이 문서는 국가 자연 과학 재단의 중국 (31671141)에 의해 지원 되었다.

이 프로토콜은 로컬 윤리 위원회에 의해 승인 되었다. 모든 참가자와 그들의 부모는이 실험에 대 한 동의 양식 서명.
1입니다. 과목
<ol><li>15 건강 한 남성 사춘기 과목, 누구의 나이 범위는 14에서 22 년 포함 (± 표준 편차 의미: 18.3 ± 2.8 년). 참고: 현재 프로토콜 미세와 오메가 복잡도 분석을 건강 한 주제에 대 한 개발 되었습니다 하지만이 그룹에 제한 되지 않습니다.</li>
</ol>2. 뇌 파 데이터 기록
<ol><li>뇌 파 데이터 기록 된 침묵, 온도 제어 룸에서 편안한의 자에 앉아 주제 요청. 이 프로토콜에서 개미 뇌 파 시스템을 사용 하 여 20 채널 뇌 파 데이터를 수집 합니다.</li>
	<li>피사체의 머리에 모자를 넣어.<ol>
<li>대부분 사춘기 또는 남성 과목에 대 한 적합 한 이후이 연구에서 중간 크기와 모자를 사용 합니다. 어린이 위한 각 과목의 머리 둘레를 측정 하 고 적당 한 크기와 모자를 확인 하십시오.</li>
		<li>약 inion와 교정 사이 거리의 50% 및 왼쪽 및 오른쪽 간 청각 톱니 사이의 거리의 50%에 전극 Cz를 놓습니다. 왼쪽 및 오른쪽 mastoid 뼈에 각각 참조 전극을 놓습니다. 10-20 시스템에 따라 국제 표준 위치에 다른 두 피 전극을 놓습니다. 참고: 한 전극 시스템 및 뇌 파 20 채널 증폭기는 EEG 미세 분석 및 오메가 복잡도 분석에 대 한 충분 한.</li>
	</ol>
</li>
	<li>전극을 통해 무딘 바늘을 삽입 하 여 전도성 젤으로 모든 전극을 채우십시오. 전도성 젤을 사용 하 여 낮은 임피던스. 10 kiloohms (ω) 보다 낮은 모든 전극 임피던스를 유지.<ol>
<li>과목에 대 한 몇 가지 엔터테인먼트를 제공 하는이 기간 동안 (예를 들어, 단편 영화 보기). 건조 전극 또는 염 분 전극 사용, 전도성 젤을 주입 하는 단계를 건너뜁니다.</li>
	</ol>
</li>
	<li>눈 감고 5 분 디지털화 소프트웨어를 사용 하 여 디지털화 하 고 뇌 파를 기록 하는 지속 신호 기록 하는 동안 긴장을 주제를 지시 합니다. 적어도 250 샘플/미 0.1 보다 광범위 한 온라인 필터를 사용 하 여 및 80 Hz의 샘플링 속도 사용 합니다. 참고: 대부분의 상용 가능한 전극 증폭기 시스템 사용 하 여 뇌 파 신호 대 잡음 비율에 신호를 향상 시킬 수 있는 활성 전극 시스템 배치 하지 마십시오 어떤 전기 장치 든 지에 가까운이 시스템 뇌 파 기록 중.</li>
</ol>3. 뇌 파 데이터 전처리
참고: 뇌 파 데이터 수 수 전처리 다양 한 오픈 소스 또는 상용 소프트웨어를 사용 하 여. 아래에 제공 된 지침 EEGLAB에 대 한 특정 있습니다. 이 뇌 파 데이터 전처리에 많은 사용 가능한 옵션 중 하나일 뿐입니다.
<ol><li>뇌 파 소프트웨어 (예: EEGLAB)를 원시 뇌 파 데이터 가져오기 (파일 | 데이터 가져오기 | EEGLAB 함수를 사용 하 여 및 플러그인). 참고: 다양 한 전극 증폭기 시스템에서 기록 된 원시 뇌 파 데이터는 EEGLAB, EGI, 개미, 등에 의해 인식 될 수 있는 뇌 비전 레코더, 그리고 Neuroscan.</li>
	<li>뇌 파 소프트웨어 채널 위치 파일 로드 (편집 | 채널 위치)입니다. 비록 뇌 파 데이터 및 채널 이름 EEGLAB을 가져온,이 전극의 공간 위치를 얻기 위하여 뇌 파 소프트웨어에 채널 위치 파일을 가져옵니다.</li>
	<li>기준 전극 제거 (편집 | 데이터 선택 | 선택 데이터 채널 범위에서). "선택 데이터는 채널 범위에서" 팝업 대화 상자의 옵션에서 기록 전극만을 선택 하 고 참조 전극 제거 될 수 있도록 참조 전극 선택 하지 마십시오. 이후이 두 전극은 각각 왼쪽 및 오른쪽 mastoid 뼈에 배치 됩니다 참조 전극에 기록 된 데이터는 '진정한' 뇌 신호, 아니다.</li>
	<li>밴드 패스 필터 뇌 파 데이터 0.5와 80 Hz 사이 (도구 | 데이터 필터링 | 기본 FIR 필터 [새, 기본]). 팝업 대화 상자에서 "주파수 패스 밴드 (Hz)의 낮은 가장자리", 5를 선택 하 고 "주파수 패스 밴드 (Hz)의 더 높은 가장자리"에 대 한 80를 선택 합니다. 그런 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>49 및 51 Hz 사이 노치 필터와 함께 전원 라인 노이즈 제거 (도구 | 데이터 필터링 | 기본 FIR 필터 [새, 기본]). 팝업 대화 상자에서 "주파수 패스 밴드 (Hz)의 낮은 가장자리", 대 한 49 고 51 "주파수 패스 밴드 (Hz)의 더 높은 가장자리"에 대 한 선택 선택한 "노치 필터 통과 대역 대신 데이터"의 옵션을 선택 합니다. 그런 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>눈 운동, 전도 (EMG) 또는15장 님 소스 분리 (BSS) 알고리즘 사용 하 여 다른 비 생리 적인 유물에 의해 오염 된 데이터 부분을 수정 합니다. 눈의 움직임, 클릭 도구 | AAR 1.3을 사용 하 여 아티팩트 제거 | EOG 제거 | BSS;를 사용 하 여 EMG, 도구 | AAR 1.3을 사용 하 여 아티팩트 제거 | EMG 제거 BSS를 사용 하 여입니다.</li>
	<li>Epoch 길이 2의 신 기원에 미리 처리 된 연속 뇌 파 데이터 세그먼트 s. 이 작업을 수행 하려면 '뇌 파 = eeg_regepochs (뇌 파, '되풀이', 2, '제한', [0 2], 'rmbase', 할머니); pop_saveset(EEG)', 다음 키보드의 Enter 키를 누르십시오. 창이 팝업 됩니다 세그먼트 뇌 파 데이터의 저장을 허용 하는.</li>
	<li>뇌 파 소프트웨어를 세그먼트 뇌 파 데이터 가져오기 (파일 | 기존 데이터 집합 로드).</li>
