stringtranslate.com

Микросостояния ЭЭГ

Микросостояния ЭЭГ — это переходные, шаблонные, квазистабильные состояния или паттерны электроэнцефалограммы . Они, как правило, длятся от миллисекунд до секунд и, как предполагается, являются самыми базовыми проявлениями человеческих неврологических задач, и поэтому их называют «атомами мысли». [1] Оценка и анализ микросостояний изначально выполнялись с использованием активности альфа-диапазона , хотя сейчас обычно используются более широкие полосы пропускания ЭЭГ. [2] Квазистабильность микросостояний означает, что «глобальная топография [ЭЭГ] фиксирована, но сила может меняться, а полярность инвертироваться». [3]

История

Концепция временных микросостояний электрической активности мозга во время отдыха без выполнения задач и во время выполнения задач (событийно-связанные микросостояния) была разработана Дитрихом Леманном и его коллегами (Институт исследований мозга и разума KEY, Цюрихский университет, Швейцария) в период с 1971 по 1987 год [4] [5] [6] (см. «Микросостояния ЭЭГ». Scholarpedia .) Доктора Томас Кёниг (Университетская больница психиатрии, Швейцария) и Дитрих Леманн (Институт исследований мозга и разума KEY, Швейцария) [1] часто считаются пионерами анализа микросостояний ЭЭГ. [2] В своей статье 1999 года в Европейском архиве психиатрии и клинической нейронауки [ 1] Кёниг и Леманн анализировали ЭЭГ больных шизофренией , чтобы исследовать потенциальные базовые когнитивные корни этого расстройства. Они начали обращать свое внимание на ЭЭГ в миллисекундном масштабе. Они определили, что как нормальные субъекты, так и больные шизофренией разделяют эти микросостояния, но они различаются по характеристикам между двумя группами, и пришли к выводу, что:

«Мгновенные конфигурации электрического поля мозга являются проявлениями мгновенного глобального функционального состояния мозга. Конфигурации поля имеют тенденцию сохраняться в течение некоторого времени в субсекундном диапазоне («микросостояния») и концентрируются в пределах нескольких классов конфигураций. Соответственно, данные о поле мозга могут быть эффективно сведены к последовательностям повторяющихся классов микросостояний мозга, не перекрывающихся во времени. Различные конфигурации должны были быть вызваны различными активными нейронными ансамблями, и, таким образом, различные микросостояния предположительно реализуют различные функции». [1]

Выявление и анализ микросостояний

От ЭЭГ к микросостоянию

Выделение и анализ последовательности микросостояний ЭЭГ человека — это постфактум операция, которая обычно использует несколько шагов усреднения и фильтрации. Когда Кениг и Леман проводили свой эксперимент в 1999 году, они построили эти последовательности, начиная с ЭЭГ состояния покоя субъекта с закрытыми глазами. Были выделены первые несколько минут ЭЭГ без событий, затем периоды примерно по 2 секунды каждый были повторно отфильтрованы ( полоса пропускания ≈ 2–20 Гц). После фильтрации эпох эти микросостояния были аналитически сгруппированы в средние классы с помощью кластеризации k-средних , постфактум. [7] Также был предложен вероятностный подход с использованием нечетких C-средних для кластеризации и последующего назначения (см. ниже) микросостояний. [8]

Кластеризация и обработка

Поскольку мозг проходит через множество преобразований за столь короткие промежутки времени, анализ микросостояний по сути является анализом средних состояний ЭЭГ. Кёниг и Леманн установили стандарт для создания классов или повторяющихся усредненных конфигураций ЭЭГ. После того, как все данные ЭЭГ собраны, выбирается «прототипный» сегмент ЭЭГ, с которым сравниваются все другие собранные микросостояния. Так начинается процесс усреднения. Дисперсия от этого «прототипа» вычисляется, чтобы либо добавить его в существующий класс, либо создать отдельный класс. После того, как похожие конфигурации «кластеризованы» вместе, процесс выбора и сравнения «прототипа» повторяется несколько раз для точности. Этот процесс более подробно описан Кёнигом и Леманном:

«Сходство пространственной конфигурации ЭЭГ каждой карты-прототипа с каждой из 10 карт вычисляется с использованием коэффициента детерминации для исключения полярностей карт. ... Отдельно для каждого класса карты-прототипы обновляются, объединяя все назначенные карты путем вычисления первого пространственного главного компонента [7] карт и тем самым максимизируя общую дисперсию, игнорируя полярность карты». Этот процесс повторяется несколько раз с использованием различных случайно выбранных карт-прототипов из числа собранных данных для использования в статистическом сравнении и определении дисперсии. [7]

Создание и назначение классов

Большинство исследований [1] [9] [10] [11] [12] [13] [14] выявляют одни и те же 4 класса топографии микросостояний:

Типичная последовательность топографии микросостояний из 4 классов. Слева направо: классы A, B, C и D.

