时空阶段滑动模式视觉诱发电位,秘密对象命名任务,和洞察力的时刻从256通道脑电图记录
- 1电子与计算机工程系,华盛顿大学西雅图,美国佤邦
- 2地区癫痫中心,Harborview医疗中心,华盛顿大学西雅图,美国佤邦
- 3生物统计学和数据科学、卡尔·兰德斯泰纳健康科学大学期der多瑙河,奥地利
- 4生物医学和神经工程研究所雷克雅未克,冰岛雷克雅未克大学
- 5科学部门,Landspitali大学医院,雷克雅未克,冰岛
- 6蚂蚁神经,亨格罗,荷兰
- 7马克斯·普朗克人类认知和神经科学研究所、德国莱比锡
- 8科技大学生物医学工程与信息学研究所尔,尔,德国
阶段会出现皮质神经元的状态转换的协调活动,可以从脑电图中提取数据。相位滑移率(psr)高密度(256通道)脑电图的研究数据,采样16.384 kHz,五成人受试者在秘密视觉物体命名任务。Artifact-free 29试验的数据平均为每个主题。分析寻找阶段在θ(4 - 7赫兹),α(7 - 12赫兹),β(夫人Hz),低伽马(30 - 49 Hz)乐队。用希尔伯特变换相位计算,然后打开和去趋势寻找阶段滑移率在一个宽1.0女士步进窗口步长为0.06 ms。psr的时空的情节是由使用蒙太奇256等距电极位置的布局。脑电图的时空配置文件和psr刺激和刺激之后的第一第二阶段进行详细研究视觉诱发电位和不同阶段的视觉物体识别的视觉语言,和记忆的区域。发现psr的活动领域是不同的与脑电图活动刺激和刺激之后的时期。不同阶段的顿悟时刻在隐蔽的对象命名任务是从psr研究和它被发现约512±21女士“奇人”的瞬间。整体而言,这些结果表明,皮质相变的信息可以来自测量脑电图数据,可以使用互补的方式来研究大脑的认知行为。
1。介绍
这份报告,提出了我们的研究结果对滑移率的时空模式阶段(psr)变化和隐蔽的视觉物体命名任务期间呈现出振荡的行为。这些相滑移的相变有关的协调活动皮层神经元和微型智能电网" ECoG已观察到的兔子(弗里曼和巴里,2000年;弗里曼和罗杰斯,2002年),微型智能电网" ECoG数据的主题是癫痫手术候选人(弗里曼et al ., 2006 a),并在头皮脑电图数据(弗里曼et al ., 2003;Ruiz et al ., 2010;弗里曼,2015;雷蒙和福尔摩斯,2015,2020年;雷蒙et al ., 2018)。一般程序是提取阶段从脑电图数据利用希尔伯特变换,打开它,然后可以看到情景相转变。消除趋势打开阶段后,可以看到大幅阶段情景相移的位置。在往附近的电极配合阶段,这些形式的空间模式,叫做阶段锥测量表面旅行,即。,皮质表面ECoG数据和头皮表面的脑电图数据。一个可以观察到的振幅和相位调制波θ(3 - 7赫兹)和α(7 - 12赫兹)乐队在大脑皮层或头皮表面β(夫人Hz)的载波频率和低伽马(30 - 50 Hz)乐队(弗里曼和巴里,2000年;弗里曼和罗杰斯,2002年;弗里曼et al ., 2006 a;Ruiz et al ., 2010;Kozma弗里曼,2017)。非周期的重置这些阶段电波在θ和α频段频率也被观察到弗里曼和巴里,2000年;弗里曼et al ., 2003;Kozma弗里曼,2017)。一个共同的主题在所有这些研究观察阶段的时空行为从ECoG或脑电图数据中提取。这些相滑移也通常被称为阶段跳跃(Pikovsky et al ., 2001)。
这些阶段的形成和相关的时空阶段波从理论模型预测和测量皮质网络的自组织临界性小和大尺度(弗里曼和主席,2006年,2010年;撒切尔et al ., 2009,2014年;begg Timme, 2012)。在任何给定时刻神经元就会被激活,以随机方式产生头皮脑电图的大部分,我们通常测量和用它来分析各种物理量,如功率谱密度、相位同步,等等,在自发和诱发电位的研究。此外,在小区域(大脑皮层∼0.5毫米),一群神经元的电活动接近临界状态的(弗里曼,1994,2008年,2015年;begg Timme, 2012;押注2017;Kozma弗里曼,2017)和任何轻微的外部输入(例如,视觉刺激)或内部输入(思想)可能导致状态转换会导致这些神经元在一个协调的方式(弗里曼et al ., 2006 a,b;弗里曼,2015)。这个协调发射产生短脉冲振荡(赖特,2009;弗里曼和Quiroga, 2013年)贡献对脑电图的大部分活动和创建小扰动或故障的脑电图数据(弗里曼和罗杰斯,2002年;Kozma弗里曼,2017)。这也证实,同时从头皮和深度测量电极的癫痫手术的病人在头皮脑电图测量一些功能可能与观察到的细节从深度电极(Ramantani et al ., 2014,2016年)。当然,深度电极显示更多细节的时间分辨率的峰值略抑制头皮脑电图但辨认。
域的大小在大脑神经组织样本或临界,一般来说,在微观的介观尺度(Buzsaki 2006;休斯和Crunelli, 2007年;begg Timme, 2012;Tognoli凯尔索,2014)。然而,更大更危险状态的大脑区域是可能的,例如,对于视觉诱发电位研究几个方面同时或顺序的皮层活跃的(弗里曼,2015)。在细胞水平上测量显示神经元的同步和反相同步组件在毫秒时间框架和动作电位是如何影响局部场电位(Buzsaki 2006;休斯和Crunelli, 2007年)。人们还可以在这些测量,观察丘脑皮层的振荡与θ(3 - 7赫兹)和α(7 - 12赫兹)节奏(休斯和Crunelli, 2007年)。这同相、反相情景转变可以视为一组高速开关神经元(撒切尔et al ., 2014),可能,可能与这组神经元(状态转换的弗里曼,1994;弗里曼和主席,2006年;Kozma弗里曼,2017)。因为ECoG和从细胞层次的局部场电位脑电图出现,人们可以期望看到这些测量ECoG状态转换相关的活动,脑电图数据集。
当组神经元在这些临界领域经历状态转换,他们像焦点生成皮层表面波时空阶段(弗里曼et al ., 2006 b;赖特,2009,2016年;弗里曼和Quiroga, 2013年)。当这些波传播阶段,他们倾向于把更大的大脑区域。这也表明,可以看到皮质相变相关的签名,即。相滑移,单个或多个电极ECoG和脑电图记录。这已经被观察到的情景证实阶段滑落在ECoG扰动的位置和脑电图数据(弗里曼和罗杰斯,2002年;Ruiz et al ., 2010;迈尔斯et al ., 2014;弗里曼,2015;雷蒙et al ., 2018)。正相位滑移或峰值将代表日益增长的协调解雇的神经元在当地社区而负相滑动或谷将代表附近的神经元之间的协调的损失(弗里曼,2003)。相关的状态转换阶段会不同于两个脑电图信号之间的相位同步。这些状态转换在脑电图文学也通常被称为相变或脑电图相变。
上面描述的关键行为的大脑皮层在小或大尺度非常类似于水的三相点边界的固体、液体和气体阶段。临界的另一个例子是沙堆模型的自组织临界性(贝克et al ., 1987)哪一个不断向沙堆添加沙粒直到崩溃。还有许多其他的例子和临界相变在物理学和生物学中很好地总结了在最近的一篇综述(Heffern et al ., 2021)。
这些阶段滑技术已经成功地应用于显示增长阶段锥周转率由癫痫引起的地区从epileptiform-free发作脑电图数据(雷蒙et al ., 2013;雷蒙和福尔摩斯,2020)和振荡模式的形成阶段的癫痫峰值附近的锥形结构(雷蒙et al ., 2018)。同样,这些技术也被应用于研究阶段的动态形成的锥micro-ECoG收集的数据与一个植入8×8微型智能电网",1.25毫米的电极间的分离,固定在表面的右侧颞下回的主题经历那些将要动手术癫痫评估(弗里曼et al ., 2006 a)。可以看到的起伏阶段锥在微型智能电网"。然而,这些技术的应用来研究人类认知行为相对较新。我们发现一种动物兔子滑倒和锥阶段相关研究假设认知周期出现的意识在视觉刺激训练实验(戴维斯et al ., 2013;迈尔斯et al ., 2014;Kozma弗里曼,2017)。在另一项研究中,全球的空间形成阶段和阶段锥β第15 - 22 (Hz)乐队中观察到的视听条件刺激从64 -电极EEG数据(Ruiz et al ., 2010)。我们没有找到其他的研究工作提出了相关报告。
时空模式的详细研究阶段会从头皮脑电图数据在秘密视觉物体命名任务是新的,没有报道之前,我们的知识。鉴于我们的实验的细节,我们还研究了时空模式和时间洞察力的时刻(Kounios et al ., 2008;迈尔斯et al ., 2014)刺激之后的第一个第二个时期。一个可以观察到明确的活动在PSR情节记忆和语言区域在不同阶段的洞察力的时刻。然而,PSR略有不同的空间情节脑电图情节暗示PSR地图接不同区域相变相关的皮质活动的协调大脑皮层神经元的活动。我们的研究结果表明,PSR分析可能是一个重要的新工具来研究自发和诱发的大脑活动。下面给出一些背景材料的洞察力的时刻。
1.1。顿悟的时刻
顿悟的时刻是非常普遍的,也称为“啊哈!”或“尤里卡”时刻。这些与突然或自发地找到一个解决一个问题。著名的例子是艾萨克·牛顿爵士得到灵感来自苹果开发的引力理论或下跌阿基米德的著名的“奇人”的瞬间。“尤里卡”是创造力提出的四个阶段的一部分沃拉斯(1926)通常称为:准备、孵化、照明和验证(沃拉斯,1926;盖尔曼,1994;Sadler-Smith 2015)。照明是“奇人”的瞬间。