	<li>어떤 전극에 ± 80 µ V를 초과 하는 진폭 값 EEG epochs 거부 (도구 | 데이터 신기를 거부 | 데이터 [모든 방법] 거부).</li>
	<li>전처리 된 뇌 파 데이터 저장 (파일 | 현재 데이터 집합으로 저장).</li>
</ol>4. 뇌 파 미세 분석
참고: 고전 k-means 클러스터링 알고리즘의 수정된 된 버전 미세 클래스 분석16, 상향식 절차와 최대 아래 절차는 사용 됩니다. 상향식 절차에서 그룹 수준 미세 클래스 공간 상관 관계를 사용 하 여 클러스터링 기준으로 식별 됩니다. 다음 위쪽-아래쪽 절차에서 각 지형 지도 각 그룹에 각 과목의 최대 공간 상관 관계 된 뇌 파 미세 클래스에 할당 됩니다. 휴식 상태 뇌 파 미세 분석에 대 한 지형도의 극성은 일반적으로 무시 된다. 뇌 파 미세 클래스 분석을 할 수 있는 CARTOOL, sLORETA, 등 다양 한 오픈 소스 소프트웨어를 사용 하 여 엠마와 MapWin. 아래에 제공 된 지침은 Microstates의 EEGLAB 플러그인에 대 한 특정 있습니다. EEGLAB 플러그인이 https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins에서 다운로드 받을 수 있습니다.
<ol><li>각 주제에 대 한 전처리 뇌 파 데이터 로드 (파일 | 일반적인 평균 참조 데이터 집합을 기존 하는 부하의 경우) 변환 참조 채널 (도구 | 다시 참조), 그리고 대역 통과 필터 2와 20 Hz 사이 뇌 파 데이터 (도구 | 데이터 필터링 | 기본 FIR 필터 [새, 기본]).</li>
	<li>각 주제에 4 개의 미세 지도 식별 (도구 | Microstates | 식별 미세 지도). 팝업 대화 상자에서 "클래스의"분 번호 3을 선택, "클래스의"최대 번호 6을 선택, 다시 시작 "수"에 대 한 50, "최대 수 사용 하 여 지도", 선택 선택한 "GFP 피크만"와 "극성"의 옵션을 선택. 그런 다음 "확인" 버튼을 클릭 합니다.</li>
	<li>지도 자체 미세 식별 후 각 과목의 뇌 파 데이터 저장 (파일 | 현재 데이터 집합으로 저장).</li>
	<li>마지막 단계에서 한 번에 저장 하는 모든 과목의 뇌 파 데이터 집합 가져오기 (파일 | 기존 데이터 집합 로드).</li>
	<li>그룹 수준 미세 지도 식별 (도구 | Microstates | 평균 미세 지도 데이터 집합에서). 팝업 대화 상자에서 옵션에서 모든 과목의 데이터 집합 "평균에 대 한 설정 선택" 선택 합니다. 옵션 "의 이름"에서 그룹 수준 미세 지도 대 한 이름을 주어 라. 기본 이름은 "GrandMean"입니다. 그런 다음 "확인" 버튼을 클릭 합니다. 이것은 "GrandMean" 그룹 수준 미세 지도 저장으로 라는 새 데이터 집합을 만듭니다.</li>
	<li>수동으로 정렬 하는 그들의 고전적인 순서에 따라 4 개의 그룹 수준 미세 지도의 순서 (그림 | 미세 지도 편집). 팝업에 "더", 선택 하 고 다음 표시 된 지도 수 됩니다 4. "남자 정렬"을 선택 합니다. 팝업 대화 상자에서 4 개의 그룹 수준 미세 지도의 새로운 질서를 입력 합니다. 그런 다음 "닫기" 클릭.</li>
	<li>각 과목의 4 개의 미세 지도의 순서 정렬 (도구 | Microstates | 개별 미세 지도 의미에 따라 정렬).</li>
	<li>각 과목의 미세 매개 변수 저장 (도구 | Microstates | 계량 데이터 [평균 서식 지도] 집합의 microstates)는 순차적으로 두 개의 팝업 대화 상자를 호출 합니다.<ol>
<li>첫 번째 대화 상자에서 모든 과목의 데이터 집합을 선택 합니다. 두 번째 대화 상자에서 "4 클래스" 클래스의 "수" 옵션을 선택 "피팅 GFP 봉우리에 만" 옵션을 선택한 "제거는 잠재적으로 microstates 잘린", 30 "레이블 창 (ms)를 부드럽게" 선택한 선택 "비 매끄러운에 대 한 1 페널티 "입니다. "확인"을 클릭 합니다. Csv 파일 미세 매개 변수를 저장 하는 컴퓨터에 저장 됩니다.</li>
	</ol>
</li>
</ol>5. 오메가 복잡도 분석
<ol><li>각 신 기원의 뇌 파 데이터를 저장 하 고 각 주제에 ASCII 또는 txt 형식을 사용 하 여 사용자 지정 스크립트. 5.1 단계에 대 한 사용자 지정 된 스크립트의 예는 보충 물자에 찾아낼 수 있었다. 참고: 글로벌 오메가 복잡성을 계산 하는 경우 모든 두 피 전극의 뇌 파 데이터 ASCII 또는 txt 형태로 내보낼 필요는 합니다. 지역 오메가 복잡성을 계산 하는 경우 그 두 피 지역에서 전극의 EEG 데이터만 내보냅니다. 예를 들어 앞쪽 오메가 복잡도 계산 하기 위하여 앞쪽 지역 (즉, Fp1, Fp2, F7, f 3, Fz, F4 및 f 8);에서 전극의 EEG 데이터만 수출 후부 오메가 복잡도 계산 하기 위하여 후부 지역 (즉, T5, T6, P3, P4, Pz, o 1와 O2)에 전극의 EEG 데이터만 내보냅니다.</li>
	<li>17 sLORETA 소프트웨어 사용 하 여 모든 개별 주파수의 오메가 복잡도 계산 (유틸리티 | 글로벌 연결)입니다. 이 소프트웨어는 http://www.uzh.ch/keyinst/loreta.htm에 있다.</li>
	<li>26사용자 지정된 스크립트 사용 하 여 각 주파수 대역의 오메가 복잡성을 계산 합니다. 우리의 경우, 계산 각 주파수 제한 내 평균 값으로 다음 8 주파수 대역의 오메가 복잡성을 델타 (0.5-3.5 Hz), 세타 (4-7.5 Hz), alpha1 (8-10 Hz), alpha2 (10.5-13.5 Hz), beta1 (14-18 Hz), beta2 (18.5-30 Hz), gamma1 ( 30.5-48 Hz), 그리고 gamma2 (52-80 Hz)4. 단계 5.3에 대 한 사용자 지정 된 스크립트의 예는 보충 물자에서 찾아낼 수 있었다.</li>
</ol>

