نحوه رسم نقشه توپوگرافی مغزی(EEG topographic maps)


نقشه توپوگرافی مغزی(EEG topographic maps) توزیع مکانی از فعالیت ایجاد شده در سیگنال مغزی(eeg) را برحسب ولتاژ، ویژگی و یا سایر پارامترها نمایش می دهد. نقشه توپوگرافی مغز به ما این امکان را میدهد تا متوجه شویم که در هر لحظه در مغز چه اتفاقی می‌افتد.در این مقاله، میخواهیم نحوه محاسبه و نمایش توپوگرافی مغزی را توضیح دهیم.

نقشه توپوگرافی مغزی(EEG Topographic maps)

نقشه توپوگرافی مغزی یک نمایش گرافیکی هست که توزیع مکانی از فعالیت الکتریکی مغز را ارائه میدهد. به ما کمک می‌کند تا یک دید کلی از توزیع مکانی فعالیت الکتریکی مغز داشته باشیم و متوجه شویم در یک بیماری یا در انجام یک تسک، چه نواحی از مغز بیشترین فعالیت را دارند.

نقشه توپوگرافی مغز بسیار مفید و کاربردی است، چراکه به ما این امکان را می‌‎دهد تا متوجه شویم که در هر لحظه یا چندین لحظه در مغز چه اتفاقی می افتد.

توپوگرافی مغزی به چه صورت محاسبه می شود؟

فرض کنید که همانند شکل زیر از الکترودهای مشخص شده برای ثبت سیگنال eeg استفاده شده است. نقاط دایره سیاه رنگ در این شکل دوبعدی تقریبی از موقعیت فیزیکی الکترودهای قرار گرفته شده در روی سطح جمجمه فرد هستند.

موقعیت الکترودها در ثبت سیگنال مغزی

حال فرض کنید موقع ثبت سیگنال مغزی از فرد خواسته اید یک تسکی را انجام دهد که در نتیجه اون یک سری اتفاقات در مغز فرد ایجاد شده است. فرض کنید از بالای سرفرد به مغز فرد نگاه می‌کنید و می‌خواهید بدانید که فعالیت ایجاد شده در مغز فرد در سطح جمجمه به چه صورت تغییر می‌کند یا در چه نواحی از مغز تغییرات بیشتری رخ داده است.

هر الکترود یک سیگنالی را در طول زمان ثبت می‌کند و ما داده سری زمانی داریم. در حالی که میخواهیم این فعالیت را در مکان مشاهده کنیم.

نحوه رسم نقشه توپوگرافی مغزی

روشهای مختلفی برای به تصویر کشیدن اطلاعات به صورت مکانی وجود دارد. برای مثال یکی از ساده ترین روشها رسم نقشه توپوگرافی بر حسب ولتاژ(پتانسیل الکتریکی) است.

برای رسم نقشه توپوگرافی مغزی براساس دامنه ولتاژ به این شکل عمل می‌کنند که در هر لحظه مقدار ثبت شده در هر کانال(الکترود) را انتخاب کرده و سپس براساس همین مقدار یک رنگی را طبق نقشه رنگی به الکترود اختصاص می‌دهند. یعنی با این رویکرد برای هر لحظه میتوان یک نقشه رنگی نمایش داد.

نحوه رسم نقشه توپوگرافی مغزی

 

فرض کنید برای بالاترین دامنه ولتاژ رنگ سفید و برای پایین ترین دامنه ولتاژ رنگ سیاه و مابقی دامنه ها یک رنگی بین سیاه و سفید اختصاص بدهیم. در این صورت نقشه بدست آمده همانند شکل زیر سمت چپ خواهد بود.

نحوه رسم نقشه توپوگرافی مغزی

همانطور که میبینید درک و تکلیل چنین نقشه گسسته ای خیلی سخت است. نقشه ی سمت چپ فقط برای موقعیت الکتروهای استفاده شده در ثبت هست و مابقی نقاط اطلاعاتی وجود ندارد. در حالی که ما دنبال این هستیم که یک نقشه کلی از تمام سطوح جمجه داشته باشیم و یک دید کلی از فعالیت مغز در کل نواحی بدست بیاوریم.

برای اینکه بتوانیم یک نقشه پیوسته ای داشته باشیم که نقشه رنگی تمام نقاط روی سطح جمجه را پوشش دهد، لازم است که روی هر نقطه از مغز یک الکترودی قرار دهیم که عملا بسیار سخت و یا بهتر بگوییم امکان پذیر نیست. واقعیت این است که در سیگنال ثبت شده از الکترودهای محدودی استفاده می شود و ما فعالیت تک تک نقاط روی مغز را نمیتوانیم ثبت کنیم. حال راه چاره چی هست؟

برای اینکه بتوانیم یک نقشه پیوسته ای داشته باشیم میتوانیم از دورنیابی کمک بگیریم. ما پتانسیل الکترودها در هر لحظه را داریم، میتوانیم از روی دامنه الکترودها، مقادیر نقاط میان الکترودها را با درونیابی تخمین بزنیم.

