Was ist EEG und warum wird es benötigt?

Wissenschaftler lieben es, nach der ersten Erwähnung ihrer Wissenschaft zu suchen. Ich habe zum Beispiel einen Artikel gesehen, in dem ernsthaft behauptet wurde, dass die ersten Experimente zur elektrischen Stimulation des Gehirns im alten Rom durchgeführt wurden, als jemand durch elektrischen Aal geschockt wurde. In der Regel wird die Geschichte der Elektrophysiologie auf die eine oder andere Weise aus den Experimenten von Luigi Galvani (18. Jahrhundert) berechnet. In dieser Artikelserie wollen wir einen kleinen Teil dessen erzählen, was die Wissenschaft in den letzten 300 Jahren über die elektrische Aktivität des menschlichen Gehirns gelernt hat und welche Gewinne sich daraus ziehen lassen.

Woher kommt die elektrische Aktivität des Gehirns?

Das Gehirn besteht aus Neuronen und Glia. Neuronen zeigen elektrische Aktivität, Glia kann dies auch, aber auf andere Weise [ 1 ], [ 2 ] und heute werden wir nicht darauf achten.

Die elektrische Aktivität von Neuronen besteht darin, Natrium-, Kalium- und Chlorionen zwischen der Zelle und der Umwelt zu pumpen. Zwischen Neuronen werden Signale unter Verwendung chemischer Mediatoren übertragen. Wenn ein von einem Neuron sezernierter Mediator in einen geeigneten Rezeptor eines anderen Neurons eintritt, kann er chemisch aktivierte Ionenkanäle öffnen und eine kleine Menge von Ionen in die Zelle lassen. Infolgedessen ändert die Zelle ihre Ladung ein wenig. Wenn genügend Ionen in die Zelle eingedrungen sind (z. B. ein Signal an mehreren Synapsen gleichzeitig eingetroffen ist), sind andere Ionenkanäle in Abhängigkeit von der Spannung (es sind mehr vorhanden) offen, und die Zelle wird in Millisekunden nach dem Prinzip „Alles oder Nichts“ aktiviert und kehrt dann zu zurück vorherige Bedingung. Dieser Vorgang wird Aktionspotential genannt.

Wie kann ich es registrieren?

Der beste Weg, die Aktivität einzelner Zellen aufzuzeichnen, besteht darin, eine Elektrode in den Cortex zu stecken. Es kann sich um einen Draht handeln , es kann sich um eine Matrix mit mehreren zehn Kanälen handeln , es kann sich um einen Stift mit mehreren hundert Kanälen handeln oder es kann sich um eine flexible Platine mit mehreren tausend Kanälen handeln (für Sie so, mask mask ).

Dies wurde für eine lange Zeit an Tieren durchgeführt. Manchmal werden sie aus gesundheitlichen Gründen (Epilepsie, Parkinson-Krankheit, vollständige Lähmung) an einer Person durchgeführt. Patienten mit Implantaten können Text mit der Kraft des Denkens drucken, Exoskelette steuern und sogar alle Freiheitsgrade des industriellen Manipulators steuern.

Es sieht beeindruckend aus, aber in naher Zukunft werden solche Methoden nicht in allen Distriktkliniken und insbesondere bei gesunden Menschen Anwendung finden. Erstens ist es sehr teuer - die Kosten des Verfahrens für jeden Patienten werden in Hunderttausenden von Dollar gemessen. Zweitens ist die Implantation von Elektroden in den Kortex immer noch eine schwerwiegende neurochirurgische Operation mit allen möglichen Komplikationen und Schäden am Nervengewebe um das Implantat herum. Drittens ist die Technologie selbst nicht perfekt - es ist nicht klar, was mit der Gewebeverträglichkeit von Implantaten zu tun ist und wie deren Verschmutzung mit Glia verhindert werden kann, wodurch das gewünschte Signal mit der Zeit nicht mehr aufgezeichnet wird. Darüber hinaus kann das Erlernen des Gebrauchs eines Implantats für jeden Patienten mehr als ein Jahr dauern.

Sie können die Drähte nicht tief in die Rinde stecken, sondern vorsichtig darauf legen - Sie erhalten ein Elektrokortikogramm. Hier kann das Signal einzelner Neuronen nicht mehr registriert werden, aber Sie können die Aktivität sehr kleiner Bereiche sehen (die allgemeine Regel lautet, je weiter von den Neuronen entfernt, desto schlechter ist die räumliche Auflösung der Methode). Die Invasivität ist geringer, Sie müssen den Schädel jedoch noch öffnen, sodass diese Methode hauptsächlich zur Überwachung während der Operation verwendet wird.

