مغز و اعصاب

تصویربرداری عصبی؛ الکتروانسفالوگرافی؛ الکتروانسفالوگرافی کمی؛ نقشه مغزی

امتیازی که به این مقاله می دهید چند ستاره است؟
[کل: ۲ میانگین: ۵]


» QEEG: الکتروانسفالوگرافی کمی: نقشه مغزی


برای گرفتن EEG چند الکترود دارد؟
ما ۲۱ الکترود داریم ولی معمولاً Fpz و Oz نیست که می‌شود ۱۹ الکترود. مخچه پس‌سر است در حالی که آخرین ردیف الکترودی که داریم O یا اکسی‌پیتال است. اکسی‌پیتال مخچه را نمی‌گیرد.

منتهی این به معنای آن نیست که میدان‌های الکتریکی که در اطراف مخچه است به بالاتر نرود، ما الکترود می گذاریم نزدیک مخچه به میدان‌های الکتریکی مخچه که نمی گوییم شما نیایید ما، شما را بنا نیست بگیریم – قطعاً تأثیر دارد. ولی طبق تعریف الکترودهای اکسی‌پیت غالباً الکترودهای اکسی‌پیتال را encode می‌کنند. پس به دو جهت نمی‌توانیم بگوییم الکترودهای اکسی‌پیت صرفا اکسی‌پیتال را اندازه گیری می‌کنند. چون ۱- میدان‌های الکتریکی که اطراف ایجاد می‌شود به صورت حجمی هدایت می‌شوند بالا ۲- network است و همه جای مغز با هم کار می کنند. معلوم است که مخچه با خیلی از نواحی مغز ارتباط دارد ولی اینجا تأثیرش غیرمستقیم است. برای نسبت تتا به بتا که راه تشخیص خوبی برای ADHD است آیا از الکترود خاصی ثبت می شود یا در مجموع در نظر گرفته می شود؟ عمدتا CF (کجاست؟ 🤔) (لتروفرونتال) است و Cz و Fz ولی بیشتر Cz. پس ما ۱۹ موج می‌بینیم آیا ممکن است در هر الکترود یک نوع موج غالب باشد؟

معمولاً Capها ۱۹ تا الکترود را می‌گیرند. در Fp1 کدام موج را داریم؟ همه امواج.
همه ریتم‌های مغزی با دامنه های متفاوت در همه الکترودها در همه زمان‌ها وجود دارد. اینکه کلام ریتم غالب است (یعنی کدام ریتم دامنه‌اش بیشتر است؟) بستگی به وضعیت فرد دارد و به location هم بستگی دارد. یعنی برخی از ریتم‌ها در برخی از نواحی سر غالب‌تر است (به طور کلی)
مثال location: کدام ریتم در اکسی‌پیتال غالب است؟ آلفا یعنی اگر ۱۹ الکترود را ریکورد کنیم و آلفا را اندازه‌گیری کنیم دامنه آلفا در الکترودهای اکسی‌پیتال (O1 و O2) بیشتر است.
مثال State: بیداری فرد چه کاندیشنی از emotion دارد؟ چه کاندیشنی از شناخت را دارد؟ چه کاندیشنی از میزان arousa را دارد؟ همه اینها تاثیر دارد.
مثلاً در حالت خواب چه اتفاقی می‌افتد؟ موج دلتا غالب است. وقتی هوشیاریم بتا. چشم را می‌بندیم آلفا. چرت می‌زنیم تتا و خواب عمیق دلتا غالب است. در خواب REM بتاست. با نرم افزار می توانیم مثلا دلتای همه الکترودها را حساب کنیم. دلتای کدام یک بیشتر خواهد شد؟ نمی دانیم. برایش فکتی وجود ندارد. تتا را بگیریم کدام بیشتر است؟….
آلفا را اگر بگیریم مقدار آلفا در کدام لوکیشن بیشتر است؟ O1 و O2.
اگر به صورت رنگ نشان دهیم و کمترین را با آبی و بیشترین را با قرمز نشان دهیم چی؟ کجا قرمز می شود؟ اکسی پیتال قرمز می‌شود.
از کجا می توانیم متوجه شویم که بتا مثلاً در حالت memory تاثیر دارد یا نه؟ مناطقی که مربوط به حافظه است را می‌توانیم بررسی کنیم. مثلاً حافظه کاری ناحیه فرونتال است حافظه کوتاه مدت و تبدیلش به بلندمدت هیپوکمپ است که در لوب تمپورال است. حافظه مهارتی در عقده‌های قاعده‌ای است.
از کجا بفهمیم که بتا با Attention ارتباط دارد یا نه؟ تسک توجه طراحی می کنیم. امواج را از ۱۹ الکترود ثبت می‌کنیم. در حین انجام تسک توجه EEG را ریکورد می کنیم. کدام باند فرکانسی را محاسبه می کنیم؟ بتا را کدام الکترودها؟
از کجا می فهمیم که بتا به خاطر تسک بوده؟ یک تسکی هم می گیریم که توجه لازم ندارد یا چشم بسته. ما یک کاندیشن EO داریم Rest و یک کاندیشن توجه داریم UT (محور افقی) ۱۹ الکترود محور عمودی کدام باند فرکانسی مهم است؟ بتا. ۱۹ تا بتا خواهیم داشت. انتظار می رود در حالت توجه دامنه موج بتا نسبت به حالت EC و EO افزایش پیدا کند.
در شکلی ۱۹ الکترود و در هر الکترود ۴ موج میزان و اعدادش را نوشته یعنی ۷۶ عدد را نشان داده این در حالت EO است همین داستان را برای حالت Attention هم خواهیم داشت (۷۶ عدد) اگر این را برای داور بفرستیم درجا رد می‌شود می‌گوید شما شروع به گشتن کردید تا ببینید چه پیدا می کنید به خورد داور بدهید. پس باید فرضیه داشته باشیم باید بدانیم دنبال چه می‌گردیم؟ فرضیه به کارهای ما جهت می‌دهد؟

