DOI: https://doi.org/10.1007/s10548-024-01098-4
PMID: https://pubmed.ncbi.nlm.nih.gov/39904902
تاريخ النشر: 2025-02-04
المؤلف: Fiorenzo Artoni وآخرون
الموضوع الرئيسي: تخطيط الدماغ وواجهات الدماغ-الكمبيوتر
نظرة عامة
تناقش هذه القسم الاستخدام المتزايد لحالات الميكروكهربائية (EEG) لتحليل الديناميات الزمنية لشبكات الدماغ الكبيرة على دقة مللي ثانية. لقد عززت هذه الأبحاث الفهم لتنظيم الدماغ الوظيفي أثناء الراحة وتغيراته في مختلف الاضطرابات العصبية والنفسية. ومع ذلك، فإن التباين في استراتيجيات إزالة العوامل عبر الدراسات يثير القلق بشأن قابلية تعميم و مقارنة نتائج حالات الميكرو.
هدفت الدراسة إلى تقييم موثوقية استخراج حالات الميكرو واستقرار ميزات حالات الميكرو بالنسبة لاستراتيجيات معالجة EEG المختلفة باستخدام تحليل المكونات المستقلة (ICA) لإزالة العوامل. تم استخدام مجموعة بيانات EEG لحالة الراحة الطبيعية، حيث كان المشاركون يتناوبون بين حالات العين المفتوحة (EO) والعين المغلقة (EC). تم اختبار أربع استراتيجيات معالجة: (i) عدم معالجة ICA، (ii) إزالة العوامل البصرية فقط، (iii) إزالة جميع العوامل الفسيولوجية وغير الفسيولوجية المحددة، و (iv) الاحتفاظ فقط بالمكونات المستقلة المحددة للدماغ (ICs). أشارت النتائج إلى أن إهمال إزالة العوامل البصرية قد أثر بشكل كبير على استقرار معايير تقييم حالات الميكرو وتضاريسها، بينما قلل أيضًا من القوة الإحصائية لمقارنات EO/EC. على العكس، لم تظهر طرق المعالجة الأكثر عدوانية تأثيرات بارزة. تشير النتائج إلى أنه مع بيانات عالية الجودة وإزالة مناسبة للعوامل البصرية، يمكن أن تعكس ميزات حالات الميكرو بشكل موثوق البيانات الفسيولوجية المتعلقة بالدماغ، مما يدعم تطوير عمليات استخراج حالات الميكرو الآلية.
مقدمة
تناقش مقدمة هذه الورقة البحثية المجال المتنامي لحالات الميكروكهربائية (EEG)، التي اكتسبت زخمًا لتطبيقاتها المحتملة في تشخيص ومراقبة الاضطرابات النفسية. تمثل حالات الميكرو أنماطًا قصيرة ومستقرة من نشاط الدماغ يمكن تحليلها على مقياس مللي ثانية، مما يكشف عن الديناميات الزمنية لشبكات الدماغ الكبيرة. تسلط الورقة الضوء على استخدام تحليل التجميع k-means لحساب تضاريس حالات الميكرو وتؤكد على تحديد حالات الميكرو الكانونية عبر الدراسات، على الرغم من التباين التضاريسي الملحوظ المنسوب إلى عوامل مثل اختيار الخوارزمية وتقنيات المعالجة المسبقة.
تركيز كبير في المقدمة هو على دور تحليل المكونات المستقلة (ICA) في إزالة العوامل من بيانات EEG، وهو أمر حاسم لاستخراج حالات الميكرو بدقة. توضح الورقة التحديات المختلفة المرتبطة بـ ICA، بما في ذلك الضوضاء من جمع البيانات والقيود الخوارزمية، والتي يمكن أن تعيق تحديد المكونات المستقلة الموثوقة (ICs). كما تقدم استراتيجيات مختلفة لإزالة IC، تتراوح من الحد الأدنى من المعالجة المسبقة إلى طرق التصفية الأكثر عدوانية، وتلاحظ غياب الإرشادات الموحدة لإزالة IC المثلى في تحليل حالات الميكرو. الهدف الرئيسي من الدراسة هو تقييم موثوقية استخراج حالات الميكرو عبر هذه الأربع استراتيجيات معالجة ICA باستخدام مجموعة بيانات EEG لحالة الراحة الطبيعية، حيث يتناوب المشاركون بين حالات العين المفتوحة والعين المغلقة.
الطرق
استخدمت الدراسة عينة من 227 مشاركًا، مقسمة إلى بالغين أصغر سنًا (N = 153، متوسط العمر 25.1 سنة) وبالغين أكبر سنًا (N = 74، متوسط العمر 67.6 سنة)، تم تجنيدهم للدراسة في لايبزيغ لتفاعل العقل والجسد والعاطفة في معهد ماكس بلانك. خضع المشاركون لفحوصات طبية ونفسية شاملة، وقدموا موافقة مستنيرة، وتم تعويضهم عن مشاركتهم. تمت جمع البيانات وفقًا للمعايير الأخلاقية الموضحة في إعلان هلسنكي، مع موافقة من لجنة الأخلاقيات بجامعة لايبزيغ (المرجع #154/13-ff).