Sie können Drähte nicht einmal auf die Kortikalis legen, sondern auf die Dura (den dünnen Schädel, der sich zwischen dem Gehirn und dem echten Schädel befindet). Hier ist der Grad an Invasivität und möglichen Komplikationen noch geringer, aber das Signal ist immer noch von ziemlich hoher Qualität. Es wird sich ein epidurales EEG herausstellen. Die Methode ist für alle gut, hier ist jedoch noch eine Operation erforderlich.

Schließlich ist eine minimalinvasive Methode zur Untersuchung der elektrischen Aktivität des Gehirns ein Elektroenzephalogramm, nämlich das Aufzeichnen unter Verwendung von Elektroden, die sich auf der Oberfläche des Kopfes befinden. Die Methode ist die am weitesten verbreitete, relativ kostengünstige (Top-End-Geräte kosten nicht mehr als mehrere Zehntausend US-Dollar und die meisten sind um ein Vielfaches billiger, Verbrauchsmaterialien sind fast kostenlos) und hat die höchste zeitliche Auflösung von nicht-invasiven Methoden - Sie können die Wahrnehmungsprozesse untersuchen, die einige Millisekunden dauern. Nachteile - Geringe räumliche Auflösung und verrauschtes Signal, das jedoch für einige medizinische und Neuro-Interface-Zwecke ausreichende Informationen enthält.

Auf dem Bild mit dem Aktionspotential ist zu sehen, dass die Kurve zwei Hauptteile aufweist - nämlich das Aktionspotential (großer Peak) und das synaptische Potential (kleine Änderung der Amplitude vor dem großen Peak). Es wäre logisch anzunehmen, dass das, was wir auf der Oberfläche des Kopfes registrieren, die Summe der Aktionspotentiale einzelner Neuronen ist. In der Realität funktioniert jedoch alles andersherum - das Aktionspotential dauert etwa 1 Millisekunde und geht trotz seiner hohen Amplitude nicht durch den Schädel und die Weichteile, aber die synaptischen Potentiale werden aufgrund ihrer längeren Dauer gut zusammengefasst und auf der Oberfläche des Schädels aufgezeichnet. Dies wurde durch gleichzeitiges Aufzeichnen mit invasiven und nicht-invasiven Methoden nachgewiesen. Es ist auch wichtig, dass die Aktivität nicht jedes Neurons mittels EEG aufgezeichnet werden kann (mehr Details hier ).

Es ist wichtig, dass sich im Gehirn ungefähr 86 Milliarden Nervenzellen befinden (wie kann dies mit einer solchen Genauigkeit berechnet werden, lesen Sie hier ), und die Aktivität eines Neurons in einem solchen Rauschen kann nicht gezählt werden. Einige Informationen können jedoch weiterhin abgerufen werden. Stellen Sie sich vor, Sie stehen in der Mitte eines Fußballstadions. Während die Fans nur Lärm machen und sich unterhalten, hört man ein stetes Summen, aber sobald auch nur ein kleiner Teil der Anwesenden anfängt, einen Gesang zu singen, ist dies bereits recht deutlich zu hören. Ebenso bei Neuronen - auf der Oberfläche des Schädels können Sie nur dann ein aussagekräftiges Signal sehen, wenn sofort eine große Anzahl von Neuronen eine synchrone Aktivität zeigt. Für das nicht-invasive EEG sind dies ungefähr 50.000 synchron arbeitende Neuronen.

Zum ersten Mal wurde die Idee, die Spannung am Kopf einer Person zu messen, 1924 von einer ziemlich interessanten Person verwirklicht. Die erste EEG-Aufzeichnung sah folgendermaßen aus:

Es ist schwer zu verstehen, was dieses Signal bedeutet, aber es ist sofort klar, dass es nicht wie weißes Rauschen aussieht - Spindeln mit Schwingungen hoher Amplitude und unterschiedlichen Frequenzen sind darin erkennbar. Dieser Alpha-Rhythmus ist der auffälligste Gehirnrhythmus, der mit bloßem Auge gesehen werden kann.

Nun werden EEG-Rhythmen natürlich nicht mehr mit dem Auge analysiert, sondern mit mathematischen Methoden, von denen die einfachsten spektral sind.

