تصویربرداری عصبی؛ EEG؛ الکتروانسفالوگرافی کمی؛ QEEG؛ نقشه مغزی

روش‌های مختلفی برای کمی‌کردن EEG است که معمولاً وقتی می‌گوییم QEEG همه تحلیل فرکانس دارند ولی QEEG گستره وسیع‌تری دارد. ارزشمند است که دو تا تکنیک عمده در کمیت سازی EEG در حوزه زمان هست. یکی ERP است و دیگری ERS/ERD (Event-Related Desynchronization/Event-Related Synchronization/) است. 

ERP: در ERP فعالیت الکتریکی مغز را می‌گیریم منتهی فعالیت الکتریکی مغزی که مرتبط با یک event خواص است. چه طوری اندازه گیری می‌شود؟ ما برای رکورد EEG الکترود روی سر می‌گذاشتیم و از یک کانال تا ۱۲۸ کانال ریکورد می‌کنیم. ادامه دار»» به آن می‌گوییم: EEG at rest (EEG در حال استراحت).

ولی در ERP ما EEG می‌گیریم concurrently.  simultaneously (همزمان) یک تسک هم اجرا می‌شود. فرقش (بنویس) در این است که وقتی تسک دارد اجرا می‌شود یا هر بار ایونتی ارائه می‌شود یک مارکری روی EEG می‌آید. که بهش میگن مارکر یا تریگر یا تگ و…. 
هر بار که ایونتی ارائه شده یک تگ روی EEG افتاده است. این چه تفاوتی با EEG در حال استراحت دارد؟ در ERP جای هر ایونت از نظر زمانی مشخص است. ممکن است ما EEG بگیریم همچنین در حالی که فرد ۵ دقیقه درگیر تسک توجه است ازش EEG بگیریم. چه فرقی با ERP دارد؟ آنجا این خطوط را که در ERP داریم ندارد. فرضیه چه تفاوتی با هم دارند؟

پس سه نوع کاندیشن ثبت داریم:

۱- EEG در حالت restـ هیچ تسکی در آن نیست.

۲- EEG under task که tag دارد

۳- EEG under task که تگ ندارد. 

بنابراین EEG under task یا tag دارد یا تگ ندارد.

چه فرضیه هایی برای این سه تا داریم؟

۱- در حالت Rest موج آلفا در الکترود فلان و فلان غالب است.

۲- در حالت تسک توجه موج تتا و بتا در الکترود فلان غالب است.

۳-اینجا لحظه‌ای تر بررسی می‌شود.

در at rest ما دیفالت مُد نت درک را داریم بررسی می‌کنیم. شبکه دیفالت مد یعنی چه؟ سیستم در‌ حالت پیش فرض است.
در حالت rest، لابد شبکه های مغز با همدیگر یک تعاملی دارند که سیستم را در حالت هموستازی نگه دارد و یک فانکشن مشخصی را انجام نمی‌دهد به آن می‌گویند دیفالت مد نت ورک.
در حالت داینامیک است یعنی تغییرات داینامیک مغز که مغز تجهیز می‌شود که آن کنش شناختی یا هیجانی خاص را انجام دهد و جالب است که در طول زمان دامنه ریتم‌های مختلف به شدت بالا و پایین می‌شود. آلفا که الان در نیم ثانیه بالا رفته در نیم ثانیه بعد ممکن است پایین بیاید. پس هر کدام از این روش‌های ثبت به سؤالات متفاوتی دارد پاسخ می‌دهد. اگر ما به واکنش لحظه ای مغز می‌خواهیم بپردازیم و می‌خواهیم ببینیم این محرک با محرک دیگر چه تفاوتی دارد از ERP استفاده می‌کنیم یا حالت نسبتاً پایدار مغز که درگیر یک فانکشنی است نه لحظه ای. این می‌شود under task. اگر دیفالت مُد نت ورک مد نظر ما باشد می‌شود at rest.
پس هر کدام از این روش‌های ثبت به سوال خاصی جواب می‌دهد. اگر هدف ما دیفالت مُد باشد و بیاییم از ERP استفاده کنیم غلط است. با اینکه دقیق است ولی غلط است.
آیا نوع محرک تاثیر دارد؟ بله به شدت.
آیا تسک‌ها باید کامپیوتری باشد؟ بله. چون زمان‌بندی‌اش مشخص و دقیق است.
در تصویری نشان داده که فرد نشسته و الکترود روی سرش است و داریم ریکورد می‌گیریم یک کامپیوتر روبروی فرد است و محرک دیداری برای فرد پرزنت می‌شود. مثلاً حروف X و O است که به صورت رندوم به فرد نشان داده می‌شود. هر لحظه که محرک دارد ارائه می‌شود sync هست یک کدی دارد می‌اندازد در کامپیوتر که نشان می‌دهد الان دارد حرف X نشان داده می‌شود. محرک… بعد… بعد… و… پس یک آمپلی‌فایر داریم و یک کامپیوتر تسک داریم که این دو تا با هم sync هستند. یعنی Synchronize هستند (همگام و هماهنگ شدن).
حروف O و X را ارائه کردیم (رندوم‌لی) اصطلاحاً به آن epoch گفته می‌شود. فرضیه این بود که آن لحظه از زمان که محرک ارائه می‌شود مغز تجهیز می‌شود که آن حروف را مورد پردازش قرار دهد. پردازش کندـ واکنش مغز برای پردازش محرک از نوع O متفاوت از پردازش محرک از نوع X است. به این می‌گویند سگمنت‌بندی یا Segmentation (قطعه بندی) قطعات مربوط به Oها را می‌گیریم، انتخاب می‌کنیم و Average می‌گیریم. همچنین سگمنت‌های مربوط به Xها را انتخاب می‌کنیم. Average می‌گیریم. حالا دو نوع EEG داریم. EEG‌های بعد از O و EEGهای بعد از X. حالا اگر Average گرفتیم و دیدیم موج‌ها در یک حالت تقریباً روی هم افتادند و در حالت دیگر از هم فاصله دارند چه تفسیری برای هر کدام داریم؟
آنها که بیشتر روی هم افتاده‌اند خیلی مشابه هم هستند و دیگری خیر. 