هیچ یافته ای یک شبه به دست نیامده یک عقبه ای دارد هر چند دور باشد.
این روش برای پیدا کردن رابطه EEG و رفتار از کدام aproach دارد پیروی می‌کند؟ outside-in یا inside-out؟ 
outside-in. چون از رفتار به موج می‌رسیم.
فرضیه: دامنه موج بتا در توجه یا تمرکز دخالت دارد. کدام را دستکاری کردیم تا کدام را ببینیم؟ ما رفتار را دستکاری کردیم تا بتا را ببینیم. فرد را در آن موقعیت قرار دادیم تا ببینیم inside چه تغییری می کند. متغیر مستقل اینجا Experimental Condition است متغیر وابسته دامنه بتا است.

ما در حالت EO یا EC چند تا الکترود داریم؟ ۱۹ تا.
مثلاً نموداری برایO1 و O2 رسم شده است که منحنی آنها مشابه است. آیا این دو تا به هم شبیه هستند؟ از چه نظر شبیه‌اند؟ بله. تقارن دارند. میزان شباهت دو تا سیگنال از نظر دامنه همان تقارن است. برای یک سیگنال چند تا ویژگی داریم؟ دامنه، فرکانس و فاز.
در هر باند فرکانسی جداگانه یعنی آلفا، بتا، تتا و گاما بررسی می کنیم ببینیم از نظر دامنه به هم شبیه هستند یا نه؟
وقتی می گوییم O1 و O2 از نظر دامنه به هم نزدیک نیستند یعنی چه؟ یعنی آسیمتری (ناقرینه) منتهی باید ببینیم در کدام باند فرکانسی به هم نزدیک نیستند؟ دلتا آسیمتری، بتا آسیمتری، تتا آسیمتری و آلفا آسیمتری داریم. آیا باید همیشه سیمتری داشته باشند؟ نه. وقتی می گوییم دو تا الکترود از نظر دامنه با هم شبیه باشند از کدام نظر داریم بررسی می‌کنیم؟ Absolut power. یعنی اگر Absolut power دو تا سیگنال به هم نزدیک باشند نسبت به هم سیمتری هستند، اما اگر Absolut power دو تا سیگنال با هم تفاوت داشته باشه می‌شود آسیمتری.
مثلاً اگر آلفا در یک الکترود ۱۷ میکروولت و در الکترود دیگر هم ۱۷ میکروولت باشد پس سیمتری دارند.