Streifen-Fourier-Spektrum des Elektroenzephalogramms ( Quelle )

Insgesamt gibt es mehrere Bänder, in denen die rhythmische Aktivität des EEG üblicherweise analysiert wird, hier die beliebtesten:

8-14 Hz - Alpha-Rhythmus. Präsentiert hauptsächlich im Hinterkopfbereich. Erhöht sich stark beim Schließen der Augen, wird auch bei psychischem Stress unterdrückt und steigt bei Entspannung. Dieser Rhythmus entsteht, wenn die Erregung zwischen Kortex und Thalamus zirkuliert. Der Thalamus ist eine Art Router, der entscheidet, wie eingehende Informationen an die Hirnrinde weitergeleitet werden. Wenn eine Person die Augen schließt und nichts zu tun hat, erzeugt sie Hintergrundaktivität, die einen Alpha-Rhythmus in der Hirnrinde hervorruft. Darüber hinaus spielt das Netzwerk für den Standardmodus eine wichtige Rolle - ein Netzwerk von Strukturen, die im stillen Wachzustand aktiv sind. Dies ist jedoch ein Thema für einen separaten Artikel.

Eine Art Alpha-Rhythmus, mit dem man sich leicht verwechseln kann, ist Mu-Rhythmus. Es hat ähnliche Eigenschaften, wird jedoch in den zentralen Bereichen des Kopfes aufgezeichnet, in denen sich die motorische Kortikalis befindet. Ein wichtiges Merkmal ist, dass seine Kraft abnimmt, wenn eine Person ihre Gliedmaßen bewegt oder sogar darüber nachdenkt, wie es geht.

14-30 Hz - Beta-Rhythmus. Stärker ausgeprägt in den Frontallappen des Gehirns. Steigert sich mit psychischem Stress.

30+ Hz - Gammarhythmus. Es kann irgendwo im Gehirn sein, aber das meiste, was von der Oberfläche aufgezeichnet werden kann, kommt von den Muskeln. Wir haben folgendes herausgefunden :

Es ist notwendig, die Muskelaktivität aus dem Kopf zu entfernen, um das EEG mit und ohne Muskeln aufzuzeichnen. Leider gibt es keine einfache Möglichkeit, die Muskeln am Kopf zu deaktivieren, ohne sie im gesamten Körper zu trennen. Wir nehmen einen Wissenschaftler (niemand würde so etwas zustimmen), pumpen ihn mit einem Muskelrelaxans, wodurch alle Muskeln getrennt werden. Das Problem ist, wenn Sie alle Muskeln ausschalten, einschließlich des Zwerchfells und des Interkostals, kann er nicht atmen. Lösung - stellen Sie es auf ein Beatmungsgerät. Das Problem ist, dass er nicht einmal ohne Muskeln sprechen kann. Lösung - wir legen ihm ein Tourniquet auf den Arm, damit der Muskelrelaxant nicht dort hinfällt, dann kann er mit diesem Arm Signale geben. Das Problem ist, wenn Sie das Experiment festziehen, fällt die Hand ab. Lösung - Wir brechen das Experiment ab, wenn der Wissenschaftler seine Hand nicht mehr spürt, und hoffen, dass alles gut ausgeht. Das Ergebnis - ein Anteil im EEG-Frequenzspektrum von mehr als 20 Hz vor dem Hintergrund von Muskelrelaxans wird 10-200-mal geringer, je höher die Frequenz, desto höher der Abfall.

1-4 Hz - Delta-Rhythmus. Während der Phase ausgedrückt, steigt plötzlich der Delta-Schlaf (der tiefste Schlaf) ebenfalls mit dem Stress an.

Neben der rhythmischen Aktivität gibt es auch eine evozierte Aktivität im EEG. Wenn wir sicher wissen, zu welchem ​​Zeitpunkt wir einer Person einen Anreiz zeigen (es kann sich um ein Bild, einen Ton, ein Tastempfinden oder sogar einen Geruch handeln ), können wir sehen, wie wir auf diesen bestimmten Anreiz reagiert haben. Das Signal-Rausch-Verhältnis einer solchen Reaktion in Bezug auf das Hintergrund-EEG ist eher gering. Wenn wir jedoch den Reiz anzeigen, der beispielsweise 10-mal das EEG in Bezug auf den Präsentationszeitpunkt und den Mittelwert schneidet, können wir sehr detaillierte Kurven erhalten, die als evozierte Potentiale bezeichnet werden (nicht zu verwechseln mit Potentialen) Aktionen).

Dies ist das hervorgerufene Klangpotential. Wir überlassen die Details den Psychophysiologen - hier genügt es uns zu verstehen, dass jedes Extrem etwas bedeutet. Bei ausreichender Mittelung sind die Reaktionen der Strukturen sichtbar, beginnend vom Hörnerv (I) bis zum assoziativen Kortex (P2).

