Kortikokortikální soudržnost - Corticocortical coherence

Kortikokortikální soudržnost je odkazováno na synchronizaci v nervové aktivitě různých kortikálních oblastí mozku. Nervové aktivity jsou zachyceny elektrofyziologickými záznamy z mozku (např. EEG, MEG, ECoG, atd.). Jedná se o metodu ke studiu nervové komunikace a funkce mozku v klidu nebo během funkčních úkolů.

Historie a základy

Počáteční aplikace spektrální analýzy pro zjištění vztahu mezi EEG nahrávkami z různých oblastí pokožky hlavy sahají do šedesátých let.[1] Kortikokortikální koherence byla od té doby rozsáhle studována pomocí EEG a MEG záznam pro potenciální diagnostické aplikace[2] a za.

Přesný původ kortikokortikální koherence je předmětem aktivního vyšetřování. Zatímco shoda naznačuje, že funkční neurální komunikace mezi odlišnými zdroji mozku vede k synchronní aktivitě v těchto oblastech (možná spojená neurálními cestami, ať už přímým nebo nepřímým způsobem),[3][4][5] alternativní vysvětlení zdůrazňuje jednoohniskové oscilace, ke kterým dochází u jednotlivých zdrojů mozku, které se nakonec v různých skalpech nebo oblastech zdrojů mozku objevují spojené nebo synchronní.[6]

Kortikokortikální koherence má zvláštní význam v kmitočtových pásmech delta, theta, alfa, beta a gama (běžně používaná pro EEG studie).

Metody, matematika a statistika

Kortikokortikální koherence se běžně studuje pomocí bipolárních kanálů záznamů EEG, stejně jako unipolárních kanálů signálů EEG nebo MEG; nicméně, unipolární kanály se obvykle používají k odhadu mozkových zdrojů a jejich konektivity pomocí zobrazování elektrických zdrojů a analýzy konektivity.[7]

Je třeba použít klasický a běžně používaný přístup k posouzení synchronizace mezi neurálními signály Soudržnost.[8]

Statistická významnost koherence je zjištěna jako funkce počtu datových segmentů za předpokladu normálního rozdělení signálů.[9] Alternativně lze použít neparametrické techniky, jako je bootstrapping.

Viz také

externí odkazy

Reference

  1. ^ Walter, D. O. (01.08.1963). "Spektrální analýza pro elektroencefalogramy: matematické stanovení neurofyziologických vztahů ze záznamů s omezenou dobou trvání". Experimentální neurologie. 8 (2): 155–181. doi:10.1016/0014-4886(63)90042-6. ISSN  0014-4886. PMID  20191690.
  2. ^ Sklar, B .; Hanley, J .; Simmons, W. W. (1972-12-15). „Experiment EEG zaměřený na identifikaci dyslektických dětí“. Příroda. 240 (5381): 414–416. doi:10.1038 / 240414a0. ISSN  0028-0836. PMID  4564321.
  3. ^ Lei, Xu; Wu, Taoyu; Valdes-Sosa, Pedro (01.01.2015). „Začlenění předchůdců pro zobrazování zdrojů EEG a analýzu konektivity“. Frontiers in Neuroscience. 9: 284. doi:10.3389 / fnins.2015.00284. ISSN  1662-453X. PMC  4539512. PMID  26347599.
  4. ^ Ramírez, Rey R ​​.; Wipf, David; Baillet, Sylvain (01.01.2010). Chaovalitwongse, Wanpracha; Pardalos, Panos M .; Xanthopoulos, Petros (eds.). Výpočetní neurovědy. Optimalizace Springer a její aplikace. Springer New York. str.127 –155. doi:10.1007/978-0-387-88630-5_8. ISBN  9780387886299.
  5. ^ On, B .; Liu, Z. (01.01.2008). „Multimodální funkční neuroimaging: integrace funkčního MRI a EEG / MEG“. Recenze IEEE v biomedicínském inženýrství. 1: 23–40. doi:10.1109 / RBME.2008.2008233. ISSN  1937-3333. PMC  2903760. PMID  20634915.
  6. ^ Delorme, Arnaud; Palmer, Jason; Onton, Julie; Oostenveld, Robert; Makeig, Scott (2012-02-15). „Nezávislé zdroje EEG jsou dipolární“. PLOS ONE. 7 (2): e30135. doi:10.1371 / journal.pone.0030135. ISSN  1932-6203. PMC  3280242. PMID  22355308.
  7. ^ Mehrkanoon, Saeid; Breakspear, Michaele; Britz, Juliane; Boonstra, Tjeerd W. (2014-09-17). „Režimy vnitřní vazby v elektroencefalografii rekonstruované zdrojem“. Připojení k mozku. 4 (10): 812–825. doi:10.1089 / brain.2014.028080. ISSN  2158-0014. PMC  4268557. PMID  25230358.
  8. ^ Halliday, D. M., Rosenberg, J. R., Amjad, A. M., Breeze, P., Conway, B. A., & Farmer, S. F. (1995). Rámec pro analýzu smíšených časových řad / procesních dat bodů - teorie a aplikace na studium fyziologického třesu, výbojů jedné motorové jednotky a elektromyogramů. Pokrok v biofyzice a molekulární biologii, 64 (2–3), 237–278. http://doi.org/10.1016/S0079-6107(96)00009-0
  9. ^ Halliday, D. M. a Rosenberg, J. R. (1999). Analýza časových a frekvenčních domén dat špičkového vlaku a časových řad. In Moderní techniky ve výzkumu neurovědy (str. 503–543). Springer. Citováno z http://doi.org/10.1007/978-3-642-58552-4_18