باید ببینیم تا چه حد آسیمتری حساب می‌شود؟ عین هم نباشد می‌شود آسیمتری. می توان تفاوت را به درصد بیان کرد. اسم شاخص آسیمتری است و سیمتری نیست. چرا؟ چون همیشه یکسان نیستند. هیچ موقع نمی توانیم در دو تا الکترود یک ریتم پیدا کنیم که عین هم باشند. پس همواره آسیمتری داریم. منتهی این آسیمتری کی پاتولوژیک می شود؟ چند درصد تفاوت داشته باشد آسیمتری حساب می‌شود؟ ما ۱۷۱ (🤔 چگونه؟) حالت داریم. مثلاً Fp1 با بقیه، Fpz با بقیه، F3 با بقیه و… کلاً ۱۷۱ حالت داریم. حالا این: ۱۷۱ حالت فقط برای یک باند فرکانسی است اگر برای همه باندهای فرکانسی حساب کنیم عدد بسیار بزرگی می شود. پس متوجه می‌شویم که چرا باید فرضیه داشته باشیم و گرنه سر در گم می‌شویم.

حدود ۳۴,۱۰۰ (چگونه؟ 🤔) حالت داریم.
همیشه این دیدگاه را در تحقیقات باید داشته باشیم:
۱- چرا، ۲- چه چیزی، ۳- چگونه و ۴- کجا.
اگر اینها را نداشته باشیم داده‌های اضافه فراوان داریم و گیج می شویم.
مثلاً یک فرضیه: در نواحی سنتروفرونتال انتظار داریم که بتا در کاندیشن تسک توجه تغییر پیدا می کنند (افزایش یا کاهش)
چه چیزی؟ بتا
کجا؟ سنتروفرونتال (Cz)
چگونه؟ تسک توجه: EO، (بنویس)
چرا؟ آن چیزی که دنبالش می گردیم.

فرضیه یک نورافکن است که نقشه راه را برای ما مشخص می کند.
ما بالقوه ۱۷۱ حالت برای هر باند فرکانسی داریم حالا کدام را انتخاب می کنیم؟ بسته به سوال فرضیه دارد و به صورت کلاسیک این نیمکره با آن نیمکره بررسی می شود ولی امروزه به دلایل (بنویس) ما می دانیم که اکسی‌پیتال با فرونتال ارتباط دارد پس آسیمتری پری‌فرونتال با اکسی‌پیتال ممکن است برای ما سوال باشد پس قابل طرح است.
coherence: تغییرات دو تا الکترود از نظر فاز بررسی می شود. 

EEG هر لحظه از زمان یک فازی دارد. دو تا EEG هر لحظه از زمان دارد فازشان تغییر می‌کند. ضریب همبستگی می‌گیریم از تغییرات فاز دو تا سیگنال. اگر اینها ضریب همبستگی‌شان ۱ باشد یعنی چه؟ یعنی کاملاً هم فاز هستند. ولی اگر ضریب همبستگی نداشته باشند. یعنی تغییرات فاز
دو تا EEG در طول زمان هماهنگ نبوده است (تتا و بتایشان می تواند با هم یکسان باشد یا نباشد.) هر چقدر ضریب همبستگی تغییرات فاز در طول زمان بین دو تا سیگنال بالا باشد می گویم کوهرنسشون بالاست. ولی اگر ضریب همبستگی پایین باشد می گویم کوهرنسشون پایین است. پس کوهرنس شاخصی از ضریب همبستگی تغییرات فاز است. کوهرنس ضریبی از میزان تناوب اینهاست. ماکزیمم ضریب همبستگی ۱ است. منتها برای ساده سازی از صفر تا ۱۰۰ در نظر می گیرند.
ترجمه فارسی کوهرنس، هم نوسانی است.