<ol>
	<li>Khanna, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Microstates+in+resting-state+EEG:+current+status+and+future+directions.">Microstates in resting-state EEG: current status and future directions.</a> Neurosci Biobehav Rev. 49, 105-113 (2015).</li><li>Chen, J. L., Ros, T., Gruzelier, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+changes+of+ICA-derived+EEG+functional+connectivity+in+the+resting+state.">Dynamic changes of ICA-derived EEG functional connectivity in the resting state.</a> Hum Brain Mapp. 34 (4), 852-868 (2013).</li><li>Imperatori, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Aberrant+EEG+functional+connectivity+and+EEG+power+spectra+in+resting+state+post-traumatic+stress+disorder:+a+sLORETA+study.">Aberrant EEG functional connectivity and EEG power spectra in resting state post-traumatic stress disorder: a sLORETA study.</a> Biol Psychol. 102, 10-17 (2014).</li><li>Gao, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Altered+Resting-State+EEG+Microstate+Parameters+and+Enhanced+Spatial+Complexity+in+Male+Adolescent+Patients+with+Mild+Spastic+Diplegia.">Altered Resting-State EEG Microstate Parameters and Enhanced Spatial Complexity in Male Adolescent Patients with Mild Spastic Diplegia.</a> Brain Topogr. 30 (2), 233-244 (2017).</li><li>Seitzman, B. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cognitive+manipulation+of+brain+electric+microstates.">Cognitive manipulation of brain electric microstates.</a> Neuroimage. 146, 533-543 (2017).</li><li>Lehmann, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG-defined+functional+microstates+as+basic+building+blocks+of+mental+processes.">EEG-defined functional microstates as basic building blocks of mental processes.</a> Clin Neurophysiol. 122 (6), 1073-1074 (2011).</li><li>Koenig, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Millisecond+by+millisecond,+year+by+year:+normative+EEG+microstates+and+developmental+stages.">Millisecond by millisecond, year by year: normative EEG microstates and developmental stages.</a> Neuroimage. 16 (1), 41-48 (2002).</li><li>Britz, J., Van De Ville, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BOLD+correlates+of+EEG+topography+reveal+rapid+resting-state+network+dynamics.">BOLD correlates of EEG topography reveal rapid resting-state network dynamics.</a> Neuroimage. 52 (4), 1162-1170 (2010).</li><li>Musso, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spontaneous+brain+activity+and+EEG+microstates.+A+novel+EEG/fMRI+analysis+approach+to+explore+resting-state+networks.">Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks.</a> Neuroimage. 52 (4), 1149-1161 (2010).</li><li>Strelets, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chronic+schizophrenics+with+positive+symptomatology+have+shortened+EEG+microstate+durations.">Chronic schizophrenics with positive symptomatology have shortened EEG microstate durations.</a> Clin Neurophysiol. 114 (11), 2043-2051 (2003).</li><li>Kikuchi, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+microstate+analysis+in+drug-naive+patients+with+panic+disorder.">EEG microstate analysis in drug-naive patients with panic disorder.</a> PLoS One. 6 (7), e22912 (2011).</li><li>Santarnecchi, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+Microstate+Correlates+of+Fluid+Intelligence+and+Response+to+Cognitive+Training.">EEG Microstate Correlates of Fluid Intelligence and Response to Cognitive Training.</a> Brain Topogr. , (2017).</li><li>Schlegel, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+microstates+during+resting+represent+personality+differences.">EEG microstates during resting represent personality differences.</a> Brain Topogr. 25 (1), 20-26 (2012).</li><li>Wackermann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Beyond+mapping:+estimating+complexity+of+multichannel+EEG+recordings.">Beyond mapping: estimating complexity of multichannel EEG recordings.</a> Acta Neurobiol Exp (Wars). 56 (1), 197-208 (1996).</li><li>Jung, T. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Removing+electroencephalographic+artifacts+by+blind+source+separation.">Removing electroencephalographic artifacts by blind source separation.</a> Psychophysiology. 37 (2), 163-178 (2000).</li><li>Pascual-Marqui, R. D., Michel, C. M., Lehmann, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Segmentation+of+brain+electrical+activity+into+microstates:+model+estimation+and+validation.">Segmentation of brain electrical activity into microstates: model estimation and validation.</a> IEEE Trans Biomed Eng. 42 (7), 658-665 (1995).</li><li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Standardized+low-resolution+brain+electromagnetic+tomography+(sLORETA):+technical+details.">Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details.</a> Methods Find Exp Clin Pharmacol. 24, 5-12 (2002).</li><li>Hu, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+primary+somatosensory+cortex+contributes+to+the+latest+part+of+the+cortical+response+elicited+by+nociceptive+somatosensory+stimuli+in+humans.">The primary somatosensory cortex contributes to the latest part of the cortical response elicited by nociceptive somatosensory stimuli in humans.</a> Neuroimage. 84, 383-393 (2014).</li><li>Murray, M. M., Brunet, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Topographic+ERP+analyses:+a+step-by-step+tutorial+review.">Topographic ERP analyses: a step-by-step tutorial review.</a> Brain Topogr. 20 (4), 249-264 (2008).</li><li>Van de Ville, D., Britz, J., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+microstate+sequences+in+healthy+humans+at+rest+reveal+scale-free+dynamics.">EEG microstate sequences in healthy humans at rest reveal scale-free dynamics.</a> Proc Natl Acad Sci U S A. 107 (42), 18179-18184 (2010).</li><li>Gonuguntla, V., Mallipeddi, R., Veluvolu, K. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identification+of+emotion+associated+brain+functional+network+with+phase+locking+value.">Identification of emotion associated brain functional network with phase locking value.</a> Conf Proc IEEE Eng Med Biol Soc. 2016, 4515-4518 (2016).</li><li>Wen, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Resting-state+EEG+coupling+analysis+of+amnestic+mild+cognitive+impairment+with+type+2+diabetes+mellitus+by+using+permutation+conditional+mutual+information.">Resting-state EEG coupling analysis of amnestic mild cognitive impairment with type 2 diabetes mellitus by using permutation conditional mutual information.</a> Clin Neurophysiol. 127 (1), 335-348 (2016).</li><li>Rosales, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+efficient+implementation+of+the+synchronization+likelihood+algorithm+for+functional+connectivity.">An efficient implementation of the synchronization likelihood algorithm for functional connectivity.</a> Neuroinformatics. 13 (2), 245-258 (2015).</li><li>Jia, H., Peng, W., Hu, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+novel+approach+to+identify+time-frequency+oscillatory+features+in+electrocortical+signals.">A novel approach to identify time-frequency oscillatory features in electrocortical signals.</a> J Neurosci Methods. 253, 18-27 (2015).</li><li>Wackermann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+characterization+of+brain+electrical+activity+by+means+of+the+&#937;+complexity+production+rate.">Global characterization of brain electrical activity by means of the &#937; complexity production rate.</a> Brain Topogr. 18, 135 (2005).</li><li>Wackermann, J., Putz, P., Ga&#223;ler, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unfolding+EEG+spatial+complexity+as+a+function+of+frequency.">Unfolding EEG spatial complexity as a function of frequency.</a> Brain Topogr. 16 (2), 124 (2003).</li></ol>