如今,这些见解的时刻可以与头皮脑电图,研究了在静止状态或诱发反应势研究(鲍登,和强比曼2007年;Kounios et al ., 2008;Kounios Beeman, 2014;Salvi et al ., 2015;哦,et al ., 2020)。一个典型的过程是指一个对象在屏幕上的图片,问主题按下一个按钮或公然说当他/她认识到对象而刺激,即。,图片,还是显示在屏幕上。在这个协议,对象识别时间开始计算的刺激。一般来说,在刺激期间,可以看到明确的著名的山峰与洞察力的各个方面时刻在50 - 1000之间的脑电图数据,从一开始的刺激计划。峰的一个例子将是P1, N1, P2在第一300 ms的刺激。一阵α(7 - 12赫兹)权力之后,类似的低伽马(30 - 50 Hz)乐队的变化与洞察力的时刻已经观察到(Kounios Beeman, 2014)。
另一个协议是指图片在电脑显示器一秒左右,然后关掉画面和主体已经指示的对象秘密或公开的刺激是关闭的时刻。这些协议已被用于许多不同视觉物体命名在各种场景。其中,我们主要关注秘密视觉物体命名刺激之后时期已在癫痫患者用于语言和内存区域本地化从脑电图和ECoG数据集(奥杰曼et al ., 1989;雷蒙et al ., 2009;亚伯et al ., 2016;奥杰曼,2016)。最近,类似的协议也被用于正常人研究视觉感知之间的差异(在刺激)和心理意象在刺激计划期间(Dijkstra et al ., 2019;Proverbio et al ., 2023)。
不同阶段的洞察力,相关的皮质相变,即。,phase slip rates have not been previously examined in detail during the post-stimulus period. This is one of the foci of the present study. Response time during the post-stimulus period is generally counted from the start of the post-stimulus period (弗里曼和罗杰斯,2002年;迈尔斯et al ., 2014;Kozma弗里曼,2017;Proverbio et al ., 2023),而不是开始的刺激。
顿悟的时刻也已经通过心理意象研究,即。,visualization of an object during the resting state or meditation. No external stimulus is needed. With this method, EEG power spectral density changes, synchronization, and complexity measures have been observed (空气et al ., 2019;Furutani et al ., 2020;Giannopulu et al ., 2022)。心理意象和可视化刺激法案后的期间是相似的。同时,精神可视化和知觉,即。,looking at an object on the screen, do share some neural responses, particularly in the alpha band (Dijkstra et al ., 2018,2019年;谢et al ., 2020)。因此,一个可以学习了解阶段两个刺激刺激之后和/或期间即使协议都是不同的。
细节的方法,结果,讨论在以下部分中给出。在方法部分,人类脑电图的种种细节数据收集五个主题,脑电图数据的时间和空间滤波,提取阶段从脑电图数据描述。在结果部分,相滑移的时空结构在秘密视觉物体命名任务描述。一些关键的分析结果和可能性的任何工件程序的讨论部分中描述。
2。材料和方法
2.1。脑电图数据
五个成年男性受试者的脑电图数据收集生物医学和神经工程研究所的,冰岛雷克雅未克大学科技大学,尔,德国批准人类被试在雷克雅未克大学指南。收集的数据集与一只蚂蚁神经256 -通道系统为每个通道采样频率16384赫兹。高采样率有助于更好地提取PSR在更短的时间序列的窗口。更多细节稍后在脑电图描述阶段提取。数据集收集与Cz参考电极但re-referenced常见的平均引用数据分析。数据集被消除识别信息,然后用于研究。
2.2。协议细节
协议前向受试者解释数据收集的开始并没有说明在数据收集。干燥模拟运行做了第一个受试者熟悉数据收集过程和之后,实际的实验。协议是显示一个物体的图片1 s(刺激周期)在一台计算机屏幕上,然后从监视器屏幕画面消失,仍是空白。响应收集10 s刺激法案后的时期。受试者被要求立即开始秘密可视化对象和名称图片后就消失了。受试者的眼睛刺激之后期间开放。音频beep在审判结束的提示他们准备下一个试验。随机延迟1.0 - -5.0年代之后,接下来的照片出现在屏幕上。音频beep长300 ms的电脑扬声器。没有使用耳机或耳塞听音频。 The total length of each trial was approximately 11–15 s.
实验重复了30个不同的图片。我们用黑线图纸共同对象的白色背景,如铅笔、椅子,猫,等等,已使用过(奥杰曼et al ., 1989;雷蒙et al ., 2009)。EEG期间收集的数据集是不断的实验。过滤和工件去除后,一审被丢弃,因为它被认为是一个熟悉试验的实验。其余29试验的数据平均为每个主题。
在我们的协议,我们没有要求受试者识别和名字对象在刺激期间。因此,我们不能做完整的洞察力时刻刺激期脑电图的分析。然而,P1-N1-P2复杂的视觉诱发响应出现在第一个300 ms (−1.0−0.7 s)开始后相关的刺激,可以时刻的初始阶段的洞察力。之后,后来了解阶段很难确定,因为我们没有要求受试者识别和名字对象在刺激期间。因此,在刺激期间,我们仅限于分析P1-N1-P2复杂。
2.3。Inter-trial和inter-subject可变性
inter-trial和inter-subject变化数据集的检查。我们的工作是基于阶段,变化是检查阶段的脑电图数据。过滤和预处理的数据进行。下一节将描述这些步骤。相位提取的希尔伯特变换后的数据。RMS(均方根)的力量每个审判阶段的数据计算。参照值最低,其他28个试验计算的百分比变化。他们的平均值和标准偏差(均值±std)为每个主题在29日试验计算,列出表1。在5科目的均值变化百分比是2.63±2.43 (n= 5)。这些可变性是合理的。话题# 4(6.9%)最高百分比变化和2.8% - 11%的范围之间的不同。只有11%的最高价值四个试验共有29的试验。因此,从本质上讲,数据集没有大变化,应考虑合理准确的进行进一步分析。
2.4。过滤和预处理
EEG数据集共同平均被引用到参考。3-49赫兹通频带的数据集是过滤与一个equiripple过滤器然后再过滤空间谐波分析(SPHARA)过滤器去除空间构件(Graichen et al ., 2015)。上49赫兹的频率被选中来消除污染50 Hz电源频率的数据集收集在欧洲。SPHARA过滤器扩展了经典傅里叶分析非均匀离散空间位置传感器在三维空间的一个表面,例如,脑电图传感器表面的头。它代表了泛化空间傅里叶分析的传感器布置在任意表面。确定该方法的基函数是基于特征分析的离散Laplace-Beltrami运营商在三角网格上定义描述传感器设置(Graichen et al ., 2015)。与PCA(主成分分析)和ICA(独立分量分析),依靠测量数据确定组件,SPHARA方法只使用传感器地形信息计算功能的基础。
使用SPHARA方法、空间滤波器可以消除一些特定类型的工件。EEG信号和某些类型的干扰,例如,不相关的传感器噪声和单通道辍学,表现出不同的空间谱特征,可以利用空间滤波器的设计。的主要贡献的能量头的表面电位分布是由空间低频基函数。这是由于低通特性的卷头的导体模型(Srinivasan et al ., 1998;Nunez Srinivasan, 2006;雷蒙et al ., 2006)。相比之下,不相关的传感器噪声和单通道辍学显示平面空间频谱。通过选择一个合适的空间滤波器的截止频率,很大一部分的能量可以抑制噪声,同时,大量的能量的一部分想要保留的信号。SPHARA方法尤其适合作为后续阶段的预处理步骤分析方法由于个人时间样品过滤彼此独立的。在时域相位信息不改变SPHARA-based过滤。
进一步去除工件进行了主成分分析(PCA)使用EEGLAB软件。SPHARA和主成分分析的结合,我们能够移除眨眼,肌肉工件,和心脏(ECG)工件。过滤效果给出的一个例子图1。SPHARA过滤和PCA修剪提高分辨率的峰值。例如,比较峰值在三块之间的持续时间1.0 - -1.8 s。特别是,看山峰被垂直的虚线。在中间和底部的阴谋,几个山峰是可见的,但被遮挡或合并在一个广泛的峰值前的阴谋。这表明SPHARA过滤和PCA修剪有助于减少工件和提高分辨率的山峰脑电图数据。两个情节只有细微的差别,底部的10%或更少。此外,高峰值的变化约±0.5μV或更少。这将表明SPHARA过滤器,预测(Graichen et al ., 2015),能够消除大部分的工件的脑电图数据。PCA修剪又完成了,没有发现组件需要被删除。所有科目的清理数据又重新核对了手动和EEGLAB软件以确保没有工件,并没有被发现。
2.5。脑电图滑移阶段提取