میزان کوهرنس نشان دهنده چه چیزی است؟ نت‌ورکی‌شان را می‌فهمیم و اینکه دو تا منطقه هماهنگ با هم دارند کار می کنند. پس نشان دهنده میزان هماهنگی آن دو ناحیه است (کوهرنس بالا باشد هماهنگی هم بالاست) هر باند فرکانسی فازش جدا در نظر گرفته می‌شود. 
نشان دهنده میزان هماهنگی آن دو ناحیه است یعنی آن دو ناحیه باید با هم در آن تسک فعالیت کنند؛ یعنی Functional conecting (ارتباط کارکردی) آن دو منطقه از نظر عمکردی با هم مرتبطند

Brain Map

اگر برای QEEG یک فرآیند دیگری انجام دهیم داریم QEEG را تبدیل می‌کنیم به Brain Map. کمی شدن EEG را داریم.
لازمه نقشه مغزی (Brain Map)، QEEG است. در QEEG کمی شدن EEG را داریم. 

بسته به اینکه از چه فرمولی استفاده می کنیم و چه چیزی استخراج می کنیم، انواع کمی شدن داشتیم. مثلاً یک Absolut power,  Related power و …. حالا می‌خواهیم اینها را Map کنیم.

سوال: بر چه اساسی ما می آییم گاهی اوقات Absolut power می‌گیریم؟ گاهی اوقات Related power می‌گیریم و….؟ بستگی به سوال پژوهشی ما دارد. مثلاً اگر تغییرات بتا در Cz مد نظرمان باشد آسیمتری قابل طرح است؟ خیر چون ما فقط Cz را سؤال کردیم و آسیمتری بین دو تا منطقه مطرح می‌شود. یا مثلاً چرا power ratio بگیریم با نگیریم؟

اگر فقط بتا مد نظر باشد پاور رشیو بی‌معنی است، چون پاور رشیو نسبت تتا به بتا است. پس بستگی به سوال فرضیه دارد. اگر تتا و بتا را جداگانه اندازه بگیریم. مثلاً تتا ۱۲ و بتا ۶ است. ← بعد تغییرات رخ می‌دهد و تتا ۱۴ و بتا ۵ می شود درست که ۱۲ تا ۱۴ و ۵ تا ۶ تغییر زیادی نیست ولی نسبت تتا به بتا از ۱۲ بر روی ۶ به ۱۴ بر روی ۵ تغییر یافته یعنی از ۲ به نزدیک ۳ رسیده، اینجا نسبت تتا به بتا ارزشمند می‌شود. 

Brain Map یک روش آنالیز دیگر QEEG است که به آن می گویند تحلیل EEG در حوزه مکان. ما ۱۹ الکترود داریم. آیا برای هر الکترود قدری از آلفا را داریم یا نه؟ بله. در جدولی دامنه‌های آلفایی الکترودها را تبدیل کردیم به absolute power. پس ۱۹ تا absolute power داریم. آیا مقادیرش یکسان است؟ خیر. این بدین معنی است که توزیع آنها در مناطق مختلف سر، یکسان نیست. در کجا میزان آلفای بیشتری داریم؟ اکسی‌پیتال که اگر بخواهیم از روی جدول پیدا کنیم یک مقدار سخت است پس به صورت نقشه و رنگی روی جمجمه نشان می دهیم این می شود brain map.

به نرم افزار می گوییم به جای min و max عدد، رنگ به ما بدهد. حالا توزیع رنگ روی سر را داریم که brain map است. جلوی سر کمترین است و بزرگترین عدد پس‌سر است. 
توزیع آنها روی سر به صورت رنگ داریم که همان brain map است که راحت‌تر‌ است. ما به دو تا سوال باید پاسخ دهیم:

سوال اول: آلفا در کجا بیشتر است؟ در اکسی‌پیتال. آیا نرمال است؟ باید ببینیم برای توزیع آیا یافته قبلی داریم؟ یافته های قبلی می گویند که آلفای اکسی‌پیتال بیشتر از آلفای فرونتال است خواه در حالت چشم باز خواه در حالت چشم بسته این یک فکت است. حالا با در دست داشتن این فکت آیا این نرمال است؟ بله.