ما با نگاه کردن به epochها حتی اگر تلسکوپ هم بیاوریم نمی‌توانیم تفاوت بین هر دو را تشخیص دهیم. حتماً باید Average بگیریم.
در حالت اول که موج‌ها تقریباً روی هم افتاده تفسیرش این است که: واکنش مغز برای هر دو محرک تقریباً یکسان است.
در حالی که در حالت دوم: واکنش مغز برای هر دو محرک یکسان نیست بلکه متفاوت است. تفاوت در برخی از قله‌ها و دره‌هاست. در حالی که همواره در طول زمان با هم تفاوتی ندارند. در برخی از لحظات زمانی که یک قله ای و یک دره ای وجود دارد و با هم دیگر تفاوت دارند نه در کل داستان. در فرآیند پردازش در برخی پردازش‌ها با هم تفاوت دارند در حالی که در برخی دیگر از فرایندها با هم تفاوت ندارند. چرا ما ERP می‌گیریم؟ چون می‌گوییم از لحظه ای که محرک وارد می‌شود تا لحظه ای که محرک بعدی ارائه می‌شود تا آخر… آیا در طول زمان پردازش‌های مختلفی انجام می‌شود یا خیر؟ بله. می‌شود.
مثلاً اول باید چه اتفاقی بیفتد؟ باید اول محرک دیده شود. در کجا؟ پس چون دیداری در ناحیه V1 اکسی‌پیتال. وقتی لوب اکسی‌پیتال این محرک را دید حتماً یک فعالیت الکتریکی در لوب اکسی‌پیتال اتفاق می‌افتد. نورون‌های لوب اکسی‌پیتال الان فعال‌اند و ناحیه V1 وقتی فعال می‌شود یعنی محرک دیده شده است. این خروجی الکتریکی ناحیه V1 می‌شود یک EEG در پشت سر که اگر ER باشد می‌شود یک قله ای شبیه آنچه در اسلاید بود. از نظر زمانی ۱۰۰ میلی ثانیه است. پس یک پیک مثبت ۱۰۰ میلی ثانیه بعد از ارائه محرک در لوب اکسی پیتال یعنی چه؟ یعنی visual sensory processing یعنی visual detection یعنی حتی در همان لحظه اول O و X برای مغز ارزش متفاوت دارند برای دیده شدن. مثلاً در مراحل بعدی باید چه اتفاقی بیفتد؟ وقتی محرکی را می‌بینیم باید چه اتفاقی برای مغز بیفتد؟
پردازش می‌شود که این چیست؟ اول detect است که یک چیزی هست. حالا بعد stimulus Categorization رخ می‌دهد. آیا مثلاً این دایره است؟ انحنا دارد یا ندارد؟…. آن مراحل مختلف vision دارد رخ می‌دهد تا برود شیء را، محرک را recognize کند. قبل از این که recognize کند بین detection و recognizing می بایست Stimulus categorization یا Event categoration انجام شود. یعنی مثلاً شیء که من دارم می‌بینم در دسته اشکال زاویه دار است غیرزاویه دار است و… و جلوتر که می‌رود ویژگی‌های بیشتری از محرک پردازش می‌کنند‌ و discriminate می‌کند که مثلاً اینها هست و اینها نیست. مثلاً دارد با یک محرکی مواجه می‌شود که این مثلاً دایره است رنگی دارد و… این را از اشیاء دیگر تفریق می‌دهد یعنی تمایز برایشان قائل است. هر چقدر Stimulus پیچیده تر باشد پردازش‌های بیشتری انجام می‌شود و recognition دیرتر رخ می‌دهد. ما یک سری پردازش‌های early داریم. یک سری پردازش‌های late داریم. پردازش‌های early بیشتر دال بر چه چیزی هستند؟ بیشتر به شناسایی ویژگی‌های محرک می‌پردازد. پردازش‌های late به perceptual است. meaning full است. هر چقدر دارد دیرتر پردازش می‌شود دارد معنای محرک را می‌فهمد یعنی دارد Pecept می‌کند. meaning full است. پردازش early براساس Sensory processing است و پردازش late بر مبنای perceptual است.
Cognitive processing، پردازش early است یا late است؟ late است. 