تم إجراء تسجيلات EEG لحالة الراحة في بيئة خاضعة للرقابة، حيث تناوب المشاركون بين حالات العين المغلقة والعين المفتوحة عبر 16 كتلة مدتها دقيقة واحدة. خلال حالة العين المغلقة، تم توجيه المشاركين للبقاء مستيقظين، بينما في حالة العين المفتوحة، كان عليهم التركيز على صليب أسود على خلفية بيضاء. تم التقاط بيانات EEG باستخدام قبعة أقطاب كهربائية نشطة مكونة من 62 قناة مرتبة وفقًا للنظام الدولي 10-10، مع قطب إضافي لحركة العين الرأسية (vEOG). تم إجراء التسجيلات باستخدام مضخم BrainAmp MR plus بمعدل أخذ عينات 2500 هرتز، مما يضمن دقة عالية في السعة وتصفية مناسبة بين 0.015 هرتز و 1 كيلو هرتز.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط قوي بين المتغيرات قيد التحقيق، حيث تكشف التحليلات الإحصائية عن قيم p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة.
علاوة على ذلك، تظهر النتائج أن النموذج المقترح يتنبأ بدقة بسلوك النظام، كما يتضح من قيمة معامل التحديد العالية ($R^2$)، مما يشير إلى توافق جيد مع البيانات الملاحظة. تعزز التحليلات الإضافية، مثل اختبارات الحساسية، من قوة هذه النتائج، مؤكدة أن النتائج متسقة عبر ظروف وافتراضات مختلفة.
بشكل عام، تساهم النتائج في الجسم الحالي من المعرفة من خلال تقديم أدلة تجريبية تدعم الإطار النظري المقترح في الدراسة، مما يمهد الطريق لأبحاث مستقبلية في هذا المجال.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على تأثير استراتيجيات المعالجة المختلفة على استخراج واستقرار حالات الميكرو EEG. تضمنت سلسلة معالجة البيانات تصفية عالية التردد ومنخفضة التردد، وتحليل المكونات المستقلة (ICA) لإزالة العوامل، واستخراج حالات الميكرو من خلال تقنيات التجميع. تم تقييم أربع حالات معالجة: RAW (عدم إزالة IC)، EYES (إزالة العوامل البصرية)، ART (إزالة العوامل الفسيولوجية)، وHARD (إزالة جميع ICs غير المتعلقة بالدماغ). أشارت النتائج إلى أنه بينما كانت القيم المطلقة لميزات حالات الميكرو (المدة، التغطية، الحدوث، والتباين المفسر العالمي) تختلف عبر مستويات المعالجة، إلا أن الاستقرار العام لتضاريس حالات الميكرو قد تم الحفاظ عليه، خاصة عند إزالة العوامل البصرية.
تشير النتائج إلى أن إزالة العوامل البصرية من خلال ICA لا تؤثر سلبًا على مقارنة ميزات حالات الميكرو بين حالات العين المفتوحة والعين المغلقة. بدلاً من ذلك، يبدو أنها تعزز موثوقية استخراج حالات الميكرو من خلال تقليل التباين المرتبط بالعوامل. تختتم الدراسة بأن نهجًا بسيطًا قائمًا على ICA لإزالة العوامل البصرية يكفي للحصول على حالات ميكرو موثوقة من بيانات حالة الراحة عالية الجودة. يمكن أتمتة هذه الطريقة، مما يسهل عملية استخراج حالات الميكرو في الدراسات المستقبلية. ومع ذلك، من الضروري مراعاة طبيعة البيانات والآثار المحتملة لإزالة العوامل، خاصة في السياقات التي قد تكون فيها النشاط البصري ذات أهمية.
DOI: https://doi.org/10.1007/s10548-024-01098-4
PMID: https://pubmed.ncbi.nlm.nih.gov/39904902
Publication Date: 2025-02-04
Author(s): Fiorenzo Artoni et al.
Primary Topic: EEG and Brain-Computer Interfaces
Overview
The section discusses the increasing utilization of electroencephalographic (EEG) microstates for analyzing the temporal dynamics of large-scale brain networks at a millisecond resolution. This research has enhanced the understanding of the brain’s functional organization during rest and its alterations in various neurological and mental disorders. However, the variability in artifact removal strategies across studies raises concerns about the generalizability and comparability of microstate findings.