سوال دوم: میزان آلفایی که در شکل می‌بینیم مثلاً ۲۰ میکرو ولت مربع، برای این فرد نرمال است؟ اینجا به یک چیز دیگر نیاز داریم به چه چیزی؟ به میزان دامنه نرمالی که در هر حالت طبیعی فرد دارد. فرض کنیم که این میزان قند خون است. چه زمانی میزان قند خون می تواند نرمال باشد؟ باید به جدول نرم مراجعه کنیم متناسب با سن و جنس فرد عدد نرم را پیدا کنیم اگر میزان قند خون فرد با این عدد نرم یکسان بود یعنی قند خون فرد نرمال است و اگر تفاوت داشت دیگر نرمال نیست. باید ببینیم که تعداد زیادی از انسان‌ها در تک تک الکترودها میانگین و انحراف معیار آنها چقدر است؟ اگر همه آدم‌ها آلفای اکسی‌پیتال‌شان ۶۰ میکرو ولت باشد این فرد هم ۶۰ میکروولت است پس نمره z آن می شود چند؟ صفر یعنی کاملا نرمال است.

z-score = (x – μ) / σ

که در فرمول نمره استاندارد یا نمره z داریم:

  • x: ارزش فردی
  • μ: میانگین جمعیت
  • σ: انحراف معیار جمعیت

هر چقدر آن نمره از z فاصله بگیرد مثلاً نمره فرد ۶۰ و میانگین جامعه ۳۰ باشد دارد میانگین جامعه از نمره z صفر میل می‌کند به سمت راست یا مثلاً نمره فرد ۶۰ و میانگین جامعه ۱۲۰ پس  دارد میل پیدا می کند به سمت چپ. کجا ابنرمال می‌شود؟ جایی که از یک فاصله اطمینان خارج شود. ۹۵ درصد که نمره متناظرش برای z یا نمره استاندارد، ۱/۹۶-  است و از ۱/۹۶+ یعنی بین ۱/۹۶+ تا ۱/۹۶- طبیعی است از آن کمتر یا بیشتر ابنرمال است.
یکبار نمرات خام آلفا را داریم یک بار نمرات z متناظر با اینها را داریم. در Map نمرات خام آلفا را از کوچکترین عدد تا بزرگترین عدد به صورت رنگ داشتیم. حالا بیاییم نمرات z را با Map نشان دهیم به صورت قراردادی می گویم به نمرات z حول و حوش صفر رنگ سبز بده. هر چقدر دارد به سمت نمره z منفی می‌رود کم رنگ شود یا به عبارتی هر چقدر از صفر یا میانگین جامعه دورتر می‌شود آبی سیرتر و هر چقدر دارد از میانگین جامعه دورتر می‌شود به سمت بزرگ‌تر قرمز سیر باشد.
این ارزش اطلاعاتی دارد که توزیعش را در مناطق مختلف مغز می گوید. ما چه موقع می‌توانیم نمره z داشته باشیم؟ موقعی که میانگین و انحراف معیار را داشته باشیم. چه موقع می توانیم میانگین و انحراف معیار را داشته باشیم؟ وقتی که روی آدم‌های زیادی تست شده باشد و به این می گویند Database با مثلاً دیتابیس قد یا قند خون، یا کلمات از نظر (بنویس) حالا دیتابیس QEEG را می‌توانیم داشته باشیم.
نوروگاید نرم افرازی است که EEG را آنالیز می کند ولی تفاوتش با متلب چیست؟ نرم افزار متلب EEG را خیلی قوی آنالیز می کند ولی نوروگاید چه مزیتی دارد که ازش استفاده می‌کنیم؟ نوروگاید حتما دیتای نرمال را هم دارد که با آن مقایسه می شود.
ما Z Score  برای Absolute power داریم. (به تفکیک باند  فرکانسی) 
ما Z Score برای related power داریم. (به تفکیک باند فرکانسی) 
ما FFT absolute power داریم. و نیز ما Z score FFT absolute power داریم. فقط برای آلفا patern داریم برای دیگر امواج نداریم پس بقیه ارزش بالینی برای ما ندارد. فقط آلفا برای ما ارزشمند است.
برای وقتی که تشخیص سخت است، brain map مفید است ولی در مواردی که مشکل مشخص است brain map فقط تجارت شده متاسفانه. 


CV استاد گرانقدر آقای دکتر محمدعلی نظری




آیا این مقاله برای شما مفید بود؟
بله
تقریبا
خیر

داریوش طاهری

اولیــــــن نیستیــم ولی امیـــــد اســــت بهتـــرین باشیـــــم...!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا