Electroencephalography adalah bidang
ilmu tentang pencatatan dan interpretasi
electroencephalogram. Electroencephalogram (EEG) adalah rekaman sinyal listrik yang dihasilkan oleh aksi kooperatif sel
otak, atau lebih tepatnya,
waktu kursus potensi lapangan ekstrasel dihasilkan oleh aksi sinkronnya. Electroencephalogram berasal dari kata Yunani encephalo (otak) dan graphein (untuk menulis). EEG dapat
diukur dengan cara Elektroda
ditempatkan di kulit kepala atau langsung di korteks yang biasa disebut elektrokortikogram (ECoG). Medan listrik diukur secara
intrakortik bernama Local Fields Potential (LFP). EEG
tercatat di Tidak adanya
stimulus eksternal disebut spontan EEG; EEG dihasilkan sebagai respon eksternal atau internal stimulus disebut potensi
event-related (ERP). Itu amplitudo
EEG dari subjek normal dalam keadaan terjaga Direkam dengan elektroda kulit kepala adalah 10-100 mV. Dalam
kasus epilepsi, amplitudo
EEG dapat meningkat hamper urutan besarnya. Di korteks, amplitudo berada di kisaran 500-1500 mV.
JENIS-JENIS
RITME PADA EEG
Ritme berikut telah dibedakan dalam
EEG (Gambar 1): delta
(0-4 Hz), theta (4-7 Hz), alfa (8-12 Hz), beta (12-30 Hz), dan gamma (di atas 30 Hz).
Komponen gamma sulit untuk dicatat
oleh elektroda kulit kepala
dan frekuensi yang
dapat dibaca tidak
melebihi 45 Hz. Sedangkan dalam komponen ECoG, frekuensi yang terbaca bisa
mencapai 100 Hz atau bahkan lebih tinggi. Kontribusinya Ritme yang berbeda dengan EEG tergantung pada usia dan perilaku subjek, terutama
tingkat kewaspadaan.
Perbedaan intersubject yang cukup banyak dalam karakteristik EEG juga ada. Pola EEG
dipengaruhi oleh kondisi
neuro-patologis, gangguan metabolisme dan obat-obatan.
v Delta adalah sinyal utama dalam EEGs yang direkam saat tidur nyenyak. Pada
tahap ini, gelombang delta biasanya memiliki amplitudo besar (75-200 mV) dan menunjukkan koherensi kuat di seluruh kulit
kepala.
v Theta jarang terjadi pada manusia
dewasa. Namun, mereka
dominan pada hewan pengerat. Pada sinyal ini, rentang
frekuensi lebih lebar (4-12 Hz) dan gelombang memiliki amplitudo tinggi serta
memiliki karakteristik bentuk seperti gigi gergaji. Dihipotesiskan bahwa ritme theta pada manusia, aktivitas di band theta
dapat terjadi di emosional
atau beberapa keadaan kognitif. Bisa juga terhubung dengan melambatnya ritme alpha yang ditimbulkan dengan patologi.
v Alfa
adalah yang dominan
selama terjaga dan paling menonjol
di daerah posterior kepala.
Sinyal alfa paling
baik diamati saat mata tertutup
dan subjek dalam keadaan rileks. Mereka terhalang atau dilemahkan oleh perhatian
(terutama visual).
v Sinyal beta biasanya timbul
saat meningkatnya kewaspadaan dan fokus perhatian. Seperti ditunjukkan dalam beberapa penelitian hewan dan
manusia.
v Aktivitas gamma terhubung dengan
pengolahan informasi (misalnya,
pengenalan rangsangan sensorik) (3) dan permulaan gerakan sadar.
EEG diamati pada semua mamalia,
karakteristiknya EEG
primata lah yang paling dekat dengan manusia. Kucing, anjing, dan EEG hewan pengerat juga mirip
dengan EEG manusia, namun juga memiliki isi spektral yang berbeda. Pada vertebrata bawah, listrik Aktivitas otak juga diamati, namun
tidak memiliki ritme perilaku
seperti yang ditemukan
pada rekaman vertebrata yang lebih tinggi.
Gambar 1 : Jenis-jenis ritme pada EEG
SLEEP EEG
Sleep EEG menunjukkan sebuah
karakteristik pola bolak balik. Tahapan tidur dapat dibagi menjadi beberapa
macam yang didefinisikan oleh Rechtschaffen dan Kales (R&K).