Was kann man mit ihr machen?

Sie können eine Menge Dinge tun, aber heute werden wir uns auf Neurocomputer-Schnittstellen konzentrieren. Hierbei handelt es sich um Echtzeit-EEG-Analysesysteme, mit denen Befehle ohne die Hilfe von Muskeln an einen Computer oder Roboter gesendet werden können - die der Telekinese, die die moderne Wissenschaft bieten kann, am nächsten kommt.

Das offensichtlichste, was mir einfällt, ist, eine Schnittstelle für rhythmische Aktivitäten zu erstellen. Wir erinnern uns, dass der Alpha-Rhythmus klein ist, wenn eine Person angespannt ist, und viel, wenn sie entspannt ist? Also entspann dich. Wir schreiben das EEG, machen die Fourier-Transformation, wenn die Leistung im Fenster um 10 Hertz eine bestimmte Schwelle überschreitet, schalten Sie die Glühbirne ein - dies ist Computersteuerung durch die Kraft des Denkens. Mit demselben Prinzip können Sie möglicherweise andere Rhythmen steuern. Aufgrund der Einfachheit und des Anspruchs an die Ausrüstung sind viele Spielzeuge aufgetaucht, die nach diesem Prinzip funktionieren - Neurosky , Emotiv , Tausende von ihnen. Wenn Sie sich anstrengen, kann eine Person im Prinzip lernen, in den richtigen Zustand zu gelangen, der korrekt klassifiziert wird. Das Problem bei Consumer-Geräten besteht darin, dass sie häufig kein Signal mit sehr hoher Qualität schreiben und keine Artefakte von den Bewegungen der Augen- und Gesichtsmuskeln subtrahieren können. Infolgedessen gibt es eine echte Gelegenheit zu lernen, wie man Muskeln und Augen und nicht das Gehirn kontrolliert (und das Unterbewusstsein funktioniert so, dass es umso schlimmer wird, je mehr Sie versuchen, dies nicht zu tun). Darüber hinaus ist das Signal-Rausch-Verhältnis in den Rhythmen ziemlich niedrig und die Schnittstelle ist langsam und ungenau (wenn Sie den Zustand mit einer Genauigkeit von mehr als 70% richtig erraten können - dies ist bereits eine Errungenschaft). Ja, und die wissenschaftliche Grundlage des Staates, abgesehen von Entspannung und Konzentration, um es milde auszudrücken, ist instabil. Bei richtiger Implementierung kann das Verfahren jedoch seine Anwendung haben.

Eine wichtige Untergruppe von Schnittstellen zu Rhythmen ist die Darstellung von Bewegungen. Hier wird der Mensch aufgefordert, sich nicht etwas abstrakt Entspannendes vorzustellen, sondern etwa die Bewegung der rechten Hand abzubilden. Wenn Sie es richtig machen (und das Erlernen der richtigen Präsentation ist schwierig), können Sie eine Abnahme des mu-Rhythmus in der linken Hemisphäre feststellen. Die Genauigkeit solcher Schnittstellen liegt ebenfalls bei etwa 70%. Sie werden jedoch in Simulatoren zur Wiederherstellung nach Schlaganfällen und Verletzungen verwendet , einschließlich der Verwendung verschiedener Exoskelette. Sie werden daher weiterhin benötigt.

Eine weitere Klasse von EEG-Neurointerfaces basiert auf der Verwendung von evozierten Aktivitäten aller Art. Diese Schnittstellen sind sehr zuverlässig, und eine erfolgreiche Kombination von Umständen nähert sich 100%.

Die beliebteste Form neuronaler Schnittstellen ist das Potenzial des P300. Es entsteht, wenn eine Person versucht, einen Stimulus unter vielen unnötigen herauszusuchen.

Wenn wir hier beispielsweise versuchen zu berechnen, wie oft der Buchstabe „A“ aufleuchtet und gleichzeitig nicht auf alle anderen achten, sehen wir als Reaktion auf diesen Stimulus bei der Mittelung eine rote Linie und bei der Mittelung aller anderen eine blaue Linie. Der Unterschied zwischen ihnen ist mit bloßem Auge erkennbar, und es ist nicht schwierig, den Klassifikator zu trainieren, der sie unterscheidet.

Solche Schnittstellen sind normalerweise nicht sehr schön und nicht sehr schnell (das Drucken eines einzelnen Buchstabens dauert etwa 10 Sekunden), können jedoch für vollständig gelähmte Patienten nützlich sein.