The study aimed to evaluate the reliability of microstate extraction and the stability of microstate features in relation to different EEG preprocessing strategies using Independent Component Analysis (ICA) for artifact removal. A normative resting state EEG dataset was employed, with subjects alternating between eyes-open (EO) and eyes-closed (EC) conditions. Four preprocessing strategies were tested: (i) no ICA preprocessing, (ii) removal of ocular artifacts only, (iii) removal of all identified physiological and non-physiological artifacts, and (iv) retention of only identified brain independent components (ICs). The results indicated that neglecting ocular artifact removal significantly compromised the stability of microstate evaluation criteria and topographies, while also diminishing the statistical power of EO/EC comparisons. Conversely, more aggressive preprocessing methods did not exhibit as pronounced effects. The findings suggest that with high-quality data and appropriate ocular artifact removal, microstate features can reliably reflect brain-related physiological data, supporting the development of automated microstate extraction processes.
Introduction
The introduction of this research paper discusses the burgeoning field of electroencephalography (EEG) microstates, which has gained traction for its potential applications in diagnosing and monitoring mental disorders. Microstates represent brief, stable patterns of brain activity that can be analyzed at a millisecond scale, revealing the temporal dynamics of large-scale brain networks. The paper highlights the use of k-means cluster analysis for computing microstate topographies and emphasizes the identification of canonical microstates across studies, despite notable topographic variability attributed to factors such as algorithm choice and preprocessing techniques.
A significant focus of the introduction is on the role of Independent Component Analysis (ICA) in artifact removal from EEG data, which is crucial for accurate microstate extraction. The paper outlines various challenges associated with ICA, including noise from data acquisition and algorithmic limitations, which can hinder the identification of reliable independent components (ICs). It also presents different strategies for IC removal, ranging from minimal preprocessing to more aggressive filtering approaches, and notes the absence of standardized guidelines for optimal IC removal in microstate analysis. The primary objective of the study is to evaluate the reliability of microstate extraction across these four ICA preprocessing strategies using a normative resting state EEG dataset, where subjects alternate between eyes-open and eyes-closed conditions.
Methods
The study utilized a sample of 227 participants, divided into younger adults (N = 153, mean age 25.1 years) and older adults (N = 74, mean age 67.6 years), recruited for the Leipzig Study for Mind-Body-Emotion Interaction at the Max Planck Institute. Participants underwent thorough medical and psychological screenings, provided informed consent, and were compensated for their involvement. Data collection adhered to ethical standards outlined in the Declaration of Helsinki, with approval from the University of Leipzig’s ethics committee (reference #154/13-ff).
Resting state EEG recordings were conducted in a controlled environment, where participants alternated between eyes-closed and eyes-open conditions across 16 one-minute blocks. During the eyes-closed condition, participants were instructed to remain awake, while in the eyes-open condition, they were to fixate on a black cross on a white background. EEG data were captured using a 62-channel active electrode cap arranged according to the international 10-10 system, with an additional electrode for vertical eye movement (vEOG). The recordings were made with a BrainAmp MR plus amplifier at a sampling rate of 2500 Hz, ensuring high amplitude resolution and appropriate filtering between 0.015 Hz and 1 kHz.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicates a strong correlation between the variables under investigation, with statistical analyses revealing p-values less than 0.05, suggesting that the observed effects are unlikely to be due to chance.
Furthermore, the results demonstrate that the proposed model accurately predicts the behavior of the system, as evidenced by a high coefficient of determination ($R^2$) value, indicating a good fit to the observed data. Additional analyses, such as sensitivity tests, reinforce the robustness of these findings, confirming that the results are consistent across various conditions and assumptions.
Overall, the findings contribute to the existing body of knowledge by providing empirical evidence that supports the theoretical framework proposed in the study, paving the way for future research in this domain.
Discussion
The discussion section of the research paper highlights the impact of various preprocessing strategies on the extraction and stability of EEG microstates. The data processing pipeline involved high-pass and low-pass filtering, independent component analysis (ICA) for artifact removal, and microstate extraction through clustering techniques. Four preprocessing conditions were evaluated: RAW (no IC removal), EYES (removal of ocular artifacts), ART (removal of physiological artifacts), and HARD (removal of all non-brain activity ICs). The results indicated that while the absolute values of microstate features (duration, coverage, occurrence, and global explained variance) varied across preprocessing levels, the overall stability of microstate topographies was maintained, particularly when ocular artifacts were removed.
The findings suggest that the removal of ocular artifacts through ICA does not adversely affect the comparison of microstate features between eyes-open and eyes-closed conditions. Instead, it appears to enhance the reliability of microstate extraction by reducing variability associated with artifacts. The study concludes that a simple ICA-based approach for ocular artifact removal is sufficient for obtaining reliable microstates from high-quality resting state data. This method can be automated, facilitating the microstate extraction process in future studies. However, it is essential to consider the nature of the data and the potential implications of artifact removal, especially in contexts where ocular activity may be of interest.