所有程序阶段滑提取从脑电图或ECoG详细描述之前的研究(弗里曼和罗杰斯,2002年;弗里曼,2004;Ruiz et al ., 2010)。使用类似的过程。从脑电图数据提取的阶段是利用希尔伯特变换,然后打开给几乎线性增加时间序列的阶段。打开阶段的线性趋势被通过一阶差分或衍生品(d / dt打开的阶段。这些程序中描述图2。顶部的情节是一个1-s-long脑电图跟踪电极。第二个情节从顶部的锯齿模式阶段提取后的希尔伯特变换脑电图数据。打开阶段第三情节从顶部弧度了大概有一个随时间线性增加的阶段。此外,它显示了打开情景相的转变阶段。情节是底部阶段频率。这是获得通过的导数打开阶段和除以2π的相位频率周期/ s或给我们赫兹。有积极和消极的尖峰称为相滑移。正相滑动将创建一个不断增长的空间相锥结构,有一个潜在的传播在头皮上或皮质表面而负相滑动代表一个空间崩溃阶段锥结构在头皮上或皮质表面(弗里曼和Quiroga, 2013年;Kozma弗里曼,2017)。
图2。图示的阶段滑痛苦。(上)1-s-long脑电图跟踪从一个电极;(顶部)锯齿波模式的相位提取后的希尔伯特变换脑电图数据;(从顶部第三)打开阶段的脑电图数据;(底部)打开阶段除以2π的导数给出了相位频率在赫兹。它显示了锋利的正负相滑移。
应用希尔伯特变换的脑电图数据也会生成这些阶段从随机噪声活动。分开随机噪声,需要把生物和神经元电生理信息的发射和滑倒的形成阶段(弗里曼et al ., 2006 a;Ruiz et al ., 2010;雷蒙和福尔摩斯,2015,2020年;雷蒙et al ., 2018)。这些包括:(1)相位频率在给定时间区间,例如,7 - 12赫兹的α乐队,(2)积极或消极的山峰的迹象并没有改变至少两个连续的时间步骤,和(3)连续两个峰值的大小是相同的在±0.01的限制。作为一个例子,10 Hz, 9.99至10.01赫兹。这些标准的应用将大大减少或消除相滑移的计算由于随机噪声和将产生一系列合理的连续时间的PSR。这些标准都是基于以前的研究(Ruiz et al ., 2010;雷蒙et al ., 2013,2018年)。
PSR(数量/ ms)是计算步进窗口的宽度大约1.0女士和一个数字化的步长点,即0.061毫秒,是基于EEG数据的采样率为16384 Hz。实际的窗口大小是16数字化点,(16/16,384)= 0.976毫秒。从今以后,为简单起见,我们将称之为1.0毫秒的窗口。步长应5 - 10%的窗口大小减少时间模糊和混淆的错误由于欠采样数据。因此,一个数字化的步长点,0.061毫秒,是一个不错的选择,一个窗口为1.0 ms。
高采样率有助于更好地分析EEG和派生的时空传播,如PSR,从时间序列数据。保持小窗口大小,即。,1ms, also helps in reducing the temporal and spatial smearing of the PSR. The 1.0 ms window is still narrow enough to cover the depolarization (∼1.0 ms), repolarization (∼1.0 ms), and the refractory (∼ 2 ms) period of the action potential with an adequate temporal resolution (Nordlie et al ., 2010)。以较低的采样率,说1 kHz,窗口大小需要增加到10毫秒左右PSR的任何合理的计算。这将涂片计算PSR显著,这可能不正确地结合电生理信息计算PSR的时间序列。另一点要注意的是,在早期的实验测量发现空间相锥形梯度皮质表面传播速度2毫米/ ms (巴里et al ., 1996;弗里曼et al ., 2003)。此外,皮质轴突传导速度的范围在1到10毫米的范围/女士(巴德和Kisvarday, 2012;Swadlow和维克斯曼,2012年)。因此,高采样率将有助于捕捉细节这些相滑移及其相关的时空阶段波皮质表面和头皮。一旦时间序列的PSR从脑电图中提取数据,然后可以重新取样率较低的任何后续进一步分析。
总之,用于计算PSR的管道包括以下步骤:(1)过滤脑电图在适当的脑电图乐队,如α7 - 12赫兹的乐队,(2)提取阶段基于上述标准,和(3)计算相位滑移率(PSR)在窗口宽1.0女士步进一个数字化的步长点,0.06∼女士。
时空的情节相滑移和脑电图潜力是用蒙太奇布局256个电极位置放在一个平面上使用EEGLAB软件(Delorme Makeig, 2004)。一个平滑样条曲线拟合平滑参数为0.99995被用于计算的时空策划PSR数据。256脑电图电极系统的典型例子及其电极布局了图3。幽灵的电极帽头(菲德勒et al ., 2022)所示图3一,紧随其后的是电极布局在一个平面上图3 b。一个典型的脑电图势所示的示例图3 c也显示了典型的名称,例如,额叶、顶叶、颞叶,等等,来描述空间位置的阴谋。近似位置的视觉、语言、记忆和情感的区域明显图3 d它们大致符合相应的脑区激活区域(Gazzaniga Mangun, 2014;迪克森et al ., 2017)。底部的视觉区域的活动(后)的情节大致是高于大脑枕叶。顶部的电极(前)的情节额叶的情感反应。语言和内存区域的左颞顶叶和他们的活动将被电极在左边central-parietal地区。然而,内存区域也分布在大脑的其他部分。中线将头皮的左右。从这些情节,可以推断出在各种条件下大脑的认知行为,包括视觉对象命名任务。
大部分的数据分析进行桌面计算机的8核CPU和112 GB的内存。大部分的工作是使用EEGLAB执行(Delorme Makeig, 2004)软件在MATLAB环境中,此外,一些软件代码编写阶段分析,后期处理,计算结果的可视化。分析的数据集需要较大的内存(> 112 GB),我们使用MATLAB软件在加州大学圣地亚哥分校(加州大学圣地亚哥分校)超级计算中心门户使用他们的NSG神经科学(网关)。
2.6。代理数据
代理执行数据的测试,以确保我们的结果是真实的,不是由于机会。其他地方描述程序执行这个分析(普里查德,1994;Kugiumtzis 2002;兰开斯特et al ., 2018)。最简单的程序从真实数据的一个子集生成随机数据和执行完全相同的分析数据集。换句话说,过滤(Widmann Schroger, 2012)、微分、希尔伯特变换应用程序,阶段提取程序,等等,都应该是相同的实际数据和代理数据。否则,人们可以得到虚假的结果(普里查德,1994)。如果结果为真实和代理数据是明显不同的,然后现象或过程进行调查是真实的,而不是一个出现的机会。
对于我们的工作来说,代理数据的真实数据生成的随机洗牌的一个主题。5-s-long过滤EEG数据的一个主题,如上所述,随机打乱使用MATLAB中的' randperm '命令,及其功率谱密度进行了计算和检查,以确保它是不同于真实数据,非常接近白噪声。这打乱数据被用来计算的速度形成相滑移(数量/ ms) / 5 s频段的3-49赫兹。这个过程重复了100次试验。相滑移率的平均值在100次试验是:0.2±0.002 (n= 100)计数/女士。这个值(0.2项/ ms)是一个非常小的数量和远低于实际对象命名实验的阶段会在0.0 - -15.0的范围数/ ms。任何高于0.2计数/女士应该被认为是起源于生物过程而非随机噪声。这些值随机打乱数据仅供参考,没有减去所有情节的结果部分。
3所示。结果
3.1。数据分析的话题# 1
话题# 1的详细报告结果如下所示。它包括:(1)时间序列资料的脑电图和PSR两个电极,(2)时空的脑电图和PSR三峰,即,P1, N1和N2在刺激期间,(3)时空配置文件在第一次刺激之后的第二个时期,和(4)分析不同阶段的洞察力时刻刺激法案后的时期。
3.1.1。阶段主题# 1的两个电极
EEG和PSR活动刺激和刺激之后的时期在两个电极所示图4。刺激周期从1.0−0.0秒当画面显示在电脑显示器和刺激法案后的时期从0.0年代开始屏幕上的图片已经关闭,这个话题开始秘密可视化和名称的对象。脑电图跟踪和相位会从一个电极的中线中心区域,涉及语言和记忆过程图4一。类似的信息从一个电极在左在视觉领域图4 b。θ乐队在两电极脑电图活动是可见的。叠加在大θ带振荡较小的振荡与α,β和低伽玛乐队。
图4。脑电图的一个例子,在所有四个乐队psr两电极。(一)脑电图和PSR离开中央中线附近的电极面积;(B)同样的信息从一个电极在左侧视觉区域。注意时间序列资料的psr明显不同的两个电极0.0 - -1.0年代时期的主题是观察和分析对象的图像在隐蔽的对象命名任务。
山峰的视觉诱发电位(VEP),在刺激期间,N1、P1和P2脑电图情节标记(樵夫,2010)。这些峰的位置取决于延迟,即。,the delay between the start of the stimulus and brain response, which varies from subject to subject (Makeig et al ., 1999)。对于这个主题,这些P1、N1和P2峰值位于46女士,85毫秒,175毫秒,分别从一开始的审判−1.0 s。或见图4,5的时间轴上,−1.0到0.0,P1峰位于−0.954 s, N1峰值位于−0.915 s,和P2峰值位于−0.825 s,分别。这些脑电图高峰在刺激期间,与最初的视觉诱发响应,语言,大脑的内存区域。这些不同于知识分析刺激法案后的时期,一个是故意认识和分析一个刺激,即。在这项研究中,一个对象在隐蔽的对象命名任务。两个电极上的脑电图活动开始回到正常的休息状态脑电图模式从一开始约1.8年代的时期刺激之后在0.0 s。同样的模式也存在于PSR活动。