Darüber hinaus enthält IMC-P300 eine kognitive Komponente. Es reicht nicht aus, nur einen Buchstaben zu betrachten, sondern er muss aktiv beachtet werden. Dies ermöglicht es unter bestimmten Umständen, sehr interessante Spiele zu dieser Technologie zu machen (dies ist jedoch ein Thema für einen anderen Artikel).

Aufgrund der Tatsache, dass P300 ein kognitives Potential ist, ist es für ihn nicht sehr wichtig, was einem Menschen tatsächlich gezeigt wird, die Hauptsache ist, dass er darauf reagieren kann. Infolgedessen funktioniert die Benutzeroberfläche auch dann, wenn sich die Buchstaben an einer Stelle ersetzen - dies ist nützlich für Patienten, die ihre Augen nicht bewegen können.

Es gibt andere interessante evozierte Potentiale, insbesondere SSVEP (ZVPUS) - Potentiale eines stabilen Zustands. Wenn Sie nach Analogien im Bereich der Kommunikation suchen, funktioniert das P300 wie ein Walkie-Talkie - die Signale von verschiedenen Stimuli werden durch die Zeit getrennt, und SSVEP ist ein klassisches FDMA - Trennung durch die Trägerfrequenz, wie bei der GSM-Kommunikation.

Es ist notwendig, einer Person mehrere Reize zu zeigen, die mit unterschiedlichen Frequenzen blinken. Bei der Auswahl eines Stimulus genügt es, ihn sorgfältig zu betrachten, und nach einigen Sekunden erscheint seine Frequenz auf magische Weise im visuellen Kortex, von wo aus sie durch Korrelation oder spektrale Methoden herausgezogen werden kann. Dies ist schneller und einfacher als das Lesen der Buchstaben für das P300, aber es ist schwierig, ein solches Blinken für eine lange Zeit zu sehen.

Wo es FDMA gibt, gibt es den Ort von CDMA:

Grau ist die Binärsequenz, Farbe ist die Aktivität, die von allen Kanälen verursacht wird, die Karte ist die Verteilung des Potentials im EEG. Es ist zu sehen, dass das Maximum am Hinterkopf in den Sehbereichen liegt

Es ist möglich, das Blinken von Reizen nicht nach Frequenzen und Phasen, sondern nach orthogonalen Binärsequenzen zu modulieren, die ebenfalls in den visuellen Kortex gelangen und mittels Korrelationsanalyse klassifiziert werden. Dies kann dazu beitragen, das Klassifizierertraining ein wenig zu optimieren und die Benutzeroberfläche zu beschleunigen - ein Buchstabe kann weniger als 2 Sekunden dauern. Aufgrund der erfolgreichen Auswahl der Farben können Sie die Benutzeroberfläche etwas weniger vyrviglaznym machen, obwohl das Blinken vollständig beseitigt wird. Leider ist die kognitive Komponente hier nicht so ausgeprägt - das Verfolgen von Augenbewegungen liefert vergleichbare Ergebnisse, ist jedoch technisch einfacher, billiger und bequemer.

Wenn ich darüber spreche, wie gut diese oder andere Arten von Schnittstellen funktionieren können, muss ich ständig mit einem Signal-Rausch-Verhältnis arbeiten. In der Tat haben die evozierten Potentiale eine niedrige Amplitude von ungefähr 5 Mikrovolt, obwohl der Hintergrund-Alpha-Rhythmus leicht eine Amplitude von 20 haben kann. Ein derart schwaches Signal scheint ziemlich schwierig zu klassifizieren, aber tatsächlich ist es ziemlich einfach, wenn das Experiment richtig und korrekt durchgeführt wird gut um das EEG aufzunehmen. Mittlerweile konzentriert sich die akademische Forschung hauptsächlich auf das Erfinden neuer Klassifikatoren, einschließlich der Verwendung neuronaler Netze. Mit den einfachsten linearen Klassifikatoren von scikit-learn kann jedoch bereits ein recht gutes Niveau erreicht werden. Zum Beispiel ist hier ein guter Datensatz mit P300 und Code.

Neurocomputer-Schnittstellen - eine sich entwickelnde Technologie, die vor allem für einen unvorbereiteten Menschen wie Zauberei aussieht. In Wirklichkeit ist dies jedoch eine Methode, bei der es viele nicht offensichtliche Schwierigkeiten gibt. Wie bei jeder Technologie besteht auch hier das Geheimnis darin, alle Einschränkungen zu berücksichtigen und Anwendungsbereiche zu finden, in denen diese Einschränkungen die Arbeit nicht beeinträchtigen.