פרוטוקול זה הוא משמעותי כפי שהוא מאפשר חקירה של רשתות קליפת המוח על ידי מידול איך אזורים אינטראקציה אחד עם השני כדי לחשוף הבדלים לא ניכר עם טכניקות ניתוח סטנדרטי. היתרון העיקרי של טכניקה זו הוא שהיא מאפשרת לנו לחקור פונקציות רשת באמצעות ציוד זמין נרחב, כך שנוכל להשיג הקלטות חשמליות לא פולשניות ללא צורך בחומרים מיוחדים. טכניקה זו מאפשרת חקירה לא פולשנית של מחלות נוירופסיכיאטריות על ידי בחינת מבני רשת המאפשרים פיתוח שיטות אבחון חדשניות וסמנים ביולוגיים טיפוליים.
שיטה זו יש מגוון רחב של יישומים בתוך מדעי המוח הקליניים במיוחד כמו התפקיד של תפקוד הרשת במחלה הופך רלוונטי יותר ויותר. לאיסוף נתונים, צרף את מכסה האלקטרודה לראשו של המטופל תוך הקפדה על יישור נכון. הזרק ג'ל מוליך לכל אחת מיציאות האלקטרודה המתחילות בקרקפת ונסוג באיטיות אל משטח המכסה כדי ליצור מגע חשמלי עם הקרקפת ולשפר את יחס האות לרעש.
לאחר מכן השתמש במונטאז' אלקטרודות קבוע מראש המבוסס על מערכת 10-20 כדי לחבר את האלקטרודות למכסה האלקטרודה ולאבטח את אלקטרודות הקרקע המתאימות. כדי להקים את EEG, לחבר את כל האלקטרודות למערכת הקלטה אלקטרופיזיולוגית ולקשר את מערכת ההקלטה עם סביבת הקלטה דיגיטלית מתאימה. בדקו את כל ערוצי ההקלטה כדי לוודא שההיסט נמצא בטווח המתאים ולהימנע מרעש ערוץ מוגזם.
האלגוריתם יפיק תוצאות ללא קשר לאיכות הנתונים ולכן ההקלטות צריכות להתבצע בתנאי איכות נתונים מחמירים ויש לנתח אותן לפני השימוש בהן. לאחר מכן הנחה את המטופל כי ההקלטה החלה ולהימנע מכל התנועות המיותרות לפני ביצוע הקלטת בדיקה קצרה כדי לאמת את איכות ההקלטה המתאימה. בסוף הניתוח, טען את נתוני EEG ואת כל ספריות ה- Script הנוספים לפי הצורך לסביבת ניתוח נתונים מתאימה.
השלך את חמש הדקות הראשונות והאחרונה של כל הקלטה כדי להפחית את הזיהום של כל ממצא תנועה ולפצל את הנתונים לתוך תקופה המבוססת על המשימה או אם זה מצב מנוחה הקלטת משך קבוע מראש. כדי להכין את הנתונים, תקן את בסיס ההקלטות על ידי חיסור הממוצע של כל הערוצים מההקלטות כדי למנוע את ההשפעה של כל נדודים בסיסיים במהלך הקלטות ממושכות. הפוך מחדש את כל הערוצים להפניה מתאימה.
לאחר מכן סנן דיגיטלית את כל הערוצים כדי לבודד את התדרים המעניינים. כדי לחשב את ספקטרום ההספק הכולל של הנתונים, בצע המרה של פורייה של כל ערוץ שנותח לאורך כל טווח התדרים שיש להעריך. כדי להעריך את הפעילות של להקות תדרים בודדות, בודדו את להקת התטא בארבע עד שמונה הרץ, את להקת האלפא בשמונה עד 12 הרץ, את להקת הבטא ב-12 עד 30 הרץ, את להקת הדלתא ב-0.5 עד 4 הרץ ואת להקת הגמא ביותר מ-30 הרץ.
כדי להעריך את האינטראקציות בין זוג האלקטרודה הראשון, יש להפיק מידה של קוהרנטיות בין אלקטרודות. כדי להעריך את הקוהרנטיות, מפה את המידות של קוהרנטיות האלקטרודה הבין-אלקטרודית שיש לדמיין על-גבי מבנה נתונים דו-ממדי שבו כל עמודה היא מיקום אלקטרודה, כל שורה היא מיקום אלקטרודה, וכל תא הוא הקוהרנטיות בין זוג האלקטרודה המתאים ומפה את ערכי הקוהרנטיות בין אפס לצבע אחד. לאחר מכן יצא מפת צבעים המציגה את קוהרנטיות האלקטרודה בין כל זוג אלקטרודה בתוך מגבלות התדרים המשמשות.