Однако многие исследования также обнаружили другие карты шаблонов микросостояний ЭЭГ, которые, вероятно, будут иметь смысл. [15] сошлись на 16 картах, чтобы объяснить большую долю наблюдаемой дисперсии. [16] нашли 13 карт, используя подход ICA. Количество «найденных» и использованных микросостояний частично зависит от когнитивного состояния человека, но также частично от метода, используемого для кластеризации и назначения микросостояний. Хотя микросостояния исторически всегда назначались детерминистически, недавние работы также показали, что существуют вычислительные, аналитические и концептуальные проблемы, которые можно решить с помощью вероятностного анализа микросостояний. [8]

Приложения

Базовое понимание человеческого познания

В настоящее время существует гипотеза, что микросостояния ЭЭГ отражают основные этапы познания и обработки нейронной информации в мозге, но для подтверждения этой теории еще предстоит провести много исследований.

Кениг, Леманн и др. 2002 [17]

Это исследование изучало дисперсию микросостояний ЭЭГ у нормальных людей разного возраста. Оно показало «закономерную, сложную эволюцию с возрастом» [17] со скачками средней продолжительности микросостояний в возрасте 12, 16, 18 и 40–60 лет, что предполагает, что в этом возрасте происходит значительная церебральная эволюция. [17] Что касается причины этого, они предположили, что это было связано с ростом и реструктуризацией нервных путей,

«В исследованиях микроархитектуры развивающейся мозговой ткани было отмечено, что после первоначального избытка относительно неорганизованных синаптических связей количество синапсов постепенно уменьшалось, в то время как степень организации связей увеличивалась (Huttenlocher, 1979; Rakic ​​et al., 1986). Таким образом, более вероятно, что наблюдаемые изменения в профиле микросостояний являются результатом устранения нефункциональных связей, а не формирования новых. Другая возможная связь настоящих результатов с нейробиологическими процессами исходит из наблюдения, что с увеличением возраста асимметричные микросостояния уменьшаются, в то время как симметричные микросостояния увеличиваются. Предполагая, что асимметричные микросостояния являются результатом преимущественно односторонней активности мозга, в то время как симметричные микросостояния указывают преимущественно на двустороннюю активность, наблюдаемые эффекты могут быть связаны с ростом мозолистого тела, который продолжается до позднего подросткового возраста (например, Giedd et al., 1999)». [17]

Ван Де Виль, Бритц и Мишель, 2010 г. [3]

В исследовании, проведенном учеными из Женевы, временная динамика и возможные фрактальные свойства микросостояний ЭЭГ были проанализированы у нормальных людей. Поскольку микросостояния представляют собой глобальную топографию, но происходят в таких малых временных масштабах и изменяются так быстро, Ван де Виль, Бритц и Мишель выдвинули гипотезу, что эти «атомы мыслей» подобны фракталам во временном измерении. То есть, независимо от масштаба, ЭЭГ сама по себе является композицией микросостояний. Эта гипотеза изначально была освещена сильной корреляцией между быстрой временной шкалой и мимолетностью микросостояний ЭЭГ и гораздо более медленными сигналами фМРТ в состоянии покоя .

«Связь между микросостояниями ЭЭГ и сетями состояний покоя фМРТ ( RSN ) была установлена ​​путем свертки временных ходов возникновения различных микросостояний ЭЭГ с функцией гемодинамического ответа ( HRF ) и последующего использования их в качестве регрессоров в общей линейной модели для традиционного анализа фМРТ . Поскольку HRF действует как сильный временной сглаживающий фильтр для быстрого сигнала на основе ЭЭГ, примечательно, что можно обнаружить статистически значимые корреляции. Тот факт, что это сглаживание не удалило никакой несущий информацию сигнал из последовательности микросостояний и что, кроме того, исходные последовательности микросостояний и регрессоры показывают одинаковое относительное поведение во временных масштабах, отличающихся примерно на два порядка, предполагает, что временные ходы микросостояний ЭЭГ являются масштабно-инвариантными».