- Tahap
1 (drowsiness). Tahap ini dikaitkan dengan penurunan
ritme alfa, irama pita frekuensi 2-7 Hz dan irama amplitudo rendah pita 15-25
Hz. Menurut R & K,Tahap 1 dicetak bila kurang dari 20% dari epos berisi
aktivitas alfa dan EEG terdiri dari frekuensi campuran amplitudo medium
(terutama theta) aktivitas, terkadang dengan simpul ombak tajam.
- Tahap
2 (light sleep). Ditandai dengan munculnya spindle
tidur, yang biasanya dianggap sebagai sinyal tidur. Frekuensi yang lambat mulai
dari 0,75Hz sampai 4Hz biasanya dominan pada tahap 2 tidur; Namun, frekuensi
cepat (15-30 Hz) mungkin hadir juga dan dapat mengandung gelombang delta.
- Tahap
3 (deep sleep). Dikaitkan dengan irama lambat yang
lebih kuat pada frekuensi delta (0,75-3 Hz); Aktivitas amplitudo bawah pada
kisaran 5-9 Hz juga cukup umum. Pada sejumlah subjek sehat yang cukup besar,
aktivitas alfa (7-11 Hz) mungkin bercampur dengan ritme delta, dan, dalam pola
bolak-balik ini, periodisitas tertentu dapat terjadi.
- Tahap
4 (very deep sleep). Didominasi oleh aktivitas gelombang
lambat dengan amplitudo tinggi.
- REM
(Rapid Eye Movement). Ditandai dengan penurunan amplitudo
EEG, terjadinya irama yang lebih cepat, pergerakan mata yang cepat, dan
hilangnya aktivitas otot. Karakteristik spektral di REM bersifat polyrhythmic
dan, berdasarkan EEG saja, sulit membedakan REM dari tahap 1.
KONDISI PATOLOGI YANG MEMPENGARUHI
EEG
EEG dipengaruhi oleh gangguan SSP
(mis., Anoxia serebral, proses peradangan serebral, cerebral palsy, dan
gangguan sistem saraf metabolik dan degeneratif seperti demensia pikun dan
presenen). Hal ini dipengaruhi oleh tumor otak dan trauma kraniocerebral; Dalam
kasus kedua, ini bisa menjadi ukuran pemulihan pasien. EEG juga merupakan tes
penting dalam penyakit kejiwaan, gangguan tidur, dan gangguan perkembangan.
Secara khusus, analisis potensi evoked sangat membantu dalam mendiagnosis
disleksia dan diferensiasi antara gangguan psikogenik dan neurogenik. Karakter
EEG berubah drastis dalam kondisi epilepsi dan analisisnya adalah alat dasar
dalam kasus ini.
PENGARUH OBAT PADA EEG
EEG sangat sensitif terhadap tindakan
berbagai zat farmakologis, terutama obat psikotropika, anestesi, dan
antikonvulsan. Hal ini juga dipengaruhi oleh beberapa obat yang ditargetkan ke
organ selain sistem saraf pusat (SSP), seperti antihistamin dan antihipertensi.
Pengaruh obat pada EEG terutama meliputi perubahan kandungan spektral dan
karakteristik topografinya. Efek obat psikoaktif pada EEG dapat digunakan untuk
menilai tindakan mereka terhadap SSP. Sebuah efek khusus obat pada EEG dapat
digunakan sebagai indikasi untuk efisiensi terapeutik potensial.
EVENT-RELATED
POTENTIALS (ERPs)
ERP adalah perubahan aktivitas EEG
spontan yang terkait dengan peristiwa tertentu. ERP yang dipicu oleh rangsangan
tertentu, visual (VEP), pendengaran (AEP), atau somatosensory (SEP), disebut
membangkitkan potensi (EP). Diasumsikan bahwa ERP dihasilkan oleh aktivasi
populasi neural tertentu, yang dikunci waktu untuk stimulus, atau hal itu
terjadi sebagai hasil reorganisasi aktivitas EEG yang sedang berlangsung.
Masalah mendasar dalam analisis ERP adalah deteksi mereka dalam aktivitas EEG
yang lebih besar. Amplitudo ERP adalah urutan besarnya lebih kecil dari pada
EEG yang sedang berlangsung. Rata-rata adalah teknik umum dalam analisis ERP;
itu memungkinkan pengurangan kebisingan latar belakang EEG. Namun, asumsi yang
mendasari prosedur rata-rata, yaitu (1) kebisingan latar belakang adalah proses
acak, (2) ERP bersifat deterministik dan berulang, dan (3) EEG dan ERP bersifat
independen, tidak dapat dibenarkan dengan baik.
Pola ERP bergantung pada sifat
rangsangan, penempatan elektroda perekaman, dan keadaan sebenarnya dari otak.
ERP biasanya dijelaskan dalam bentuk amplitudo dan latensi gelombang
karakteristiknya (Gambar 2). Komponen yang terjadi pada waktu yang berbeda
berbeda sifatnya; mereka diberi nama ERP dini dan lambat. ERP awal latency di
bawah 10-12 ms (terkadang disebut '' medan jauh '') terhubung dengan respon
reseptor dan sistem saraf perifer; Potensi ERP yang terlambat (potensial
"medan dekat") dihasilkan di otak. Pada akhir ERPs, komponen eksogen
(terutama bergantung pada karakteristik stimulus eksternal) dan komponen
endogen (yang bergantung pada kognitif internalproses) dapat dibedakan.
Komponen endogen latensi di atas 100-200ms dipengaruhi oleh perhatian terhadap
stimulus. Komponen selanjutnya sekitar 300 ms (P300) mencerminkan pengakuan dan
diskriminasi antara rangsangan. Amplitudo P300 dianggap sebagai manifestasi
aktivasi SSP yang mencerminkan perhatian stimulus masuk, saat representasi
memori diperbarui. Latency P300 bergantung pada kecepatan klasifikasi
rangsangan (lebih kecil untuk rangsangan yang diketahui) dan latency terhubung
dengan kemampuan kognitif individual.
Gambar 2. Skema representasi ERP pendengaran rata-rata (gambar atas) dan visual ERP
(gambar lebih rendah) dalam skala waktu logaritmik, menunjukkan komponen yang
umum dikenal. Huruf '' N '' menunjukkan polaritas negatif, '' P '' polaritas
positif, biasanya diikuti oleh angka yang menunjukkan latency dalam ms.
Komponen potensi pendengaran yang ditandai dengan bilangan romawi adalah
tanggapan batang otak (BAEP). Mereka diikuti oleh mid-latency exogenous
components (MAEP) pada rentang frekuensi 10 - 100ms. Puncak pertama di ERP visual
eksogen berasal dari ERG (electroretinogram). ERP eksogen memamerkan fitur khusus
modalitas; ERP endogen serupa di kedua modalitas.
ERPs banyak digunakan dalam praktik
klinis sebagai tes integritas jalur sensoris atau disfungsi yang berbeda. ERP
juga membantu dalam diagnosis penyakit otak yang menyebar (misalnya, multiple
sclerosis atau gangguan kejiwaan).
ANALISIS EEG
Dalam kebanyakan kasus, metode tradisional
Metode analisis EEG adalah inspeksi visual dari sinyal yang diplot di atas kertas.
Analisis komputer modern dapat memperluas kemampuan electroencephalographer
dengan menyediakan informasi yang tidak tersedia secara langsung dari data
mentah Namun, analisis visual masih meluas tekniknya, terutama untuk deteksi
transien fitur sinyal
Sebagai akibat dari kompleksitasnya, rangkaian
waktu EEG dapat diperlakukan sebagai realisasi proses stokastik, dan sifat
statistik dapat dievaluasi dengan metode tipikal berdasarkan teori sinyal
stokastik. Metode ini mencakup distribusi probabilitas dan momen mereka (mean,
varians, momen orde tinggi), fungsi korelasi, dan spektrum. Estimasi observable
ini biasanya didasarkan pada asumsi stasioneritas, yang berarti bahwa sifat
statistik dari sinyal tidak berubah selama waktu observasi. Meskipun sinyal EEG
selalu berubah, mereka dapat terbagi menjadi periode kuasi-stasioner saat
dicatat dalam kondisi perilaku konstan. Berdasarkan pengamatan empiris dan
analisis statistik yang dilakukan oleh beberapa penulis, kuasi-stationarity
dapat diasumsikan untuk periode EEG sekitar 10 detik, diukur pada kondisi
perilaku konstan (1). Sinyal EEG dapat dianalisis dalam domain waktu atau
frekuensi, dan satu atau beberapa saluran dapat dianalisis sekaligus. Metode
yang diterapkan melibatkan analisis spektral dengan model parametrik
moving-flight (AR) atau autoregressive-moving average (ARMA), filter Kalman,
dan metode time-frequency dan time-scale (distribusi Wigner, wavelets, matching
pursuit). Metode yang paling umum digunakan untuk postprocessing meliputi
analisis cluster, analisis diskriminan, atau jaringan syaraf tiruan (JST).