כדי לדמיין אינטראקציות מסדר גבוה יותר בין אזורים קליפת המוח כדי למפות את דינמיקת הרשת, לחשב כיצד כל מודד קוהרנטיות זוג אלקטרודה עולה קוהרנטיות עם אלה של כל זוג אלקטרודה ייחודי אחר על פני הספקטרום הכולל בתוך רצועות ספציפיות. לאחר מכן מפה מידות שונות משותפת אלה לצבעים וייצא מפת צבעים המדמיין את דינמיקת הרשת בתוך רצועות תדרים שונות. כדי לבצע הפחתת ממדים, גזור מידות להשוואה בין הקבוצות המייצגות את דינמיקת הרשת הכוללת במודלים הסטטיסטיים הנוצרים באמצעות ניתוח הרכיבים העיקריים.
הנחה מטריצת השונות המשותפת עבור מדדי הקוהרנטיות הדו-נבונים כדי לאפשר הדמיה של קשרי הרשת ברמה גבוהה ולרוקן את מטריצת השונות המשותפת לאיגנווקטורים ולאיגנווקטורים תואמים כדי לאפשר זיהוי של הציר בתוך מרחב תכונות המודל המכיל את השונות הגדולה ביותר מבלי להיות מוגבל על ידי האמצעים הקיימים. לדרג את eigenvectors על ידי eigenvalues המקביל שלהם כדי לזהות את אלה חשבונאות עבור השיעור הגדול ביותר של שונות בתוך המודל. לאחר מכן השווה את רכיבי העיקרון הראשונים הנגזרים ממודלים של הרשת.
כדי לבחור אזור פונקציונלי של עניין, בודד את נתוני הקוהרנטיות בתוך רצועות התדירות המעניינים. בצע ניתוח רכיבים עקרוני כדי להפיק מדדים של פעילות הרשת הכוללת בתוך להקות העניין. לאחר מכן השווה את האמצעים בין הקבוצות כדי להעריך את הבדלי הרשת בתדרי תנודות ספציפיים.
כדי לבצע למידה ללא השגחה באמצעות מדד מרחק כגון מרחק אוקלידי, לחשב את מידות המרחק בין נושאים בתוך המרחב שהוגדר על-ידי מודל הרשת. לאחר מכן השתמש באלגוריתם קיבוץ באשכולות כגון k-השכן הקרוב ביותר כדי לזהות את הקבוצות בתוך הנתונים בהתבסס על פרמטרי המודל. ניתן לדמיין את הכוח הספקטרלי משולב על פני הקרקפת ומאפשר הערכה מוגבלת של מקור הפעילות.
כל אחד מהמדדים האלקטרודה בין אלקטרודה מציין עד כמה הפעילות באזור אחד משתנה בהתאם לפעילות באזור אחר ומאפשר הבדלים בכיוון האינטראקציה וההשהיה בזמן. ערכים גבוהים יותר של קוהרנטיות בין אלקטרודות מצביעים על אינטראקציות בין אזורים מהם ניכר כי האזורים המוקלטים מתקשרים זה עם זה. על ידי מדידת האינטראקציות בין כל זוג אלקטרודה ייחודי, ניתן לבנות מפה סטטיסטית של האופן שבו הערוצים המוקלטים מקיימים אינטראקציה המאפשרת חקירה של אופן התקשורת של האזורים במקום להתמקד באזורים בודדים של בידוד.
ההדמיה של דינמיקת רשת מסדר גבוה יותר מקלה על ההכרה בסוגי האינטראקציות המוושוים על-ידי ניתוח רכיבים עקרוני או טכניקה מבוססת מסווג כדי להעריך כיצד מדידות הקוהרנטיות בזוג אלקטרודה אחד קשורות לשינויים בקוהרנטיות בזוג אחר. לדוגמה, כאן אנו יכולים לדמיין הבדלים ניכרים במיפוי הרשת בין שני נושאים עם פנוטיפים קליניים שונים של הפרעה נוירופסיכיאטרית המשפיעה על תפקוד קליפת המוח שבו לא היו הבדלים מובהקים סטטיסטית באמצעות שיטות ניתוח סטנדרטיות. בעקבות הפקת אמצעי רשת באמצעות הליך זה, ניתן להשתמש בטכניקות למידת מכונה כדי למנף את המודלים העשירים בנתונים המיוצרים כדי לאפשר ניתוחים אבחנתיים ופרוגנוסטיים מתוחכמים יותר.
טכניקה זו אפשרה את חקירת תת-סוגים של מחלות בתסמונת רט, מחלה נוירופסיכיאטרית בילדים, כמו גם את חיזוי התגובות לטיפולים חדשניים ולמעמד אפילפסיה.
