембранными транспортными белками, которые перекачивают ионы через их мембраны. Нейроны постоянно обмениваются ионами с внеклеточной средой, например, для поддержания потенциала покоя и распространения потенциалов действия . Ионы с одинаковым зарядом отталкиваются друг от друга, и когда много ионов выталкиваются из многих нейронов одновременно, они могут толкать своих соседей, которые толкают своих соседей, и так далее, в волне. Этот процесс известен как объемная проводимость. Когда волна ионов достигает электродов на коже головы, они могут толкать или тянуть электроны на металле в электродах. Поскольку металл легко проводит толчок и тягу электронов, разницу в толчковом или тянущем напряжении между любыми двумя электродами можно измерить с помощью вольтметра . Регистрация этих напряжений с течением времени дает нам ЭЭГ. [51]

Электрический потенциал, генерируемый отдельным нейроном, слишком мал, чтобы быть уловленным ЭЭГ или МЭГ. [52] Таким образом, активность ЭЭГ всегда отражает суммирование синхронной активности тысяч или миллионов нейронов, имеющих схожую пространственную ориентацию. Если клетки не имеют схожей пространственной ориентации, их ионы не выстраиваются в линию и не создают волны, которые можно обнаружить. Считается, что пирамидальные нейроны коры головного мозга производят наибольший сигнал ЭЭГ, поскольку они хорошо выровнены и активируются вместе. Поскольку градиенты поля напряжения падают с квадратом расстояния, активность из глубоких источников сложнее обнаружить, чем токи вблизи черепа. [53]

Активность ЭЭГ скальпа показывает колебания на различных частотах. Некоторые из этих колебаний имеют характерные частотные диапазоны , пространственные распределения и связаны с различными состояниями функционирования мозга (например, бодрствование и различные стадии сна ). Эти колебания представляют собой синхронизированную активность в сети нейронов. Нейронные сети, лежащие в основе некоторых из этих колебаний, понятны (например, таламокортикальный резонанс, лежащий в основе веретен сна ), в то время как многие другие — нет (например, система, которая генерирует задний базовый ритм). Исследования, которые измеряют как ЭЭГ, так и нейронные импульсы, показывают, что связь между ними является сложной, причем комбинация мощности ЭЭГ в гамма- диапазоне и фазы в дельта-диапазоне наиболее тесно связана с нейронной импульсной активностью. [54]

Метод

Электроэнцефалограф компьютерный Нейровизор-БММ 40, произведенный и предлагаемый в России

В обычной скальповой ЭЭГ запись получается путем размещения электродов на скальпе с проводящим гелем или пастой, обычно после подготовки области скальпа путем легкой абразивной обработки для снижения импеданса из-за мертвых клеток кожи. Во многих системах обычно используются электроды, каждый из которых прикреплен к отдельному проводу. В некоторых системах используются колпачки или сетки, в которые встроены электроды; это особенно распространено, когда требуются массивы электродов высокой плотности. [ необходима цитата ]

Расположение и названия электродов определены Международной системой 10–20 [55] для большинства клинических и исследовательских приложений (за исключением случаев, когда используются массивы высокой плотности). Эта система гарантирует, что наименование электродов будет единообразным во всех лабораториях. В большинстве клинических приложений используются 19 регистрирующих электродов (плюс заземление и системный эталон). [56] Меньшее количество электродов обычно используется при записи ЭЭГ у новорожденных . Дополнительные электроды могут быть добавлены к стандартной установке, когда клиническое или исследовательское приложение требует повышенного пространственного разрешения для определенной области мозга. Массивы высокой плотности (обычно через колпачок или сетку) могут содержать до 256 электродов, более или менее равномерно распределенных вокруг кожи головы.

Каждый электрод подключен к одному входу дифференциального усилителя (один усилитель на пару электродов); общий системный опорный электрод подключен к другому входу каждого дифференциального усилителя. Эти усилители усиливают напряжение между активным электродом и опорным (обычно в 1000–100 000 раз или 60–100  дБ усиления мощности). В аналоговой ЭЭГ сигнал затем фильтруется (следующий абзац), и сигнал ЭЭГ выводится как отклонение ручек, когда бумага проходит под ними. Однако большинство систем ЭЭГ в наши дни являются цифровыми, и усиленный сигнал оцифровывается с помощью аналого-цифрового преобразователя после прохождения через фильтр сглаживания . Аналого-цифровая выборка обычно происходит на частоте 256–512 Гц в клинической ЭЭГ кожи головы; в некоторых исследовательских приложениях используются частоты выборки до 20 кГц.

Во время записи может использоваться ряд процедур активации. Эти процедуры могут вызывать нормальную или аномальную активность ЭЭГ, которая в противном случае не будет видна. Эти процедуры включают гипервентиляцию, фотостимуляцию (стробоскопическим светом), закрытие глаз, умственную активность, сон и лишение сна. Во время (стационарного) мониторинга эпилепсии пациенту могут быть отменены типичные для него противосудорожные препараты.

Цифровой сигнал ЭЭГ хранится в электронном виде и может быть отфильтрован для отображения. Типичные настройки для фильтра верхних частот и фильтра нижних частот составляют 0,5–1  Гц и 35–70 Гц соответственно. Фильтр верхних частот обычно отфильтровывает медленные артефакты, такие как электрогальванические сигналы и артефакты движения, тогда как фильтр нижних частот отфильтровывает высокочастотные артефакты, такие как электромиографические сигналы. Дополнительный режекторный фильтр обычно используется для удаления артефактов, вызванных линиями электропередач (60 Гц в Соединенных Штатах и ​​50 Гц во многих других странах). [13]

Сигналы ЭЭГ можно регистрировать с помощью оборудования с открытым исходным кодом, такого как OpenBCI , а сигнал можно обрабатывать с помощью бесплатного программного обеспечения для ЭЭГ, такого как EEGLAB или Neurophysiological Biomarker Toolbox .

В рамках оценки для хирургического лечения эпилепсии может потребоваться введение электродов вблизи поверхности мозга, под поверхность твердой мозговой оболочки . Это достигается с помощью трепанационного отверстия или краниотомии . Это называется по-разному: «электрокортикография (ЭКоГ)» , «внутричерепная ЭЭГ (И-ЭЭГ)» или «субдуральная ЭЭГ (СД-ЭЭГ)». Глубинные электроды также могут быть помещены в структуры мозга, такие как миндалевидное тело или гиппокамп , структуры, которые являются распространенными эпилептическими очагами и могут не быть «видны» четко с помощью скальповой ЭЭГ. Электрокортикографический сигнал обрабатывается так же, как и цифровая скальповая ЭЭГ (выше), с несколькими оговорками. ЭКоГ обычно регистрируется с более высокой частотой дискретизации, чем скальповая ЭЭГ из-за требований теоремы Найквиста — субдуральный сигнал состоит из более высокого преобладания высокочастотных компонентов. Кроме того, многие артефакты, влияющие на ЭЭГ головы, не влияют на ЭКоГ, и поэтому фильтрация отображения часто не требуется.

Типичный сигнал ЭЭГ взрослого человека имеет амплитуду около 10–100 мкВ при измерении с поверхности кожи головы. [57]

Поскольку сигнал напряжения ЭЭГ представляет собой разницу между напряжениями на двух электродах, отображение ЭЭГ для считывающего энцефалографа может быть настроено одним из нескольких способов. Представление каналов ЭЭГ называется монтажом .

Последовательный монтаж
Каждый канал (т. е. форма волны) представляет собой разницу между двумя соседними электродами. Весь монтаж состоит из серии таких каналов. Например, канал «Fp1-F3» представляет собой разницу в напряжении между электродом Fp1 и электродом F3. Следующий канал в монтаже, «F3-C3», представляет собой разницу в напряжении между F3 и C3, и так далее по всему массиву электродов.
Референтный монтаж
Каждый канал представляет разницу между определенным электродом и назначенным референтным электродом. Для этого референта нет стандартного положения; однако, оно находится в другом положении, чем «записывающие» электроды. Положения средней линии часто используются, поскольку они не усиливают сигнал в одном полушарии по сравнению с другим, например, Cz, Oz, Pz и т. д. в качестве онлайн-референта. Другие популярные офлайн-референты:
Средний референсный монтаж
Выходные сигналы всех усилителей суммируются и усредняются, и этот усредненный сигнал используется в качестве общего опорного сигнала для каждого канала.
Монтаж Лапласа
Каждый канал представляет собой разницу между электродом и средневзвешенным значением окружающих электродов. [59]

При использовании аналоговых (бумажных) ЭЭГ технолог переключается между монтажами во время записи, чтобы выделить или лучше охарактеризовать определенные особенности ЭЭГ. При цифровой ЭЭГ все сигналы обычно оцифровываются и сохраняются в определенном (обычно референтном) монтаже; поскольку любой монтаж может быть построен математически из любого другого, электроэнцефалограф может просматривать ЭЭГ в любом желаемом монтаже отображения.

ЭЭГ читает клинический нейрофизиолог или невролог (в зависимости от местных обычаев и законов относительно медицинских специальностей ), в идеале тот, кто имеет специальную подготовку по интерпретации ЭЭГ для клинических целей. Это делается путем визуального осмотра волновых форм, называемых графоэлементами. Использование компьютерной обработки сигналов ЭЭГ – так называемой количественной электроэнцефалографии – несколько спорно при использовании в клинических целях (хотя есть много исследовательских применений).