저자는 공개 없다.

이 문서에서는, 두 종류의 뇌 파 분석 방법 (즉, 미세 분석 및 오메가 복잡도 분석), 시간적 복잡도 인간 두뇌의 공간 복잡도 각각 측정, 자세히 설명 했다. 언급 해야 하는 프로토콜 내에서 몇 가지 중요 한 단계가 있습니다. 첫째, 뇌 파 데이터 미세 및 오메가 복잡성의 계산 하기 전에 청소 되어야 한다. 둘째, 미세 및 오메가 복잡성의 계산 하기 전에 평균 참조에 대 한 뇌 파 데이터를 remontaged 해야 합니다. 셋째, 연속 뇌 파 데이터 미세 및 오메가 복잡성의 계산 전에 신 기원에 세그먼트 해야 합니다. 각 신 기원의 길이 2 여야 합니다. 마지막으로 s., 미세 분석에 사용할 수 있는 소프트웨어는 Cartool (https://sites.google.com/site/cartoolcommunity/about), sLORETA (http://www.uzh.ch/keyinst/loreta.htm), 및 MapWin (http:// www.thomaskoenig.ch/index.php/software/mapwin)입니다. 미세 분석 한 플러그인이이 연구에서 EEGLAB에 의해 실시 됐다.
여기 미세 분석 휴식 상태 뇌 파 데이터에 적용 된, 비록 그것은 쉽게에 적용할 수 사건 관련 전위 (르 프 스크 웨), 우리 인지에 다양 한 인지 작업의 시간 과정에 대 한 자세한 내용은 밝히기 도움이 될 것입니다. 실험, 그리고 ERP 분석18,19를 수행에 대 한 참조 무료 접근을 제공. 휴식 상태 뇌 파, 지형도의 극성에 대 한 참고는 일반적으로 무시 하 고; 그러나,에 르 프 스크 웨, 지형도의 극성 무시 안 한다. 이 뇌 파 플러그인의 작은 한계는 그것만 뇌 파 상태를 휴식을 위해 사용 될 수 이다. 에 르 프 스크 웨, Cartool 소프트웨어는 최고의 선택 중 하나 있을 수 있습니다. 오메가 복잡성 값 n 1에서 달성 오메가 복잡도 계산 1, 이면 특정 뇌 영역 내에서 최대 글로벌 기능 연결 계시 된다; 반면 경우 오메가 복잡성 같음 N, 최소 글로벌 기능 연결 특정 뇌 영역 내에서 발견 된다. 따라서, 우리는 통계적으로 다른 뇌 영역의 오메가 복잡성을 테스트 하 고 싶다면,이 지역에서 선택 전극의 수 같아야, 때문에 전극의 수 크게 오메가 복잡성 예상 값에 영향을 미칠 합니다.
휴식 뇌 파 연구를 위해 연구원은 많은 뇌 파 기법 (예: 파워 스펙트럼 분석, 기능적 연결 분석)2,3를 개발 했습니다. 이러한 전통적인 기법에 비해, 미세 분석 활용 전체 뇌 파 기술의 우수한 시간적 해상도의. 4 확인 된 미세 클래스 시스템과 4 개의 잘 공부 기능 많은 휴식 상태 fMRI 연구8,20에 상관 될 것을 발견 했다: 청각 (A 미세), 시각 (미세 B), 부분적으로 인식 제어 및 부분적으로 기본 모드 (미세 C), 지 주의 (미세 D). 따라서, 미세 분석 인간 두뇌의 휴식 상태 네트워크 (RSNs) 연구에 새로운 접근 방식을 제공 합니다. 전통적인 뇌 파 기법에 비해 오메가 복잡 특정 두뇌 지역4내 글로벌 기능 연결을 특징 수 있습니다. 전통적인 기능 연결 수만 두 두 피 전극 사이 기능적인 연결을 설명 합니다.
그러나, 두 개의 뇌 파 기법 또한 언급 해야 하는 몇 가지 제한이 있다. 첫째, 기존 미세 분석은 광범위 한 대역 뇌 파 신호에 일반적으로 수행 되, 따라서 그것은 뇌 파 기술의 풍부한 주파수 정보 활용을 고려 하지 않습니다. 또한, 이러한 4 개의 미세 클래스 및 관련된 통계의 기능 의미 되지 않습니다 매우 분명 지금까지. 둘째, 오메가 복잡성만 선형 종속성을 검색할 수 있습니다. 그것은 두 피 지역, 일부 전통적인 기능 연결 통계 (위상 잠금 값, 상호 정보 및 동기화 가능성)21,22에 의해 양이 정해질 수 사이 비선형 종속성을 검색할 수 없습니다. ,23.
미래에, 미세 분석 소스 지역화 기법 (예: sLORETA, 베사, 빔 형성), 뇌 파 신호 공간 해상도 향상 시킬 크게 것입니다 적용 되어야 합니다. 미세 분석 휴식 뇌 파 및 르 프 스크 웨에 널리 이용 되는, 비록 몇 가지 연구 시간-주파수 영역에이 기술을 적용 했습니다. 예를 들어 Jia 외. 24 접근 기반 지형 세분화 분석을 최적으로 제안 하 고 자동으로 자세한 시간-주파수 기능을 식별 합니다. 이 방법은 효과적으로 진동 활동의 공간 정보를 악용할 수 있습니다. 그러나, 이러한 응용 프로그램은 성숙까지. 오메가 복잡성에 대 한 정규화 된 오메가 복잡성 매우 필요 하다, 때문에 오메가 복잡 추정 값 선택 전극의 수에. 미래에, 그것은 시간-주파수 영역에 적용 되어야 한다.

Electroencephalography (뇌 파) 이후 비 침범 성, 낮은 costed은 매우 높은 시간 해상도1임상 진단 및 과학 연구에서 인간의 뇌의 전기 활동을 기록 하는 데 널리 사용 되었습니다. 휴식 상태에서 뇌 파 신호를 공부 하기 위하여 연구자는 많은 뇌 파 기법 (예: 파워 스펙트럼 분석, 기능적 연결 분석)2,3를 개발 했습니다. 이러한 미세 분석 및 오메가 복잡도 분석 만들 수 있습니다 공간 및 시간 정보를 잘 활용 뇌 파 신호4에.
이전 연구 것으로 나타났습니다 있지만 뇌 파 신호의 지형 분포 눈 마감 시간이 지남에 다릅니다 또는 눈-개방 상태를 휴식, 순간 지도 시리즈 쇼의 풍경, 불연속 변화 즉, 교대로 반복 되는 안정성의 기간 특정 준 안정 된 뇌 파 topographies5사이의 짧은 전환 기간. Microstates 80와 120 ms1사이 지속 하는 준 안정 된 뇌 파 topographies와이 에피소드로 정의 됩니다. 이후 다른 전기 잠재적인 풍경 다른 신경 소스에 의해 생성 된 합니다, 이러한 microstates mentation의 기본 블록으로 받을 수 있습니다 하 고 "생각과 감정의 원자"6으로 간주 될 수 있습니다. 현대 패턴 분류 알고리즘을 사용 하 여, 뇌 파 미세 클래스 휴식 4 일관 되 게 관찰 되었습니다, 클래스 A, 클래스 B, 클래스 C, 클래스 D7이라고 표시 되었다는. 또한, 연구팀은 뇌 파 데이터 휴식의이 4 개의 미세 클래스 많은 휴식 상태 fMRI (기능성 자기 공명 영상) 연구8,9에서 잘 알려진 기능 시스템과 밀접 하 게 관련 했다 밝혀 . 따라서, 미세 분석 인간 두뇌의 휴식 상태 네트워크 (RSNs) 연구에 새로운 접근 방식을 제공 합니다. 또한, 평균 기간 및 각 미세 클래스, 4 개의 미세 지도의 지형 모양의 발생 빈도 크게 영향을 일부 뇌 장애4,,1011, 연결 된 유체 지능12 및 성격13.
다른 측면에서 다중 채널 EEG의 전통적인 기능 연결 수만 따라서 두 피 전체 또는 특정 뇌 영역 내에서 글로벌 기능 연결을 평가 하는 데 실패 하는 2 개의 두 피 전극 사이 기능적인 연결을 설명 합니다. 오메가 복잡성, Wackermann (1996 년)14 에 의해 제안 되 고 주성분 분석 (PCA)와 섀 넌 엔트로피 접근 방식을 통해 계산 공간 사이의 광대역 글로벌 동기화를 계량 하는 데 사용 되었습니다. 분산 된 뇌 영역입니다. 각 주파수 대역의 오메가 복잡성을 평가, 푸리에 변환 일반적으로 초기 단계25로 실시 되었다.
Microstates와 오메가 복잡성은 두 개의 밀접 하 게 연결 된 개념, 즉, 시간 복잡도 공간 복잡성4에 맞게 사용할 수 있습니다. 이후 미세 클래스 대표 인간 두뇌에 있는 특정 정신 작업, 그들은 신경 진동의 시간적 구조를 반영할 수 있다. 낮은 기간 및 초당 더 높은 발생 비율 높은 시간 복잡도 지정 해야 합니다. 오메가 복잡성 긍정적으로 관련 된 두뇌에 독립적인 신경 원의 수, 따라서 일반적으로 간주 됩니다 공간 복잡성4의 지표로 서.
현재 문서에서는 뇌 파 미세 분석 및 세부 사항에 오메가 복잡도 분석 프로토콜을 설명합니다. 뇌 파 미세와 오메가 복잡도 분석 각각 두뇌 활동의 시간적, 공간 복잡성을 측정 하기 위해 기회를 제공 합니다.