图5。空间块脑电图和psr刺激期间在不同的脑电图。(一)时间序列的脑电图(3-49 Hz)从一个电极的可视区域。突出的VEP山峰,,N1、P1和P2标记及其空间情节都包括在内。N1, P1和P2峰值位于46女士,85毫秒,175毫秒,分别从一开始的刺激计划。(中)空间情节的脑电图和psrθ,α,β和低伽玛乐队。在每个图中,第一行是psr的脑电图和底部行。脑电图在μV和PSR的数量/女士。
psr(数量/女士或# / ms)对所有四个乐队还包括两个电极。总的来说,低伽马乐队活动低迷与振荡活动θ,α,β的乐队。峰在0.0 - -1.0期间有关秘密视觉物体命名任务中知识循环。这些相位滑移率也表现出θ的振幅和相位调制波的形成和α乐队正如前面有人预测周期性调整的基础上皮层神经动力学相变(弗里曼和主席,2006年,2010年;Ruiz et al ., 2010;弗里曼,2015)。EEG振幅和PSR的大小不需要有一个相互一一对应。相滑移的原因是有关小扰动在脑电图数据可在EEG数据的时间序列。例如,这些可能在高振幅,振幅较低,甚至是零交叉附近的脑电图数据的时间序列。同样,PSR在宽1.0女士窗口不是基于振幅而是情景相移的数量在打开阶段产生相滑移。也因为同样的原因,PSR值是不同的在不同的脑电图乐队因为θ的脑电图资料不同,α,β和低伽玛乐队。
3.1.2。刺激期# 1
如前所述,有三个著名的山峰,在刺激期间,N1、P1和P2。脑电图的时间序列图(3-49 Hz)从一个电极的视觉区域包含在左边图5一个。突出的VEP山峰,N1、P1, P2标记,他们的空间脑电图(3-49 Hz)情节也包括在内。P1峰,大部分的活动延伸从左颞顶叶和视觉区域(的)。N1高峰时,积极的脑电图潜在活动集中在中线中心区域和消极脑电图电位分布的可视区域。在P2的高峰期,活动分布在整个地形除了在中央中线区。脑电图和psr的故障在不同的脑电图乐队在额外的情节,这些山峰B, C, D, E图5。在每一个情节,第一行是PSR脑电图和底部行。脑电图活动的积极P1峰图5一个主要贡献从α,β和低伽玛乐队。积极的N1峰值有重大贡献从θ,α,β的乐队。消极的N1峰从α和β乐队有重大贡献。P2峰值主要贡献从θ,α,β的乐队。
在θ乐队(参考图5 b)、低水平(1∼μV)脑电图活动在P1峰主要是右额叶,颞叶,顶叶,后(的)视觉区域。积极的(> 0.0μV)脑电图活动在中线的N1峰值主要是中心区域,P2峰值,它遍布地形除了中央中线区。PSRθ活动带(图5 b从脑电图活动)是非常不同的。P1峰,PSR活动额,右颞,中央,顶叶区域。有一些活动在中央和正确的视觉区域从脑电图活动略有不同。PSR在鹿数量/ ms的范围。N1高峰,PSR活动分布在额叶,中部地区,右前颞叶与视觉区域(的)。相比之下,N1的脑电图活动高峰在θ乐队非常专注在中线的中央地区。P2高峰,θ乐队,脑电图活动分布在整个头较低(0.0∼-1.5μV)活动在中央中线区。相比之下,PSR活动一个亮点(∼11项/ ms)在中央中线区和一些低级(2 - 5项/ ms)活动的中心区域。
在α乐队(参考图5 c),脑电图活动经历从P1 N1, P2快速变化的时间间隔仅129 ms在P1和P2之间。它始于视觉和顶叶区域的N1的额区主管然后遍布头部P2。相比之下,PSR活动P1峰在左视觉和右颞顶部区域。N1高峰,PSR活动是在额叶和颞区域。在P2的高峰期,热点前排中央和中线的中央区域。这种对比在空间块脑电图和psr可能是由于与事件相关的重组阶段(Klimesch et al ., 2007;感觉et al ., 2011)。消极的热点在N1情节是正确的中央顶叶区域匹配和高(∼12 # / ms) PSR右顶叶区域活动。
在β乐队(参考图5 dP1),积极的脑电图活动主要是在左颞和视觉区域,在N1是非常低级的活动在中央中线区域,然后在P2,它与更强的活动区域分布在正确的时间,正确的顶叶,额叶区域。消极的活动面积为P1是正确的头皮和N1后和颞区。相反,βPSR活动带在左颞P1峰高和中部地区,在N1峰值在左侧相同的地区,然后在P2的高峰期,这是广泛分布在顶叶和左和右颞区域。
在低伽玛乐队(参考图5 e),脑电图和PSR活动都是震级较低。P1峰,积极的脑电图活动是在左前颞顶叶区域。PSR活动是在左额叶和中部地区,一些与脑电图活动的关系。N1高峰,PSR活动集中在左侧中部和颞区域。这种模式P2峰值的变化。PSR活动在低水平(∼2 - 4项/ ms)利差在左额叶和中部地区和右顶叶区域。有一些相关性在P2与脑电图活动高峰。
四通方差分析分析PSR值上执行的所有256个电极在P1, N1, P2, PSR值在刺激的开始时期−1.0年代分别为每一个乐队。发现值显著(p< 0.01)不同。
这些发现非常类似于所见过的视觉诱发电位(Mangun 1995)。P1活动是观察在枕(的)面积和其来源预计将与视觉皮层的激活有关。该组件是与视觉注意力(Mangun 1995)。积极的N1组件激活fronto-central地区主要是观察中我们看到的中线图5 c。同伴- N1激活区域是正确的中央顶叶区域。P2激活区域通常是centro-frontal和parieto-occipital头皮和它代表的某些方面高阶感知过程,调制的关注(支持者et al ., 2019)。
3.1.3。刺激计划期# 1
在图6时空块脑电图和相位滑落在所有四个乐队有刺激之后期间0 - 0.9秒的时间分辨率100 ms的充分分析空间变化与视觉有关,语言和记忆的过程。这些空间情节在0.0 s, 0.1, 0.2年代,等,和数据帧之间的不平均。脑电图3-49赫兹乐队的活动在第一行后面跟着PSR空间情节θ,α,β,分别和低伽玛乐队。给出了不同颜色尺度图的右侧。0.0 - -0.5年代的时期被认为是大脑活动在意识的关键时期是捕捉物体的图像的初始印象视觉皮层和召回它的名称和形式,即。、形状,从语言和内存区域在秘密视觉物体命名任务。在某种程度上,这是类似于视觉诱发电位刺激期间(Kounios et al ., 2008;Daliri et al ., 2013),在分析洞察力的时刻刺激计划期间(戴维斯et al ., 2013;迈尔斯et al ., 2014)。
图6。时空块脑电图(μV) 3-49赫兹乐队,PSR(数量/ ms)在第一次刺激之后的第二个时期。空间情节是在特定的时间点,例如,0.0,0.1,等。帧之间的分离时间是100 ms。第一行是脑电图,其次是psrθ,α,β和低伽玛乐队。EEG数据集在29日平均试验和psr提取平均脑电图。
看着图6积极的脑电图活动高峰期间在不同的位置0.0到0.9。突出的活动区域是:(1)在0.1 s视觉区域(枕叶)的后面,并在左和右颞区域,(2)在0.2秒前中央中线区,(3)在0.3和0.4之间,一个主要的空间从视觉转移到额叶区域,(4)在0.5和0.6之间,在大多数的顶叶区域,(5)然后慢慢蔓延和转移在不同地区的地形在0.7到0.9年代。第一个在0.1 s是第一波传播期间观察到的秘密视觉物体命名任务(迈尔斯et al ., 2014),类似于P1波刺激期间(Kounios et al ., 2008;Daliri et al ., 2013)。消极的脑电图潜力非常主要的额区为0.3 sθ的匹配,并有很强的PSR活动带。
脑电图相比,θ的PSR活动是非常不同的乐队。在左前中央有一个热点区域在0.0秒然后PSR减少在后续帧到0.2左右centro-temporal地区有广泛的活动。0.3年代框架,它有一个亮点在前面的中心区域,然后活动逐渐减少在后续帧到0.5年代哪里有活动在左顶叶和右额叶区域。PSR在低水平后,3 - 7项/女士,利差在几个地区的地形,然后变得额地区主要集中在0.9 s。
阿尔法乐队PSR空间情节在第三行从顶部图6。主要活动区域在左顶叶和额叶区域在0.1秒,然后通过改变直到0.3秒在低水平。在这些热点在左顶叶和中部地区为0.4 s。然后有几个热点分布在左侧视觉0.7秒,左颞中部(靠近左耳)地区,和一些右额叶区域的活动。0.8到0.9年代期间,PSR活动是在一个非常低的水平(0 - 5项/ ms)地形。
PSRβ频带的活动(图6从顶部,第四行)在0.0秒一个亮点(∼12项/ ms)在正确的中央顶叶区域和低水平(∼2 - 6项/ ms)在左颞和中央顶叶区域广泛活动。0.1年代,这些活动区域成为集中在左额叶和顶叶区域中部部分与脑电图活动0.1 s。在0.2秒,PSR活动几乎已经消退右侧中央顶叶和枕叶区域。这种模式的变化在0.3秒一个热点(∼12项/ ms)在左侧中央颞区和广泛分布在右顶叶区。现在的时间0.4 - -0.7 s。β的传播乐队PSR从0.3到0.4年代额非常明显,左前颞,右顶叶区域。这种关联与脑电图活动在额叶区域只有0.4秒。有几个亮(∼7计数/ ms)点在左前0.7秒时间,正确的时间,正确的顶叶区域有轻微的与EEG活动之间的联系。0.8 - -0.9期间,脑电图活动从中央转移到左、右顶叶区域。这可能意味着脑电图大脑活动正从内隐认知事物命名任务正常背景的大脑活动。 In contrast, the PSR activity in the beta band is very focused during this period. There are several hot spots in the central area at 0.8 s which become more confined in parietal areas at 0.9 s.
