He estado leyendo sobre las ondas cerebrales de EEG, que son formas de onda específicas que se observan en la salida de EEG y que, por lo general, los humanos califican. Este concepto ha existido durante bastante tiempo.
¿Hay algo "más nuevo" o "mejor" que las ondas cerebrales EEG descubiertas en los últimos años?
Dado el aumento de sensores EEG disponibles comercialmente, ¿alguna empresa ha tenido éxito en presentar una forma de analizar o cuantificar la salida de estos sensores para brindar información útil a los investigadores? Estoy pensando en algoritmos de procesamiento de ondas cerebrales. Por ejemplo, en Actigrafía, el estudio del movimiento humano, existen algoritmos como "si 19 de los 20 minutos de actividad se califican como sueño, entonces se sabe que el inicio del sueño ocurre al comienzo de la ventana de 20 minutos". ¿Hay algo similar para las ondas cerebrales o las métricas derivadas?
¡No hay mejor manera de describir la actividad cerebral que las ondas cerebrales! :)
Sin embargo, hay nuevas formas de analizar y pensar en las ondas cerebrales. Por lo general, los encontrará en la literatura sobre oscilaciones neuronales.
Buenos aspectos de pensar en la actividad cerebral usando ondas cerebrales:
Los malos aspectos incluyen:
En el pasado, las ondas cerebrales se identificaban a simple vista. Hoy en día podemos hacerlo mucho mejor. Podemos imaginar que cada una de estas líneas en realidad está compuesta por muchos tipos diferentes de actividad neuronal, que ocurren a diferentes velocidades. Las neuronas que se disparan juntas rápidamente darán lugar a pequeños y breves cambios de amplitud, mientras que las neuronas que se disparen juntas a un ritmo más lento producirán ondas lentas. Cuantas más neuronas se disparen juntas, mayor será la amplitud de la onda. Cuanto más rápido disparan juntos, menor es la longitud de onda.
Las longitudes de onda rápidas y lentas se resumirán en una sola línea ondulada en la pantalla, pero podemos descomponerla, por ejemplo, usando una transformada de Fourier o una transformada wavelet. Al descomponer, obtenemos información sobre el hecho de que las neuronas se disparan juntas a diferentes velocidades cuando hacen cosas diferentes. Por ejemplo, si ignora un estímulo visual, entonces su cerebro visual comienza a dispararse unas 10 veces por segundo. Esto se llama el ritmo alfa. Si está observando activamente un estímulo, la actividad cambiará de 40 a 70 veces por segundo. Este es el ritmo gamma. Por lo tanto, puede decir algo sobre lo que está haciendo el cerebro cuando ve el patrón de actividad neuronal basado en una línea ondulada.
Además, puede notar que dos partes distantes del cerebro tienen neuronas que se disparan juntas... pero que están en fase entre sí. Esto podría significar que ambos están procesando diferentes aspectos de la misma información, por lo que nos dice algo sobre la conectividad neuronal funcional, aunque no veamos que se activa la materia blanca subyacente.
En cualquier caso, las ondas cerebrales no deberían verse realmente como mejores o peores que otras medidas de actividad neuronal. Simplemente agregan su parte de información, que es parte del rompecabezas más grande de cómo funciona el cerebro. Vea aquí una muy buena comparación de M/EEG con fMRI, y una discusión de todos los grandes problemas detrás de las medidas electrofisiológicas no invasivas.
Si y no. La estimación de fuente se ha utilizado en ingeniería eléctrica durante décadas, pero se está volviendo cada vez más frecuente en el ámbito de EEG, especialmente a la luz de los esfuerzos para registrar lecturas de EEG con estudios de fMRI simultáneos.
Básicamente, dado un conjunto de mediciones de EEG (o incluso MEG, magnetoencefalográficas), ¿podemos "invertirlas" para encontrar las fuentes de corriente individuales que generarían tal actividad eléctrica? También se pueden utilizar modelos directos en los que se supone a priori un conjunto de fuentes.
Scholarpedia tiene un extenso artículo sobre estos métodos. Brevemente,
MUSIC
sLORETA
se utilizan, la mayoría de los cuales implican alguna forma de transformación matricial de los datos en un espacio dimensional más bajo y el mapeo en un conjunto de fuentes puntuales.
La investigación actual (p. ej., Antelis y Minguez, 2012) utiliza un enfoque que reúne los resultados de múltiples modelos dinámicos para mejorar las estimaciones.
Antelis, JM, Mínguez, J.(2012). DYNAMO: Método de localización de fuente multimodelo dinámico concurrente para EEG y/o MEG. Journal of Neuroscience Methods , disponible en línea el 26 de septiembre de 2012 [DOI]
Me sorprende que nadie haya mencionado la actividad de picos . Las resoluciones espacial y temporal son fenomenales.
La tecnología para registrar los potenciales de acción simultáneamente de muchas neuronas en muchas áreas corticales está creciendo. Gran parte de la neurociencia teórica se ocupa de cómo esos patrones de picos transmiten información.
Al igual que con las otras respuestas, agregaré a este boceto en los próximos días. Quería señalar que existen otras fuentes de información sobre la actividad cerebral además de los EEG.
mac389
alex piedra