Сухие электроды ЭЭГ

В начале 1990-х годов Бабак Тахери из Калифорнийского университета в Дэвисе продемонстрировал первые одноканальные, а также многоканальные сухие активные электродные решетки с использованием микрообработки. Конструкция одноканального сухого электрода ЭЭГ и результаты были опубликованы в 1994 году. [60] Также было продемонстрировано, что массивный электрод работает хорошо по сравнению с электродами из серебра / хлорида серебра . Устройство состояло из четырех участков датчиков со встроенной электроникой для снижения шума путем согласования импеданса . Преимущества таких электродов: (1) не используется электролит, (2) не требуется подготовка кожи, (3) значительно уменьшенный размер датчика и (4) совместимость с системами мониторинга ЭЭГ. Активная электродная решетка представляет собой интегрированную систему, состоящую из массива емкостных датчиков с локальной интегральной схемой, размещенной в корпусе с батареями для питания схемы. Этот уровень интеграции требовался для достижения функциональных характеристик, полученных электродом. Электрод был протестирован на электрическом испытательном стенде и на людях в четырех модальностях активности ЭЭГ, а именно: (1) спонтанная ЭЭГ, (2) сенсорные потенциалы, связанные с событиями, (3) потенциалы ствола мозга и (4) когнитивные потенциалы, связанные с событиями. Характеристики сухого электрода выгодно отличались от характеристик стандартных влажных электродов с точки зрения подготовки кожи, отсутствия необходимости в геле (сухой) и более высокого отношения сигнал/шум. [61]

В 1999 году исследователи из Университета Кейс Вестерн Резерв в Кливленде , штат Огайо , под руководством Хантера Пекхэма использовали 64-электродную ЭЭГ-капочку, чтобы вернуть ограниченные движения руки парализованному Джиму Джатичу. Пока Джатич концентрировался на простых, но противоположных концепциях, таких как вверх и вниз, его бета-ритм ЭЭГ-выход анализировался с помощью программного обеспечения для выявления закономерностей в шуме. Была выявлена ​​базовая закономерность, которая использовалась для управления переключателем: активность выше среднего была установлена ​​на включение, ниже среднего — на выключение. Помимо того, что Джатич мог управлять курсором компьютера, сигналы также использовались для управления нервными контроллерами, встроенными в его руки, что восстанавливало некоторые движения. [62]

В 2018 году был представлен функциональный сухой электрод, состоящий из полидиметилсилоксанового эластомера, заполненного проводящими углеродными нановолокнами . Это исследование проводилось в Исследовательской лаборатории армии США . [63] Технология ЭЭГ часто включает нанесение геля на кожу головы, что обеспечивает высокое отношение сигнал/шум. Это приводит к более воспроизводимым и надежным экспериментальным результатам. Поскольку пациентам не нравится, когда их волосы заполнены гелем, а длительная настройка требует наличия обученного персонала, использование ЭЭГ вне лабораторных условий может быть затруднено. [64] Кроме того, было замечено, что производительность датчиков мокрых электродов снижается через несколько часов. [63] Поэтому исследования были направлены на разработку сухих и полусухих биоэлектронных интерфейсов ЭЭГ. [ необходима цитата ]

Сигналы сухого электрода зависят от механического контакта. Поэтому может быть сложно получить полезный сигнал из-за сопротивления между кожей и электродом. [64] [63] Некоторые системы ЭЭГ пытаются обойти эту проблему, применяя солевой раствор. [65] Другие имеют полусухую природу и выделяют небольшое количество геля при контакте с кожей головы. [64] Другое решение использует подпружиненные штыревые установки. Они могут быть неудобными. Они также могут быть опасны, если они использовались в ситуации, когда пациент может удариться головой, поскольку они могут застрять после инцидента с ударной травмой. [63]

В настоящее время доступны гарнитуры, включающие сухие электроды с числом каналов до 30. [66] Такие конструкции способны компенсировать часть ухудшения качества сигнала, связанного с высоким импедансом, путем оптимизации предварительного усиления, экранирования и поддерживающей механики. [67]

Ограничения

ЭЭГ имеет несколько ограничений. Наиболее важным является ее плохое пространственное разрешение. [68] ЭЭГ наиболее чувствительна к определенному набору постсинаптических потенциалов: тем, которые генерируются в поверхностных слоях коры, на гребнях извилин , непосредственно примыкающих к черепу и радиальных к черепу. Дендриты, которые находятся глубже в коре, внутри борозд , в срединных или глубоких структурах (таких как поясная извилина или гиппокамп ), или производящие токи, которые являются тангенциальными к черепу, вносят гораздо меньший вклад в сигнал ЭЭГ.

Записи ЭЭГ не фиксируют напрямую аксональные потенциалы действия . Потенциал действия можно точно представить как текущий квадруполь , что означает, что результирующее поле уменьшается быстрее, чем поле, создаваемое текущим диполем постсинаптических потенциалов. [22] Кроме того, поскольку ЭЭГ представляют собой средние значения тысяч нейронов, для значительного отклонения записей необходима большая популяция клеток в синхронной активности. Потенциалы действия очень быстрые, и, как следствие, шансы на суммирование полей невелики. Однако нейронное обратное распространение , как обычно более длинный дендритный токовый диполь, может быть уловлено электродами ЭЭГ и является надежным показателем возникновения нейронного выхода.

ЭЭГ не только фиксируют дендритные токи почти исключительно в отличие от аксональных токов, они также показывают предпочтение активности на популяциях параллельных дендритов и передаче тока в одном и том же направлении в одно и то же время. Пирамидальные нейроны корковых слоев II/III и V расширяют апикальные дендриты до слоя I. Токи, движущиеся вверх или вниз по этим отросткам, лежат в основе большинства сигналов, производимых электроэнцефалографией. [69]

Таким образом, ЭЭГ предоставляет информацию с большим смещением в пользу определенных типов нейронов, их местоположений и ориентаций. Поэтому ее, как правило, не следует использовать для заявлений о глобальной активности мозга. Мозговые оболочки , спинномозговая жидкость и череп «размывают» сигнал ЭЭГ, скрывая его внутричерепной источник.

Математически невозможно реконструировать уникальный внутричерепной источник тока для данного сигнала ЭЭГ, [13], поскольку некоторые токи создают потенциалы, которые компенсируют друг друга. Это называется обратной задачей . Однако была проделана большая работа, чтобы получить удивительно хорошие оценки, по крайней мере, локализованного электрического диполя , который представляет записанные токи. [ необходима цитата ]

ЭЭГ по сравнению с фМРТ, фНИРС, фУЗИ и ПЭТ

ЭЭГ имеет несколько сильных сторон как инструмент для исследования активности мозга. ЭЭГ может обнаруживать изменения в течение миллисекунд, что превосходно, учитывая, что потенциал действия занимает приблизительно 0,5–130 миллисекунд для распространения по одному нейрону, в зависимости от типа нейрона. [70] Другие методы изучения активности мозга, такие как ПЭТ , фМРТ или фУЗИ, имеют временное разрешение от секунд до минут. ЭЭГ измеряет электрическую активность мозга напрямую, в то время как другие методы регистрируют изменения кровотока (например, ОФЭКТ , фМРТ, фУЗИ) или метаболической активности (например, ПЭТ, NIRS ), которые являются косвенными маркерами электрической активности мозга.

ЭЭГ можно использовать одновременно с фМРТ или фУЗИ, чтобы данные с высоким временным разрешением можно было регистрировать одновременно с данными с высоким пространственным разрешением, однако, поскольку данные, полученные от каждого из них, происходят в течение разного временного хода, наборы данных не обязательно представляют собой одну и ту же мозговую активность. Существуют технические трудности, связанные с объединением ЭЭГ и фМРТ, включая необходимость удаления артефакта градиента МРТ , присутствующего во время получения МРТ. Кроме того, токи могут быть индуцированы в движущихся проводах электродов ЭЭГ из-за магнитного поля МРТ.

ЭЭГ можно использовать одновременно с NIRS или fUS без особых технических трудностей. Эти методы не оказывают влияния друг на друга, а комбинированное измерение может дать полезную информацию об электрической активности, а также гемодинамике при среднем пространственном разрешении.

ЭЭГ по сравнению с МЭГ

ЭЭГ отражает коррелированную синаптическую активность, вызванную постсинаптическими потенциалами корковых нейронов . Ионные токи, участвующие в генерации быстрых потенциалов действия, могут не вносить большого вклада в усредненные потенциалы поля, представляющие ЭЭГ. [52] [71] Более конкретно, электрические потенциалы кожи головы, которые производят ЭЭГ, как правило, считаются вызванными внеклеточными ионными токами, вызванными дендритной электрической активностью, тогда как поля, производящие магнитоэнцефалографические сигналы [22], связаны с внутриклеточными ионными токами. [72]

Нормальная активность

ЭЭГ обычно описывается в терминах (1) ритмической активности и (2) переходных процессов. Ритмическая активность делится на полосы по частоте. В некоторой степени эти полосы частот являются вопросом номенклатуры (т. е. любая ритмическая активность между 8–12 Гц может быть описана как «альфа»), но эти обозначения возникли потому, что было отмечено, что ритмическая активность в определенном диапазоне частот имеет определенное распределение по коже головы или определенное биологическое значение. Частотные полосы обычно извлекаются с помощью спектральных методов (например, Уэлча), как реализовано, например, в свободном доступе программного обеспечения для ЭЭГ, таком как EEGLAB или Neurophysiological Biomarker Toolbox . Вычислительная обработка ЭЭГ часто называется количественной электроэнцефалографией (qEEG).

Большая часть мозгового сигнала, наблюдаемого в ЭЭГ скальпа, попадает в диапазон 1–20 Гц (активность ниже или выше этого диапазона, вероятно, будет артефактной, согласно стандартным клиническим методам регистрации). Формы волн подразделяются на полосы пропускания, известные как альфа, бета, тета и дельта, чтобы обозначить большую часть ЭЭГ, используемой в клинической практике. [73]

Сравнение диапазонов ЭЭГ

Практика использования только целых чисел в определениях исходит из практических соображений в те дни, когда на бумажных носителях можно было подсчитать только целые циклы. Это приводит к пробелам в определениях, как видно в другом месте на этой странице. Теоретические определения всегда были более тщательно определены, чтобы включить все частоты. К сожалению, в стандартных справочных работах нет согласия относительно того, какими должны быть эти диапазоны  — значения для верхнего предела альфа и нижнего предела бета включают 12, 13, 14 и 15. Если порог принять за 14 Гц, то самая медленная бета-волна имеет примерно такую ​​же длительность, как и самый длинный спайк (70 мс), что делает это значение наиболее полезным.

ЭЭГ человека с выраженным альфа-ритмом
ЭЭГ человека с выраженным альфа-ритмом

Волновые узоры

Дельта-волны
Тета-волны
Альфа-волны
Сенсомоторный ритм, он же мю-ритм.
В дополнение к заднему базовому ритму существуют и другие нормальные альфа-ритмы, такие как мю-ритм (альфа-активность в контралатеральных сенсорных и моторных областях коры), который возникает, когда руки и кисти находятся в состоянии покоя; и «третий ритм» (альфа-активность в височных или лобных долях). [82] [83] Альфа может быть аномальным; например, ЭЭГ с диффузным альфа-ритмом, возникающим при коме и не реагирующим на внешние стимулы, называется «альфа-комой».
Бета-волны
Гамма-волны

«Сверхмедленная» или «почти постоянная » активность регистрируется с использованием усилителей постоянного тока в некоторых исследовательских контекстах. Обычно она не регистрируется в клиническом контексте, поскольку сигнал на этих частотах подвержен ряду артефактов.

Некоторые особенности ЭЭГ являются скорее преходящими, чем ритмичными. Шипы и острые волны могут представлять собой судорожную активность или интериктальную активность у людей с эпилепсией или предрасположенностью к эпилепсии. Другие преходящие особенности являются нормальными: вершинные волны и сонные веретена наблюдаются при нормальном сне.

Существуют типы активности, которые статистически редки, но не связаны с дисфункцией или болезнью. Их часто называют «нормальными вариантами». Мю-ритм является примером нормального варианта.

