关于EEG以及如何解释EEG?_java

当你思考、做梦、看东西和感觉的时候,你的大脑是持续活跃的,吸收所有的信息,压缩和重新连接现有的数据,并将所有的东西整合成一致的体验。对你来说,这种经历构成了你的现实。

你的大脑是活的。你的大脑会塑造你对周围环境的看法,过滤或突出与你最相关的物体和信息。它根据你的思想、情感、欲望和经历创造自己的故事,最终驱动你的行为。

1

大脑的电活动

大脑由数十亿个细胞组成,其中一半是神经元,一半帮助和促进神经元的活动。这些神经元通过突触紧密相连,突触是抑制或兴奋性活动的通道。

任何突触活动都会产生一种微妙的电脉冲,称为突触后电位。当然,如果没有直接接触单个神经元,很难可靠地检测到它的突发。然而,每当数千个神经元同时放电时,它们就会产生一个强大的电场,足以穿过组织、骨骼和头骨。最终,它可以在头部表面测量。

可以把这看作是轻微地震的持续轰鸣声。就其本身而言,每一次爆发可能都太小而难以察觉,但如果其中几次在同一时间、同一地点、以同一节奏发生,它们加起来就会形成一场大地震,即使在数百英里之外也能被察觉到。

2

什么是EEG?它是如何工作的?

脑电图(EEG)是一种生理方法,用于记录大脑通过放置在头皮表面上的电极产生的电活动。为了更快地进行应用,将电极安装在类似于浴帽的弹性帽中,以确保可以从所有受试者的相同头皮位置收集数据。

关于EEG以及如何解释EEG?_数据库_02

脑电图:

测量由数千个神经元的同步活动产生的电活动(以伏特为单位)

提供出色的时间分辨率,允许您检测皮层区域内的活动--甚至可以在亚秒级的时间范围内检测皮层区域内的活动。

由于在电极处测得的电压波动非常小,因此记录的数据将被数字化并发送到放大器。然后可以将放大的数据显示为电压值序列。

EEG系统中的价格差异通常是由于电极的数量,数字化的质量,放大器的质量以及设备每秒可拍摄的快照数量(这是以Hz为单位的采样率)决定的。

脑电图通常具有较高的采样率,是目前应用最快的成像技术之一。一百年前,脑电图的时间过程被绘制在纸上。当前系统以数字形式在屏幕上连续显示电压数据。

如何解释脑电数据?

当EEG监视大脑产生的电活动的时间过程时,可以解释皮质的哪些区域负责在给定的时间处理信息:

枕叶皮质

大脑的这一部分主要负责处理视觉信息。视觉刺激(视频,图像)的脑电图实验通常集中在枕部。

顶叶皮层

顶叶皮层主要负责运动功能,并在自我参照任务中活跃(例如,当我们遇到对我们重要的物体或信息时)。

颞叶皮质

颞叶皮层的侧面负责语言处理和语音产生。在空间导航期间,内侧(内部)区域更加活跃。

额叶皮层

与大多数其他哺乳动物相比,人脑的额叶部分增大了。基本上,额叶皮层全部与执行功能有关:它有助于我们保持控制力,规划未来,并监控我们的行为。除了某些电活动起源的区域特征之外,您还可以分析哪些频率主要驱动正在进行的活动。

关于EEG以及如何解释EEG?_数据库_03

只要您的大脑处于特定状态,频率模式就会改变,从而深入了解认知过程。

Delta(1-4 Hz)–在睡眠实验室中,Delta波被用来评估睡眠深度。节奏越强,睡眠越深。Delta波功率的增加(增加的增量波记录数量)被发现与内部工作记忆任务的注意力增加有关[1]。

关于EEG以及如何解释EEG?_java_04

Theta(4 – 7 Hz)– Theta与广泛的认知处理相关,例如记忆编码和检索以及认知工作量[2]。每当我们遇到困难的任务时(例如,从100开始倒数,或者当回忆起下班回家的路时),Theta波就会变得更加突出。Theta也与疲劳程度增加有关[3]。

关于EEG以及如何解释EEG?_机器学习_05

Alpha(7–12 Hz)–每当我们闭上眼睛,让自己进入平静状态时,Alpha波就会接管。处于放松清醒状态时,Alpha值会增加。生物反馈训练通常使用Alpha波来监测放松情况。它们也与抑制和注意有关[4]。

关于EEG以及如何解释EEG?_大数据_06

Beta(12 – 30 Hz)-在运动区域内,随着我们计划或执行任何身体部位的运动,Beta频率会变得更强[5]。有趣的是,随着我们观察其他人的身体运动,Beta波的这种增加也很明显[6]。我们的大脑似乎模仿了他们的肢体运动,这表明我们大脑中存在着一个复杂的“镜像神经元系统”,该系统可能与Beta频率协调。

关于EEG以及如何解释EEG?_人工智能_07

Gamma(> 30 Hz,通常为40 Hz)–一些研究人员认为,Gamma波反映了注意力的集中,并作为载波频率来促进大脑区域之间的数据交换[7]。其他人则将伽玛与快速的眼球运动(所谓的微扫视)联系起来,它们被认为是感觉处理和信息吸收的组成部分[8]。

关于EEG以及如何解释EEG?_人工智能_08

分析脑电数据很有挑战性。信号处理,伪迹检测和衰减,特征提取以及诸如工作量,参与度,嗜睡或警觉性等心理指标的计算都需要一定水平的专业知识和经验,才能正确地从收集的数据中识别和提取有价值的信息。

参考文献

[1] Harmony, T. (2013). The functional significance of delta oscillations in cognitive processing. Frontiers in Integrative Neuroscience.7:83 10.3389/fnint.2013.00083

[2] Klimesch, W. (1999). EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res. Rev., 29 (2-3), 169–195

[3] Craig, A., Tran, Y., Wijesuriya, N., Nguyen, H. (2012). Regional brain wave activity changes associated with fatigue. Psychophysiology 49:574–582

[4] Klimesch, W. (2012). Alpha-band oscilaltions, attention, and controlled access to stored information. Trends Cogn Sci.16(12):606–17. 10.1016/j.tics.2012.10.007

[5] Takahashi, K., Saleh, M., Penn, R. D., Hatsopoulos, N. G. (2011). Propagating waves in human motor cortex.Front Hum Neurosci. 5(40):40

[6] Halder, S., Agorastos, D., Veit, R., Hammer, E. M., Lee, S., Varkuti, B., et al. (2011). Neural mechanisms of brain-computer interface control. Neuroimage 55, 1779–1790. Doi: 10.1016/j.neuroimage.2011.01.021

[7] Jia, X., Kohn, A. (2011). Gamma Rhythms in the Brain. PLOS Biology. 9(4):e1001045 doi: 10.1371/journal.pbio.1001045

[8] Yuval-Greenberg, S., Tomer, O., Keren, A. S., Nelken, I., Deouell, L. Y. (2008). Transient induced gamma-band response in EEG as a manifestation of miniature saccades. Neuron. 58: 429–41. doi: 10.1016/j.neuron.2008.03.027

参考:https://imotions.com/blog/what-is-eeg/

关于EEG以及如何解释EEG?_java_09

译者:Tina

不用于商业行为,转载请联系后台

若有侵权,请后台留言,管理员即时删侵!

关于EEG以及如何解释EEG?_人工智能_10

关于EEG以及如何解释EEG?_java_11

关于EEG以及如何解释EEG?_java_12