حالا ما با محرکی مواجه می‌شویم که پیچیده است این lateتر است یا earlyتر است؟ lateتر است.
چون زمان بیشتری می‌برد تا این را پردازش کنیم. بستگی دارد از نظر معنایی مد نظر باشد یا از نظر شکلی. اینجا ما بیشتر منظورمان از نظر معنایی است. از نظر معنایی پیچیده تر باشد دیرتر بالا می‌آید. ابهام دارد طول می‌کشد ما بگیم که این چیزی که دارد می‌گوید کدام دسته است؟
سعی می‌کند ببیند در کدام context است که معنایی مطابق با آن context برایش پیدا کند. از این نظر ERP خیلی جذاب است. چون دارد برای ما فرایند پردازش اطلاعات عمیق‌تری به ما می‌دهد که الان مغز چگونه اینها را پردازش می‌کند؟
سوال: با آنکه دارد Average می‌گیرد چرا یک نقطه به ما نمی‌دهد و در طول زمان موج را می‌دهد؟
فرض می‌کنیم یک الکترودی دارد EEG را برای ما ریکورد می‌کند و ER هم هست وقتی دارد EEG را ریکورد می‌کند. این EEG از کجا آمده؟ از فعالیت الکتریکی مغز است. این فعالیت الکتریکی برون داد چه نوع فعالیت‌های پردازشی است؟ کدگذاری، توجه و … برون داد چند نوع فعالیت مغز است و اینها دارد روی همدیگر ریخته می‌شود. به این اصطلاحاً گفته می‌شود Background EEG. ما یک ایونتی ارائه می‌کنیم که الان اینجا که داریم ریکورد می‌کنیم شامل بک گراند EEG است به اضافه یک EEG ایونت ریلتد (ER) که مال ماست، ولی از آنجایی که بک گراند EEG همیشه قوی تر از ER است وقتی که ما تحریکی را ارائه می‌کنیم لوب اکسی‌پیتال دیگر کارهای دیگرش را تعطیل نمی‌کند که فقط‌ O ما را پردازش کند، پس این همه فعالیت‌های مغز به اضافه پردازش O است. منتهی پردازش O در بک گراند EEG گم شده است. اینقدری واضح نیست که ما بتوانیم به چشم فعالیت مد نظر خودمان را که در بک گراند EEG است ببینیم. برای همین گفتیم اگر تلسکوپ هم بیاریم ما نمی‌توانیم تشخیص دهیم. الان اینجا یک بک گراند EEG داریم با یک کوچولو فعالیتی که ناشی از O است. اینجا نیز… اینجا نیز… حالا وقتی Average می‌گیریم چه اتفاقی می‌افتد؟ اون امواج ناشی از پردازش O همدیگر را تقویت می‌کنند در یک بازه زمانی. در ms یک الگویی به خاطر پردازش O در‌ EEG دارد ایجاد می‌شود ولی در آن گم شده وقتی ما Average می‌گیریم چون مدام دارد تکرار می‌شود در آن لحظه از زمان. آن دیگر خودش را نشان می‌دهد آنهایی که رندوم بوده به خاطر مسائل دیگر یواش یواش ضعیف می‌شود. پس Averaging انجام می‌شود تا آن الگوی مناسب پایه داری که هر لحظه دارد دیده می‌شود برجسته شود P1 یعنی یک الگوی مشابه الان بعد از ۶۰ الی ۷۰ سال دیگر می‌دانیم که بعد از ۱۰۰ میلی ثانیه پس از تحریک یک موج مثبت مدام ایجاد می‌شود. وقتی ما Average می‌گیریم این سر جای خودش می‌ماند فعالیت‌های دیگر که رندوم بوده در فرایند Average حذف می‌شود مثل EPSP که روی هم سوار می‌شوند اینجا یک همچین چیزی است.