<table>
	<tbody>
		<tr>
			<td>ANT 20 channels EEG/ERP system</td>
			<td>ASA-Lab, ANT B.V., Netherlands</td>
			<td></td>
			<td>company web address: 
			http://www.ant-neuro.com/</td>
		</tr>
		<tr>
			<td>EEGLAB plugin for Microstates</td>
			<td>Thomas Koenig</td>
			<td></td>
			<td>https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins</td>
		</tr>
		<tr>
			<td>sLORETA</td>
			<td>Roberto D. Pascual-Marqui</td>
			<td></td>
			<td>http://www.uzh.ch/keyinst/loreta.htm</td>
		</tr>
		<tr>
			<td>MATLAB 2010a</td>
			<td>The MathWorks Inc.</td>
			<td></td>
			<td>company web address: 
			http://www.mathworks.com/</td>
		</tr>
		<tr>
			<td>eeglab</td>
			<td>Swartz Center for Computational Neuroscience, University of California, San Diego</td>
			<td></td>
			<td>https://sccn.ucsd.edu/eeglab/index.php</td>
		</tr>
	</tbody>
</table>

microstate and omega complexity analyses of the resting-state electroencephalography

미세 및 오메가 복잡성 가지 두 참조 무료 electroencephalography (뇌 파) 조치를 뇌 파 데이터의 시간적, 공간 복잡성을 나타낼 수 있습니다 일부 뇌 장애에서 신경 메커니즘을 조사 하기 위해 널리 사용 되 고 있다. 이 문서의 목표는 뇌 파 미세와 오메가 복잡도 분석 단계 기본 프로토콜을 설명 하기 위해입니다. 이 두 측정의 주요 장점은 그들이 전통적인 스펙트럼 분석에 내재 된 참조 종속 문제를 없앨 수 있습니다. 또한, 미세 분석 수 휴식 상태 뇌 파의 높은 시간 해상도의 그리고 4 얻은 미세 클래스 각각 해당 휴식 상태 네트워크를 일치 하는 수 있습니다. 오메가 복잡성 단일 채널에 신호 복잡성에 초점을 맞추고 전통적인 복잡도 측정에 비해 명백한 장점이 뇌 또는 특정 두뇌 지구, 공간 복잡성을 특징. 이 두 가지 뇌 파 측정 일시 및 공간 도메인에서 뇌 복잡성을 각각 조사를 서로 보완 수 있습니다.

뇌 파 미세
그랜드 의미 정규화 된 미세 지도 그림 1에 표시 됩니다. 여기 확인이 4 개의 미세 클래스의 전기 잠재적인 풍경 이전 연구4에서 발견 된 매우 유사 하다.
평균 및 표준 편차 (SD)는 건강 한 과목의 미세 매개 변수는 표 1에 표시 했다. 미세 클래스 A에 대 한 발생 율은 3.44 ± 1.29 회 / s, 그리고 기간 이었다 미세 클래스 B에 대 한 72 ± 13 양, 발생 율은 3.54 ± 0.85 배 / s, 그리고 기간 미세 클래스 C 71 ± 18 양, 발생 율은 3.85 ± 0.63 번 / s 그리고 기간 미세 클래스 D 69 ± 9 양, 발생 율은 3.41 ± 0.78 배 / s, 그리고 기간 이었다 66 ± 11 ms.
오메가 복잡성
값 (평균 ± SD) 건강 한 과목에 각 주파수 대역의 글로벌 오메가 복잡성의 제시 했다 표2. 델타 밴드에 대 한 글로벌 오메가 복잡성 6.39 ± 1.34 이었다. 세타 밴드에 대 한 글로벌 오메가 복잡성 5.46 ± 0.85를 했다. 알파-1 밴드, 글로벌 오메가 복잡성 3.47 ± 0.8 이었다. 알파-2 밴드, 글로벌 오메가 복잡성 3.87 ± 0.70 이었다. 베타-1 밴드, 글로벌 오메가 복잡성 5.36 ± 0.84 이었다. 베타-2 밴드, 글로벌 오메가 복잡성 6.16 ± 0.83 이었다. 감마-1 밴드, 글로벌 오메가 복잡성 6.95 ± 1.07 이었다. 감마 2 밴드, 글로벌 오메가 복잡성 6.88 ± 1.39 이었다.
값 (평균 ± SD) 건강 한 과목에 각 주파수 대역의 앞쪽 오메가 복잡성의 표시 했다 표2. 델타 밴드, 앞쪽 오메가 복잡성 4.84 ± 1.7 이었다. 세타 밴드, 앞쪽 오메가 복잡성 4.23 ± 1.48 이었다. 알파-1 밴드 앞쪽 오메가 복잡성 3.44 ± 1.09 이었다. 알파-2 밴드, 앞쪽 오메가 복잡성 3.87 ± 0.97 이었다. 베타-1 밴드 앞쪽 오메가 복잡성 3.74 ± 0.81 이었다. 베타-2 밴드, 앞쪽 오메가 복잡성 2.94 ± 0.59 이었다. 감마-1 밴드 앞쪽 오메가 복잡성 1.98 ± 0.24 이었다. 감마 2 밴드, 앞쪽 오메가 복잡성 3.02 ± 0.59 이었다.
값 (평균 ± SD) 건강 한 과목에 각 주파수 대역의 후부 오메가 복잡성의 표시 했다 표2. 델타 밴드, 후부 오메가 복잡성 3.71 ± 1.48 이었다. 세타 밴드, 후부 오메가 복잡성 2.47 ± 0.85 이었다. 알파-1 밴드, 후부 오메가 복잡성 2.11 ± 0.9 이었다. 알파-2 밴드, 후부 오메가 복잡성 3.16 ± 1.42 이었다. 베타-1 밴드, 후부 오메가 복잡성 4.32 ± 1.67 이었다. 베타-2 밴드, 후부 오메가 복잡성 3.84 ± 1.04 이었다. 감마-1 밴드, 후부 오메가 복잡성 2.17 ± 0.37 이었다. 감마 2 밴드, 후부 오메가 복잡성 2.99 ± 0.53 이었다.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56452/56452fig1.jpg"> 그림 1입니다. 평균 건강 한 과목에서 휴식 상태 뇌 파의 4 개의 미세 클래스 (A-D)의 지형도 정규화. 미세 클래스 A와 B가 왼쪽 후 두 방향 오른쪽 전 두 엽과 후 두 방향 각각 오른쪽 왼쪽된 정면. 미세 클래스 C, D 방향으로 후 두 엽에만 대칭 topographies 있고 후 두 방향 frontocentral, 각각 관찰 되었다. <a href="https://cloudflare-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56452/56452fig1large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td colspan="8">미세 클래스</td>
		</tr>
<tr>
<td></td>
			<td colspan="2">A</td>
			<td colspan="2">B</td>
			<td colspan="2">C</td>
			<td colspan="2">D</td>
		</tr>
<tr>
<td></td>
			<td>평균</td>
			<td>SD</td>
			<td>평균</td>
			<td>SD</td>
			<td>평균</td>
			<td>SD</td>
			<td>평균</td>
			<td>SD</td>
		</tr>
<tr>
<td>발생/s</td>
			<td>3.44</td>
			<td>1.29</td>
			<td>3.54</td>
			<td>0.85</td>
			<td>3.85</td>
			<td>0.63</td>
			<td>3.41</td>
			<td>0.78</td>
		</tr>
<tr>
<td>기간 (밀리초)</td>
			<td>72</td>
			<td>13</td>
			<td>71</td>
			<td>18</td>
			<td>69</td>
			<td>9</td>
			<td>66</td>
			<td>11</td>
		</tr>
</tbody></table>표 1입니다. 건강 한 과목의 미세 매개 변수 (n = 15). 평균 및 표준 편차 (SD) 발생 속도와 4 개의 미세 클래스의 기간이이 테이블에 표시 했다.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td colspan="2">글로벌 오메가 복잡성</td>
			<td colspan="2">앞쪽 오메가 복잡성</td>
			<td colspan="2">후부 오메가 복잡성</td>
		</tr>
<tr>
<td>주파수 대역</td>
			<td>평균</td>
			<td>SD</td>
			<td>평균</td>
			<td>SD</td>
			<td>평균</td>
			<td>SD</td>
		</tr>
<tr>
<td>델타</td>
			<td>6.39</td>
			<td>1.34</td>
			<td>4.84</td>
			<td>1.7</td>
			<td>3.71</td>
			<td>1.48</td>
		</tr>
<tr>
<td>세타</td>
			<td>5.46</td>
			<td>0.85</td>
			<td>4.23</td>
			<td>1.48</td>
			<td>2.47</td>
			<td>0.85</td>
		</tr>
<tr>
<td>알파-1</td>
			<td>3.47</td>
			<td>0.8</td>
			<td>3.44</td>
			<td>1.09</td>
			<td>2.11</td>
			<td>0.9</td>
		</tr>
<tr>
<td>알파-2</td>
			<td>3.87</td>
			<td>0.7</td>
			<td>3.87</td>
			<td>0.97</td>
			<td>3.16</td>
			<td>1.42</td>
		</tr>
<tr>
<td>베타-1</td>
			<td>5.36</td>
			<td>0.84</td>
			<td>3.74</td>
			<td>0.81</td>
			<td>4.32</td>
			<td>1.67</td>
		</tr>
<tr>
<td>베타-2</td>
			<td>6.16</td>
			<td>0.83</td>
			<td>2.94</td>
			<td>0.59</td>
			<td>3.84</td>
			<td>1.04</td>
		</tr>
<tr>
<td>감마-1</td>
			<td>6.95</td>
			<td>1.07</td>
			<td>1.98</td>
			<td>0.24</td>
			<td>2.17</td>
			<td>0.37</td>
		</tr>
<tr>
<td>감마-2</td>
			<td>6.88</td>
			<td>1.39</td>
			<td>3.02</td>
			<td>0.59</td>
			<td>2.99</td>
			<td>0.53</td>
		</tr>
</tbody></table>표 2입니다. 건강 한 과목의 글로벌, 앞쪽 및 후부 오메가 복잡성 (n = 15). 이 테이블에서 평균 및 표준 편차 (SD) (델타, 세타, 알파-1, 알파 2, 베타 1, 베타 2, 감마-1, 감마-2) 8 개의 주파수 대역에 대 한 글로벌, 앞쪽 및 후부 오메가 복잡성의 각각 표시 했다.
추가 파일. 이 원고에 사용 되는 스크립트를 실행 하려면 MATLAB 환경에서 스크립트를 열고 명령 창에 모든 내용을 복사 하시고 "Enter" 키를 누릅니다. 참고 스크립트 우리의 데이터 집합에만 적용. 스크립트는 다른 데이터 집합에 적용 될 때 특정 수정 필요 합니다. <a href="https://cloudflare-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56452/example_scripts.zip">이 파일을 다운로드 하려면 여기를 클릭 하십시오.</a>

