Էլեկտրոէնցեֆալոգրաֆիա (EEG)․ կիրառություններ և համակարգեր

Գլխամաշկի վրա գրանցվող էլեկտրական պոտենցիալները ձևավորվում են այն բանից հետո, երբ նեյրոնային ակտիվությունից առաջացած դաշտերը տարածվում են ուղեղային հյուսվածքով, ուղեղ-ողնուղեղային հեղուկով, գանգով և գլխամաշկով։ Այդ պատճառով EEG-ը հատկապես ուժեղ է ժամանակային փոփոխությունները նկարագրելու հարցում, մինչդեռ տարածական աղբյուրների ճշգրիտ տեղայնացումը պահանջում է լրացուցիչ մոդելավորում և սահմանափակված է ծավալային հաղորդմամբ՝ էլեկտրական դաշտերի տարածմամբ ուղեղային հյուսվածքով, ողնուղեղային հեղուկով, գանգով և գլխամաշկով։

EEG-ի միջոցով ուսումնասիրվում են ինքնաբուխ ռիթմերը, իրադարձության հետ կապված պոտենցիալները (Event-Related Potentials, ERP)՝ խթանի կամ իրադարձության հետ ժամանակով կապված կարճատև լարման փոփոխություններ, սպեկտրային հզորության փոփոխությունները՝ որոշակի հաճախականային տիրույթում EEG ազդակի ուժի փոփոխությունները և տարբեր ալիքների կամ շրջանների միջև կապակցվածության չափումները։ Մեկնաբանությունը կախված է էլեկտրոդների տեղադրությունից, հղման սխեմայից, էլեկտրոդների շփման որակից, զտիչներից, նմուշառման հաճախությունից և տվյալների հավաքման համատեքստից։ [1–3]

Սովորական և քնի EEG գրանցումների համար մշակված են միջազգային նվազագույն ստանդարտներ, քանի որ այդ տվյալները կարող են ծառայել կլինիկական նեյրոֆիզիոլոգիական գնահատմանը, այդ թվում՝ էպիլեպսիայի և հարակից վիճակների դեպքում։ Երկարատև վիդեո-EEG մոնիթորինգը էլեկտրաֆիզիոլոգիական գրանցումը համաժամացնում է տեսաձայնագրված վարքի հետ։ [1,4]

Հետազոտական EEG համակարգերում առաջնահերթ կարող են լինել բարձր խտության էլեկտրոդային ցանցերը, շարժական գրանցումը, խթանների ճշգրիտ ժամանակային նշիչները, աղբյուրների տեղայնացումը կամ վիրտուալ իրականության (Virtual Reality, VR), աչքի շարժումների, էլեկտրամիոգրաֆիայի (Electromyography, EMG) կամ խթանման համակարգերի հետ ինտեգրումը։ Ալիքների ավելի մեծ քանակի արժեքը կախված է անհրաժեշտ տարածական ծածկույթից և նախատեսվող վերլուծությունից։

EEG-ը հատկապես օգտակար է, երբ կարևոր է ուղեղային ակտիվության ժամանակային դինամիկան։ Նույն մեթոդը կարող է ծառայել տարբեր նպատակների՝ կախված էլեկտրոդային սխեմայից, գրանցման տևողությունից, առաջադրանքից և վերլուծությունից։

Ոչ ինվազիվ ուղեղ–համակարգիչ ինտերֆեյսների (Brain–Computer Interface, BCI) համակարգերում EEG-ը ամենատարածված ազդակներից է՝ շնորհիվ բարձր ժամանակային լուծաչափի, հարաբերական շարժունակության և լայն հետազոտական ենթակառուցվածքի։ Շարժման մտավոր պատկերացումը (motor imagery) շարժումը մտովի կատարելն է՝ առանց այն իրականում կատարելու։ Այդ ընթացքում փոխվում են սենսոմոտոր ռիթմերը՝ շարժողական և զգայական կեղևի հետ կապված EEG ռիթմերը, և BCI համակարգերը կարող են օգտագործել այդ փոփոխությունները։ P300-ը իրադարձության հետ կապված EEG պոտենցիալի դրական բաղադրիչ է, որն առավել հաճախ արտահայտվում է առաջադրանքային նշանակություն ունեցող կամ հազվադեպ խթանից մոտ 300 միլիվայրկյան անց, իսկ կայուն վիճակի տեսողական հարուցված պոտենցիալը (Steady-State Visual Evoked Potential, SSVEP) EEG-ի ռիթմիկ արձագանք է, որը հետևում է պարբերաբար թարթող տեսողական խթանի հաճախականությանը։ [5]

Գրանցման որակի վրա կարող են ազդել աչքի շարժումները, դեմքի և պարանոցի մկանային ակտիվությունը, էլեկտրոդների անբավարար շփումը, շարժումը և շրջակա էլեկտրական աղմուկը։ Այդ պատճառով BCI-ի արդյունավետությունը կախված է ոչ միայն դասակարգման ալգորիթմից, այլ նաև ազդակի հավաքման և փորձի նախագծումի որակից։

EEG համակարգերը կարող են լինել փոքր թվով ալիքներով շարժական լուծումներից մինչև 32 կամ 64 ալիքով ընդհանուր հետազոտական և 128 կամ ավելի ալիքով բարձր խտության համակարգեր։ Տարբեր են նաև էլեկտրոդների տեսակը, շարժունակությունը և իրական ժամանակի տվյալների հասանելիությունը։