Нормальная электроэнцефалограмма (ЭЭГ) варьируется в зависимости от возраста. Пренатальная ЭЭГ и неонатальная ЭЭГ существенно отличаются от ЭЭГ взрослых. Плоды в третьем триместре и новорожденные демонстрируют два общих паттерна мозговой активности: «прерывистый» и «следовой чередующийся». «Прерывистая» электрическая активность относится к резким всплескам электрической активности, за которыми следуют низкочастотные волны. «Следовая чередующаяся» электрическая активность описывает резкие всплески, за которыми следуют короткие интервалы высокой амплитуды, и обычно указывает на спокойный сон у новорожденных. [85] ЭЭГ у детей обычно имеет более медленные колебания частоты, чем ЭЭГ взрослых.

Нормальная ЭЭГ также варьируется в зависимости от состояния. ЭЭГ используется вместе с другими измерениями ( ЭОГ , ЭМГ ) для определения стадий сна в полисомнографии . Стадия сна I (эквивалент сонливости в некоторых системах) отображается на ЭЭГ как выпадение заднего базового ритма. Может наблюдаться увеличение тета-частот. Сантамария и Чиаппа каталогизировали ряд разнообразных паттернов, связанных с сонливостью. Стадия сна II характеризуется веретенами сна — транзиторными пробежками ритмической активности в диапазоне 12–14 Гц (иногда называемыми «сигма»-диапазоном), которые имеют фронтально-центральный максимум. Большая часть активности на стадии II находится в диапазоне 3–6 Гц. Стадии сна III и IV определяются наличием дельта-частот и часто вместе называются «медленноволновым сном». Стадии I–IV включают в себя сон без быстрого сна (или «NREM»). ЭЭГ в фазе быстрого сна (фаза быстрого движения глаз) несколько похожа на ЭЭГ бодрствования.

ЭЭГ под общим наркозом зависит от типа применяемого анестетика. При использовании галогенированных анестетиков, таких как галотан , или внутривенных агентов, таких как пропофол , быстрый (альфа или низкий бета), нереактивный паттерн ЭЭГ наблюдается на большей части скальпа, особенно спереди; в некоторой старой терминологии это было известно как паттерн WAR (широко распространенный передний быстрый), в отличие от паттерна WAIS (широко распространенный медленный), связанного с высокими дозами опиатов . Анестезиологическое воздействие на сигналы ЭЭГ начинают понимать на уровне действия препаратов на различные виды синапсов и контуры, которые обеспечивают синхронизированную нейронную активность. [86]

Артефакты

Основные типы артефактов в ЭЭГ человека
Основные типы артефактов в ЭЭГ человека

ЭЭГ является чрезвычайно полезным методом для изучения активности мозга, но измеряемый сигнал всегда загрязнен артефактами , которые могут повлиять на анализ данных. Артефакт — это любой измеряемый сигнал, который не возникает в мозге. Хотя существует множество алгоритмов для удаления артефактов, проблема того, как с ними бороться, остается открытым вопросом. Источником артефактов могут быть проблемы, связанные с прибором, такие как неисправные электроды, линейный шум или высокое сопротивление электродов, или они могут быть связаны с физиологией записываемого субъекта. Это может включать в себя моргание и движение глаз, сердечную активность и мышечную активность, и эти типы артефактов сложнее удалить. Артефакты могут искажать визуальную интерпретацию данных ЭЭГ, поскольку некоторые из них могут имитировать когнитивную активность, которая может повлиять на диагностику таких проблем, как болезнь Альцгеймера или нарушения сна. Таким образом, удаление таких артефактов в данных ЭЭГ, используемых для практического применения, имеет первостепенное значение. [87]

Удаление артефактов

Важно уметь отличать артефакты от подлинной мозговой активности, чтобы предотвратить неверную интерпретацию данных ЭЭГ. Общие подходы к удалению артефактов из данных: предотвращение, отклонение и отмена. Целью любого подхода является разработка методологии, способной идентифицировать и удалять артефакты, не влияя на качество сигнала ЭЭГ. Поскольку источники артефактов весьма различны, большинство исследователей сосредоточены на разработке алгоритмов, которые будут идентифицировать и удалять один тип шума в сигнале. Простая фильтрация с использованием режекторного фильтра обычно применяется для отбрасывания компонентов с частотой 50/60 Гц. Однако такие простые фильтры не являются подходящим выбором для работы со всеми артефактами, так как для некоторых из них их частоты будут перекрываться с частотами ЭЭГ.

Алгоритмы регрессии имеют умеренную стоимость вычислений и просты. Они представляли собой самый популярный метод коррекции вплоть до середины 1990-х годов, когда их заменили методы типа «слепого разделения источников». Алгоритмы регрессии работают на основе предпосылки, что все артефакты состоят из одного или нескольких опорных каналов. Вычитание этих опорных каналов из других загрязненных каналов, либо во временной, либо в частотной области, путем оценки воздействия опорных каналов на другие каналы, исправит каналы на предмет артефакта. Хотя требование опорных каналов в конечном итоге приводит к замене этого класса алгоритмов, они по-прежнему представляют собой эталон, по которому оцениваются современные алгоритмы. [88] Алгоритмы слепого разделения источников (BSS), используемые для удаления артефактов, включают анализ главных компонентов (PCA) и анализ независимых компонентов (ICA), и несколько алгоритмов в этом классе успешно справились с большинством физиологических артефактов. [88]

Физиологические артефакты

Глазные артефакты

Артефакты глаз значительно влияют на сигнал ЭЭГ. Это происходит из-за движений глаз, включающих изменение электрических полей, окружающих глаза, искажающих электрическое поле над кожей головы, и поскольку ЭЭГ регистрируется на коже головы, она, следовательно, искажает записанный сигнал. Среди исследователей существуют разные мнения: некоторые утверждают, что артефакты глаз являются или могут быть разумно описаны как единый генератор, в то время как другие утверждают, что важно понимать потенциально сложные механизмы. Было предложено три потенциальных механизма для объяснения артефакта глаз.

Первый механизм — это движение диполя роговицы и сетчатки, которое утверждает, что между роговицей и сетчаткой образуется электрический диполь , поскольку первый заряжен положительно, а второй — отрицательно. Когда глаз движется, движется и этот диполь, который воздействует на электрическое поле над кожей головы, это наиболее стандартная точка зрения. Второй механизм — это движение диполя сетчатки, которое похоже на первый, но отличается тем, что утверждает, что существует разность потенциалов, поэтому диполь через сетчатку с роговицей оказывает незначительное влияние. Третий механизм — это движение века. Известно, что при движении века происходит изменение напряжения вокруг глаз, даже если глазное яблоко не движется. Считается, что веко можно описать как скользящий источник потенциала, и что воздействие моргания отличается от движения глаз на записанной ЭЭГ. [89]

Артефакты трепетания век характерного типа ранее назывались ритмом Каппа (или волнами Каппа). Обычно они видны в префронтальных отведениях, то есть прямо над глазами. Иногда они видны при умственной активности. Обычно они находятся в диапазоне Тета (4–7 Гц) или Альфа (7–14 Гц). Они были названы так, потому что считалось, что они исходят от мозга. Более позднее исследование показало, что они были вызваны быстрым трепетанием век, иногда настолько незначительным, что его было трудно увидеть. На самом деле они являются шумом в показаниях ЭЭГ и технически не должны называться ритмом или волной. Поэтому в настоящее время в электроэнцефалографии это явление называют артефактом трепетания век, а не ритмом Каппа (или волной). [90]

Распространение артефакта глаза зависит от множества факторов, включая свойства черепа субъекта, нейронных тканей и кожи, но сигнал можно аппроксимировать как обратно пропорциональный квадрату расстояния от глаз. Электроокулограмма ( ЭОГ) состоит из серии электродов, измеряющих изменения напряжения вблизи глаза, и является наиболее распространенным инструментом для работы с артефактом движения глаз в сигнале ЭЭГ. [89]

Мышечные артефакты

Другим источником артефактов являются различные движения мышц по всему телу. Этот конкретный класс артефактов обычно регистрируется всеми электродами на коже головы из-за миогенной активности (повышение или понижение артериального давления). Происхождение этих артефактов не имеет единого местоположения и возникает из функционально независимых групп мышц, что означает, что характеристики артефакта не являются постоянными. Наблюдаемые закономерности из-за мышечных артефактов будут меняться в зависимости от пола субъекта, конкретной мышечной ткани и степени ее сокращения. Диапазон частот для мышечных артефактов широк и перекрывается с каждым классическим ритмом ЭЭГ. Однако большая часть мощности сосредоточена в нижнем диапазоне наблюдаемых частот от 20 до 300 Гц, что делает гамма-диапазон особенно восприимчивым к мышечным артефактам. Некоторые мышечные артефакты могут иметь активность с частотой всего 2 Гц, поэтому дельта- и тета-диапазоны также могут быть затронуты мышечной активностью. Мышечные артефакты могут влиять на исследования сна, поскольку бессознательные движения бруксизма (скрежет зубами) или храп могут серьезно повлиять на качество записанной ЭЭГ. Кроме того, на записи, сделанные у пациентов с эпилепсией, может существенно влиять наличие мышечных артефактов. [91]

Артефакты сердца

Потенциал, обусловленный сердечной деятельностью, вносит ошибки электрокардиографа (ЭКГ) в ЭЭГ. [92] Артефакты, возникающие из-за сердечной деятельности, могут быть удалены с помощью опорного сигнала ЭКГ. [87]

Другие физиологические артефакты

Глоссокинетические артефакты вызваны разницей потенциалов между основанием и кончиком языка. Незначительные движения языка могут загрязнять ЭЭГ, особенно при паркинсонических и треморных расстройствах. [ необходима цитата ]

Артефакты окружающей среды

Помимо артефактов, генерируемых телом, многие артефакты возникают извне. Движение пациента или даже простое положение электродов может вызвать щелчки электродов , всплески, возникающие из-за кратковременного изменения импеданса данного электрода. Плохое заземление электродов ЭЭГ может вызвать значительный артефакт частотой 50 или 60 Гц, в зависимости от частоты местной энергосистемы . Третьим источником возможных помех может быть наличие капельницы для внутривенного вливания ; такие устройства могут вызывать ритмичные, быстрые, низковольтные всплески, которые можно спутать со всплесками. [ необходима ссылка ]

Аномальная активность

Аномальную активность можно в целом разделить на эпилептиформную и неэпилептиформную. Ее также можно разделить на очаговую и диффузную.

Фокальные эпилептиформные разряды представляют собой быстрые, синхронные потенциалы в большом количестве нейронов в несколько дискретной области мозга. Они могут возникать как интериктальная активность, между приступами, и представляют собой область корковой раздражимости, которая может быть предрасположена к возникновению эпилептических приступов. Интериктальные разряды не являются полностью надежными для определения того, страдает ли пациент эпилепсией или где может возникнуть его/ее приступ. (См. фокальная эпилепсия .)

Генерализованные эпилептиформные разряды часто имеют передний максимум, но они наблюдаются синхронно по всему мозгу. Они сильно указывают на генерализованную эпилепсию.

Фокальная неэпилептиформная аномальная активность может возникать в областях мозга, где есть очаговое повреждение коры или белого вещества . Она часто состоит из увеличения медленных ритмов и/или потери нормальных более высокочастотных ритмов. Она также может проявляться как очаговое или одностороннее снижение амплитуды сигнала ЭЭГ.

Диффузная неэпилептиформная аномальная активность может проявляться в виде диффузных аномально медленных ритмов или двустороннего замедления нормальных ритмов, таких как PBR.

Электроды для интракортикальной энцефалографии и субдуральные электроды можно использовать совместно для различения и выделения артефактов от эпилептиформных и других тяжелых неврологических событий.

Более продвинутые методы измерения аномальных сигналов ЭЭГ также недавно привлекли внимание как возможные биомаркеры различных расстройств, таких как болезнь Альцгеймера . [93]

Удалённая связь

Системы для декодирования воображаемой речи с помощью ЭЭГ имеют применение, например, в интерфейсах мозг-компьютер . [94]

ЭЭГ-диагностика

Министерство обороны (DoD) и Министерство по делам ветеранов (VA), а также Научно-исследовательская лаборатория армии США (ARL) сотрудничали в области диагностики ЭЭГ с целью выявления легкой и средней степени тяжести черепно-мозговой травмы (mTBI) у солдат боевых действий. [95] В период с 2000 по 2012 год 75 процентов черепно-мозговых травм в ходе военных операций США были классифицированы как mTBI. В ответ на это Министерство обороны США занялось разработкой новых технологий, способных обеспечить быстрое, точное, неинвазивное и полевое обнаружение mTBI для решения этой проблемы. [95]

У военнослужащих часто развиваются ПТСР и mTBI в корреляции. Оба состояния проявляются измененными низкочастотными колебаниями мозговых волн. [96] Измененные мозговые волны у пациентов с ПТСР проявляются уменьшением низкочастотных колебаний, тогда как травмы mTBI связаны с увеличением низкочастотных колебаний волн. Эффективная диагностика ЭЭГ может помочь врачам точно определить состояния и соответствующим образом лечить травмы, чтобы смягчить долгосрочные последствия. [97]

Традиционно клиническая оценка ЭЭГ включала визуальный осмотр. Вместо визуальной оценки топографии колебаний мозговых волн количественная электроэнцефалография (qEEG), компьютеризированные алгоритмические методологии, анализируют определенную область мозга и преобразуют данные в значимый «спектр мощности» этой области. [95] Точное дифференцирование mTBI и ПТСР может значительно повысить положительные результаты восстановления для пациентов, особенно с учетом того, что долгосрочные изменения в нейронной коммуникации могут сохраняться после первоначального инцидента mTBI. [97]

Другим распространенным измерением, выполняемым на основе данных ЭЭГ, является измерение показателей сложности, таких как сложность Лемпеля-Зива , фрактальная размерность и спектральная плоскостность [19] , которые связаны с определенными патологиями или стадиями патологии.

Экономика

Недорогие устройства ЭЭГ существуют для недорогих исследовательских и потребительских рынков. Недавно несколько компаний миниатюризировали технологию ЭЭГ медицинского класса, чтобы создать версии, доступные для широкой публики. Некоторые из этих компаний создали коммерческие устройства ЭЭГ, продающиеся в розницу менее чем за 100 долларов США.

Будущие исследования

ЭЭГ использовалась для многих целей, помимо традиционного использования в клинической диагностике и традиционной когнитивной нейронауке. Раннее использование было во время Второй мировой войны в армейском воздушном корпусе США для выявления пилотов, которым грозили припадки; [110] долгосрочные записи ЭЭГ у пациентов с эпилепсией до сих пор используются для прогнозирования припадков . Нейробиоуправление остается важным расширением, и в своей наиболее продвинутой форме также пытается стать основой интерфейсов мозг-компьютер . [111] ЭЭГ также довольно широко используется в области нейромаркетинга .

ЭЭГ изменяется под воздействием препаратов, влияющих на функции мозга, химических веществ, которые являются основой психофармакологии . Ранние эксперименты Бергера регистрировали воздействие препаратов на ЭЭГ. Наука фармакоэлектроэнцефалографии разработала методы для выявления веществ, которые систематически изменяют функции мозга для терапевтического и рекреационного использования.

Honda пытается разработать систему, которая позволит оператору управлять своим роботом Asimo с помощью ЭЭГ — технологии, которую компания в конечном итоге надеется внедрить в свои автомобили. [112]

ЭЭГ использовались в качестве доказательств в уголовных процессах в индийском штате Махараштра . [113] [114] Профилирование сигнатуры электрических колебаний мозга (BEOS), метод ЭЭГ, использовался в судебном процессе по делу «Штат Махараштра против Шармы», чтобы показать, что Шарма помнила, как использовала мышьяк, чтобы отравить своего бывшего жениха, хотя надежность и научная основа BEOS оспариваются. [115]

В настоящее время проводится множество исследований с целью сделать устройства ЭЭГ меньше, более портативными и простыми в использовании. Так называемая «носимая ЭЭГ» основана на создании маломощной беспроводной электроники для сбора данных и «сухих» электродов, для которых не требуется использовать проводящий гель. [116] Носимая ЭЭГ направлена ​​на создание небольших устройств ЭЭГ, которые присутствуют только на голове и могут записывать ЭЭГ в течение нескольких дней, недель или месяцев подряд, как ушная ЭЭГ . Такой длительный и простой в использовании мониторинг может внести существенный вклад в диагностику хронических состояний, таких как эпилепсия, и значительно улучшить принятие систем BCI конечным пользователем. [117] Также проводятся исследования по выявлению конкретных решений для увеличения срока службы батареи носимых устройств ЭЭГ за счет использования подхода к сокращению данных.

В настоящее время в исследованиях ЭЭГ часто используется в сочетании с машинным обучением . [118] Данные ЭЭГ предварительно обрабатываются, а затем передаются алгоритмам машинного обучения. Затем эти алгоритмы обучаются распознавать различные заболевания, такие как шизофрения , [119] эпилепсия [120] или деменция . [121] Кроме того, они все чаще используются для изучения обнаружения приступов. [122] [123] [124] [125] Используя машинное обучение, данные можно анализировать автоматически. В долгосрочной перспективе это исследование направлено на создание алгоритмов, которые поддерживают врачей в их клинической практике [126] и обеспечивают дальнейшее понимание заболеваний. [127] В этом ключе часто вычисляются показатели сложности данных ЭЭГ, такие как сложность Лемпеля-Зива , фрактальная размерность и спектральная плоскостность . [19] Было показано, что объединение или умножение таких показателей может выявить ранее скрытую информацию в данных ЭЭГ. [19]

Сигналы ЭЭГ от музыкальных исполнителей использовались для создания мгновенных композиций и одного CD-диска в рамках проекта Brainwave Music Project, который проводился в Центре компьютерной музыки Колумбийского университета Брэдом Гартоном и Дэйвом Солджером . [ необходима цитата ] Аналогичным образом часовая запись мозговых волн Энн Друян была включена в Voyager Golden Record , запущенный на зондах Voyager в 1977 году, на случай, если какой-либо внеземной разум сможет расшифровать ее мысли, в том числе и то, каково это — влюбиться. [ необходима цитата ]

История

Первая запись ЭЭГ человека, полученная Гансом Бергером в 1924 году. Верхняя запись — ЭЭГ, нижняя — временной сигнал частотой 10 Гц .
Ганс Бергер

В 1875 году Ричард Катон (1842–1926), врач, практикующий в Ливерпуле , представил свои выводы об электрических явлениях открытых полушарий мозга кроликов и обезьян в British Medical Journal . В 1890 году польский физиолог Адольф Бек опубликовал исследование спонтанной электрической активности мозга кроликов и собак, которая включала ритмические колебания, измененные светом. Бек начал эксперименты по электрической активности мозга животных. Бек размещал электроды непосредственно на поверхности мозга, чтобы проверить сенсорную стимуляцию. Его наблюдение за флуктуирующей активностью мозга привело к выводу о мозговых волнах. [128]

В 1912 году украинский физиолог Владимир Владимирович Правдич-Неминский опубликовал первую ЭЭГ животных и вызванный потенциал млекопитающего (собаки). [129] В 1914 году Наполеон Цибульский и Еленская-Мацешина сфотографировали записи ЭЭГ экспериментально вызванных припадков. [ необходима цитата ]

Немецкий физиолог и психиатр Ганс Бергер (1873–1941) записал первую ЭЭГ человека в 1924 году. [130] Расширяя работу, ранее проведенную на животных Ричардом Катоном и другими, Бергер также изобрел электроэнцефалограф (дав устройству его название), изобретение, описанное «как одно из самых удивительных, замечательных и важных достижений в истории клинической неврологии». [131] Его открытия были впервые подтверждены британскими учеными Эдгаром Дугласом Адрианом и Б. Х. К. Мэтьюзом в 1934 году и развиты ими.

В 1934 году Фишер и Лоуэнбах впервые продемонстрировали эпилептиформные спайки. В 1935 году Гиббс , Дэвис и Леннокс описали интериктальные спайковые волны и модель трех циклов/с клинических абсансных приступов , которые положили начало области клинической электроэнцефалографии. [132] Впоследствии, в 1936 году Гиббс и Джаспер сообщили об интериктальном спайке как о фокальном признаке эпилепсии. В том же году в Массачусетской больнице общего профиля открылась первая лаборатория ЭЭГ. [ необходима цитата ]

Франклин Оффнер (1911–1999), профессор биофизики Северо-Западного университета, разработал прототип ЭЭГ, включавший пьезоэлектрический чернильный пишущий прибор, называемый кристографом (все устройство обычно называлось динографом Оффнера).

В 1947 году было основано Американское общество ЭЭГ и состоялся первый Международный конгресс ЭЭГ. В 1953 году Асерински и Клейтман описали быстрый сон .

В 1950-х годах Уильям Грей Уолтер разработал дополнение к ЭЭГ, названное топографией ЭЭГ, которая позволяла картировать электрическую активность на поверхности мозга. Это пользовалось кратковременной популярностью в 1980-х годах и казалось особенно многообещающим для психиатрии. Это никогда не было принято неврологами и остается в первую очередь исследовательским инструментом.

Чак Кайзер с электродами электроэнцефалографа и преобразователем сигнала для использования в проекте «Джемини» , 1965 г.

Электроэнцефалографическая система, произведенная Beckman Instruments, использовалась по крайней мере в одном из пилотируемых космических полетов проекта Gemini (1965–1966) для мониторинга мозговых волн астронавтов во время полета. Это был один из многих приборов Beckman Instruments, специализированных для NASA и используемых ею. [133]

Первый случай использования ЭЭГ для управления физическим объектом, роботом, был в 1988 году. Робот следовал по линии или останавливался в зависимости от альфа-активности субъекта. Если субъект расслаблялся и закрывал глаза, тем самым увеличивая альфа-активность, бот двигался. Открывание глаз, тем самым уменьшая альфа-активность, заставляло робота останавливаться на траектории. [134]

Смотрите также

Ссылки

  1. ^ Сравните EEC : Moran A (2 августа 2004 г.). Психология спорта и физических упражнений: критическое введение. Хоув, Восточный Сассекс: Routledge. стр. 104. ISBN 9781134704101. Получено 6 июля 2024 г. . [...] электроэнцефалографические (ЭЭЦ) методы [...]. В типичном эксперименте ЭЭЦ электрод прикрепляется к коже головы человека для обнаружения электрической активности нейронов в нижележащей области мозга. Затем другой электрод прикрепляется к мочке уха человека, где нет электрической активности для обнаружения. Затем ЭЭЦ регистрируется для указания разницы в электрических потенциалах, обнаруженных электродами [...]. В последние годы было проведено значительное количество исследований активности ЭЭЦ у спортсменов [...].
  2. ^ Amzica F, Lopes da Silva FH (ноябрь 2017 г.). Schomer DL, Lopes da Silva FH (ред.). Клеточные субстраты ритмов мозга. Том 1. Oxford University Press. doi :10.1093/med/9780190228484.003.0002.
  3. ^ ab Эрик Р. Кандель, Джон Кестер, Сара Мак, Стивен Сигельбаум (2021). Принципы нейронауки (6-е изд.). Нью-Йорк: McGraw-Hill Companies. стр. 1450. ISBN 978-1-259-64223-4. OCLC  1199587061.
  4. ^ "EEG: MedlinePlus Medical Encyclopedia". medlineplus.gov . Архивировано из оригинала 5 июля 2016 г. Получено 24 июля 2022 г. .
  5. ^ Чернецкий CC, Бергер Б.Дж. (2013). Лабораторные исследования и диагностические процедуры (6-е изд.). Сент-Луис, Миссури: Эльзевир. ISBN 978-1-4557-0694-5.
  6. ^ Deschamps A, Ben Abdallah A, Jacobsohn E, Saha T, Djaiani G, El-Gabalawy R и др. (Июль 2024 г.). «Анестезия под контролем электроэнцефалографии и делирий у пожилых людей после операции на сердце: рандомизированное клиническое исследование ENGAGES-Canada». JAMA . 332 (2): 112–123. doi :10.1001/jama.2024.8144. PMC  11165413. PMID  38857019.
  7. ^ Хао Д., Фриц Б. А., Саддави-Конефка Д., Паланка Б. Дж. (ноябрь 2023 г.). «Про-кон дебаты: анестезия под контролем электроэнцефалографии для снижения послеоперационного делирия». Анестезия и анальгезия . 137 (5): 976–982. doi : 10.1213/ANE.00000000000006399. PMID  37862399.
  8. ^ abc Pillai J, Sperling MR (2006). «Interictal EEG and the diagnostic of epilepsy». Epilepsia . 47 Suppl 1 (Suppl 1): 14–22. doi :10.1111/j.1528-1167.2006.00654.x. PMID  17044820. S2CID  8668713. Архивировано из оригинала 23 октября 2022 г. Получено 23 октября 2022 г.
  9. ^ So EL (август 2010). «Интериктальные эпилептиформные разряды у лиц без истории судорог: что они означают?». Журнал клинической нейрофизиологии . 27 (4): 229–238. doi :10.1097/WNP.0b013e3181ea42a4. PMID  20634716.
  10. ^ "Выход амбулаторного видео-ЭЭГ - предикторы успешного захвата событий". Neurology Clinical Practice . Получено 5 декабря 2023 г.
  11. ^ ван Рой Л.Г., Хеллстрем-Вестас Л., де Врис Л.С. (август 2013 г.). «Лечение неонатальных судорог». Семинары по фетальной и неонатальной медицине . 18 (4): 209–215. doi :10.1016/j.siny.2013.01.001. ПМИД  23402893.
  12. ^ "ЭЭГ (Электроэнцефалограмма) – Клиника Майо". Клиника Майо . Архивировано из оригинала 30 августа 2019 г. Получено 30 августа 2019 г.
  13. ^ abcd Нидермейер Э., да Силва Ф. Л. (2004). Электроэнцефалография: основные принципы, клиническое применение и смежные области . Lippincott Williams & Wilkins. ISBN 978-0-7817-5126-1.[ нужна страница ]
  14. ^ Yang H, Ang KK, Wang C, Phua KS, Guan C (2016). «Нейронный и корковый анализ глотания и обнаружение двигательного образа глотания для реабилитации дисфагии — обзор». Интерфейсы мозг-компьютер: лабораторные эксперименты для реальных приложений . Прогресс в исследовании мозга. Том 228. С. 185–219. doi :10.1016/bs.pbr.2016.03.014. ISBN 978-0-12-804216-8. PMID  27590970.
  15. ^ Jestrović I, Coyle JL, Sejdić E (октябрь 2015 г.). «Декодирование глотания человека с помощью электроэнцефалографии: обзор современного состояния». Журнал нейронной инженерии . 12 (5): 051001. Bibcode : 2015JNEng..12e1001J. doi : 10.1088/1741-2560/12/5/051001. PMC 4596245. PMID  26372528 . 
  16. ^ Cuellar M, Harkrider AW, Jenson D, Thornton D, Bowers A, Saltuklaroglu T (июль 2016 г.). «Частотно-временной анализ мю-ритма ЭЭГ как мера сенсомоторной интеграции на поздних стадиях глотания». Клиническая нейрофизиология . 127 (7): 2625–2635. doi :10.1016/j.clinph.2016.04.027. PMID  27291882. S2CID  3746307.
  17. ^ Clayson PE, Carbine KA, Baldwin SA, Larson MJ (ноябрь 2019 г.). «Методологическое поведение отчетности, размеры выборки и статистическая мощность в исследованиях потенциалов, связанных с событиями: барьеры для воспроизводимости и воспроизводимости». Психофизиология . 56 (11): e13437. doi :10.1111/psyp.13437. PMID  31322285. S2CID  197665482. Архивировано из оригинала 7 октября 2022 г. Получено 7 октября 2022 г.
  18. ^ ab Peterson BS, Trampush J, Maglione M, Bolshakova M, Brown M, Rozelle M и др. (2024). «Диагностика и лечение СДВГ у детей и подростков». effectivehealthcare.ahrq.gov . doi :10.23970/ahrqepccer267. PMID  38657097 . Получено 19 июня 2024 г. .
  19. ^ abcd Бернс Т., Раджан Р. (2015). «Объединение мер сложности данных ЭЭГ: умножение мер выявляет ранее скрытую информацию». F1000Research . 4 : 137. doi : 10.12688/f1000research.6590.1 . PMC 4648221. PMID  26594331 . 
  20. ^ Vespa PM, Nenov V, Nuwer MR (январь 1999). «Непрерывный мониторинг ЭЭГ в отделении интенсивной терапии: ранние результаты и клиническая эффективность». Журнал клинической нейрофизиологии . 16 (1): 1–13. doi :10.1097/00004691-199901000-00001. PMID  10082088.
  21. ^ Шульц TL (март 2012 г.). «Технические советы: совместимые с МРТ ЭЭГ-электроды: преимущества, недостатки и финансовая осуществимость в клинических условиях». The Neurodiagnostic Journal . 52 (1): 69–81. PMID  22558648.
  22. ^ abc Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993). «Магнитоэнцефалография — теория, приборы и приложения к неинвазивным исследованиям работающего человеческого мозга». Reviews of Modern Physics . 65 (2): 413–97. Bibcode : 1993RvMP...65..413H. doi : 10.1103/RevModPhys.65.413. Архивировано из оригинала 26 января 2019 г. Получено 10 сентября 2018 г.
  23. ^ Montoya-Martínez J, Vanthornhout J, Bertrand A, Francart T (2021). «Влияние количества и размещения электродов ЭЭГ на измерение нейронного отслеживания речи». PLOS ONE . 16 (2): e0246769. Bibcode : 2021PLoSO..1646769M. bioRxiv 10.1101 /800979 . doi : 10.1371/journal.pone.0246769 . PMC 7877609. PMID  33571299.  
  24. ^ O'Regan S, Faul S, Marnane W (2010). "Автоматическое обнаружение артефактов ЭЭГ, возникающих из-за движений головы". 2010 Ежегодная международная конференция IEEE Engineering in Medicine and Biology . С. 6353–6. doi :10.1109/IEMBS.2010.5627282. ISBN 978-1-4244-4123-5.
  25. ^ Murphy KJ, Brunberg JA (1997). «Взрослая клаустрофобия, тревожность и седация при МРТ». Магнитно-резонансная томография . 15 (1): 51–54. doi :10.1016/S0730-725X(96)00351-7. PMID  9084025.
  26. ^ Шенк Дж. Ф. (июнь 1996 г.). «Роль магнитной восприимчивости в магнитно-резонансной томографии: магнитная совместимость МРТ первого и второго рода». Медицинская физика . 23 (6): 815–850. Bibcode : 1996MedPh..23..815S. doi : 10.1118/1.597854. PMID  8798169.
  27. ^ ab Yasuno F, Brown AK, Zoghbi SS, Krushinski JH, Chernet E, Tauscher J, et al. (январь 2008 г.). «PET radioligand [11C]MePPEP связывается обратимо и с высоким специфическим сигналом с каннабиноидными рецепторами CB1 в мозге нечеловеческих приматов». Neuropsychopharmacology . 33 (2): 259–269. doi : 10.1038/sj.npp.1301402 . PMID  17392732.
  28. ^ Малхолланд Т (2012). «Объективные методы ЭЭГ для изучения скрытых сдвигов зрительного внимания». В McGuigan FJ, Schoonover RA (ред.). Психофизиология мышления: исследования скрытых процессов . Elsevier. стр. 109–51. ISBN 978-0-323-14700-2.
  29. ^ Hinterberger T, Kübler A, Kaiser J, Neumann N, Birbaumer N (март 2003 г.). «Интерфейс мозг-компьютер (BCI) для запертых: сравнение различных классификаций ЭЭГ для устройства перевода мыслей». Клиническая нейрофизиология . 114 (3): 416–425. doi :10.1016/S1388-2457(02)00411-X. PMID  12705422. S2CID  11857440.
