Forskere opdager en metode til at opdage motorrelateret hjerneaktivitet

Motorrelateret hjerneaktivitet, især dens nøjagtige detektion, kvantificerings- og klassificeringsmuligheder, er af stor interesse for forskere. De søger efter en bedre måde at hjælpe patienter med kognitive eller motoriske svækkelser eller at forbedre neurorehabilitering for patienter med nervesystemskader.

Der er et tæt forhold mellem motorisk og kognitiv aktivitet i den menneskelige hjerne, og undertrykkelse af den specifikke rytmiske aktivitet af neuroner i hjernens sensorimotoriske cortex - kendt som mu-rytmen (8 til 14 hertz) - er en biologisk markør for motorrelateret hjerneaktivitet. Undersøgelser viser, at denne egenskab ved motorisk-relateret hjerneaktivitet lider af intra- og inter-subjekt-variabilitet, når man bruger traditionelle metoder til at udforske det, såsom tids-frekvensanalyse, rumlig filtrering og maskinlæring.

I journalen Kaos , Nikita Frolov og kolleger ved Innopolis University i Rusland nærmer sig problemet fra en anden vinkel for at søge efter et mere robust træk ved hjerneaktivitet forbundet med at udføre motoriske opgaver.

"Vi fremsætter hypotesen om, at undertrykkelse af mu-oscillationer vil forårsage en reduktion af målte hjerneaktivitetssignaler og, følgelig, afspejler forenklingen af ​​den underliggende neuronale dynamik, "sagde Frolov." For at løse dette problem, vi anvendte recidiv kvantificeringsanalyse, som er en kraftfuld værktøjskasse, at udforske systemernes kompleksitet gennem analysen af ​​dets tidsserier."

Gruppens arbejde bekræfter, for første gang, neuronal dynamik inden for det sensorimotoriske hjerneområde, der ligger til grund for den menneskelige hjernes motoriske funktioner, kan forenkles.

"Vi demonstrerede dette ved hjælp af RQA-værktøjskassen, som er fundamentalt forskellig fra traditionelle metoder til kvantificering af motorrelateret hjerneaktivitet, " sagde Frolov. "Vi viste også, at RQA-mål for kompleksitet er velegnede til at detektere og klassificere motoriske opgaver."

Disse resultater viser potentiale for at udvikle effektive metoder til klassificering af hjernetilstande.

"Ved nøjagtigt at indføre et statsrum, du kan betragte ethvert naturligt system som et dynamisk system. For den menneskelige hjerne, du kan skabe tilstandsrum ved at tage de målte signaler af dets aktivitet som tilstandsvariabler, " sagde Frolov.

"I vores undersøgelse, vi betragter tilstandsrum dannet af sættet af elektroencefalogrammer (signaler om elektrisk aktivitet i hjernens kortikale regioner) optaget i den motoriske cortex. Dette giver os mulighed for at introducere 'tilstanden' i den kortikale interesseområde og betragte det som et dynamisk system. "

En af anvendelserne af gruppens arbejde er "implementering af RQA-baseret analyse af elektroencefalogrammer som en beregningsmæssig kerne af hjerne-computer-grænseflader til online detektion, kvantificering, og træning af hjernens motoriske funktioner, " sagde Frolov.

"Dette er ikke kun relevant for udviklingen af ​​lukkede kredsløb til motorisk træning under neurorehabilitering, men også for diagnosticering af kognitive og motoriske svækkelser såvel som aldersrelaterede ændringer."