Независимые компоненты вызванных потенциалов

В этом случае на первом этапе выбирается отрезки ЭЭГ заданной длины для каждой индивидуальной пробы в отдельности. Начало отрезка выбирается относительно предъявления выбранного в пробе стимула. Эти отрезки выстраиваются в непрерывный многомерный временной ряд и используются для дальнейшего анализа. Исходная многоканальная ЭЭГ полученного временного ряда разлагается на независимые компоненты. После разложения для каждой независимой компоненты в отдельности вычисляются «вызванные потенциалы». Вызванные потенциалы вычисляются с учетом условий предъявления и ответной реакции испытуемого. Тем самым получается несколько графиков вызванных потенциалов, соответствующих различным условиям. Таким образом, данный способ анализа позволяет измерять свойства усредненных по пробам вызванных потенциалов для сигналов от непосредственно не регистрируемых на скальпе источников, выделенных методом независимых компонент.

1. Выберете команду Независимые компоненты ВП (меню Анализ). Выберите список каналов, которые Вы хотите обработать (ВНИМАНИЕ! если на одном из каналов регистрировалась ЭОГ обязательно удалите этот канал из анализа). В строке Имя введите названия стимулов, в строке Метки – метки стимулов (заданны в программе предъявления стимулов Psytask). Нажмите Принять.

2. В меню Анализ выберите Показать/Скрыть диаграммы. Установите флажок в окне "Стандартная" и "Диаграммы диполя".

В появившемся окне для каждой выделенной компоненты в первом столбце изображена их топография, то есть величина из присутствия в каждом из каналов ЭЭГ; во втором столбце -"вызванные потенциалы" для каждой независимой компоненты; в третьем столбце - параметры дипольного источника (координаты и момент), наилучшим образом описывающего распределение потенциалов на скальпе.

Также обратную задачу для ВП можно решить используя метод LORETA. Для этого необходимо кликнуть правой кнопкой мыши на интересующей компоненте и выбрать пункт LORETA для компоненты (см. выше).

8. Занесите в отчет требуемые данные.

9. Закройте файл ЭЭГ. НЕ сохраняйте изменения!

УДАЧНОЙ РАБОТЫ!
Методы главных компонент (PCA) и независимых компонент (ICA)

В настоящее время общепринято, что сигналы, регистрируемые со скальпа, представляют собой суперпозицию потенциалов от одного или нескольких источников, находящихся внутри головного мозга. В многочисленных исследованиях предпринимались неоднократные попытки локализации источников этой активности, что привело к разработке ряда высоко эффективных методов, таких как локализации эквивалентных дипольных источников, вычисление трехмерного распределения плотности токов, наилучшим образом описывающих регистрируемые на скальпе потенциалы (например, метод LORETA) и ряд других.

Однако исследователи столкнулись с тем, что в некоторых случаях полученные результаты трудно интерпретировать, поскольку, например, в случае локализации эквивалентных дипольных источников трудно определить, какое количество диполей следует выбирать в качестве адекватной модели регистрируемых на скальпе потенциалов.

Для решения этой проблемы было предложено использовать разложение многоканальной ЭЭГ на компоненты, и отдельно для каждой из компонент находить эквивалентные источники.

Существует несколько попыток решить задачу слепого разделения сигналов. В ряде методов предполагается, что оценки сигналов должны быть некоррелированы[4]. К ним относятся метод главных компонент (principal component analysis, PCA), факторный анализ и метод канонических корреляций. Другим предположением, является статистическая независимость оценок сигналов. Статистическая независимость означает, что измерение потенциала, произведенного в отдельном источнике в данный момент не позволяет сделать никаких предположений относительно источника в другой области мозга. Такой метод носит название метода независимых компонент (independent component analysis, ICA).

Анализ главных компонент дает ортогональные оси в направлениях максимальной дисперсии. Анализ независимых компонент отражает характер распределений. Как видно из рисунка оси ICA лучше описывают структуру этих данных, чем PCA.

LORETA

В большинстве случаев паттерны ЭЭГ генерируются распределенными источниками, т.е. корковыми генераторами, распределенными в удаленных областях коры. В этих случаях потенциал ЭЭГ, зарегистрированный от данного электрода — сумма многочисленных элементарных диполей, расположенных не только под электродом, но также и в отдаленных частях коры. Проблему обнаружения этих множественных диполей, зная только потенциалы зарегистрированные множественными скальповыми электродами, называют обратной проблемой. Теоретически обратное решение неоднозначно, т.е. неопределенное число различных исходных конфигураций, могут соответствовать измеренному электрическому полю. Лучшая точность в локализации тестовых источников дается методом, именуемы томографией низкого разрешения Low Resolution Tomography (LORETA). Обратное решение метода соответствует трехмерному распределению нейронной электрической активности которая обнаруживает максимум синхронизации (в терминах ориентации и силы) между соседними нейронными популяциями (представленными смежными вокселями). Кроме того, поскольку решение неоднозначно, делается предположение о том, что функция распределения токов должна быть максимально гладкая.