نحوه رسم نقشه توپوگرافی مغزی

نتیجه درون یابی در سمت راست به صورت دو بعدی و سه بعدی نشان داده شده است. همانطور که میبینیم یک نقشه ای صاف و پیوسته ای ایجاد می‌شود که درک و تحلیل آنها برای کاربر را ساده تر است.

نحوه تحلیل توپوگرافی مغزی

توپوگرافی مغزی ای که توضیح دادیم سطح خاکستری بود، توپوگرافی رنگی درک آن ساده‌تر است که در زیر یک نمونه از توپوگرافی رنگی را مشاهده می‌کنیم. در این نقشه به بیشترین فعالیت رنگ قرمز تیره و به کمترین فعالیت رنگ آبی تیره و به مابقی یک رنگی بین این دو رنگ اختصاص می یابد.

به تصویر زیر نگاه کنید. در این تصویر دو تا نقشه توپوگرافی نمایش داده شده است که هر کدام مربوط به یک لحظه از زمان(100 میلی ثانیه و 300 میلی ثانیه) در یک آزمایش بوده است. به نظر شما این نقشه چه اطلاعاتی به ما می‌دهد؟

نحوه رسم نقشه توپوگرافی مغزی

همانطور که در نقشه توپوگرافی سمت چپ مشخص است، احتمالا در این آزمایش در ابتدای آزمایش به کاربر یک محرک بینایی نشان داده اند، که در نتیجه آن در قشر بینایی فرد اتفاقاتی رخ داده است. برای همین همانطور که در تصویر سمت چپ نیز مشخص است بیشترین فعالیت در ناحیه پس سری با رنگ قرمز مشاهده می شود. و احتمالا در لحظات بعدی کاربر با دیدن محرک بینایی با انگشت خود دکمه ای را فشار داده است، که انجام این عمل یک تسک حرکتی است که در ناحیه قشر حرکتی بیشترین تغییرات را خواهیم داشت و همانطور که میبینیم در تصویر سمت راست در نواحی مرکز مغز(central) که قشر حرکتی مغز هست بیشترین تغییرات را مشاهده می کنیم.

مراحل رسم توپوگرافی مغزی در متلب

برای اینکه بتوانیم در محیط متلب توپوگرافی سیگنال eeg را رسم کنیم میتوانیم از تولباکس eeglab کمک بگیریم. برای اینکار مراحل زیر را به ترتیب انجام میدهیم.

مرحله اول: اضافه کردن تولباکس eeglab به محیط متلب

مرحله دوم: وارد کردن سیگنال eeg و موقعیت کانالها در eeglab

در ابتدای کار لازم است که موقعیت الکترودها را داشته باشیم، سپس سیگنال eeg را همراه با موقعیت الکترودها وارد کامپیوتر میکنیم.

eeglab

مرحله سوم: ذخیره خروجی eeglab

بعد از اینکه شکل بالا در پنجره eeglab ایجاد شد، به workspace  رفته و متغیر EEG را ذخیره می‌کنیم. اطلاعات مربوط به موقعیت الکترودها در فرم مناسب برای تابع topoplot قرار گرفته اند. اگر ذخیره هم نکنید مشکلی ندارد ولی در این صورت بعد از بستن متلب باید مراحل یک تا دو را دوباره تکرار کنید!

مرحله چهارم: بستن پنجره eeglab

مرحله پنجم: انتخاب یک مقدار برای هر الکترود از روی سیگنال ثبت شده برای هر کانال

نکته: توجه کنیم که ما باید به ازای هر کانال(الکترود) یک مقدار داشته باشیم. کل سیگنال کانال را نمیتوانیم استفاده کنیم! این مقدار اسکالر میتواند دامنه ولتاژ برای یک لحظه خاص باشد، میتواند یک ویژگی مثل توان هر کانال، مقدار tvalue کانال و وزن کانال در الگوریتم های مبتنی بر csp باشد.

مرحله پنجم: رسم و نمایش توپوگرافی سیگنال EEG

حال شما به ازای هر کانال یک مقدار اسکالر دارید و میتوانید از تابع به شکل زیر برای نمایش توپوگرافی سیگنال EEG استفاده کنید.

topoplot(channels_value, EEG.chanlocs)


اگر میخواهید به صورت عملی فرایند رسم نقشه توپوگرافی eeg را یاد بگیرید، پیشنهاد میکنم دوره کوتاه پیاده سازی مقاله CSSP را نگاه کنید. در آنجا به صورت عملی نشان داده ایم که چطور میتوان نقشه توپوگرافی سیگنال EEG را نمایش داد.

 


دیدگاه ها

دیدگاهتان را بنویسید

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

code