سؤال ما اینجا میانگین می‌گیریم که همدیگر را تقویت کنند. در صورتی که آن تیکه ۱۰۰ میلی ثانیه اول است با آن تیکه‌ای که ۱۰۰ میلی ثانیه آخر است فرآیندشان متفاوت است؟ این چه جوری است ؟ وقتی داریم Average می‌گیریم Average آن لحظه را می‌گیریم نه Average آن تیکه را. مثلاً ۱۰۰ میلی ثانیه مربوط به پردازش است از این ۱۰۰‌ میلی ثانیه. Oها را جدا می‌کنیم.

ما یک چیزی داریم به نام Sampeling rate:
EEG که داریم می‌بینیم به این شکل است: موجی پر از قله و دره. در اصل گراف اعداد (جدول مخصوص ولتاژ) است. آمپلی فایر دارد مقدار ولتاژ EEG در هر لحظه از زمان دارد می‌دهد. این مقدار ولتاژ است که در هر لحظه از واحد زمان گرفته اینها را به هم وصل می‌کند به صورت گراف این شکلی می‌شود: موجی پر از قله و دامنه. اگر جدول را بشماریم ۱۹ تا ستون دارد که دال بر الکترودها است. ردیف‌ها زمان را نشان می‌دهد. از این عدد به آن عدد چقدر زمان سپری شده؟ آمپلی فایر ولتاژ آن لحظه را برای ما اعلام کرده. دوباره چند لحظه بعد میزان ولتاژ را ثبت کرده و … تا آخر گام‌ها یا فواصل بین این اعداد چقدر است؟ یعنی در ثانیه چند تا عدد بر می‌دارد؟ به این مفهوم SR می‌گویند: Sampling rate. آمپلی فایر سمپلینگ ریتش چقدر است؟ یعنی در ثانیه چند تا از فعالیت الکتریکی برمی‌دارد و برای ما گزارش می‌کند به تعداد سمپلینگ ریت‌ها در ثانیه عدد خواهیم داشت. مثلاً اگر آن ۱۰۰ باشد یعنی چه؟ یعنی در هر ثانیه از زمان ۱۰۰ تا عدد خواهیم داشت. سازندگان و کمپانی‌ها SRهایشان مشخصه. SRها از ۱۲۸، ۲۵۶ و… شروع می‌شوند.
نمی‌آید ۵۰۰ تای اول را Average بگیرد می‌آید بر مبنای سمپلینگ ریت، average می‌گرد. یک الگوی پایه داری که اینجا وجود دارد اولین sample یکی با اولین سمپل دیگری بعد با اولین سمپل دیگری Average می‌گیرند و تا آخر، Oها را با هم به ازای Sampling rateهایشان‌ می‌گیرد. کمپانی مثلاً ۲ حالت و یا ۴ حالت می‌گذارد که باید انتخاب شود، مدت زمان هر سگمن یکسان است اگر یکسان نباشد… وقتی می‌خواهد Average بگیرد نمی‌آید یکی را تا ۳۰۰ بگیرد و یکی را تا ۳۵۰ بگیرد… معنی ندارد. در اپوک بندی می‌گوییم مثلاً از این جا تا این جا. برای همه ثابت است برو Oها را انتخاب کن، از کجا می‌فهمد که این O است. ما کد می‌دهیم موقع طراحی تسک بهش کد می‌دهیم. می‌گوییم کدهای ۱ را با همدیگر Average بگیر. ما می‌دانیم که کدهای ۱ اختصاص دارد به محرک O.
سوال آیا محدودیتی برای تسک از نظر زمان هست؟ یک مدت زمان مشخص در حد میلی ثانیه باید باشد که بعدها تدریس خواهد شد. مگر این که تسک پیچیده باشد. فواصل بین محرک‌ها هم رنجی دارد. فاصله زمانی بین دو محرک وقتی است که O یا X ارائه نشده است.
سوال: با توجه به اینکه تسک‌ها کامپیوتری هستند محدودند پس دسته بندی هست که بگوید مثلاً برای افرادی که آفازی اند این تسک‌ها را داریم؟ برای توجه این تسک‌ها را داریم؟ بله هست ولی بسته به اینکه رویکرد ما بالینی است یا… یک Sense کلی را به ما می‌دهد. وقتی ما اشراف پیدا کردیم یک مقاله که داریم می‌خوانیم می‌فهمیم که در کدام category قرار دارد.

