DOI: https://doi.org/10.1088/1741-2552/ae668e
PMID: https://pubmed.ncbi.nlm.nih.gov/42055012
تاريخ النشر: 2026-04-29
المؤلف: Alberto Arturo Vergani وآخرون
الموضوع الرئيسي: دراسات التحفيز المغناطيسي عبر الجمجمة
نظرة عامة
تبحث الدراسة في التحديات التي تطرحها الآثار السعوية في التحفيز المغناطيسي عبر الجمجمة (TMS) المدمج مع تخطيط الدماغ الكهربائي (EEG)، والتي يمكن أن تعيق إمكانيات TMS المستحثة (TEPs). تؤكد الدراسة على أهمية تصحيح الإشارة، خاصة عندما لا يمكن تحقيق ظروف تسجيل مثالية. تقيم الدراسة طرق إزالة الاتجاه المختلفة، بما في ذلك الطرق ذات النوافذ وغير ذات النوافذ، للتخفيف بفعالية من هذه الآثار. تكشف النتائج أنه بينما يعد تحليل المكونات المستقلة (ICA) مفيدًا للآثار الخفيفة، إلا أنه أقل فعالية في الحالات المتوسطة إلى الشديدة. بالمقابل، يظهر إزالة الاتجاه متعدد الحدود ذو النوافذ أداءً متفوقًا في إدارة الآثار الشديدة بسبب قابليته للتكيف مع أشكال الآثار المعقدة.
تسلط الاستنتاجات الضوء على أن الأجهزة المتوافقة مع TMS والمراقبة الدقيقة عبر الإنترنت ضرورية لتقليل الآثار. ومع ذلك، عندما لا يتم الوفاء بهذه الشروط، تصبح طرق التصحيح الموثوقة غير المتصلة، وخاصة إزالة الاتجاه ذو النوافذ، ضرورية لتفسير TEP بدقة. تؤكد الدراسة على أهمية استراتيجيات المعالجة المسبقة القوية، حيث يمكن أن تؤثر بشكل كبير على TEP الناتجة. تدعو إلى اعتماد طرق تصحيح الآثار القياسية لتعزيز موثوقية الاختبار وإمكانية المقارنة عبر الدراسات، خاصة في التطبيقات السريرية حيث تعتبر العلامات الحيوية العصبية الدقيقة حاسمة لتشخيص ومراقبة الاضطرابات العصبية والنفسية العصبية.
مقدمة
تناقش مقدمة ورقة البحث دمج التحفيز المغناطيسي عبر الجمجمة (TMS) مع تخطيط الدماغ الكهربائي (EEG) لتقييم الخصائص القشرية بشكل غير جراحي من خلال إمكانيات TMS المستحثة (TEPs). على الرغم من إمكانياته، فإن الحصول على TEPs نظيفة يعوقه العديد من الآثار الناتجة عن توصيل نبضات TMS، والتي تصنف إلى أنواع فسيولوجية وغير فسيولوجية. تشمل الآثار الفسيولوجية استجابات مثل غمزات العين وتقلصات العضلات القحفية، بينما تنشأ الآثار غير الفسيولوجية من التفاعلات بين نبض TMS وأجهزة EEG، بما في ذلك آثار النبضات والتيارات الدوامية. تسلط الورقة الضوء على عدم كفاية طرق تصحيح الآثار الحالية، خاصة في حالات الآثار السعوية الشديدة التي يمكن أن تهيمن على إشارة EEG.
لمعالجة هذه التحديات، يقترح المؤلفون نهجًا جديدًا يستخدم استراتيجيات إزالة الاتجاه ذات النوافذ التي تفصل الإشارة إلى مراحل الارتفاع والانخفاض، والتي يجادلون بأنها تعزز دقة تصحيح الآثار مقارنة بالطرق التقليدية غير ذات النوافذ. تهدف الدراسة إلى إثبات أن هذا التقسيم يسمح بتقدير أفضل للمعلمات وإزالة الآثار، خاصة تحت الديناميات غير الخطية. كما يحدد المؤلفون منهجيتهم لجمع البيانات والمعالجة المسبقة، مؤكدين على أهمية الحفاظ على سلامة الإشارة مع التخفيف من تأثير الآثار السعوية الشديدة على تحليل TEP.