Watch this Scientific Journal Video about Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography at JoVE.com

Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

이 문서에서는 설명 합니다 프로토콜 기본 electroencephalography (뇌 파) 미세 분석 및 오메가 복잡도 분석, 두 참조 무료 뇌 파 측정은 매우 귀중 한 뇌 장애의 신경 메커니즘을 탐구 하 고.

미세 및 휴식 상태 Electroencephalography의 오메가 복잡도 분석

Microstate and omega complexity are two reference-free electroencephalography (EEG) measures that can represent the temporal and spatial complexities of ...

microstate-omega-complexity-analyses-resting-state

Nanyang Technological University

Research

JoVE Journal

Neuroscience

10.1K 조회수.  Peking University People's Hospital. 이 문서에서는 설명 합니다 프로토콜 기본 electroencephalography (뇌 파) 미세 분석 및 오메가 복잡도 분석, 두 참조 무료 뇌 파 측정은 매우 귀중 한 뇌 장애의 신경 메커니즘을 탐구 하 고.

비디오: Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

Investigating Social Cognition in Infants and Adults Using Dense Array Electroencephalography (dEEG)

Dense array electroencephalography (dEEG), which provides a non-invasive window for measuring brain activity and a temporal resolution unsurpassed by any other current brain imaging technology1,2, is being used increasingly in the study of social cognitive functioning in infants and adults. While dEEG is enabling researchers to examine brain activity patterns with unprecedented levels of sensitivity, conventional EEG recording systems continue to face certain limitations, including 1) poor spatial resolution and source localization3,4,2) the physical discomfort for test subjects of enduring the individual application of numerous electrodes to the surface of the scalp, and 3) the complexity for researchers of learning to use multiple software packages to collect and process data. Here we present an overview of an established methodology that represents a significant improvement on conventional methodologies for studying EEG in infants and adults. Although several analytical software techniques can be used to establish indirect indices of source localization to improve the spatial resolution of dEEG, the HydroCel Geodesic Sensor Net (HCGSN) by Electrical Geodesics, Inc. (EGI), a dense sensory array that maintains equal distances among adjacent recording electrodes on all surfaces of the scalp, further enhances spatial resolution4,5,6 compared to standard dEEG systems. The sponge-based HCGSN can be applied rapidly and without scalp abrasion, making it ideal for use with adults7,8, children9,10,11, and infants12, in both research and clinical4,5,6,13,14,15 settings. This feature allows for considerable cost and time savings by decreasing the average net application time compared to other dEEG systems. Moreover, the HCGSN includes unified, seamless software applications for all phases of data, greatly simplifying the collection, processing, and analysis of dEEG data.
The HCGSN features a low-profile electrode pedestal, which, when filled with electrolyte solution, creates a sealed microenvironment and an electrode-scalp interface. In all Geodesic dEEG systems, EEG sensors detect changes in voltage originating from the participant's scalp, along with a small amount of electrical noise originating from the room environment. Electrical signals from all sensors of the Geodesic sensor net are received simultaneously by the amplifier, where they are automatically processed, packaged, and sent to the data-acquisition computer (DAC). Once received by the DAC, scalp electrical activity can be isolated from artifacts for analysis using the filtering and artifact detection tools included in the EGI software. Typically, the HCGSN can be used continuously for only up to two hours because the electrolyte solution dries out over time, gradually decreasing the quality of the scalp-electrode interface.
In the Parent-Infant Research Lab at the University of Toronto, we are using dEEG to study social cognitive processes including memory, emotion, goals, intentionality, anticipation, and executive functioning in both adult and infant participants.

Investigating Social Cognition in Infants and Adults Using Dense Array Electroencephalography dEEG

Dense array electroencephalography is being used increasingly to study social cognitive functions in infants and adults. Here we present an established methodology that represents a significant improvement on conventional methodologies for studying EEG in infants and adults.

(덴스 배열 Electroencephalography를 사용하여 유아 및 성인의 사회적 인식을 조사 D EEG)

Dense array electroencephalography (dEEG), which provides a non-invasive window for measuring brain activity and a temporal resolution unsurpassed by any ...