در مسابقات دومیدانی که شلیک می‌کنند برای شروع حرکت، چرا از محرک بینایی استفاده نمی‌شود برای شروع حرکت؟ چون با وجودی که سرعت نور بیشتر از سرعت صوت است ولی پردازش شنوایی سریع‌تر است (۲۰ یا ۳۰ میلی ثانیه سریع‌تر است) 

تصویری که پردازش O و X برای مغز یکسان است دو تا موج روی هم افتاده‌اند ولی تصویری که پردازش O و X برای مغز یکسان نیست دو تا موج مثل هم نیستند. 

سوال: ما یک محرک را چند بار ارائه می‌کنیم بعد average بگیریم؟ یک حالت بهینه ای باید داشته باشد، اگر هر چقدر بیشتر ارائه کنیم برای مغز بد است چون عادت می‌کند و Habituation پیش می‌آید. از چه نظر خوب است الگو تکرار شود؟ average که گرفتیم تر و تمیز تره. ولی فرد خسته می‌شود و می‌رود. پس یک مقدار بهینه ای است که نه باید طولانی باشد و نه خیلی کوتاه باشد.

اینها را یک عده افراد انجام داده اند و در اختیار ما قرار داده اند. 

 قفل زمانی یا time locked activity یعنی چه؟ چون می‌خواهیم دقیقاً واکنش لحظه ای مغز را داشته باشیم پس باید یک زمانی را مشخص کنیم (لحظه زمانی صفر) بعد بگویم برو Average بگیر. از این لحظه زمانی صفر بر اساس sampling rate، آنهایی که مثل هم هستند تقویت شوند یک الگوی مشخصی داشته باشند. و آنهایی که مثل هم نیستند ازبین بروند. اگر Time locked انجام نشود فرآیند Averaging معنایی ندارد. 

ongoing activity را background activity  هم بهش می‌گوییم. در ERP به این اصطلاحا نویز گفته می‌شود. نویز هم معنی آرتی فکت نیست. یعنی سایر فعالیت‌هایی که مد نظر مانیست، در حالی که در ER آن فعالیت‌های الکتریکی مغز مد نظر ما هست، اصطلاحاً بهش می‌گوییم سیگنال. می‌خواهیم نسبت سیگنال به نویز افزایش پیدا کند با کاهش؟ افزایش.
اگر قفل زمانی باشد و تعداد بیشتری ارائه کنیم و Averaging انجام شود نسبت سیگنال به نویز افزایش پیدا می‌کند. EEG‌ها نباید آرتی فکتی باشند. آرتی فکت دارد ولی… اگر آرتی فکت داشته باشد و ما بخواهیم از آنها Average بگیریم (مثلاً جایی که خیلی پلک زده و پلک زدن دامنه دارد و فعالیتی که ما داریم ریکورد می‌کنیم خیلی کوچک است در آرتی فکت گم می‌شود. پس نباید آرتی فکت باشد ولی به هر حال فرد پلک می‌زند نفس می‌کشد و…
ما باید آرتی فکت‌ها را بعدا حذف کنیم.
فرض کنیم محرک را ۱۰ بار ارائه کردیم ۵ بارش آرتی فکت افتاده پس با ۵ تا که نمی‌توانیم Average بگیریم. پس در فرآیند ERP که داریم آنالیز می‌کنیم سیگنال ما نباید آرتی فکتی باشد که ما بعدا مجبور نشویم خیلی‌هاش را دور بریزیم. پس باید correct کنیم نه اینکه reject کنیم. پس این آرتی فکت را باید ازش بیرون بکشیم ولی خود سیگنال را نگه داریم. بهش می‌گویند آرتی فکت correct. اینها فرایندهایی است که برای آنالیز ERP باید انجام شود.
اینها را خود دستگاه انجام می‌دهد ولی ما باید مرحله به مرحله نظارت کنیم و بهش بگیم که چکار کند.
حالا می‌خواهیم ریزتر وارد آن داستان شویم. از لحظه محرک تا ۸۰۰ میلی‌ثانیه ۵ تا قله و دره داریم (در مثال فرضی).
به این قله‌ها و دره‌ها اصطلاحاً می‌گویند: Component. دیگر نمی‌گوییم قله اول، دره اول بلکه می‌گوییم کامپاننت اول، کامپاننت دوم… و هر کدام از این component‌ها»» الان نوبت کمی کردنشه. این کمی کردن به این صورت است که افت و خیز را می‌خواهیم کمی کنیم. می‌گوییم به اولین component‌ اگر موجش مثبت بود اصطلاح P و اگر منفی بود N بنامیم.