低伽玛乐队PSR活动(图6底下一行)低0.0 - -0.3年代期间更改一些低级的活动(∼3 - 6项/ ms)在0.4 s在前面的中心区域,中心区域,右顶叶颞区域。它有一些相似之处与脑电图的情节在0.4 s。之后,PSR仍然很低(0 - 5项/ ms) 0.5到0.7期间年代的大多数活动中央中线区。在0.8秒,有一些活动(∼3 - 5项/ ms)在中线中部地区蔓延到左和右颞区域在0.9 s。总体看来,PSR活动开始回归正常背景活动后0.8秒。
成对的学生的t以及分析PSR 1-s-long数据的平均值在刺激(−1.0到0.0 s),相同的长度(0.0 + 1.0 s)刺激计划期间的数据。得到256值,每个电极刺激和刺激之后的一个时期,分别和学生的t以及进行这两组值。这是为每个乐队分别执行。前值显著(刺激之后,p< 0.01)不同乐队。
3.1.4。洞察力时刻分析主题# 1在隐蔽的对象命名任务
上半年秒刺激之后的时期,大脑活动经过几个阶段捕获和识别物体的图像。正如前面提到的,这些被称为顿悟的时刻,“啊哈”的时刻,或“尤里卡”时刻,可以研究在刺激期间(Kounios et al ., 2008)或刺激计划期间(戴维斯et al ., 2013;迈尔斯et al ., 2014)。我们将关注的提取不同阶段的洞察力时刻刺激法案后的期间及其持续时间从一开始的刺激计划。有几个阶段,这个过程中识别的时间和空间块图4,6,7。我们的结果在图4,6表明,PSR低伽玛乐队非常低的大小和时断时续的。此外,它早已经暗示,θ波振幅调制相位和α乐队载频β和γ乐队可能诱发反应的研究中,可以观察到(弗里曼,2004;Ruiz et al ., 2010;戴维斯et al ., 2013;Kozma弗里曼,2017)。基于这些因素,选择了研究高时间分辨率的psr行为θ,α和β乐队只提取的不同阶段的洞察力的时刻。在图7、时间序列资料的脑电图和psrθ,α和β乐队的电极从左边视觉区域。时间覆盖0.0−0.2到1.5 s,刺激之后的开始时期。一个人应该分析图6,7一起来全面了解不同地区的顺序激活在θ,α和β乐队在对象识别的过程。
图7。分析的洞察力阶段刺激法案后的时期。的前情节的脑电图(3-49 Hz)从一个电极在左侧视觉枕区,后面的头。著名的山峰都做上标记。以下三个情节相滑移率的θ,α和β乐队,分别。垂直虚线标记的位置不同阶段的洞察力的时刻。第三阶段是“尤里卡”的时刻。
脑电图跟踪中图7有几个峰值识别刺激法案后的时期。命名P100指的是正向的峰值在100 ms从一开始的刺激计划期(0.0)当主体故意开始可视化和分析的名称和形式,即。物体的形状。同样,N215负峰值在215 ms。同样,其他山峰也被确定。N1,这些山峰不同于P1和P2诱发反应潜在的山峰在刺激期间。相比,P100, P215等等,峰值是由于心理意象,即。、心理任务相关对象可视化和识别(Dijkstra et al ., 2018;皮尔森,2019)。
我们的一些认知和心理意象的研究结果相似。知觉是观察一个物体产生VEP P1, N1, P2潜力。这些涉及到视觉皮层被激活(45∼女士从刺激计划中),然后活动扩散到大脑的其他部分,特别是对额叶和顶叶区域对于更复杂的处理来生成一个认知,即。的心理图像对象几100年代后的这个女士与P2高峰的形成视觉诱发电位。在我们的结果(图5),这就是我们看到出现的刺激。当一个可视化的对象在心理意象,不看到P1和N1山峰,而是一些活动之后相关的复杂的视觉处理和分析(Dijkstra et al ., 2018;皮尔森,2019)。在图7刺激计划期间,没有P1和N1峰值,但广泛的峰值在77 - 215毫秒,标记为P100 N215,这可能被视为相关对象的心理意象。
几个垂直虚线识别不同阶段的洞察力的时刻。端点的位置主要是确定不同阶段的波形和时空块脑电图。这个位置就稍微修改基于psr的波形模式。选择使用这个工具的原因是脑电图的时空配置文件类似的从一个话题转到另一个而PSR情节主题之间有较大的差异。同时,脑电图是一个独立的变量而psr因变量来自脑电图。阶段我的视觉区域(的)是0.0毫秒之间最活跃和100 ms。端点的位置的阶段我决心从P100波的峰的位置是这个主题的0.1秒。时间点的位置整体下降的PSR活动视觉区域θ和α乐队P100波的峰值附近PSR活动β乐队确定。±20 ms的窗口,即。,between 80 to 120 ms was used for this search. This gives us four nearby time points, one from EEG and the other three from PSRs which were averaged to determine the end point of Stage I.
阶段II的端点是由寻找基线P278波,即。之间的最小值的高峰P278 P456。从一开始在368 ms刺激之后的时期。相应,PSR的时间点为最大或最小值搜索在0.348到0.388年代的时期。最大值的位置的PSRθ和α乐队在前面的中心区域。β的PSR活动带是分布在一个大区域。PSR值β频带的平均超过所有256个电极和最低的位置在0.348到0.388年代的窗口。这四个时间点的平均值计算,被分配的时间点第二阶段的结束。类似的程序被用于确定其它阶段的端点。摘要给出了这些程序表2。软件代码编写自动检测的所有五个阶段的终点,然后手动检查的准确性,如果需要,修正了终点的位置的阶段。
阶段我通常指的初始印象刺激对大脑刺激计划期间(Mangun 1995;Schendan和露西亚,2010年)。它也被称为“敬畏”时刻知识周期(迈尔斯et al ., 2014;李et al ., 2017)。看0.0 s图6脑电图活动很低,1.0∼μV传播的中心区域在0.1秒左右时间,和视觉区域的大小是3 - 5μV。这些脑电图活动模式可以在对象识别相关P100波研究刺激法案后的时期。在这个阶段大脑的不同区域之间的协调是不同步的,我们看到一个在θ相滑移率骤降和α乐队虽然高β频带中充当一个载波相滑移(戴维斯et al ., 2013;弗里曼和Quiroga, 2013年;弗里曼,2015)。
θPSR 0.0年代的空间模式显示中级活动(∼7计数/ ms)在额叶区域。指图6。之后,它显示了一个集中的亮点在中线中心区域在0.1 s。αPSR的空间格局在此期间(0.0 - -0.1 s)增加左顶叶,前中央,centro-temporal地区。在此期间,β乐队PSR活动从视觉区域转移到左额叶和顶叶区域在0.1 s。这种行为的PSRθ和α乐队非常类似于行为的观察和建议是θ和α乐队脑电图活动在工作记忆任务(Klimesch et al ., 2005)。在记忆的检索,θ脑电波像一个行波传播的前部,后部网站(Klimesch et al ., 2005)。当主题检索的图像或对象的形式从工作记忆开始,θ乐队PSR变得普遍在前面的中心区域在0.0秒之后,变得越来越分散在其他地区的地形的实际检索对象的内存。θ和α活动相同步,与在工作记忆任务(Schack et al ., 2005),这就是我们正在观察α乐队PSR的行为。
第二阶段(100 - 370 ms)的特点是迅速探索语言和内存区域搜索的名称和形式,即。物体的图像。它被确定为P278组件图7在隐蔽的对象命名任务。阶段II延伸P278波结束,大约370毫秒。在圣人二世,在大脑的不同区域有很强的协调,尤其是语言和内存区域之间。这个阶段通常被称为创造性思维文学的“孵化”阶段。这可以观察到图6,7。PSRθ活动乐队非常高的语言和记忆领域,在中线附近的中央,在0.3 s。相互关联的顶叶活动区域也可辨认的PSRα和β的活动。这个阶段通常特点是N300和P300波在文学中发挥着重要作用对象识别和情感反应刺激(Carretie et al ., 1997;Sprugnoli et al ., 2017;Kumar et al ., 2021)。
第三阶段(370 - 520 ms)是“尤里卡”的时刻,也叫做“照明”的时刻,当一个识别和标识对象(Sadler-Smith 2015)。这个阶段的端点是由PSR峰值的位置在θ乐队,和基线的α和β乐队图7。此外,他们的空间情节图6也用于确定适当的端点的第三阶段。在此期间,活动主要是在语言区,即,left centro-parietal areas, with interrelated modulated activities in the frontal and left parietal areas in the theta band (图6),中部和左顶叶区域在阿尔法乐队(图6在0.4和0.5 s),和几个热点在额,右顶叶、左中部地区β乐队(图60.4。PSR和脑电图有明显差异的空间情节表明皮层神经元的协调活动在某些大脑的其他区域。
第四阶段(520 - 650 ms),称为“验证”阶段(戴维斯et al ., 2013;Sadler-Smith 2015)是集成的新知识记忆立即将来使用,如在秘密或公开的视觉物体命名任务。脑电图活动开始传播的头皮地形(图6,0.5 - -0.7,上面一行),而θ乐队PSR活动变得越来越少。PSRα活动乐队也展品一般蔓延后额叶区域的地形高度集中活动在左顶叶和中线前中央区域。这表明,顶叶和额区耦合(荣格和海尔,2007年)继续从III期四期在大脑中对象识别和决策过程。四期估计的端点附近的PSR活动最低θ和α乐队而脑电图级最高。
第五阶段(650 - 880 ms)的开始,回到后台大脑的活动。端点是很难确定;它可能是0.880到1.0年代之间基于PSR的空间和时间序列图不同的乐队。在这一阶段,PSRθ乐队活动传播从左顶叶区域的中心,然后在整个地形在0.7秒之后落定在额叶区域。阿尔法乐队PSR活动变化从中央中线左侧顶叶(0.7秒),然后在0.9秒额叶区域。β乐队PSR活动仍然是非常强大的中央和顶叶的大脑区域在这个阶段。EEG之间有显著差异,PSR情节在这个阶段。
成对的学生的t以及分析了PSR的平均值不同阶段的洞察力的时刻。基线值选择刺激的结束时期−0.7到0.0之间。每个阶段的时间是不同的。所以,基线长度相同的选择。得到256值,一个用于每个电极用于基线和每个认识阶段。成对的学生的t以及进行基线和价值观的认识阶段。这是表现为每一个乐队,θ,α,β和低伽玛乐队,另行规定。发现基线和洞察力阶段值显著(p< 0.05)不同阶段在所有四个乐队。
3.2。结合五个科目的结果
3.2.1之上。数据平均
如前所述,EEG数据平均为每个主题在29日试验。类似的分析进行剩下的四个科目。每个主题的PSR值计算从各自的脑电图在29日平均试验。时空的所有5个科目的结果相似但有明显的个体差异由于延迟的诱发反应的差异。这将是压倒性的,包括所有五个主题情节。因此,对于策划目的,首先,对于每一个主题,EEG数据平均值29试验然后trial-averaged五受试者平均的数据。同样,所有5个受试者平均计算psr及其时空情节刺激和刺激之后的时期图8,9,分别。同时,平均减少了背景变化而加强共同的特征出现在所有科目。不同阶段的平均价值的洞察力的时刻还包括五个主题。
3.2.2。刺激的平均数据
平均脑电图的分析3-49赫兹乐队,平均每个乐队在刺激期间PSR数据给出图8。脑电图(3-49 Hz)数据的时间序列的一个电极在左在视觉领域图8期间−1.0 + 1.0 s。N1的位置P1, P2山峰在刺激期间在45女士,101毫秒,161毫秒,分别从一开始的刺激−1.0 s。这些位置的平均峰值略有不同话题# 1中给出图4,5因为延迟的差异的5个科目。
P1的空间情节,N1和P2给出图8 b。P1峰的积极的脑电图活动主要是视觉(的)地区,N1高峰是在前面的中央地区,和P2峰视觉领域,普遍存在和左和右颞区域。- N1活动是正确的视觉和顶叶区域。在部分匹配方式的空间情节主题# 1图5。θ乐队PSR P1峰是普遍的锋面,在额叶和N1峰视觉区域,和在中线的P2峰值区域。α乐队的PSR P1峰有很强额的活动,视觉,和右颞区域,在左边的N1峰中部和中线区域,和P2高峰时正确的中线顶叶区域。β乐队PSR P1峰是在左顶叶和右额叶区域,N1高峰时正确的中部和视觉区域,和P2峰右额叶地区也分布在左颞区。低伽玛乐队是低的PSR(1 - 3项/ ms)强度分布在头皮上。脑电图的PSR情节是不同的情节,这表明PSR活动在大脑中不同的活动区域。
类似于# 1,一个方差分析分析PSR值P1, N1, P2,值一开始刺激的时期。这是为每个乐队分别执行。每个乐队发现值明显不同(p< 0.01)。
3.2.3。平均空间情节刺激计划时期
这些情节图9。脑电图的空间模式类似于第一个主题,但有明显的差异。0.0到0.3之间的年代,脑电图活动模式的转变,从壁中线,然后额中线(0.2秒),然后回到视觉区域在0.3 s。这些对应P100, N215和P278波(图7在视觉物体命名任务)。之后,脑电图活动分布在广泛领域在0.4秒,然后逐渐蔓延后地区为0.6,然后右额叶区域在0.7秒,之后,其他地区的地形。PSRθ活动带很强的视觉区域在0.2秒,然后逐渐转变从前额到右顶叶区域在0.3 - -0.5年代。之后,在低水平(∼0 - 5项/ ms)传播后,额叶区域在0.5到0.9年代。PSRα活动带与脑电图活动有很好的相似性在0.0到0.2之间的年代开始,然后0.5到0.9之间的一些相似之处以后。PSRβ频带的活动非常强劲,可见时空电波在0.0到0.9年代时期。活动从额叶,顶叶区域转移的时间。同样,低伽马的PSR乐队转变从额叶,顶叶,额,然后在一个广阔的区域内传播在0.8 s。类似于β频带,时空波模式也存在于低伽玛乐队。
成对的学生的t以及对平均数据集进行分析。它进行平均值的PSR 1-s-long数据在刺激(−1.0到0.0 s)期和相同的长度(0.0 + 1.0 s)刺激计划期间的数据。PSR值仅在时域平均。因此,有256个值,一个用于每一个电极,分别刺激和刺激之后的时期。这是为每个乐队分别执行。前值显著(刺激之后,p< 0.01)不同乐队。
3.2.4。平均持续时间洞察力的时刻