연구

신경과학

Morphometric Analyses of Retinal Sections

Morphometric analyses of retinal sections have been used in examining retinal diseases. For examples, neuronal cells were significantly lost in the retinal ganglion cell layer (RGCL) in rat models with N-methyl-D-aspartate (NMDA)&#x2013;induced excitotoxicity1, retinal ischemia-reperfusion injury2 and glaucoma3. Reduction of INL and inner plexiform layer (IPL) thicknesses were reversed with citicoline treatment in rats' eyes subjected to kainic acid-mediated glutamate excitotoxicity4. Alteration of RGC density and soma sizes were observed with different drug treatments in eyes with elevated intraocular pressure3,5,6. Therefore, having objective methods of analyzing the retinal morphometries may be of great significance in evaluating retinal pathologies and the effectiveness of therapeutic strategies.
The retinal structure is multi-layers and several different kinds of neurons exist in the retina. The morphometric parameters of retina such as cell number, cell size and thickness of different layers are more complex than the cell culture system. Early on, these parameters can be detected using other commercial imaging software. The values are normally of relative value, and changing to the precise value may need further accurate calculation. Also, the tracing of the cell size and morphology may not be accurate and sensitive enough for statistic analysis, especially in the chronic glaucoma model. The measurements used in this protocol provided a more precise and easy way. And the absolute length of the line and size of the cell can be reported directly and easy to be copied to other files. For example, we traced the margin of the inner and outer most nuclei in the INL and formed a line then using the software to draw a 90 degree angle to measure the thickness. While without the help of the software, the line maybe oblique and the changing of retinal thickness may not be repeatable among individual observers. In addition, the number and density of RGCs can also be quantified. This protocol successfully decreases the variability in quantitating features of the retina, increases the sensitivity in detecting minimal changes.
 	This video will demonstrate three types of morphometric analyses of the retinal sections. They include measuring the INL thickness, quantifying the number of RGCs and measuring the sizes of RGCs in absolute value. These three analyses are carried out with Stereo Investigator (MBF Bioscience &mdash; MicroBrightField, Inc.). The technique can offer a simple but scientific platform for morphometric analyses.

This video demonstrates three types of morphometric analyses of the retina, which include measuring the inner nuclear layer thickness, quantifying the number of retinal ganglion cells (RGCs) and measuring the sizes of RGCs. The technique can offer a simple but scientific platform for morphometric analyses.

망막 섹션 Morphometric 분석

Morphometric analyses of retinal sections have been used in examining retinal diseases. For examples, neuronal cells were significantly lost in the ...

Optogenetic Perturbation of Neural Activity with Laser Illumination in Semi-intact Drosophila Larvae in Motion

Drosophila larval locomotion is a splendid model system in developmental and physiological neuroscience, by virtue of the genetic accessibility of the underlying neuronal components in the circuits1-6. Application of optogenetics7,8 in the larval neural circuit allows us to manipulate neuronal activity in spatially and temporally patterned ways9-13. Typically, specimens are broadly illuminated with a mercury lamp or LED, so specificity of the target neurons is controlled by binary gene expression systems such as the Gal4-UAS system14,15. In this work, to improve the spatial resolution to "sub-genetic resolution", we locally illuminated a subset of neurons in the ventral nerve cord using lasers implemented in a conventional confocal microscope. While monitoring the motion of the body wall of the semi-intact larvae, we interactively activated or inhibited neural activity with channelrhodopsin16,17 or halorhodopsin18-20, respectively. By spatially and temporally restricted illumination of the neural tissue, we can manipulate the activity of specific neurons in the circuit at a specific phase of behavior. This method is useful for studying the relationship between the activities of a local neural assembly in the ventral nerve cord and the spatiotemporal pattern of motor output.

Optogenetic Perturbation of Neural Activity with Laser Illumination in Semi-intact Drosophila Larvae in Motion

Here we describe a protocol for optogenetic manipulation of motoneuronal activity while monitoring changes in motor output (muscle contraction) in semi-intact Drosophila larvae using lasers within a conventional confocal microscope. This technique enables researchers to achieve local perturbation of neural activity in a few neuromeres to elucidate the dynamics of motor circuits.

세미 그대로의 레이저 조명과 신경 활동의 Optogenetic 섭동<em&gt; 초파리</em모션&gt; 유충

Drosophila larval locomotion is a splendid model system in developmental and physiological neuroscience, by virtue of the genetic accessibility of the ...

Investigating the Function of Deep Cortical and Subcortical Structures Using Stereotactic Electroencephalography: Lessons from the Anterior Cingulate Cortex

Stereotactic Electroencephalography (SEEG) is a technique used to localize seizure foci in patients with medically intractable epilepsy. This procedure involves the chronic placement of multiple depth electrodes into regions of the brain typically inaccessible via subdural grid electrode placement. SEEG thus provides a unique opportunity to investigate brain function. In this paper we demonstrate how SEEG can be used to investigate the role of the dorsal anterior cingulate cortex (dACC) in cognitive control. We include a description of the SEEG procedure, demonstrating the surgical placement of the electrodes. We describe the components and process required to record local field potential (LFP) data from consenting subjects while they are engaged in a behavioral task. In the example provided, subjects play a cognitive interference task, and we demonstrate how signals are recorded and analyzed from electrodes in the dorsal anterior cingulate cortex, an area intimately involved in decision-making. We conclude with further suggestions of ways in which this method can be used for investigating human cognitive processes.

Stereotactic Electroencephalography (SEEG) is an operative technique used in epilepsy surgery to help localize seizure foci. It also affords a unique opportunity to investigate brain function. Here we describe how SEEG can be used to investigate cognitive processes in human subjects.

정위 뇌파를 사용하여 깊은 피질의 기능 및 피질 하 구조 조사 : 전방에 cingulate 피질 수업

Stereotactic Electroencephalography (SEEG) is a technique used to localize seizure foci in patients with medically intractable epilepsy. This procedure ...

Assessment of Hippocampal Dendritic Complexity in Aged Mice Using the Golgi-Cox Method

Dendritic spines are the protuberances from the neuronal dendritic shafts that contain&#160; excitatory synapses. The morphological and branching variations of the neuronal dendrites within the hippocampus are implicated in cognition and memory formation. There are several approaches to Golgi staining, all of which have been useful for determining the morphological characteristics of dendritic arbors and produce a clear background. The present Golgi-Cox method, (a slight variation of the protocol that is provided with a commercial Golgi staining kit), was designed to assess how a relatively low dose of the chemotherapeutic drug 5-flurouracil (5-Fu) would affect dendritic morphology, the number of spines, and the complexity of arborization within the hippocampus. The 5-Fu significantly modulated the dendritic complexity and decreased the spine density throughout the hippocampus in a region-specific manner. The data presented show that the Golgi staining method effectively stained the mature neurons in the CA1, the CA3, and the dentate gyrus (DG) of the hippocampus. This protocol reports the details for each step so that other researchers can reliably stain tissue throughout the brain with high quality results and minimal troubleshooting.

Here we present a Golgi-Cox protocol in extensive detail. This reliable tissue stain method allows for a high-quality assessment of the cytoarchitecture in the hippocampus, and throughout the entire brain, with minimal troubleshooting.

골지 - 콕스 방법을 이용한 고령의 해마 상피 세포의 수지상 돌기 복잡성 평가

Dendritic spines are the protuberances from the neuronal dendritic shafts that contain&#160; excitatory synapses. The morphological and branching ...