P1، P2، P3 و… 

N1، N2، N3 و… 

پس نامگذاری component‌ها براساس پلاریتی است. یکی از شاخص‌هایی که قابل استخراج است این است که مثلاً Component چقدر بعد از ارائه محرک به ماکزیمم می‌رسد؟ اسم این شاخص چیست؟ latency.

پس یک عددی به دست می‌آید از صفر تا X مقدار که دال بر مدت زمانی است که این component از نظر زمانی به اوج رسیده است، فرقی نمی‌کند مثبت یا منفی باشد. همه در یک سگمنت است. اولین قله ای که داره دیده می‌شود (در یک الکترود). یعنی آن جایی که برای O است اولین قله هر جا که شد (در طول تایم تسک) و اولین قله در هر الکترود معنای متفاوت دارد. ما همواره latency داریم پس کمی‌کردیم.

الان یک کمیت دیگر هم قابل استخراجه. الان مثلاً P3 که ۴۸۰ میلی ثانیه بعد از ارائه محرک است. دامنه اش چقدر است؟ پس دو تا عدد قابل استخراجه یکی دامنه است و یکی latency. 

که در مورد O و X دامنه و latencyشان را با هم می‌توانیم مقایسه کنیم. latency پیک‌ها را فقط به دست می‌آوریم.

area: مثلاً ما ۱۲۸ کانال داریم. از این ۱۲۸ کانال سراغ کدام area با سراغ کدام کانال برویم. آن که قله بیشتری زده، به این می‌گویند Data Driven ما بیشترین دامنه را بر مبنای داده‌های حاضر. مثلاً فلان جا داریم می‌بینیم ولی مبتنی بر مقالات. مثلاً ۱۰۰ها مقاله است که می‌گوید مثلاً اگر چنین شکلی ارائه دهیم بیشترین قله را در فلان جا خواهیم داشت و این پیک که در فلان area است دلالت بر هوش دارد، دلالت بر پردازش بینایی دارد، دلالت بر توجه دارد. دیگر این می‌شود ملاک کار ما. 

مثلاً ما بخواهیم کار جدید انجام دهیم چرخ‌های کاری را از نو نمی‌سازیم. می‌گوییم چون صدها مقاله دیگر انجام شده با این پارادایم و نشان داده که الکترود Fz پیک سومش (بنویس) دلالت بر فلان قضیه دارد که مورد سوال من است دیگر در این کار آن را مد نظر قرار می‌دهیم latency هم مهم است یعنی در آن ناحیه زودتر فعال شده. ممکن است دامنه‌ها در یک ناحیه مشابه باشد و یکی زودتر فعال شده است.
پس ما در ERP سه جور کمی کردن را گفتیم. ما وقتی با محرکی مواجه می‌شویم از لحظه ارائه محرک تا لحظه پاسخ یک سلسله پردازش‌های بسیار زیاد شناخته شده و ناشناخته رخ می‌دهد. یک لاین پردازش بزرگی است که می‌خواهد بگوید مثلا فلان چیز دال بر پردازش چه چیزی است. اگر بدست بیاید که N2 در فلان تسک دال بر چه چیزی است کار ما خیلی آسان می‌شود. مثلاً بگوییم N1 یعنی پردازش حس محرک شنیداری. سه در حالی که در N400 پردازش معنایی محرک شنیداری. 