Эта масштабно-инвариантная динамика является самой сильной характеристикой фрактала, и поскольку микросостояния являются индикаторами глобальных нейронных сетей, можно сделать обоснованный вывод о том, что эти микросостояния демонстрируют временное монофрактальное (одномерное фрактальное) поведение. Отсюда мы можем видеть возможность того, что фМРТ, которая также является мерой глобальной топографии, возможно, является просто масштабированным проявлением ее микросостояний, и, таким образом, дополнительно подтверждает гипотезу о том, что микросостояния ЭЭГ являются фундаментальной единицей глобальной когнитивной обработки.

Психологические патологии

Сравнение классов микросостояний ЭЭГ между контрольной группой и группой с психозом дало важные результаты, предполагающие, что основное состояние покоя у группы с психозом является нерегулярным. Это подразумевает, что до того, как какая-либо информация будет обработана или создана, она будет связана с динамикой нерегулярной последовательности микросостояний. [1] [9] [10] [11] [12] [13] [14] Хотя анализ микросостояний имеет большой потенциал для понимания основных механизмов некоторых неврологических заболеваний, еще многое предстоит сделать и понять, прежде чем он станет широко признанным диагностическим средством. [2]

Шизофрения

Многочисленные исследования изучали временную динамику микросостояний ЭЭГ у людей с шизофренией . [1] [18] [19] [20] [21] В первом исследовании, сравнивающем временную динамику микросостояний ЭЭГ у людей с шизофренией и у здоровых лиц контрольной группы, Кениг и Леманн сообщили, что люди с шизофренией, как правило, проводят слишком много времени в микросостояниях класса А по сравнению с лицами контрольной группы. [1] Однако другие исследования в области изучения шизофрении предполагают иную картину. Метаанализ, включающий исследования с 1999 по 2015 год, показал, что микросостояния класса С возникали чаще и в течение более длительных периодов у людей с шизофренией, чем у лиц контрольной группы, в то время как микросостояния класса D возникали реже и в течение более коротких периодов. [22] Эти результаты также были подтверждены более поздним метаанализом. [21] Похожие отклонения были зарегистрированы в исследовании подростков с синдромом делеции 22q11.2 , группы населения, которая имеет 30% риск развития психоза. [18] Отклонения классов C и D были также обнаружены у здоровых братьев и сестер больных шизофренией, [21] что побудило авторов предположить, что динамика микросостояний C и D является кандидатом на эндофенотип шизофрении.

Паническое расстройство

В июле 2011 года доктор Кёниг сотрудничал с исследователями из Университета Каназавы в Японии и другими исследователями из Университета Берна в Швейцарии, чтобы провести анализ микросостояний у людей с паническим расстройством (ПР). Они обнаружили, что эти люди проводили слишком много времени в одном и том же микросостоянии от правого переднего до левого заднего, как и в исследованиях шизофрении. [9] Это предполагает нарушение работы височной доли, о котором сообщалось в исследованиях фМРТ у людей с ПР; они проводили в среднем на 9,26 миллисекунд дольше в этом микросостоянии, чем контрольные субъекты. Эти аберрантные последовательности микросостояний очень похожи на те, что были в исследовании шизофрении, и поскольку тревожность часто встречается при шизофрении, это может указывать на сильную корреляцию между различной степенью тяжести неврологических патологий и последовательностью микросостояний человека.

Анализ сна

В 1999 году Кантеро, Атьенса, Салас и Гомес изучали альфа-ритмы у нормальных людей в 3 состояниях: глаза закрыты/расслаблены, сонливость в начале сна и быстрый сон . Они обнаружили, что средние определенные классы микросостояний различались среди состояний сознания по 3 различным параметрам. [23]

Это исследование освещает сложность мозговой активности и динамики ЭЭГ. Данные предполагают, что «альфа (волновая) активность может индексировать различную мозговую информацию в каждом состоянии возбуждения». [23] Кроме того, они предполагают, что альфа-ритм может быть «естественной резонансной частотой зрительной коры во время бодрствования, тогда как альфа-активность, которая появляется в период дремоты в начале сна, может индексировать гипнагогические образы, самостоятельно генерируемые спящим мозгом, и фазовое событие в случае быстрого сна». [23] Другое утверждение заключается в том, что более длительные периоды стабильной мозговой активности могут обрабатывать меньшие объемы обработки информации и, таким образом, мало изменений в микросостояниях, в то время как более короткая, менее стабильная мозговая активность может отражать большие объемы различной информации для обработки и, таким образом, больше изменений в микросостояниях.