Concurrent Recording of Co-localized Electroencephalography and Local Field Potential in Rodent

Although electroencephalography (EEG) is widely used as a non-invasive technique for recording neural activities of the brain, our understanding of the neurogenesis of EEG is still very limited. Local field potentials (LFPs) recorded via a multi-laminar microelectrode can provide a more detailed account of simultaneous neural activity across different cortical layers in the neocortex, but the technique is invasive. Combining EEG and LFP measurements in a pre-clinical model can greatly enhance understanding of the neural mechanisms involved in the generation of EEG signals, and facilitate the derivation of a more realistic and biologically accurate mathematical model of EEG. A simple procedure for acquiring concurrent and co-localized EEG and multi-laminar LFP signals in the anesthetized rodent is presented here. We also investigated whether EEG signals were significantly affected by a burr hole drilled in the skull for the insertion of a microelectrode. Our results suggest that the burr hole has a negligible impact on EEG recordings.

This protocol describes a simple method for concurrent recording of co-localized electroencephalography (EEG) and multi-laminar local field potential in an anesthetized rat. A burr hole drilled in the skull for the insertion of a microelectrode is shown to produce negligible distortion of the EEG signal.

공동 화 된 Electroencephalography 및 설치류에서 로컬 필드 가능성의 동시 녹음

Although electroencephalography (EEG) is widely used as a non-invasive technique for recording neural activities of the brain, our understanding of the ...

Quantitative Analysis of Neuronal Dendritic Arborization Complexity in Drosophila

Dendrites are the branched projections of a neuron, and dendritic morphology reflects synaptic organization during the development of the nervous system. Drosophila larval neuronal dendritic arborization (da) is an ideal model for studying morphogenesis of neural dendrites and gene function in the development of nervous system. There are four classes of da neurons. Class IV is the most complex with a branching pattern that covers almost the entire area of the larval body wall. We have previously characterized the effect of silencing the Drosophila ortholog of SOX5 on class IV neuronal dendritic arborization complexity (NDAC) using four parameters: the length of dendrites, the surface area of dendrite coverage, the total number of branches, and the branching structure. This protocol presents the workflow of NDAC quantitative analysis, consisting of larval dissection, confocal microscopy, and image analysis procedures using ImageJ software. Further insight into da neuronal development and its underlying mechanisms will improve the understanding of neuronal function and provide clues about the fundamental causes of neurological and neurodevelopmental disorders.

Quantitative Analysis of Neuronal Dendritic Arborization Complexity in Drosophila

This protocol focuses on quantitative analysis of neuronal dendritic arborization complexity (NDAC) in Drosophila, which can be used for studies of dendritic morphogenesis.

초파리 에서 신경 돌기 Arborization 복잡성의 정량 분석

Dendrites are the branched projections of a neuron, and dendritic morphology reflects synaptic organization during the development of the nervous system. ...

Combined Transcranial Magnetic Stimulation and Electroencephalography of the Dorsolateral Prefrontal Cortex

Transcranial magnetic stimulation (TMS) is a non-invasive method that produces neural excitation in the cortex by means of brief, time-varying magnetic field pulses. The initiation of cortical activation or its modulation depends on the background activation of the neurons of the cortical region activated, the characteristics of the coil, its position and its orientation with respect to the head. TMS combined with simultaneous electrocephalography (EEG) and neuronavigation (nTMS-EEG) allows for the assessment of cortico-cortical excitability and connectivity in almost all cortical areas in a reproducible manner. This advance makes nTMS-EEG a powerful tool that can accurately assess brain dynamics and neurophysiology in test-retest paradigms that are required for clinical trials. Limitations of this method include artifacts that cover the initial brain reactivity to stimulation. Thus, the process of removing artifacts may also extract valuable information. Moreover, the optimal parameters for dorsolateral prefrontal (DLPFC) stimulation are not fully known and current protocols utilize variations from the motor cortex (M1) stimulation paradigms. However, evolving nTMS-EEG designs hope to address these issues. The protocol presented here introduces some standard practices for assessing neurophysiological functioning from stimulation to the DLPFC that can be applied in patients with treatment resistant psychiatric disorders that receive treatment such as transcranial direct current stimulation (tDCS), repetitive transcranial magnetic stimulation (rTMS), magnetic seizure therapy (MST) or electroconvulsive therapy (ECT).

The protocol presented here is for TMS-EEG studies utilizing intracortical excitability test-retest design paradigms. The intent of the protocol is to produce reliable and reproducible cortical excitability measures for assessing neurophysiological functioning related to therapeutic interventions in the treatment of neuropsychiatric diseases such as major depression.

Transcranial magnetic stimulation (TMS) is a non-invasive method that produces neural excitation in the cortex by means of brief, time-varying magnetic ...

Collection of Frozen Rodent Brain Regions for Downstream Analyses

As our understanding of neurobiology has progressed, molecular analyses are often performed on small brain areas such as the medial prefrontal cortex (mPFC) or nucleus accumbens. The challenge in this work is to dissect the correct area while preserving the microenvironment to be examined. In this paper, we describe a simple, low-cost method using resources readily available in most labs. This method preserves nucleic acid and proteins by keeping the tissue frozen throughout the process. Brains are cut into 0.5&#8211;1.0 mm sections using a brain matrix and arranged on a frozen glass plate. Landmarks within each section are compared to a reference, such as the Allen Mouse Brain Atlas, and regions are dissected using a cold scalpel or biopsy punch. Tissue is then stored at -80 &#176;C until use. Through this process rat and mouse mPFC, nucleus accumbens, dorsal and ventral hippocampus and other regions have been successfully analyzed using qRT-PCR and Western assays. This method is limited to brain regions that can be identified by clear landmarks.

This procedure describes the collection of discrete frozen brain regions to obtain high-quality protein and RNA using inexpensive and commonly available tools.

다운스트림 분석을 위한 냉동 설치류 뇌 영역 모음

As our understanding of neurobiology has progressed, molecular analyses are often performed on small brain areas such as the medial prefrontal cortex ...

Preparation of the Rat Vocal Fold for Neuromuscular Analyses

The purpose of this tutorial is to describe the preparation of the rat vocal fold for histochemical neuromuscular study. This protocol outlines procedures for rat laryngeal dissection, flash-freezing, and cryosectioning of the vocal folds. This study describes how to cryosection vocal folds in both longitudinal and cross-sectional planes. A novelty of this protocol is the laryngeal tracking during cryosectioning that ensures accurate identification of the intrinsic laryngeal muscles and reduces the chance of tissue loss. Figures demonstrate the progressive cryosectioning in both planes. Twenty-nine rat hemi-larynges were cryosectioned and tracked from the emergence of the thyroid cartilage to the appearance of the first section that included the full vocal fold. The full vocal fold was visualized for all animals in both planes. There was high variability in the distance from the appearance of the thyroid cartilage to the appearance of the full vocal fold in both planes. Weight was not correlated to depth of laryngeal landmarks, suggesting individual variability and other factors related to tissue preparation may be responsible for the high variability in the appearance of landmarks during sectioning. This study details a methodology and presents morphological data for preparing the rat vocal fold for histochemical neuromuscular investigation. Due to high individual variability, laryngeal landmarks should be closely tracked during cryosectioning to prevent oversectioning tissue and tissue loss. The use of a consistent methodology, including adequate tissue preparation and awareness of landmarks within the rat larynx, will assist with consistent results across studies and aid new researchers interested in using the rat vocal fold as a model to investigate laryngeal neuromuscular mechanisms.

This protocol describes methods used to prepare rat vocal folds for histochemical neuromuscular study.

신경 근육 분석을위한 쥐 보컬 폴드의 준비

The purpose of this tutorial is to describe the preparation of the rat vocal fold for histochemical neuromuscular study. This protocol outlines procedures ...