ELECTROENCEPHALOGRAPHY

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).