Кортикокортикальная когерентность - Corticocortical coherence

Кортикокортикальная когерентность относится к синхронности нейронной активности различных областей коры головного мозга. Нейронная активность улавливается электрофизиологическими записями головного мозга (например, ЭЭГ, МЭГ, ЭКоГ, так далее.). Это метод изучения нейронных связей и функций мозга в состоянии покоя или во время выполнения функциональных задач.

История и основы

Первые применения спектрального анализа для определения взаимосвязи между записями ЭЭГ из разных областей кожи головы относятся к 1960-м годам.[1] Кортикокортикальная когерентность с тех пор широко изучалась с использованием ЭЭГ и МЭГ запись для потенциальных диагностических приложений[2] и дальше.

Точные причины кортикокортикальной когерентности активно исследуются. Хотя консенсус предполагает, что функциональная нейронная связь между различными источниками мозга приводит к синхронной активности в этих областях (возможно, связанных нервными трактами, прямым или косвенным образом),[3][4][5] Альтернативное объяснение делает упор на единичные фокусные колебания, которые происходят в отдельных источниках мозга, которые в конечном итоге оказываются связанными или синхронными в разных областях черепа или головного мозга.[6]

Кортикокортикальная когерентность представляет особый интерес в диапазонах частот дельта, тета, альфа, бета и гамма (обычно используется для ЭЭГ исследования).

Методы, математика и статистика

Кортико-кортикальную когерентность обычно изучают с использованием биполярных каналов записей ЭЭГ, а также униполярных каналов сигналов ЭЭГ или МЭГ; тем не менее, униполярные каналы обычно используются для оценки источников мозга и их связи с использованием визуализации электрических источников и анализа связности.[7]

Классический и часто используемый подход к оценке синхронности нейронных сигналов - это использование Согласованность.[8]

Статистическая значимость когерентности находится как функция количества сегментов данных с предположением нормального распределения сигналов.[9] В качестве альтернативы можно использовать непараметрические методы, такие как самонастройка.

Смотрите также

внешняя ссылка

Рекомендации

  1. ^ Уолтер, Д. О. (1963-08-01). «Спектральный анализ электроэнцефалограмм: математическое определение нейрофизиологических отношений из записей ограниченной продолжительности». Экспериментальная неврология. 8 (2): 155–181. Дои:10.1016/0014-4886(63)90042-6. ISSN  0014-4886. PMID  20191690.
  2. ^ Sklar, B .; Hanley, J .; Симмонс, В. У. (1972-12-15). «Эксперимент ЭЭГ, направленный на выявление детей с дислексией». Природа. 240 (5381): 414–416. Дои:10.1038 / 240414a0. ISSN  0028-0836. PMID  4564321.
  3. ^ Лэй, Сюй; У, Таоюй; Вальдес-Соса, Педро (01.01.2015). «Включение предварительных требований для визуализации источников ЭЭГ и анализа связи». Границы неврологии. 9: 284. Дои:10.3389 / fnins.2015.00284. ISSN  1662-453X. ЧВК  4539512. PMID  26347599.
  4. ^ Рамирес, Рей Р .; Випф, Дэвид; Байе, Сильвен (01.01.2010). Чаовалитвонгсе, Ванпрача; Pardalos, Panos M .; Ксантопулос, Петрос (ред.). Вычислительная неврология. Оптимизация Springer и ее приложения. Springer Нью-Йорк. стр.127 –155. Дои:10.1007/978-0-387-88630-5_8. ISBN  9780387886299.
  5. ^ Он, Б .; Лю, З. (01.01.2008). «Мультимодальная функциональная нейровизуализация: интеграция функциональной МРТ и ЭЭГ / МЭГ». Обзоры IEEE в области биомедицинской инженерии. 1: 23–40. Дои:10.1109 / RBME.2008.2008233. ISSN  1937-3333. ЧВК  2903760. PMID  20634915.
  6. ^ Делорм, Арно; Палмер, Джейсон; Онтон, Джули; Остенвельд, Роберт; Макейг, Скотт (2012-02-15). «Независимые источники ЭЭГ диполярны». PLOS ONE. 7 (2): e30135. Дои:10.1371 / journal.pone.0030135. ISSN  1932-6203. ЧВК  3280242. PMID  22355308.
  7. ^ Мехрканун, Саид; Брейкспир, Майкл; Бритц, Джулиана; Бунстра, Тьерд В. (17 сентября 2014 г.). "Режимы внутренней связи в электроэнцефалографии с реконструированным источником". Связь мозга. 4 (10): 812–825. Дои:10.1089 / brain.2014.0280. ISSN  2158-0014. ЧВК  4268557. PMID  25230358.
  8. ^ Холлидей, Д. М., Розенберг, Дж. Р., Амджад, А. М., Бриз, П., Конвей, Б. А., и Фармер, С. Ф. (1995). Структура для анализа смешанных временных рядов / данных точечных процессов - теория и применение для изучения физиологического тремора, разрядов отдельных моторных единиц и электромиограмм. Прогресс в биофизике и молекулярной биологии, 64 (2–3), 237–278. http://doi.org/10.1016/S0079-6107(96)00009-0
  9. ^ Холлидей, Д. М., и Розенберг, Дж. Р. (1999). Анализ последовательности всплесков и данных временных рядов во временной и частотной областях. В «Современные методы исследования нейробиологии» (стр. 503–543). Springer. Извлекаются из http://doi.org/10.1007/978-3-642-58552-4_18