Estimasi spektrum daya adalah salah satu metode analisis EEG yang paling sering
digunakan. Ini memberikan informasi tentang ritme dasar yang ada pada sinyal
dan dapat dengan mudah dan cepat dihitung dengan menggunakan Fast Fourier
Transform (FFT). Spektrum daya entropi maksimum dapat diperoleh dengan
menggunakan model autoregresif, yang dapat direkomendasikan untuk analisis EEG.
Fitur EEG dapat diambil dari statistik
multivariat, jadi, dalam hal ini, representasi grafis dalam bentuk peta tidak
diperlukan dan tidak memadai..
Namun, lebih efektif bagi pengamat manusia untuk melihat peta daripada di tabel
angka. Peta dapat membantu untuk membuat perbandingan langsung antara
distribusi topografi fitur EEG dan gambar anatomi yang diberikan, misalnya
dengan pemindaian otak tomografi. Tiga jenis fitur paling banyak umumnya
dipetakan untuk aplikasi klinis (1) variabel langsung seperti amplitudo, (2)
variabel berubah seperti total daya spektral atau daya spektral relatif
pada pita frekuensi, dan (3) hasil uji statistik yang diberikan pada fitur EEG
yang diberikan. Munculnya peta sangat bergantung pada sistem referensi
elektroda. Representasi yang direkomendasikan melibatkan Laplacians permukaan,
karena pendekatan ini mendekati kerapatan arus sumber dan membatalkan komponen
umum yang disebabkan oleh konduksi volume (6,21). Namun, perhitungan permukaan
Laplacian yang andal membutuhkan setidaknya 64 elektroda dan pengambilan sampel
spasial yang memadai diperoleh untuk 128 elektroda. Oleh karena itu, cukup
sering perkiraan operator Laplacian oleh Hjorth transform (22) diterapkan
[mis., Digunakan sebagai metode preprocessing untuk meningkatkan resolusi
spasial untuk estimasi sinkronisasi dan desinkronisasi aktivitas EEG (16)].
Hasil yang diperoleh dengan penerapan operator Laplacian dapat diperbaiki lebih
lanjut dengan deblurring; Artinya, dengan menggunakan model matematis konduksi
volume melalui tengkorak dan kulit kepala ke potensi potensi kulit kepala yang
diturunkan ke bawah, yang memberikan perkiraan komputasi potensi listrik, yang
akan dicatat di dekat permukaan kortikal superfisial (23).
Interdependensi antara dua sinyal EEG dapat
ditemukan dengan fungsi korelasi silang atau analognya dalam koherensi domain
frekuensi. Cross-correlation dapat digunakan untuk membandingkan EEG dari
derivasi homolog pada kulit kepala. Tingkat perbedaan antara EEG tertentu dapat
dihubungkan dengan perbedaan fungsional antara belahan otak, namun korelasi
silang yang rendah juga menunjukkan patologi. Fungsi cross-covariance telah
banyak digunakan di analisis potensi kejadian terkait untuk studi
elektrofisiologis berkorelasi fungsi kognitif (24). Inter-hubungan antara
rangkaian waktu EEG yang tercatat di lokasi yang berbeda juga dapat dihitung
dengan ukuran informasi (25) dan koherensi (26). Biasanya, koherensi biasa
dihitung pair-wise antara dua sinyal yang digunakan. Namun, untuk ansambel
saluran yang diambil dari derivasi yang berbeda, hubungan antara dua sinyal
mungkin berasal dari dorongan umum dari situs lain; Oleh karena itu, koherensi
parsial dan multipel harus diperhitungkan juga (27).
Jika sinyal dimodelkan sebagai campuran linier
sumber independen yang independen secara statistik, 'aktivitas mereka dapat
ditemukan dengan menggunakan Independent Component Analysis (ICA) (28). Kelas
algoritma ini, biasanya berdasarkan skema jaringan syaraf tiruan, digunakan
secara umum untuk pemecahan '' pemisahan sumber buta '(BSS). ICA dapat dilihat
sebagai perluasan analisis komponen utama dan analisis faktor.
LOKALISASI SUMBER-SUMBER KORTIKE EEG
AKTIVITAS
Penentuan geometri dan orientasi sumber
kortikal EEG adalah masalah yang kompleks. Aktivitas listrik menyebar di
sepanjang saluran neuron dan dengan konduksi volume. Potensi yang diukur dengan
elektroda kulit kepala dilemahkan oleh media dengan konduktivitas yang berbeda
dan geometri yang rumit (cairan serebrospinal, tengkorak, kulit), yang
berakibat pada penurunan amplitudo mereka melebihi urutan besarnya. Namun,
masalah utama dalam pelokalan sumber aktivitas EEG berasal dari kenyataan bahwa
konfigurasi sumber yang berbeda dapat menghasilkan distribusi potensial yang
sama pada kulit kepala. Biasanya, satu atau beberapa sumber dipol diasumsikan
dan posisi dan orientasinya diperkirakan sesuai dengan iterasi pada bidang
terukur [mis., (53)]. Oleh karena itu,
larutan linier berdasarkan model sumber terdistribusi menjadi lebih populer.
Namun, dalam hal ini kendala tambahan pada larutan juga diperlukan, seperti,
misalnya, norma minimum tertimbang Laplacian dari solusi [LORETA (54)]. Dalam
kasus-kasus ini, ruang larutan biasanya bersifat apriori terbatas pada lokasi
yang masuk akal secara fisiologis. Sebagai akibat dari ketidakharmonisan dan
sensitivitas tinggi terhadap kebisingan larutan, hasil harus ditafsirkan dengan
hati-hati. Untuk tinjauan terakhir, lihat, misalnya, (55).
APLIKASI KLINIK KHUSUS
Untuk aplikasi medis tertentu, metode spesifik
analisis EEG dirancang. Contohnya adalah penilaian terhadap ''jenis obat”, Metode ini mengandalkan perkiraan kekuatan
spektral pada pita frekuensi dasar sebelum dan sesudah aplikasi obat dan
menemukan signifikansi perubahan melalui uji statistik. Jenis obat dibuat
dengan merencanakan hasil tes untuk pita frekuensi d, y, a1, a2, b1, dan b2.
Metode ini didasarkan pada pengamatan bahwa obat-obatan dari jenis serupa
memberikan efek yang serupa. Baru-baru ini, tes nonparametrik mulai digunakan
dan pergeseran puncak spektral juga dipertimbangkan (56). Pendekatan yang
menarik adalah kombinasi pharmaco-EEG dengan farmakokinetik, dengan menemukan
hubungan antara fitur EEG dan model farmakodinamik (57).
Analisis aktivitas epilepsi berfungsi untuk
lokalisasi fokus epilepsi, pemantauan aktivitas interictal, prediksi kejang,
dan karakterisasi pelepasan epilepsi. Analisis evolusi kejang digunakan untuk
klasifikasi mereka, yang menawarkan kemungkinan penerapan pengobatan yang tepat
[mis., (60)]. Eksistensinya evolusi kejang ditunjukkan pada Gambar 9. Untuk
lokalisasi fokus epilepsi berdasarkan EEG, masalah invers harus dipecahkan.
Dengan memperhitungkan ketidakharmonisan dan keterbatasan lainnya yang
disebutkan di atas, saat penghapusan bagian otak dipertimbangkan, lokalisasi
memerlukan konfirmasi melalui teknik pencitraan, seperti CAT atau MRI, dan
verifikasi dengan analisis EEG dari elektroda subdural dan implan. (60).
Berbagai metode untuk mendeteksi aktivitas epileptiform di EEG telah
diimplementasikan dengan cara sistem pakar [misalnya, (61,62)], beberapa di
antaranya tersedia komersial (63). Meningkatnya minat pada peramalan Kejang
epilepsi juga ada. Prediksi waktu kejang dari menit ke jam telah dilaporkan
[untuk tinjauan terakhir, lihat (64)].
sumber: Blinowska, Katarzyna, dkk. 2006. ELECTROENCHEPHALOGRAPHY (EEG).