طرق
في هذا القسم، يقيم المؤلفون فعالية ثلاث استراتيجيات لتصحيح الآثار—تحليل المكونات المستقلة (ICA)، إزالة الاتجاه ثنائية الأسية غير ذات النوافذ، وإزالة الاتجاه متعدد الحدود ذو النوافذ—على مجموعات بيانات ملوثة بشدة (D5-D7). تكشف التحليلات أن إزالة الاتجاه ذو النوافذ تتفوق باستمرار على الطرق الأخرى، خاصة في إدارة الآثار والحفاظ على شكل الإشارة. على سبيل المثال، في مجموعة البيانات D5 (المرحلة 2)، حافظت إزالة الاتجاه ذو النوافذ على الشكل العام بينما حسنت من سلامة السعة مقارنة بإزالة الاتجاه غير ذات النوافذ. في مجموعة البيانات D6 (المرحلة 3)، نجحت في كبح الآثار واستعادة استجابة مبكرة قابلة للتعرف، على عكس النهج غير ذو النوافذ، الذي فشل في إعادة بناء الملف المتوقع للإشارة.
في مجموعة البيانات D7 (المرحلة 4)، قللت إزالة الاتجاه ذو النوافذ بشكل كبير من الانجراف نحو الأسفل واستعادت جزئيًا كل من المكونات التذبذبية المبكرة والمتأخرة، على الرغم من بعض فقدان السعة. يشير المؤلفون إلى أن جميع نتائج إزالة الاتجاه تم تحقيقها دون تطبيق ICA مسبق، مما يشير إلى أن نهجًا هجينًا يجمع بين الطريقتين يمكن أن يعزز جودة إمكانيات الزمن-الحدث (TEPs) بشكل أكبر. بشكل عام، تؤكد النتائج على قوة ومرونة إزالة الاتجاه ذو النوافذ في تصحيح الآثار الشديدة، مما يجعلها خيارًا متفوقًا للحفاظ على الشكل العصبي الفسيولوجي في التسجيلات الملوثة.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في الظواهر الملاحظة، مما يدعم الفرضيات الأولية المقترحة في الدراسة.
علاوة على ذلك، يتضمن القسم تمثيلات رسومية للبيانات، توضح العلاقات والأنماط المحددة. تعزز هذه المساعدات البصرية من فهم النتائج، مما يبرز العتبات الحرجة والتفاعلات بين المتغيرات. بشكل عام، تسهم النتائج في تقديم رؤى قيمة حول موضوع البحث، مما يمهد الطريق لمزيد من التحقيق والتطبيقات المحتملة في المجال المعني.
مناقشة
في هذه الدراسة، قمنا بتقييم فعالية تقنيات إزالة الاتجاه المختلفة لتصحيح الآثار السعوية في بيانات TMS-EEG. تشير نتائجنا إلى أن إزالة الاتجاه ذو النوافذ، التي نمذجة مراحل الارتفاع والانخفاض للآثار السعوية بشكل منفصل باستخدام دوال متعددة الحدود، تتفوق بشكل كبير على كل من إزالة الاتجاه غير ذات النوافذ وتحليل المكونات المستقلة (ICA) من حيث إعادة بناء الإشارة والحفاظ على الشكل العصبي. على وجه الخصوص، قدمت النماذج متعددة الحدود دقة ملائمة أفضل مقارنة بالنماذج الأسية، خاصة في التقاط الديناميات غير الخطية للآثار. أظهر تحليل المكونات غير الدورية أيضًا أن إزالة الاتجاه ذو النوافذ قللت بفعالية من الانحرافات والأسس الحادة، مما جعل الخصائص الطيفية أقرب إلى المعايير الفسيولوجية.
كما حددنا أن شدة الآثار السعوية تتأثر بتكوينات الأجهزة، حيث كانت بعض أغطية EEG والمضخمات أكثر عرضة لتوليد هذه الآثار. وُجد أن الآثار كانت مركزة للغاية، تؤثر فقط على عدد محدود من القنوات بالقرب من موقع التحفيز، مما يعقد تفسير مكونات TEP المبكرة الحاسمة لتقييم الاستثارة القشرية. تؤكد نتائجنا على أهمية استخدام أجهزة متوافقة مع TMS وخوارزميات تصحيح قوية غير متصلة، مثل إزالة الاتجاه ذو النوافذ، لتعزيز جودة وموثوقية بيانات TMS-EEG. هذا النهج ضروري بشكل خاص في البيئات السريرية حيث تعتبر العلامات الحيوية العصبية الدقيقة ضرورية لتشخيص ومراقبة الاضطرابات النفسية العصبية.
DOI: https://doi.org/10.1088/1741-2552/ae668e
PMID: https://pubmed.ncbi.nlm.nih.gov/42055012
Publication Date: 2026-04-29
Author(s): Alberto Arturo Vergani et al.
Primary Topic: Transcranial Magnetic Stimulation Studies
Overview
The research investigates the challenges posed by capacitive artifacts in Transcranial Magnetic Stimulation (TMS) combined with electroencephalography (EEG), which can obscure TMS-evoked potentials (TEPs). The study emphasizes the importance of signal correction, particularly when optimal recording conditions are not achievable. It evaluates various detrending methods, including windowed and non-windowed approaches, to effectively mitigate these artifacts. The findings reveal that while Independent Component Analysis (ICA) is useful for mild artifacts, it is less effective for moderate to severe cases. In contrast, windowed polynomial detrending demonstrates superior performance in managing extreme artifacts due to its adaptability in fitting complex artifact shapes.
The conclusions highlight that optimal TMS-compatible hardware and rigorous online monitoring are crucial for minimizing artifacts. However, when these conditions are not met, reliable offline correction methods, particularly windowed detrending, become essential for accurate TEP interpretation. The study underscores the significance of robust preprocessing strategies, as they can significantly influence the resulting TEPs. It advocates for the adoption of standardized artifact correction methods to enhance test-retest reliability and comparability across studies, particularly in clinical applications where accurate neural biomarkers are critical for diagnosing and monitoring neurological and neuropsychiatric disorders.
Introduction
The introduction of the research paper discusses the integration of transcranial magnetic stimulation (TMS) with electroencephalography (EEG) to non-invasively assess cortical properties through TMS-evoked potentials (TEPs). Despite its potential, the acquisition of clean TEPs is hindered by various artifacts resulting from TMS pulse delivery, which are categorized into physiological and non-physiological types. Physiological artifacts include responses such as eye blinks and cranial muscle contractions, while non-physiological artifacts stem from interactions between the TMS pulse and EEG hardware, including pulse artifacts and eddy currents. The paper highlights the inadequacy of current artifact correction methods, particularly in cases of extreme capacitive artifacts that can dominate the EEG signal.
To address these challenges, the authors propose a novel approach utilizing windowed detrending strategies that separate the signal into rise and decay phases, which they argue enhances the accuracy of artifact correction compared to traditional non-windowed methods. The study aims to demonstrate that this segmentation allows for better parameter estimation and artifact removal, particularly under non-linear dynamics. The authors also outline their methodology for data collection and preprocessing, emphasizing the importance of maintaining signal integrity while mitigating the impact of extreme capacitive artifacts on TEP analysis.
Methods
In this section, the authors evaluate the effectiveness of three artifact correction strategies—Independent Component Analysis (ICA), non-windowed bi-exponential detrending, and windowed polynomial detrending—on severely contaminated datasets (D5-D7). The analysis reveals that windowed detrending consistently outperforms the other methods, particularly in managing artifacts and preserving signal morphology. For instance, in dataset D5 (Stage 2), windowed detrending maintained the overall morphology while improving amplitude integrity compared to non-windowed detrending. In dataset D6 (Stage 3), it successfully suppressed artifacts and recovered a recognizable early-phase response, unlike the non-windowed approach, which failed to reconstruct the expected signal profile.
In dataset D7 (Stage 4), windowed detrending significantly reduced downward drift and partially recovered both early and late oscillatory components, despite some amplitude loss. The authors note that all detrending results were achieved without prior ICA application, suggesting that a hybrid approach combining both methods could further enhance the quality of Time-Event Potentials (TEPs). Overall, the findings underscore the robustness and flexibility of windowed detrending in correcting severe artifacts, making it a superior choice for preserving neurophysiological morphology in contaminated recordings.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the variables studied, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the results demonstrate a clear trend in the observed phenomena, supporting the initial hypotheses proposed in the study.
Furthermore, the section includes graphical representations of the data, illustrating the relationships and patterns identified. These visual aids enhance the understanding of the results, highlighting critical thresholds and interactions among the variables. Overall, the findings contribute valuable insights into the research topic, paving the way for further investigation and potential applications in the relevant field.
Discussion
In this study, we evaluated the efficacy of various detrending techniques for correcting capacitive artifacts in TMS-EEG data. Our findings indicate that windowed detrending, which models the rise and decay phases of capacitive effects separately using polynomial functions, significantly outperforms both non-windowed detrending and independent component analysis (ICA) in terms of signal reconstruction and preservation of neural morphology. Specifically, polynomial models provided superior fitting accuracy compared to exponential models, particularly in capturing the nonlinear dynamics of the artifacts. The analysis of aperiodic components further demonstrated that windowed detrending effectively reduced offsets and steep exponents, aligning the spectral characteristics closer to physiological norms.
We also identified that the severity of capacitive artifacts is influenced by hardware configurations, with certain EEG caps and amplifiers being more prone to generating these artifacts. The artifacts were found to be highly focal, affecting only a limited number of channels near the stimulation site, which complicates the interpretation of early TEP components critical for assessing cortical excitability. Our results emphasize the importance of employing optimal TMS-compatible hardware and robust offline correction algorithms, such as windowed detrending, to enhance the quality and reliability of TMS-EEG data. This approach is particularly vital in clinical settings where accurate neural biomarkers are essential for diagnosing and monitoring neuropsychiatric disorders.