حالا بیاییم در دو گروه EEG و ERP بگیریم. مربوط به محرک‌های شنیداری کلمه، ببینیم این گروه در اینجا با هم تفاوت معنی‌دار دارند. یک تفسیر دارد و یک گروه در جای دیگری تفاوت معنی‌دار دارند. دو تفسیر متفاوت خواهیم داشت.

تفسیر‌ ما»» در یک جا پردازش حسی فلان گروه نقص دارد. مثلاً در آفازیا نقص در درک معنایی نیست بلکه در پردازش حسی نقص دارند. حالا اگر همه Componant‌های دو گروه در همه جا بر هم منطبق باشد ولی در مثلاً N400 با هم فرق داشته باشند. می‌گوییم فلان گروه در پردازش معنایی شنیداری نقص دارد. این فایده ERP است. 

component ها را به دو دسته می‌توان تقسیم کرد: 

۱- early: برون‌زاد (exogenous) هستند یعنی خواه ناخواه به واسطه ویژگی فیزیکی محرک ایجاد خواهد شد. وقتی فرد نشسته و ما داریم محرک دیداری برایش تعریف می‌کنیم. چه دلش بخواهد چه نخواهد وارد شبکیه می‌شود و خواه ناخواه لوب اکسی‌پیتال آن را پردازش می‌کند. زیر ۲۰۰ میلی‌ثانیه early است. 

۲- late: بیشتر جنبه Cognitive و Perceptual دارد. اگر طرف دلش نخواهد می‌تواند انکار کند و خیلی مورد توجه قرار ندهد (مورد پردازش حسی و معنایی قرار نگیرد) حول و حوش ۲۰۰ تا ۲۵۰ میلی ثانیه بعد را Late می‌گوییم. ۲۰۰ تا ۳۰۰ را می‌گوییم مرزبین early و Late است.

Late بستگی دارد به حالت ارگانیسم. بستگی دارد به اینکه محرک‌ها را چگونه از لحاظ معنایی دارد پردازش می‌کند. و به عبارت دیگر نشان دهنده پردازش اطلاعات است (information processing) و اصطلاحا به آن می‌گویند endegeonous (درون زاد) (Component‌ها درون زاد هستند).
late دیگر از لوب اکسی‌پیتال خارج می‌شود و انواع لوب‌های دیگر را درگیر می‌کند ولی early  در لوب اکسی‌پیتال است.
* نکته : اگر بخواهیم پژوهش انجام دهیم. در مورد P1 می‌توانیم بگوییم به Peak رسیدنش بین ۸۰ تا ۱۳۰ میلی ثانیه است و بسته به تسک فرق دارد. مثلاً اگر محرک فلش نور باشد یا تصویر باشد یا نشان دادن حرف باشد. اینها پردازشش فرق دارد و هر چه محرک پیچیده تر باشد به peak رسیدنش فرق دارد اگر تسکی ثابت باشه می‌توانیم نُرم در بیاوریم. هم تسک ثابتی می‌خواهیم. هم شرایط ثبت ثابتی می‌خواهیم. هم رنج سنی ثابتی می‌خواهیم.
آیا Alert بودن لوب اکسی‌پیتال فرد ۵ ساله با ۷۰ ساله یکی است؟ خیر.
پس وقتی به قصد research هست به آن معنای بالینی، نُرم نداریم. اگر می‌خواهیم به معنای بالینی و نرم داشته باشیم باید نُرم یابی کنیم. ثبت ثابت، شرایط ثبت یکسان، تعداد محرک‌ها، فرایند averaging نسبتاً یکسان و تفکیک گروه سنی. بسیار هزینه بر است و باید نرم افزار و آمپلی فایر یکسان در همه به کار برده شود که تفاوت پیش نیاید. سیستم‌ها باید یکی باشد. تفاوت‌ها نه به دلیل تفاوت فرهنگی است بلکه به خاطر experimental conditionها است. البته اگر sensory باشد به درد می‌خورد (با یک آمپلی‌فایر ثابت). چه آنها به دست آورده باشند چه ما. ولی اگر معنایی باشد به درد نمی‌خورد.

کتاب : ؟
در یوتیوب: نوروگاید نظری ۶ تا ۷ ساعت

CV استاد گرانقدر آقای دکتر محمدعلی نظری