所有五个科目的不同见解阶段持续时间计算是基于主题# 1的过程描述。这些值中列出表3。
这些不同阶段的持续时间在视觉物体识别和命名任务范围内刺激之后的先前的研究时期(戴维斯et al ., 2013与先前的洞察力的时刻),可以提供一些相关性研究刺激期(Kounios et al ., 2008;Daliri et al ., 2013)。合并后的时间阶段I和II将给我们一个时间约为319±9女士将匹配与P3或P300波识别对象在视觉物体识别实验(约翰逊和Olshausen, 2003年)。这些相似之处的时间帧可能感兴趣的相关皮层相变的P3波对象识别过程。尤里卡效应,总体而言,合并后的第三阶段我阶段的持续时间大约是512±21女士这是早先报道的范围内结果来源于仅刺激期间(Daliri et al ., 2013;Kounios Beeman, 2014;Sprugnoli et al ., 2017)。总结所有的五个阶段的持续时间,会得到一个时间框架大约884±18女士承认,识别,吸收新知识,然后开始回归正常背景心理过程发生。可以称之为完成心理任务的持续时间,特别是对于秘密视觉物体命名任务刺激法案后的时期。
4所示。讨论
我们的目标是考察相变的皮质神经元的协调活动期间表现视觉物体命名任务。我们的结果表明,滑动和滑移率(psr)阶段从脑电图补充人所看到的。经常滑阶段活动中观察到不同区域与脑电图的空间格局。这表明联合分析空间块脑电图和PSR给了我们一个全面的底层的大脑活动的照片。正如前面提出的两个进程会导致测量脑电图。一个是皮质神经元产生的随机发射测量脑电图的大部分。另一种是由于相变协调大脑皮层神经元的活动在微观和介观尺度上产生小扰动的脑电图数据。在传统的脑电图分析,如功率谱密度(PSD)计算,这些小扰动贡献很小,仍然隐藏在大量的脑电图的PSD。分离和提取这些小扰动的贡献必须用希尔伯特变换增加±π相移在每一个小的扰动。这使得它更容易提取阶段滑落的相变有关的协调活动皮层神经元。 Our results indicate these procedures work and we were able to study the phase slip activity from different parts of the brain during the stimulus and post-stimulus periods. In general, the coordinated activities of cortical neurons happen at mesoscopic (∼ 0.5 mm) scales in the cortex and one can see the related phase slips over an area of a few centimeters of the scalp surface which could be easily visible on four to six nearby electrodes (弗里曼,2015)。如果更大区域的皮质进入临界状态,然后会看到一个阶段分布在头皮表面的大部分地区。一个例子将PSR活动(图9)β频带之间0.5到0.8年代。0.5年代空间情节是在第三阶段,“尤里卡”的时刻,和0.6年代情节在四期,时刻的“验证”阶段的洞察力。在这两个阶段,一个期望,大脑的不同区域是非常活跃的识别和验证的对象会产生滑移阶段活动在更大的区域。我们相信这是我们所看到在我们的一些空间情节。
我们的结果表明,一个可以学习的时间序列相滑移和相关皮层相变状态从头皮脑电图数据对象命名任务中,这或许是一个新的有前途的研究大脑皮层神经动力学的方法。上述不同阶段的持续时间洞察力的时刻非常类似于早期研究阶段锥的形成有关ECoG兔子的视觉刺激实验期间的数据(戴维斯et al ., 2013;迈尔斯et al ., 2014)。同时,高峰和低谷的振荡模式相匹配的山峰P1, N1, P2波形的视觉诱发电位刺激期间在人类脑电图(Kounios et al ., 2008;Simanova et al ., 2010;樵夫,2010;Daliri et al ., 2013;Sarathy 2018)和对象命名任务刺激计划期间(戴维斯et al ., 2013;迈尔斯et al ., 2014)。ECoG数据的相似的结果也观察到癫痫患者在视觉诱发研究(刘et al ., 2009),在我们的研究结果证实了我们所看到的。总体上,如图所示,这个阶段滑技术是一个新的免费工具,可能,可能会有更广泛的应用研究皮质相变从静止状态和诱发电位脑电图。然而,我们的研究结果之前需要检查数据更多的科目他们可能是有用的在一个可靠的方式。
θ波和α阶段下的底层结构可能与大脑皮层神经元的活动协调在介观(∼0.5毫米)或sub-mesoscopic(0.1∼-0.5毫米)。生理基础可能树突水流和传播的速度(1 - 10毫米/ ms)皮质纤维在介观尺度。然而,这些概念需要调查通过与神经质量模型或模拟测量在培养皿中培养神经元的准备工作。
刺激后关闭,VEP仍然存在(Marcar Jancke, 2016),可以在视觉表象妥协的潜力。精心设计的研究都需要独立的视觉诱发电位和电位产生由于心理意象。这些研究需要检查刺激的持续时间,stimulus-off之间的延迟和心理意象的开始时期,和任何音频和视觉线索的影响开始心理意象时期因为这些线索也可以开始一些大脑的认知过程。源重建将会看到哪些大脑区域的一种方法是活跃在给定的时间点来解决这个难题。在这种方法中,需要用解剖现实的人头模型,包括硬脑膜层减少定位误差(雷蒙et al ., 2006,2014年)。另一种方法可能是使用这里描述的皮质相变技术区分感觉和心理意象。
信息披露
一些最初的研究结果发表在2019年伊恩,新德里,37章年会印度科学院神经科学,2019年11月21页,新德里,印度。
数据可用性声明
原始数据支持了本文的结论将由作者提供,没有过度的预订。
道德声明
综述了研究涉及人类参与者和雷克雅未克大学的伦理委员会批准,冰岛。患者/参与者提供了他们的书面知情同意参与这项研究。
作者的贡献
所有作者的贡献同样在设计的实验中,数据收集,数据分析,和手稿准备。
资金
这项工作的一部分是由Landspitali研究基金的赠款和冰岛研究基金(RANNIS)、授予数量:174236 - 051,颅肌肉文物EEG数据的建模。UG是由德国研究基金会授予数量:GR 5251/1-1。
确认
华盛顿大学的计算机设施,雷克雅未克大学技术尔大学和加州大学圣地亚哥分校(加州大学圣地亚哥分校)超级计算中心通过NSG(网关)神经科学门户被用于预处理和脑电图的分析数据。我们要感谢Patrique菲德勒的技术大学Illmenau供应我们256 -通道电极帽的照片在一个幻影头和电极的布局的照片所示图3。
的利益冲突
FZ是受雇于ANT神经。
其余作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
缩写
PSR,相位滑移率;psr相位滑移率;,视觉诱发电位。
引用
亚伯,t·J。,Rhone, A. E., Nourski, K. V., Ando, T. K., Oya, H., Kovach, C. K., et al. (2016). Beta modulation reflects name retrieval in the human anterior temporal lobe: an intracranial recording study.j . Neurophysiol。115年,3052 - 3061。doi: 10.1152 / jn.00012.2016
支持者,k . C。,Kessler, A. S., Lawyer, L. A., Corina, D. P., and Miller, L. M. (2019). A novel EEG paradigm to simultaneously and rapidly assess the functioning of auditory and visual pathways.j . Neurophysiol。122年,1312 - 1329。doi: 10.1152 / jn.00868.2018
贝克,P。,Tang, C., and Wiesenfeld, K. (1987). Self-organized criticality: an explanation of 1/f噪音。理论物理。(1。59岁,381 - 384。doi: 10.1103 / PhysRevLett.59.381
巴里,j . M。,弗里曼,w·J。,和Lenhart, M. D. (1996). Spatiotemporal analysis of prepyriform, visual, auditory, and somesthetic surface EEGs in trained rabbits.j . Neurophysiol。76年,520 - 539。doi: 10.1152 / jn.1996.76.1.520
begg, j . M。,和Timme, N. (2012). Being critical of criticality in the brain.前面。杂志。3:163。doi: 10.3389 / fphys.2012.00163
打赌,j . s . (2017)。比较近似神经和量子临界的政权。掠夺。Biophys。摩尔。杂志。131年,445 - 462。doi: 10.1016 / j.pbiomolbio.2017.09.007
鲍登,e . M。,和Jung-Beeman, M. (2007). Methods for investigating the neural components of insight.方法42岁,87 - 99。doi: 10.1016 / j.ymeth.2006.11.007
巴德,j . m . L。,和Kisvárday, Z. F. (2012). Communication and wiring in the cortical connectome.前面。Neuroanat。6:42。doi: 10.3389 / fnana.2012.00042
Carretie, L。,Iglesias, J., García, T., and Ballesteros, M. (1997). N300, P300 and the emotional processing of visual stimuli.Electroencephalogr。中国。Neurophysiol。103年,298 - 303。doi: 10.1016 / s0013 - 4694 (96) 96565 - 7
Daliri, m R。,Taghizadeh, M., and Niksirat, K. S. (2013). EEG signature of object categorization from event-related potentials.Sens j .地中海。信号。3,37-44。
戴维斯,J·J·J。Kozma, R。,和弗里曼,w·J。(2013). “Neurophysiological evidence of the cognitive cycle and the emergence of awareness,” in学报2013年国际联合会议上认识科学技术& Ubi-media计算(iCAST 2013 & UMEDIA 2013)Aizu-Wakamatsu, 149 - 157。doi: 10.1109 / ICAwST.2013.6765425
Delorme,。,和Makeig, S。(2004). EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.j . >。方法134年,9。doi: 10.1016 / j.jneumeth.2003.10.009
迪杰斯特拉,N。,博世,年代。E., and van Gerven, M. A. J. (2019). Shared neural mechanisms of visual perception and imagery.Cogn趋势。科学。23日,423 - 434。doi: 10.1016 / j.tics.2019.02.004
迪杰斯特拉,N。,Mostert, P., Lange, F. P., Bosch, S., and van Gerven, M. A. (2018). Differential temporal dynamics during visual imagery and perception.eLife7:e33904。doi: 10.7554 / eLife.33904
迪克逊,m . L。,Thiruchselvam, R., Todd, R., and Christoff, K. (2017). Emotion and the prefrontal cortex: an integrative review.Psychol。公牛。143年,1033 - 1081。doi: 10.1037 / bul0000096
感觉,R。,Klimesch, W。格鲁伯,W。,Freunberger, R., and Doppelmayr, M. (2011). Pre-stimulus alpha phase-alignment predicts P1-amplitude.大脑研究牛。85年,417 - 423。doi: 10.1016 / j.brainresbull.2011.03.025
菲德勒,P。,Fonseca, C., Supriyanto, E., Zanow, F., and Haueisen, J. (2022). A high-density 256-channel cap for dry electroencephalography.嗡嗡声。攻读硕士学位的大脑。43岁,1295 - 1308。doi: 10.1002 / hbm.25721