  30. ^ Cheng MY, Wang KP, Hung CL, Tu YL, Huang CJ, Koester D, et al. (сентябрь 2017 г.). «Более высокая мощность сенсомоторного ритма связана с лучшими результатами у опытных стрелков из пневматического пистолета». Психология спорта и упражнений . 32 : 47–53. doi :10.1016/j.psychsport.2017.05.007. S2CID  33780406.
  31. ^ Sereno SC, Rayner K, Posner MI (июль 1998 г.). «Установление временной шкалы распознавания слов: доказательства из движений глаз и потенциалов, связанных с событиями». NeuroReport . 9 (10): 2195–2200. doi :10.1097/00001756-199807130-00009. PMID  9694199. S2CID  19466604.
  32. ^ Feinberg I, Campbell IG (февраль 2013 г.). «Продольные траектории ЭЭГ сна указывают на сложные закономерности созревания мозга у подростков». American Journal of Physiology. Regulatory, Integrative and Comparative Physiology . 304 (4): R296–R303. doi :10.1152/ajpregu.00422.2012. PMC 3567357. PMID  23193115 . 
    • Краткое содержание: «Исследование сна показывает, как мозг подростка переходит к зрелому мышлению». ScienceDaily (пресс-релиз). 19 марта 2013 г.
  33. ^ Шринивасан Р. (1999). «Методы улучшения пространственного разрешения ЭЭГ». Международный журнал . 1 (1): 102–11.
  34. ^ Grech R, Cassar T, Muscat J, Camilleri KP, Fabri SG, Zervakis M и др. (ноябрь 2008 г.). «Обзор решения обратной задачи при анализе источника ЭЭГ». Журнал нейроинженерии и реабилитации . 5 (1): 25. doi : 10.1186/1743-0003-5-25 . PMC 2605581. PMID  18990257 . 
  35. ^ Schlögl A, Slater M, Pfurtscheller G (2002). "Исследование присутствия и ЭЭГ" (PDF) . Архивировано (PDF) из оригинала 11 августа 2017 г. . Получено 24 августа 2013 г. .
  36. ^ Этьен А., Ларойя Т., Вайгл Х., Афелин А., Келли СК., Кришнан А. и др. (Июль 2020 г.). «Новые электроды для надежной регистрации ЭЭГ на грубых и вьющихся волосах». Ежегодная международная конференция Общества инженеров IEEE в области медицины и биологии. Общество инженеров IEEE в области медицины и биологии. Ежегодная международная конференция . 2020 г .: 6151–6154. doi :10.1101/2020.02.26.965202. PMID  33019375.
  37. ^ Адамс Э. Дж., Скотт М. Э., Амаранте М., Рамирес К. А., Роули С. Дж., Нобл К. Г. и др. (апрель 2024 г.). «Стимулирование включения в измерения ЭЭГ активности головного мозга у детей». npj Science of Learning . 9 (1): 27. Bibcode : 2024npjSL...9...27A. doi : 10.1038/s41539-024-00240-y. PMC 10987610. PMID  38565857 . 
  38. ^ Хуан-Хеллингер FR, Брейтер HC, МакКормак G, Коэн MS, Квонг KK, Саттон JP и др. (1995). «Одновременная функциональная магнитно-резонансная томография и электрофизиологическая запись». Картирование человеческого мозга . 3 : 13–23. doi :10.1002/hbm.460030103. S2CID  145788101.
  39. ^ Goldman RI, Stern JM, Engel J, Cohen MS (ноябрь 2000 г.). «Получение одновременной ЭЭГ и функциональной МРТ». Клиническая нейрофизиология . 111 (11): 1974–1980. doi :10.1016/s1388-2457(00)00456-9. PMID  11068232. S2CID  11716369.
  40. ^ Horovitz SG, Skudlarski P, Gore JC (май 2002). «Корреляции и диссоциации между сигналом BOLD и амплитудой P300 в слуховой необычной задаче: параметрический подход к объединению фМРТ и ERP». Магнитно-резонансная томография . 20 (4): 319–325. doi :10.1016/S0730-725X(02)00496-4. PMID  12165350.
  41. ^ Лауфс Х., Кляйншмидт А., Байерле А., Эгер Э., Салек-Хаддади А., Прейбиш С. и др. (август 2003 г.). «ЭЭГ-коррелированная фМРТ альфа-активности человека». НейроИмидж . 19 (4): 1463–1476. CiteSeerX 10.1.1.586.3056 . дои : 10.1016/S1053-8119(03)00286-6. PMID  12948703. S2CID  6272011. 
  42. ^ Патент США 7286871, Марк С. Коэн, «Способ и устройство для снижения загрязнения электрического сигнала», опубликовано 20 мая 2004 г. 
  43. ^ Difrancesco MW, Holland SK, Szaflarski JP (октябрь 2008 г.). «Одновременная ЭЭГ/функциональная магнитно-резонансная томография при 4 Тесла: корреляты мозговой активности со спонтанным альфа-ритмом во время релаксации». Журнал клинической нейрофизиологии . 25 (5): 255–264. doi :10.1097/WNP.0b013e3181879d56. PMC 2662486. PMID  18791470 . 
  44. ^ Huizenga HM, van Zuijen TL, Heslenfeld DJ, Molenaar PC (июль 2001 г.). «Одновременный анализ источников MEG и EEG». Physics in Medicine and Biology . 46 (7): 1737–1751. Bibcode :2001PMB....46.1737H. CiteSeerX 10.1.1.4.8384 . doi :10.1088/0031-9155/46/7/301. PMID  11474922. S2CID  250761006. 
  45. ^ Aydin Ü, Vorwerk J, Dümpelmann M, Küpper P, Kugel H, Heers M и др. (2015). «Комбинированная ЭЭГ/МЭГ может превзойти одномодальную реконструкцию источника ЭЭГ или МЭГ при предоперационной диагностике эпилепсии». PLOS ONE (обзор). 10 (3): e0118753. Bibcode :2015PLoSO..1018753A. doi : 10.1371/journal.pone.0118753 . PMC 4356563 . PMID  25761059. 
  46. ^ Шрекенбергер М., Ланге-Асшенфельдт С., Ланге-Асшенфельд С., Лохманн М., Манн К., Зиссмайер Т. и др. (июнь 2004 г.). «Таламус как генератор и модулятор альфа-ритма ЭЭГ: комбинированное исследование ПЭТ/ЭЭГ с введением лоразепама у людей». НейроИмидж . 22 (2): 637–644. doi : 10.1016/j.neuroimage.2004.01.047. PMID  15193592. S2CID  31790623.
  47. ^ Bird J, Manso LJ, Ekart A, Faria DR (сентябрь 2018 г.). Исследование классификации психического состояния с использованием интерфейса мозг-машина на основе ЭЭГ. Остров Мадейра, Португалия: 9-я международная конференция по интеллектуальным системам 2018 г. Получено 3 декабря 2018 г.
  48. ^ Bird JJ, Ekart A, Buckingham CD, Faria DR (2019). Mental Emotional Sentiment Classification with an EEG-based Brain-Machine Interface. St Hugh's College, University of Oxford, United Kingdom: The International Conference on Digital Image and Signal Processing (DISP'19). Архивировано из оригинала 3 декабря 2018 г. . Получено 3 декабря 2018 г. .
  49. ^ Vanneste S, Song JJ, De Ridder D (март 2018 г.). «Таламокортикальная дисритмия, обнаруженная с помощью машинного обучения». Nature Communications . 9 (1): 1103. Bibcode :2018NatCo...9.1103V. doi :10.1038/s41467-018-02820-0. PMC 5856824 . PMID  29549239. 
  50. ^ Herculano-Houzel S (2009). «Человеческий мозг в цифрах: линейно увеличенный мозг примата». Frontiers in Human Neuroscience . 3 : 31. doi : 10.3389/neuro.09.031.2009 . PMC 2776484. PMID  19915731 . 
  51. ^ Татум WO, Хусейн AM, Бенбадис SR (2008). Справочник по интерпретации ЭЭГ . Demos Medical Publishing.[ нужна страница ]
  52. ^ ab Nunez PL, Srinivasan R (1981). Электрические поля мозга: нейрофизика ЭЭГ. Oxford University Press. ISBN 978-0-19-502796-9.[ нужна страница ]
  53. ^ Klein S, Thorne BM (3 октября 2006 г.). Биологическая психология . Нью-Йорк, Нью-Йорк: Worth. ISBN 978-0-7167-9922-1.[ нужна страница ]
  54. ^ Whittingstall K, Logothetis NK (октябрь 2009 г.). «Сцепление частотных диапазонов в поверхностной ЭЭГ отражает импульсную активность в зрительной коре обезьян». Neuron . 64 (2): 281–289. doi : 10.1016/j.neuron.2009.08.016 . PMID  19874794. S2CID  17650488.
  55. ^ Towle VL, Bolaños J, Suarez D, Tan K, Grzeszczuk R, Levin DN и др. (январь 1993 г.). «Пространственное расположение электродов ЭЭГ: определение наиболее подходящей сферы относительно корковой анатомии». Электроэнцефалография и клиническая нейрофизиология . 86 (1): 1–6. doi :10.1016/0013-4694(93)90061-Y. PMID  7678386.
  56. ^ "Руководство семь: предложение по стандартным монтажам для использования в клинической ЭЭГ. Американское электроэнцефалографическое общество". Журнал клинической нейрофизиологии . 11 (1): 30–36. Январь 1994. doi :10.1097/00004691-199401000-00008. PMID  8195424.
  57. ^ Орлиен Х., Гьерде И.О., Аарсет Дж.Х., Элдён Г., Карлсен Б., Скейдсволл Х. и др. (март 2004 г.). «Фоновая активность ЭЭГ, описанная большой компьютеризированной базой данных». Клиническая нейрофизиология . 115 (3): 665–673. дои : 10.1016/j.clinph.2003.10.019. PMID  15036063. S2CID  25988980.
  58. ^ Яо Д (ноябрь 2001 г.). «Метод стандартизации отсчета записей ЭЭГ скальпа к точке на бесконечности». Физиологические измерения . 22 (4): 693–711. doi :10.1088/0967-3334/22/4/305. PMID  11761077. S2CID  250847914.
  59. ^ Nunez PL, Pilgreen KL (октябрь 1991 г.). «Сплайн-Лапласиан в клинической нейрофизиологии: метод улучшения пространственного разрешения ЭЭГ». Журнал клинической нейрофизиологии . 8 (4): 397–413. doi :10.1097/00004691-199110000-00005. PMID  1761706. S2CID  38459560.
  60. ^ Taheri BA, Knight RT, Smith RL (май 1994). «Сухой электрод для регистрации ЭЭГ». Электроэнцефалография и клиническая нейрофизиология . 90 (5): 376–383. doi :10.1016/0013-4694(94)90053-1. PMID  7514984. Архивировано из оригинала 22 декабря 2019 г. Получено 10 декабря 2019 г.
  61. ^ Ализаде-Тахери Б. (1994). Активная микромашинная скальповая электродная решетка для регистрации сигнала ЭЭГ (диссертация на соискание ученой степени доктора философии). Калифорнийский университет в Дэвисе. стр. 82. Bibcode : 1994PhDT........82A.
  62. ^ Хокенберри Дж. (август 2001 г.). «Следующие умники». Журнал Wired .
  63. ^ abcd Slipher GA, Hairston WD, Bradford JC, Bain ED, Mrozek RA (2018). "Проводящие силиконовые эластомеры с углеродным нановолокном в качестве мягких сухих биоэлектронных интерфейсов". PLOS ONE . 13 (2): e0189415. Bibcode : 2018PLoSO..1389415S. doi : 10.1371 /journal.pone.0189415 . PMC 5800568. PMID  29408942. 
  64. ^ abc Wang F, Li G, Chen J, Duan Y, Zhang D (август 2016 г.). «Новые полусухие электроды для приложений интерфейса мозг-компьютер». Журнал нейронной инженерии . 13 (4): 046021. Bibcode : 2016JNEng..13d6021W. doi : 10.1088/1741-2560/13/4/046021. PMID  27378253. S2CID  26744679.
  65. ^ Фидлер П., Грибель С., Педроса П., Фонсека С., Ваз Ф., Зентнер Л. и др. (1 января 2015 г.). «Многоканальная ЭЭГ с новыми сухими электродами Ti/TiN». Датчики и исполнительные механизмы A: Физические . 221 : 139–147. Бибкод : 2015SeAcA.221..139F. дои : 10.1016/j.sna.2014.10.010 . ISSN  0924-4247.
  66. ^ "Сухие ЭЭГ-гарнитуры | Продукция | CGX". CGX 2021. Архивировано из оригинала 13 февраля 2020 г. Получено 13 февраля 2020 г.
  67. ^ "Dry EEG Technology". CGX LLC. Архивировано из оригинала 13 февраля 2020 г. Получено 13 февраля 2020 г.
  68. ^ Kondylis ED, Wozny TA, Lipski WJ, Popescu A, DeStefino VJ, Esmaeili B и др. (2014). «Обнаружение высокочастотных колебаний гибридными глубинными электродами в стандартных клинических внутричерепных записях ЭЭГ». Frontiers in Neurology . 5 : 149. doi : 10.3389/fneur.2014.00149 . PMC 4123606. PMID  25147541 . 
  69. ^ Мураками С., Окада Й. (сентябрь 2006 г.). «Вклад основных неокортикальных нейронов в сигналы магнитоэнцефалографии и электроэнцефалографии». Журнал физиологии . 575 (ч. 3): 925–936. doi :10.1113/jphysiol.2006.105379. PMC 1995687. PMID  16613883 . 
  70. ^ Андерсон Дж (22 октября 2004 г.). Когнитивная психология и ее последствия (твердый переплет) (6-е изд.). Нью-Йорк, Нью-Йорк: Worth. стр. 17. ISBN 978-0-7167-0110-1.
  71. ^ Creutzfeldt OD, Watanabe S, Lux HD (январь 1966). «Связь между явлениями ЭЭГ и потенциалами отдельных корковых клеток. I. Вызванные ответы после таламической и эрпикортикальной стимуляции». Электроэнцефалография и клиническая нейрофизиология . 20 (1): 1–18. doi :10.1016/0013-4694(66)90136-2. PMID  4161317.
  72. ^ Бужаки Г. (2006). Ритмы мозга . Oxford University Press. ISBN 978-0-19-530106-9.[ нужна страница ]
  73. ^ Tatum WO (март 2014 г.). «Лекция Эллен Р. Грасс: необычная ЭЭГ». The Neurodiagnostic Journal . 54 (1): 3–21. PMID  24783746.
  74. ^ ab Kirmizi-Alsan E, Bayraktaroglu Z, Gurvit H, Keskin YH, Emre M, Demiralp T (август 2006 г.). «Сравнительный анализ событийно-связанных потенциалов во время Go/NoGo и CPT: разложение электрофизиологических маркеров торможения реакции и устойчивого внимания». Brain Research . 1104 (1): 114–128. doi :10.1016/j.brainres.2006.03.010. PMID  16824492. S2CID  18850757.
  75. ^ Frohlich J, Senturk D , Saravanapandian V, Golshani P, Reiter LT, Sankar R и др. (декабрь 2016 г.). «Количественный электрофизиологический биомаркер синдрома дупликации 15q11.2-q13.1». PLOS ONE . 11 (12): e0167179. Bibcode : 2016PLoSO..1167179F. doi : 10.1371 /journal.pone.0167179 . PMC 5157977. PMID  27977700. 
  76. ^ Kisley MA, Cornwell ZM (ноябрь 2006 г.). «Гамма- и бета-нейронная активность, вызванная во время сенсорной парадигмы гейтинга: эффекты слуховой, соматосенсорной и кросс-модальной стимуляции». Клиническая нейрофизиология . 117 (11): 2549–2563. doi :10.1016/j.clinph.2006.08.003. PMC 1773003. PMID  17008125 . 
  77. ^ Канаяма Н., Сато А., Охира Х. (май 2007 г.). «Кроссмодальный эффект с иллюзией резиновой руки и активностью гамма-диапазона». Психофизиология . 44 (3): 392–402. doi :10.1111/j.1469-8986.2007.00511.x. PMID  17371495.
  78. ^ Гасто H (1952). "[Электрокортикографическое исследование реактивности роландического ритма]". Revue Neurologique . 87 (2): 176–182. PMID  13014777.
  79. ^ ab Oberman LM, Hubbard EM, McCleery JP, Altschuler EL, Ramachandran VS, Pineda JA (июль 2005 г.). «Данные ЭЭГ о дисфункции зеркальных нейронов при расстройствах аутистического спектра». Исследования мозга. Когнитивные исследования мозга . 24 (2): 190–198. doi :10.1016/j.cogbrainres.2005.01.014. PMID  15993757.
  80. ^ Cahn BR, Polich J (март 2006). «Состояния и черты медитации: ЭЭГ, ЭРП и нейровизуализационные исследования». Psychological Bulletin . 132 (2): 180–211. doi :10.1037/0033-2909.132.2.180. PMID  16536641. S2CID  2151810.
  81. ^ Gerrard P, Malcolm R (июнь 2007 г.). «Механизмы действия модафинила: обзор современных исследований». Neuropsychiatric Disease and Treatment . 3 (3): 349–364. PMC 2654794. PMID  19300566 . 
  82. ^ Нидермейер Э. (июнь 1997 г.). «Альфа-ритмы как физиологические и аномальные явления». Международный журнал психофизиологии . 26 (1–3): 31–49. doi : 10.1016/S0167-8760(97)00754-X . PMID  9202993.
  83. ^ Фещенко ВА, Рейнсель РА, Веселис РА (июль 2001 г.). «Множественность альфа-ритма у нормальных людей». Журнал клинической нейрофизиологии . 18 (4): 331–344. doi :10.1097/00004691-200107000-00005. PMID  11673699.
  84. ^ Pfurtscheller G, Lopes da Silva FH (ноябрь 1999). "Синхронизация и десинхронизация ЭЭГ/МЭГ, связанная с событиями: основные принципы". Clinical Neurophysiology . 110 (11): 1842–1857. doi :10.1016/S1388-2457(99)00141-8. PMID  10576479. S2CID  24756702.
  85. ^ Андерсон АЛ, Томасон МЭ (ноябрь 2013 г.). «Функциональная пластичность до колыбели: обзор нейронной функциональной визуализации человеческого плода». Neuroscience and Biobehavioral Reviews . 37 (9 Pt B): 2220–2232. doi :10.1016/j.neubiorev.2013.03.013. PMID  23542738. S2CID  45733681.
  86. ^ "The MacIver Lab". Стэнфордский университет. Архивировано из оригинала 23 ноября 2008 года . Получено 16 декабря 2006 года .
  87. ^ ab Jiang X, Bian GB, Tian Z (февраль 2019 г.). «Удаление артефактов из сигналов ЭЭГ: обзор». Датчики . 19 (5): 987. Bibcode : 2019Senso..19..987J. doi : 10.3390/s19050987 . PMC 6427454. PMID  30813520 . 
  88. ^ ab Alsuradi H, Park W, Eid M (2020). «Исследования нейрогаптиков на основе ЭЭГ: обзор литературы». IEEE Access . 8 : 49313–49328. Bibcode : 2020IEEEA...849313A. doi : 10.1109/ACCESS.2020.2979855 . ISSN  2169-3536. S2CID  214596892.
  89. ^ ab Croft RJ, Barry RJ (февраль 2000 г.). «Удаление глазного артефакта из ЭЭГ: обзор». Neurophysiologie Clinique = Clinical Neurophysiology . 30 (1): 5–19. doi :10.1016/S0987-7053(00)00055-1. PMID  10740792. S2CID  13738373.
  90. ^ Эпштейн CM (1983). Введение в ЭЭГ и вызванные потенциалы . JB Lippincott Co. ISBN 978-0-397-50598-2.[ нужна страница ]
  91. ^ Chen X, Xu X, Liu A, Lee S, Chen X, Zhang X и др. (15 июля 2019 г.). «Удаление мышечных артефактов из ЭЭГ: обзор и рекомендации». IEEE Sensors Journal . 19 (14): 5353–5368. Bibcode : 2019ISenJ..19.5353C. doi : 10.1109/JSEN.2019.2906572. ISSN  1558-1748. S2CID  116693954.
  92. ^ Kaya I (18 мая 2022 г.), «Краткое изложение обработки артефактов ЭЭГ», в Asadpour V (ред.), Интерфейс мозг-компьютер , Искусственный интеллект, т. 9, IntechOpen, arXiv : 2001.00693 , doi : 10.5772/intechopen.99127 , ISBN 978-1-83962-522-0, S2CID  209832569, заархивировано из оригинала 20 декабря 2022 г. , извлечено 20 декабря 2022 г.
  93. ^ Монтес Т., Поил С.С., Джонс Б.Ф., Маншанден И., Вербунт Дж.П., ван Дейк Б.В. и др. (февраль 2009 г.). «Измененные временные корреляции теменных альфа- и префронтальных тета-колебаний на ранней стадии болезни Альцгеймера». Труды Национальной академии наук Соединенных Штатов Америки . 106 (5): 1614–1619. Бибкод : 2009PNAS..106.1614M. дои : 10.1073/pnas.0811699106 . ПМЦ 2635782 . ПМИД  19164579. 
  94. ^ Паначакель Дж. Т., Рамакришнан АГ (2021). «Расшифровка скрытой речи с помощью ЭЭГ-A. Комплексный обзор». Frontiers in Neuroscience . 15 : 642251. doi : 10.3389/fnins.2021.642251 . PMC 8116487. PMID  33994922. 
  95. ^ abc Rapp PE, Keyser DO, Albano A, Hernandez R, Gibson DB, Zambon RA и др. (2015). «Обнаружение травматических повреждений головного мозга с использованием электрофизиологических методов». Frontiers in Human Neuroscience . 9 : 11. doi : 10.3389/fnhum.2015.00011 . PMC 4316720. PMID  25698950 . 
  96. ^ Franke LM, Walker WC, Hoke KW, Wares JR (август 2016 г.). «Различие в медленных колебаниях ЭЭГ между хронической легкой травматической травмой мозга и ПТСР». Международный журнал психофизиологии . 106 : 21–29. doi : 10.1016/j.ijpsycho.2016.05.010. PMID  27238074.
  97. ^ ab "Исследование: ЭЭГ может помочь отличить ПТСР от легкой черепно-мозговой травмы". www.research.va.gov . Архивировано из оригинала 9 октября 2019 г. . Получено 9 октября 2019 г. .
  98. ^ "Игры разума". The Economist. 23 марта 2007 г. Архивировано из оригинала 12 декабря 2009 г. Получено 12 августа 2010 г.
  99. ^ abc Li S (8 августа 2010 г.). «Чтение мыслей на рынке». Los Angeles Times . Архивировано из оригинала 4 января 2013 г.
  100. ^ Fruhlinger J (9 октября 2008 г.). «Мозги на NeuroSky и игра Judecca от Square Enix по контролю разума». Engadget. Архивировано из оригинала 30 октября 2010 г. Получено 2 декабря 2010 г.
  101. ^ "Новые игры, работающие на мозговых волнах". Physorg.com. Архивировано из оригинала 6 июня 2011 г. Получено 2 декабря 2010 г.
  102. Snider M (7 января 2009 г.). «Игрушка обучает фанатов «Звездных войн» использованию Силы». USA Today . Архивировано из оригинала 23 октября 2012 г. Получено 1 мая 2010 г.
  103. ^ "Новости – NeuroSky обновляет SDK, позволяет моргать глазами и использовать мозговые волны в играх". Gamasutra. 30 июня 2010 г. Архивировано из оригинала 22 февраля 2017 г. Получено 2 декабря 2010 г.
  104. ^ Fiolet E. «NeuroSky MindWave привносит интерфейс мозг-компьютер в образование». www.ubergizmo.com . Ubergizmo. Архивировано из оригинала 12 декабря 2017 г. Получено 18 мая 2015 г.
  105. ^ "NeuroSky MindWave установил мировой рекорд Гиннесса как "Самый большой объект, перемещенный с помощью интерфейса мозг-компьютер"". NeuroGadget.com . NeuroGadget. Архивировано из оригинала 15 октября 2013 г. . Получено 2 июня 2011 г. .
  106. ^ «Запуск продукта! Neurosync – самый маленький в мире интерфейс мозг-компьютер». www.prnewswire.com . 15 июля 2015 г. Архивировано из оригинала 9 декабря 2018 г. Получено 21 июля 2017 г.
  107. ^ "APP – Macrotellect". o.macrotellect.com . Архивировано из оригинала 23 января 2017 г. Получено 8 декабря 2016 г.
  108. ^ "510(k) Premarket Notification". www.accessdata.fda.gov . Архивировано из оригинала 12 ноября 2021 г. . Получено 12 ноября 2021 г. .
  109. ^ Bell J, ред. (8 января 2021 г.). «BioSerenity получает разрешение FDA на систему носимых устройств ЭЭГ». NeuroNews International . Архивировано из оригинала 12 ноября 2021 г. Получено 12 ноября 2021 г.
  110. ^ Keiper A (2006). «Век нейроэлектроники». New Atlantis . 11. The New Atlantis: 4–41. PMID  16789311. Архивировано из оригинала 12 февраля 2016 г.
  111. ^ Wan F, da Cruz JN, Nan W, Wong CM, Vai MI, Rosa A (июнь 2016 г.). «Тренировка альфа-нейробиоуправления улучшает производительность BCI на основе SSVEP». Журнал нейронной инженерии . 13 (3): 036019. Bibcode : 2016JNEng..13c6019W. doi : 10.1088/1741-2560/13/3/036019. PMID  27152666. S2CID  206099640.
  112. ^ "Разум над материей: мозговые волны контролируют Asimo". Japan Times . 1 апреля 2009 г. Архивировано из оригинала 3 апреля 2009 г.
  113. ^ Natu N (21 июля 2008 г.). «Этот тест мозга отображает правду». The Times of India . Архивировано из оригинала 18 июля 2012 г. Получено 14 апреля 2021 г.
  114. ^ Puranik DA, Joseph SK, Daundkar BB, Garad MV (ноябрь 2009 г.). Brain Signature Profiling In India: Its Status As An Aid In Investigation And As Corroborative Evidence-As Seen From Judgments (PDF) . Труды XX Всеиндийской конференции по судебной экспертизе. С. 815–822. Архивировано из оригинала (PDF) 3 марта 2016 г.
  115. ^ Годе Л. М. (2011). «Дактилоскопия мозга, научные доказательства и «Добер»: предостерегающий урок из Индии». Jurimetrics . 51 (3): 293–318. ISSN  0897-1277. JSTOR  41307131. Архивировано из оригинала 16 апреля 2021 г. Получено 20 марта 2019 г.
  116. ^ Кассон А., Йейтс Д., Смит С., Дункан Дж., Родригес-Вильегас Э. (2010). «Носимая электроэнцефалография. Что это такое, зачем она нужна и что она в себя включает?». Журнал IEEE Engineering in Medicine and Biology . 29 (3): 44–56. doi :10.1109/MEMB.2010.936545. hdl : 10044/1/5910 . PMID  20659857. S2CID  1891995.
  117. ^ Looney D, Kidmose P, Park C, Ungstrup M, Rank M, Rosenkranz K и др. (1 ноября 2012 г.). «Концепция записи в ухо: ориентированный на пользователя и носимый мониторинг мозга». IEEE Pulse . 3 (6): 32–42. doi :10.1109/MPUL.2012.2216717. PMID  23247157. S2CID  14103460.
  118. ^ Lotte F, Bougrain L, Cichocki A, Clerc M, Congedo M, Rakotomamonjy A и др. (июнь 2018 г.). «Обзор алгоритмов классификации для интерфейсов мозг-компьютер на основе ЭЭГ: обновление за 10 лет». Journal of Neural Engineering . 15 (3): 031005. Bibcode :2018JNEng..15c1005L. doi : 10.1088/1741-2552/aab2f2 . PMID  29488902.
  119. ^ Shim M, Hwang HJ, Kim DW, Lee SH, Im CH (октябрь 2016 г.). «Диагностика шизофрении на основе машинного обучения с использованием комбинированных характеристик ЭЭГ на уровне сенсора и на уровне источника». Schizophrenia Research . 176 (2–3): 314–319. doi :10.1016/j.schres.2016.05.007. PMID  27427557. S2CID  44504680.
  120. ^ Buettner R, Frick J, Rieg T (12 ноября 2019 г.). «Высокопроизводительное обнаружение эпилепсии в записях ЭЭГ без приступов: новый подход машинного обучения с использованием очень специфических эпилептических поддиапазонов ЭЭГ». Труды ICIS 2019 г. Архивировано из оригинала 21 января 2021 г. Получено 13 января 2021 г.
  121. ^ Ieracitano C, Mammone N, Hussain A, Morabito FC (март 2020 г.). «Новый подход на основе многомодального машинного обучения для автоматической классификации записей ЭЭГ при деменции». Neural Networks . 123 : 176–190. doi :10.1016/j.neunet.2019.12.006. PMID  31884180. S2CID  209510497.
  122. ^ Bhattacharyya A, Pachori RB (сентябрь 2017 г.). «Многомерный подход к обнаружению эпилептических припадков у пациентов с помощью эмпирического вейвлет-преобразования». Труды IEEE по биомедицинской инженерии . 64 (9): 2003–2015. doi :10.1109/TBME.2017.2650259. PMID  28092514. S2CID  3522546.
  123. ^ Saab K, Dunnmon J, Ré C, Rubin D, Lee-Messer C (20 апреля 2020 г.). «Слабое наблюдение как эффективный подход к автоматическому обнаружению приступов в электроэнцефалографии». npj Digital Medicine . 3 (1): 59. doi : 10.1038/s41746-020-0264-0 . PMC 7170880. PMID  32352037 . 
  124. ^ Bomela W, Wang S, Chou CA, Li JS (май 2020 г.). «Вывод в реальном времени и обнаружение разрушительных сетей ЭЭГ при эпилептических припадках». Scientific Reports . 10 (1): 8653. Bibcode :2020NatSR..10.8653B. doi : 10.1038/s41598-020-65401-6 . PMC 7251100 . PMID  32457378. 
  125. ^ Paesschen WV (март 2018 г.). «Будущее обнаружения приступов». The Lancet. Неврология . 17 (3): 200–202. doi :10.1016/S1474-4422(18)30034-6. PMID  29452676. S2CID  3376296.
  126. ^ Чэнь ПК, Лю И, Пэн Л (май 2019). «Как разрабатывать модели машинного обучения для здравоохранения». Nature Materials . 18 (5): 410–414. Bibcode : 2019NatMa..18..410C. doi : 10.1038/s41563-019-0345-0. PMID  31000806. S2CID  122563425.
  127. ^ Rudin C (май 2019 г.). «Прекратите объяснять модели машинного обучения Black Box для решений с высокими ставками и используйте вместо этого интерпретируемые модели». Nature Machine Intelligence . 1 (5): 206–215. arXiv : 1811.10154 . doi : 10.1038/s42256-019-0048-x . PMC 9122117 . PMID  35603010. 
  128. ^ Coenen A, Fine E, Zayachkivska O (2014). «Адольф Бек: забытый пионер электроэнцефалографии». Журнал истории нейронаук . 23 (3): 276–286. doi :10.1080/0964704x.2013.867600. PMID  24735457. S2CID  205664545.
  129. ^ Правдич-Неминский В.В. (1913). «Ein Versuch der Registrierung der Elektrischen Gehirnerscheinungen». Централблатт по физиологии . 27 : 951–60.
  130. ^ Haas LF (январь 2003 г.). «Ганс Бергер (1873–1941), Ричард Катон (1842–1926) и электроэнцефалография». Журнал неврологии, нейрохирургии и психиатрии . 74 (1): 9. doi :10.1136/jnnp.74.1.9. PMC 1738204. PMID  12486257 . 
  131. ^ Millet D (июнь 2002 г.). Истоки ЭЭГ. 7-е ежегодное собрание Международного общества истории нейронаук (ISHN). Архивировано из оригинала 8 сентября 2020 г. . Получено 27 ноября 2010 г. .
  132. ^ Гиббс ФА, Дэвис Х, Леннокс ВГ (декабрь 1935 г.). «Электроэнцефалограмма при эпилепсии и состояниях нарушенного сознания». Архивы неврологии и психиатрии . 34 (6): 1133. doi :10.1001/archneurpsyc.1935.02250240002001.
  133. ^ "Beckman Instruments Supplying Medical Flight Monitoring Equipment" (PDF) . Обзор новостей космоса . 3 марта 1965 г. стр. 4–5. Архивировано (PDF) из оригинала 7 августа 2019 г. . Получено 7 августа 2019 г. .
  134. ^ Bozinovski S (2013). «Управление роботами с использованием сигналов ЭЭГ, с 1988 года». В Markovski S, Gusev M (ред.). ICT Innovations 2012. Advances in Intelligent Systems and Computing. Vol. 207. Berlin, Heidelberg: Springer. pp. 1–11. doi :10.1007/978-3-642-37169-1_1. ISBN 978-3-642-37169-1.

Дальнейшее чтение

Внешние ссылки