Смотрите также

Ссылки

  1. ^ abcdefgh Koenig T, Lehmann D, Merlo MC, Kochi K, Hell D, Koukkou M (1999). «Отклоняющееся микросостояние мозга ЭЭГ у острой, не принимающей нейролептики шизофреники в состоянии покоя». Европейский архив психиатрии и клинической нейронауки . 249 (4): 205–11. doi :10.1007/s004060050088. PMID  10449596. S2CID  9107646.
  2. ^ abc Айзенхарт, Роберт. «Состояние микросостояний ЭЭГ». Онлайн-интервью. 26 сентября 2011 г.
  3. ^ ab Van de Ville D, Britz J, Michel CM (октябрь 2010 г.). "Последовательности микросостояний ЭЭГ у здоровых людей в состоянии покоя выявляют динамику без масштабирования" (PDF) . Труды Национальной академии наук Соединенных Штатов Америки . 107 (42): 18179–84. Bibcode :2010PNAS..10718179V. doi : 10.1073/pnas.1007841107 . PMC 2964192 . PMID  20921381. 
  4. ^ Lehmann D (ноябрь 1971). «Многоканальная топография альфа-полей ЭЭГ человека». Электроэнцефалография и клиническая нейрофизиология . 31 (5): 439–49. doi :10.1016/0013-4694(71)90165-9. PMID  4107798.
  5. ^ Lehmann D, Skrandies W (июнь 1980). «Безотносительная идентификация компонентов многоканальных потенциальных полей, вызванных шахматной доской». Электроэнцефалография и клиническая нейрофизиология . 48 (6): 609–21. doi :10.1016/0013-4694(80)90419-8. PMID  6155251.
  6. ^ Lehmann D, Ozaki H, Pal I (сентябрь 1987 г.). «Серия альфа-карт ЭЭГ: микросостояния мозга с помощью пространственно-ориентированной адаптивной сегментации». Электроэнцефалография и клиническая нейрофизиология . 67 (3): 271–88. doi :10.1016/0013-4694(87)90025-3. PMID  2441961.
  7. ^ abc Pascual-Marqui RD, Michel CM, Lehmann D (июль 1995). «Сегментация электрической активности мозга на микросостояния: оценка и проверка модели». IEEE Transactions on Bio-Medical Engineering . 42 (7): 658–65. doi :10.1109/10.391164. PMID  7622149. S2CID  12736057.
  8. ^ ab Динов М., Лич Р. (2017). «Моделирование неопределенностей в микросостояниях ЭЭГ: анализ реальных и воображаемых двигательных движений с использованием обучения вероятностных нейронных сетей на основе вероятностной кластеризации». Frontiers in Human Neuroscience . 11 : 534. doi : 10.3389/fnhum.2017.00534 . PMC 5671986. PMID  29163110 . 
  9. ^ abc Kikuchi M, Koenig T, Munesue T, Hanaoka A, Strik W, Dierks T и др. (2011). Yoshikawa T (ред.). "Анализ микросостояний ЭЭГ у пациентов с паническим расстройством, не принимавших лекарства". PLOS ONE . ​​6 (7): e22912. Bibcode :2011PLoSO...622912K. doi : 10.1371/journal.pone.0022912 . PMC 3146502 . PMID  21829554. 
  10. ^ ab Kindler J, Hubl D, Strik WK, Dierks T, Koenig T (июнь 2011 г.). «ЭЭГ в состоянии покоя при шизофрении: слуховые вербальные галлюцинации связаны с сокращением определенных микросостояний». Клиническая нейрофизиология . 122 (6): 1179–82. doi :10.1016/j.clinph.2010.10.042. PMID  21123110. S2CID  7269365.
  11. ^ ab Lehmann D, Faber PL, Galderisi S, Herrmann WM, Kinoshita T, Koukkou M и др. (февраль 2005 г.). «Длительность и синтаксис микросостояний ЭЭГ при острой, не принимающей лекарства, первой шизофрении: многоцентровое исследование». Psychiatry Research . 138 (2): 141–56. doi :10.1016/j.pscychresns.2004.05.007. PMID  15766637. S2CID  24984292.
  12. ^ ab Stevens A, Lutzenberger W, Bartels DM, Strik W, Lindner K (январь 1997). "Увеличенная продолжительность и измененная топография микросостояний ЭЭГ во время когнитивных задач при хронической шизофрении". Psychiatry Research . 66 (1): 45–57. doi :10.1016/s0165-1781(96)02938-1. PMID  9061803. S2CID  38114510.