弗里曼,w . j . (1994)。特征空间分布状态转换的混乱,非线性动力系统,在大脑皮层。中国。杂志。Behav。Sci。29日,294 - 306。doi: 10.1007 / BF02691333
弗里曼,w . j . (2003)。在知觉的神经生物学理论意义第二部分:伽马空间模式的阶段从初级感觉皮层脑电图显示介观波包的属性。Int。j . Bifurc。混乱。13日,2513 - 2535。doi: 10.1142 / S0218127403008156
弗里曼,w . j . (2004)。脑电图背景活动的起源、结构和作用。第1部分。分析振幅。中国。Neurophysiol。115年,2077 - 2088。doi: 10.1016 / j.clinph.2004.02.029
弗里曼,w·J。,和巴里,j . M。(2000). Analysis of spatial patterns of phase in neocortical gamma EEGs in rabbit.j . Neurophysiol。84年,1266 - 1278。doi: 10.1152 / jn.2000.84.3.1266
弗里曼,w·J。,和Quiroga, R. Q. (2013). “Basic concepts for spatial analysis,” in成像与EEG脑功能:先进的时间和空间分析的脑电图仪的信号eds w·j·弗里曼和r .问:Quiroga(纽约:Springer), 87 - 123。doi: 10.1007 / 978 - 1 - 4614 - 4984 - 3 - _6
弗里曼,w·J。,和Rogers, L. J. (2002). Fine temporal resolution of analytic phase reveals episodic synchronization by state transitions in gamma EEGs.j . Neurophysiol。87年,937 - 945。doi: 10.1152 / jn.00254.2001
弗里曼,w·J。,和Vitiello, G. (2006). Nonlinear brain dynamics as macroscopic manifestation of underlying many-body field dynamics.理论物理。牧师的生活。3,93 - 118。doi: 10.1016 / j.plrev.2006.02.001
弗里曼,w·J。,和Vitiello, G. (2010). Vortices in brain waves.现代物理Int。j。B24岁,3269 - 3295。doi: 10.1142 / S0217979210056025
弗里曼,w·J。伯克,b . C。,和Holmes, M. D. (2003). Aperiodic phase re-setting in scalp EEG of beta-gamma oscillations by state transitions at alpha-theta rates.嗡嗡声。攻读硕士学位的大脑。19日,248 - 272。doi: 10.1002 / hbm.10120
弗里曼,w·J。福尔摩斯,M。D., West, G. A., and Vanhatalo, S. (2006a). Fine spatiotemporal structure of phase in human intracranial EEG.中国。Neurophysiol。117年,1228 - 1243。doi: 10.1016 / j.clinph.2006.03.012
弗里曼,w·J。福尔摩斯,M。D., West, G. A., and Vanhatalo, S. (2006b). Dynamics of human neocortex that optimizes its stability and flexibility.Int。j .智能。系统。21日,881 - 901。doi: 10.1002 / int.20167
Furutani, N。Nariya, Y。,Takahashi, T., Ito, H., Yoshimura, Y., Hiraishi, H., et al. (2020). Neural decoding of multi-modal imagery behavior focusing on temporal complexity.前面。精神病学11:746。doi: 10.3389 / fpsyt.2020.00746
Gazzaniga, m . S。,和Mangun, G. R. (eds.) (2014).认知神经科学。48章22日,52岁,第五版。剑桥,麻州:麻省理工学院出版社。doi: 10.7551 / mitpress / 9504.001.0001
Giannopulu,我。Brotto, G。李,t·J。,Frangos, A., and To, D. (2022). Synchronised neural signature of creative mental imagery in reality and augmented reality.Heliyon8:e09017。doi: 10.1016 / j.heliyon.2022.e09017
Graichen U。,Eichardt, R., Fiedler, P., Strohmeier, D., Zanow, F., and Haueisen, J. (2015). SPHARA - a generalized spatial fourier analysis for multi-sensor systems with non-uniformly arranged sensors: application to EEG.《公共科学图书馆•综合》10:e0121741。doi: 10.1371 / journal.pone.0121741
Heffern E。,Huelskamp, H., Bahar, S., and Inglis, R. F. (2021). Phase transitions in biology: from bird flocks to population dynamics.Proc。r . Soc。B288:20211111。doi: 10.1098 / rspb.2021.1111
休斯,s W。,和Crunelli, V. (2007). Just a phase they’re going through: the complex interaction of intrinsic high-threshold bursting and gap junctions in the generation of thalamic alpha and theta rhythms.Int。j . Psychophysiol。64年,3 - 17。doi: 10.1016 / j.ijpsycho.2006.08.004
约翰逊,j·S。,和Olshausen, B. A. (2003). Time course of neural signatures of object recognition.j .愿景。3,499 - 512。doi: 10.1167 / 3.7.4
荣格,r E。,和Haier, R. J. (2007). The parieto-frontal integration theory (P-FIT) of intelligence: converging neuroimaging evidence.Behav。大脑科学。135 - 187年。doi: 10.1017 / S0140525X07001185
Klimesch, W。,Sauseng, P., Hanslmayr, S., Gruber, W., and Freunberger, R. (2007). Event-related phase reorganization may explain evoked neural dynamics.>。Biobehav。牧师。31日,1003 - 1016。doi: 10.1016 / j.neubiorev.2007.03.005
Klimesch, W。,Schack B。,和Sauseng, P. (2005). The functional significance of theta and upper alpha oscillations.Exp Psychol。52岁,99 - 108。1618 - 3169.52.2.99 doi: 10.1027 /
Kounios, J。,和Beeman, M. (2014). The cognitive neuroscience of insight.为基础。启Psychol。65年,71 - 93。doi: 10.1146 / annurev -心理- 010213 - 115154
Kounios, J。,Fleck, J. I., Green, D. L., Payne, L., Stevenson, J. L., Bowden, E. M., et al. (2008). The origins of insight in resting-state brain activity.这项研究46岁,281 - 291。doi: 10.1016 / j.neuropsychologia.2007.07.013
Kozma, R。,和弗里曼,w·J。(2017). Cinematic operation of the cerebral cortex interpreted via critical transitions in self-organized dynamic systems.前面。系统。>。十一10。doi: 10.3389 / fnsys.2017.00010
Kugiumtzis, d . (2002)。“代理数据测试时间序列”建模和预测财务数据。计算金融研究,卷2,eds a . s . Soofi和l .曹(波士顿,MA: Springer), doi: 10.1007 / 978 - 1 - 4615 - 0931 - 8 - _13
Kumar M。,Federmeier, K. D., and Beck, D. M. (2021). The N300: an index for predictive coding of complex visual objects and scenes.Cereb。皮质Commun。2:tgab030。doi: 10.1093 / texcom / tgab030
兰开斯特,G。,Iatsenko, D., Pidde, A., Ticcinelli, V., and Stefanovska, A. (2018). Surrogate data for hypothesis testing of physical systems.理论物理。代表。748年,1-60。doi: 10.1016 / j.physrep.2018.06.001
李,j . Y。,Lindquist, K. A., and Nam, C. S. (2017). Emotional granularity effects on event-related brain potentials during affective picture processing.前面。嗡嗡声。>。11:133。doi: 10.3389 / fnhum.2017.00133
刘,H。,一个gam, Y., Madsen, J. R., and Kreiman, G. (2009). Timing, timing, timing: fast decoding of object information from intracranial field potentials in human visual cortex.神经元62年,281 - 290。doi: 10.1016 / j.neuron.2009.02.025
空气,c·d·B。Zioga,我。,Banissy, M. J., and Bhattacharya, J. (2019). Spontaneous visual imagery during meditation for creating visual art: an EEG and brain stimulation case study.前面。Psychol。10:210。doi: 10.3389 / fpsyg.2019.00210
Makeig, S。,Westerfield, M., Townsend, J., Jung, T. P., Courchesne, E., and Sejnowski, T. J. (1999). Functionally independent components of early event-related potentials in a visual spatial attention task.费罗斯。反式。r . Soc。Lond。爵士。B杂志。科学。354年,1135 - 1144。doi: 10.1098 / rstb.1999.0469
Marcar, v . L。,和Jäncke, L. (2016). To see or not to see; the ability of the magno- and parvocellular response to manifest itself in the VEP determines its appearance to a pattern reversing and pattern onset stimulus.大脑Behav。6:e00552。doi: 10.1002 / brb3.552
迈尔斯,m . H。Kozma, R。,Davis, J. J., and Ilin, R. (2014). “Phase cone detection optimization in EEG data,” in《2014年国际神经网络(IJCNN)联合会议(皮斯卡塔韦,新泽西:IEEE), 2504 - 2511。doi: 10.1109 / IJCNN.2014.6889880
Nordlie E。,Tetzlaff, T., and Einevoll, G. T. (2010). Rate dynamics of leaky integrate-and-fire neurons with strong synapses.前面。第一版。>。4:149。doi: 10.3389 / fncom.2010.00149
哦,Y。,Chesebrough, C., Erickson, B., Zhang, F., and Kounios, J. (2020). An insight-related neural reward signal.科学杂志214:116757。doi: 10.1016 / j.neuroimage.2020.116757
奥杰曼,g。、炒我。,和Lettich, E. (1989). Electrocorticographic (ECoG) correlates of language. I. Desynchronization in temporal language cortex during object naming.Electroencephalogr。中国。Neurophysiol。73年,453 - 463。0013 - 4694 . doi: 10.1016 / (89) 90095 - 3 / j.neuroimage.2020.116757
Proverbio, a . M。Tacchini, M。,和Jiang, K. (2023). What do you have in mind? ERP markers of visual and auditory imagery.大脑Cogn。166:105954。doi: 10.1016 / j.bandc.2023.105954
Ramantani G。,Dümpelmann, M., Koessler, L., Brandt, A., Cosandier-Rimélé, D., Zentner, J., et al. (2014). Simultaneous subdural and scalp EEG correlates of frontal lobe epileptic sources.Epilepsia55岁,278 - 288。doi: 10.1111 / epi.12512
Ramantani G。,Maillard, L., and Koessler, L. (2016). Correlation of invasive EEG and scalp EEG.欧元。j .癫痫41岁,196 - 200。doi: 10.1016 / j.seizure.2016.05.018
雷蒙,C。,和Holmes, M. D. (2015). Spatiotemporal phase clusters and phase synchronization patterns derived from high density EEG and ECoG recordings.咕咕叫。当今。一般人。31日,127 - 132。doi: 10.1016 / j.conb.2014.10.001
雷蒙,C。,和Holmes, M. D. (2020). Increased phase cone turnover in 80-250 Hz bands occurs in the epileptogenic zone during interictal periods.前面。嗡嗡声。>。14:615744。doi: 10.3389 / fnhum.2020.615744
雷蒙,C。,Garguilo, P., Fridgeirsson, E. A., and Haueisen, J. (2014). Changes in scalp potentials and spatial smoothing effects of inclusion of dura layer in human head models for EEG simulations.前面。Neuroeng。7:32。doi: 10.3389 / fneng.2014.00032
雷蒙,C。,Holmes, M. D., and Freeman, W. J. (2013). Increased phase clustering in epileptogenic areas measured with 256-channel dense array EEG.j .神经。Transl。>。2:1029。
雷蒙,C。,Holmes, M. D., Wise, M. V., Tucker, D., Jenson, K., and Kinn, S. R. (2018). Oscillatory patterns of phase cone formations near to epileptic spikes derived from 256-channel scalp EEG data.第一版。数学。地中海的方法。2018:9034543。doi: 10.1155 / 2018/9034543
雷蒙,C。,Holmes, M., Freeman, W. J., Gratkowski, M., Eriksen, K. J., and Haueisen, J. (2009). Power spectral density changes and language lateralization during covert object naming tasks measured with high-density EEG recordings.癫痫Behav。14日,54-59。doi: 10.1016 / j.yebeh.2008.08.018
雷蒙,C。,Schimpf, P. H., and Haueisen, J. (2006). Influence of head models on EEG simulations and inverse source localizations.生物医学。Eng。在线5:10。doi: 10.1186 / 1475 - 925 x - 5 - 10
鲁伊斯,Y。,Pockett, S., Freeman, W. J., Gonzalez, E., and Li, G. (2010). A method to study global spatial patterns related to sensory perception in scalp EEG.j . >。方法191年,110 - 118。doi: 10.1016 / j.jneumeth.2010.05.021
Sadler-Smith,大肠(2015)。沃拉斯的“四阶段模型的创作过程:超越视觉?创造。J >。27日,342 - 352。doi: 10.1080 / 10400419.2015.1087277
Salvi C。,Bricolo, E., Franconeri, S. L., Kounios, J., and Beeman, M. (2015). Sudden insight is associated with shutting out visual inputs.Psychon。公牛。牧师。22日,1814 - 1819。doi: 10.3758 / s13423 - 015 - 0845 - 0
Schack B。,Klimesch, W。,和Sauseng, P. (2005). Phase synchronization between theta and upper alpha oscillations in a working memory task.Int。j . Psychophysiol。57岁,105 - 114。doi: 10.1016 / j.ijpsycho.2005.03.016
Schendan h·E。,和Lucia, L. C. (2010). Object-sensitive activity reflects earlier perceptual and later cognitive processing of visual objects between 95 and 500ms.大脑Res。1329年,124 - 141。doi: 10.1016 / j.brainres.2010.01.062 / s41598 - 018 - 20591 y
Simanova,我。,van Gerven, M., Oostenveld, R., and Hagoort, P. (2010). Identifying object categories from event-related eeg: toward decoding of conceptual representations.《公共科学图书馆•综合》5:e14465。doi: 10.1371 / journal.pone.0014465
Sprugnoli G。罗西,S。,Emmendorfer, A., Rossi, A., Liew, S.-L., Tatti, E., et al. (2017). Neural correlates of Eureka moment.情报62年,99 - 118。doi: 10.1016 / j.intell.2017.03.004
Srinivasan, R。塔克,D。M., and Murias, M. (1998). Estimating the spatial Nyquist of the human EEG.Behav。Instrum研究方法。第一版。30,8-19。doi: 10.3758 / BF03209412
Swadlow, h·A。,和Waxman, S. G. (2012). Axonal conduction delays.Scholarpedia7:1451。doi: 10.4249 / scholarpedia.1451
撒切尔夫人,r·W。北,d . M。,和Biver, C. J. (2009). Self-organized criticality and the development of EEG phase reset.嗡嗡声。攻读硕士学位的大脑。553 - 574年。doi: 10.1002 / hbm.20524
撒切尔夫人,r·W。北,d . M。,和Biver, C. J. (2014). LORETA EEG phase reset of the default mode network.前面。嗡嗡声。>。8:529。doi: 10.3389 / fnhum.2014.00529
Tognoli E。,和Kelso, J. A. (2014). The metastable brain.神经元81年,35-48。doi: 10.1016 / j.neuron.2013.12.022
Widmann,。,和Schröger, E. (2012). Filter effects and filter artifacts in the analysis of electrophysiological data.前面。Psychol。3:233。doi: 10.3389 / fpsyg.2012.00233
赖特,j . (2009)。皮质相变:属性显示在连续在介观和宏观尺度模拟。新的数学。Nat。第一版。(NMNC)05年,159 - 183。doi: 10.1142 / S1793005709001210
赖特,j。j (2016)。“Electrocortical同步和信息流在大脑皮层的规定,”认知相变在大脑皮层-增强神经元学说由神经领域建模eds r Kozma和w·j·弗里曼(柏林:施普林格1 -),163 - 175。doi: 10.1007 / 978 - 3 - 319 - 24406 - 8 - _15
关键字:脑电图阶段,阶段跳跃,皮质神经动力学,,皮质相变,顿悟的时刻,尤里卡效果,视觉对象命名
引用:雷蒙C Graichen U, Gargiulo P, Zanow F, Knosche TR和Haueisen J(2023)时空阶段滑动模式视觉诱发电位,秘密对象命名任务,和洞察力的时刻从256通道脑电图记录。前面。中国。>。17:1087976。doi: 10.3389 / fnint.2023.1087976
收到:2022年11月02;接受:2023年5月19日;
发表:2023年6月13日。
编辑:
克里斯托弗Buneo美国亚利桑那州立大学版权©2023雷蒙,Graichen Gargiulo、Zanow Knosche Haueisen。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:Ceon雷蒙,ceon@uw.edu
__ORCID:Ceon雷蒙,orcid.org/0000 - 0001 - 8675 - 613 x;乌维Graichen,orcid.org/0000 - 0003 - 2144 - 4682;Jens Haueisenorcid.org/0000 - 0003 - 3871 - 2890