  13. ^ ab Стрелец В, Фабер ПЛ, Голикова Й, Новотоцкий-Власов В, Кёниг Т, Джанотти ЛР и др. (ноябрь 2003 г.). «У хронических шизофреников с позитивной симптоматикой сокращены длительности микросостояний ЭЭГ». Клиническая нейрофизиология . 114 (11): 2043–51. doi :10.1016/s1388-2457(03)00211-6. PMID  14580602. S2CID  23762909.
  14. ^ ab Strik WK, Chiaramonti R, Muscas GC, Paganini M, Mueller TJ, Fallgatter AJ и др. (октябрь 1997 г.). «Уменьшение длительности микросостояний ЭЭГ и антериоризация электрических полей мозга при легкой и умеренной деменции типа Альцгеймера». Psychiatry Research . 75 (3): 183–91. doi :10.1016/s0925-4927(97)00054-1. PMID  9437775. S2CID  35510431.
  15. ^ Бритц Дж., Диас Эрнандес Л., Ро Т., Мишель CM (2014). «Появление перцептивной осведомленности, зависимое от ЭЭГ-микросостояния». Границы поведенческой нейронауки . 8 : 163. дои : 10.3389/fnbeh.2014.00163 . ПМК 4030136 . ПМИД  24860450. 
  16. ^ Юань Х, Зотев В, Филлипс Р, Древец В, Бодурка Дж (май 2012 г.). «Пространственно-временная динамика мозга в состоянии покоя — исследование микросостояний ЭЭГ как электрофизиологических сигнатур сетей BOLD в состоянии покоя». NeuroImage . 60 (4): 2062–72. doi :10.1016/j.neuroimage.2012.02.031. PMID  22381593. S2CID  10712820.
  17. ^ abcd Koenig T, Prichep L, Lehmann D, Sosa PV, Braeker E, Kleinlogel H и др. (май 2002 г.). «Миллисекунда за миллисекундой, год за годом: нормативные микросостояния ЭЭГ и стадии развития». NeuroImage . 16 (1): 41–8. doi :10.1006/nimg.2002.1070. PMID  11969316. S2CID  572593.
  18. ^ ab Tomescu MI, Rihs TA, Roinishvili M, Karahanoglu FI, Schneider M, Menghetti S и др. (сентябрь 2015 г.). «Пациенты с шизофренией и подростки с синдромом делеции 22q11.2 из группы риска проявляют одинаковые девиантные паттерны микросостояний ЭЭГ в состоянии покоя: потенциальный эндофенотип шизофрении». Schizophrenia Research. Cognition . 2 (3): 159–165. doi :10.1016/j.scog.2015.04.005. PMC 5779300 . PMID  29379765. 
  19. ^ Giordano GM, Koenig T, Mucci A, Vignapiano A, Amodio A, Di Lorenzo G и др. (2018). «Нейрофизиологические корреляты апатии-бездействия при шизофрении: исследование микросостояний ЭЭГ в состоянии покоя». NeuroImage. Clinical . 20 : 627–636. doi : 10.1016/j.nicl.2018.08.031. PMC 6128100. PMID 30202724  . 
  20. ^ Andreou C, Faber PL, Leicht G, Schoettle D, Polomac N, Hanganu-Opatz IL и др. (февраль 2014 г.). «Связь в состоянии покоя в продромальной фазе шизофрении: выводы из микросостояний ЭЭГ». Schizophrenia Research . 152 (2–3): 513–20. doi : 10.1016/j.schres.2013.12.008. PMID  24389056. S2CID  21444679.
  21. ^ abc da Cruz JR, Favrod O, Roinishvili M, Chkonia E, Brand A, Mohr C и др. (июнь 2020 г.). «Микросостояния ЭЭГ являются кандидатом на эндофенотип шизофрении». Nature Communications . 11 (1): 3089. Bibcode :2020NatCo..11.3089D. doi : 10.1038/s41467-020-16914-1 . PMC 7303216 . PMID  32555168. S2CID  219730748. 
  22. ^ Ригер К., Диас Эрнандес Л., Бэннингер А., Кёниг Т. (2016). «15 лет исследований микросостояний при шизофрении — где мы? Метаанализ». Frontiers in Psychiatry . 7 : 22. doi : 10.3389/fpsyt.2016.00022 . PMC 4767900. PMID  26955358. 
  23. ^ abcd Cantero JL, Atienza M, Salas RM, Gómez CM (1999). «Пространственные микросостояния мозга спонтанной альфа-активности человека в состоянии расслабленного бодрствования, периоде дремоты и быстром сне». Топография мозга . 11 (4): 257–63. doi :10.1023/A:1022213302688. PMID  10449257. S2CID  13961921.