Потенциал, связанный с событием

Форма сигнала, с компонентами ПВС, включая N100 (помечена N1) и P300 (помечена P3). Обратите внимание, что ПСС строится с отрицательным напряжением вверх, что является распространенной, но не универсальной практикой в ​​исследованиях ПСС

Потенциал, связанный с событием (ПСС, англ. event-related potential - ERP) - это измеренный отклик мозга, который является прямым результатом определенного ощущения, когнитивного или моторного события. Более формально, это любой типичный электрофизиологический отклик на стимул. Таким образом, исследование мозга обеспечивают неинвазивные способы оценки функционирования мозга.

ПСС измеряются с помощью электроэнцефалографии (ЭЭГ). Магнитоэнцефалографическим (МЭГ) эквивалентом ПСС является МПСС, или (магнитное) поле, связанное с событием (англ. event-related field - ERF).Вызванный потенциал и индуцированный потенциал являются разновидностями ПСС.

История

С открытием электроэнцефалографии (ЭЭГ) в 1924 году Ханс Бергер обнаружил, что можно измерить электрическую активность человеческого мозга, поместив электроды на волосяной части кожи головы и усилив сигнал. Изменения напряжения в течение некоторого периода времени могут быть представлены в виде графика. Он заметил, что на напряжение могут влиять внешние события, которые стимулировали чувства. ЭЭГ оказалась полезным средством записи активности мозга в последующих десятилетиях. Однако, как правило, было очень трудно оценить высокоспецифичный нейронный процесс, который представляет интерес для когнитивной нейробиологии, так, как в исходных данных ЭЭГ сложно выделить сигналы отдельных нейрокогнитивных процессов. Для потенциалов, связанных с событиями (ПСС), был предложил более сложный метод выделения откликов на специфические сенсорные, когнитивные и моторные события на основе обычных методов усреднения. В 1935–1936 гг. Pauline и записали первые известные ПСС бодрствующих людях, результаты которых были опубликованы через несколько лет, в 1939 г. Исследования сенсорным проблем не проводились во время Второй Мировой войны и возобновились в 1950-х годах. В 1964 году исследования Грея Уолтера и его коллег начали современную эпоху открытий компонентов ПСС, когда они сообщили о первом когнитивном компоненте ПСС, названном условное отрицательное отклонение (CNV). Саттон, Брарен и Зубин (1965) сделали еще одно достижение, открыв компонент P3. В течение следующих пятнадцати лет исследования компонентов ПСС становились все более популярными. 1980-е годы, с появлением недорогих компьютеров, открылись новые возможности для исследований когнитивной нейробиологии. В настоящее время ПСС является одним из наиболее широко используемых методов в когнитивной нейробиологии, применяемых для изучения физиологических коррелятов, связанных с обработкой информации сенсорного восприятия, перцептивной и когнитивной деятельности.

Вычисления

ПСС могут быть достоверно измерены с использованием электроэнцефалографии (ЭЭГ), процедуры, которая измеряет электрическую активность мозга с использованием электродов, размещённых на волосяной части кожи головы. ЭЭГ отражает активность тысяч одновременно проходящих процессов мозга. Это означает, что реакция мозга на один стимул или интересующее событие обычно не видна при записи ЭЭГ одного испытания. Чтобы увидеть реакцию мозга на раздражитель, экспериментатор должен провести множество испытаний и усреднением результатов удалить случайную активность мозга и, тем самым, выделить искомый сигнал, называемый ПСС.

Случайная (фоновая) активность мозга вместе с другими биосигналами (например, ЭОГ, ЭМГ, ЭКГ) и электромагнитные помехи (например, линейный шум, флуоресцентные лампы) составляют шумовой вклад в записанный ПСС. Этот шум скрывает интересующий сигнал, который представляет собой последовательность исследуемых базовых ПСС. С математической точки зрения существует возможность определить отношение сигнал/шум (ОСШ) записанных ПСС. Усреднение увеличивает ОСШ записанных ПСС, делая их различимыми, позволяя интерпретировать их. Это факт имеет простое математическое объяснение при условии, что сделаны следующие упрощающие предположения.

1. Интересующий сигнал состоит из последовательности ПСС, связанных с событиями, имеющих постоянную задержку и форму
2. Шум может быть аппроксимирован с помощью гауссовского случайного процесса с нулевым средним значением и дисперсией, равной ${\displaystyle \sigma ^{2}}$, не коррелирующей с другими испытаниями и не привязанной ко времени события (это предположение может быть легко нарушен, например, в случае, когда субъект делает небольшие движения языком, мысленно подсчитывая цели в эксперименте).

Определив через ${\displaystyle k}$, номер испытания и ${\displaystyle t}$, время, прошедшее после ${\displaystyle k}$-го события, каждое из испытаний может быть записано как ${\displaystyle x(t,k)=s(t)+n(t,k)}$, где ${\displaystyle s(t)}$ является сигналом, а ${\displaystyle n(t,k)}$ - шумом (следует обратить внимание, что при указанных выше предположениях сигнал не зависит от конкретного испытания, в то время как шум зависит).

Среднее ${\displaystyle N}$ испытаний составляет

${\displaystyle {\bar {x}}(t)={\frac {1}{N}}\sum _{k=1}^{N}x(t,k)=s(t)+{\frac {1}{N}}\sum _{k=1}^{N}n(t,k)}$ .

Ожидаемое значение ${\displaystyle {\bar {x}}(t)}$ является (как и должно быть) самим сигналом, ${\displaystyle \operatorname {E} [{\bar {x}}(t)]=s(t)}$.

Его дисперсия

${\displaystyle \operatorname {Var} [{\bar {x}}(t)]=\operatorname {E} \left[\left({\bar {x}}(t)-\operatorname {E} [{\bar {x}}(t)]\right)^{2}\right]={\frac {1}{N^{2}}}\operatorname {E} \left[\left(\sum _{k=1}^{N}n(t,k)\right)^{2}\right]={\frac {1}{N^{2}}}\sum _{k=1}^{N}\operatorname {E} \left[n(t,k)^{2}\right]={\frac {\sigma ^{2}}{N}}}$.

На этом основании ожидается, что амплитуда шума среднего значения ${\displaystyle N}$ испытаний будет отклоняться от среднего значения (которое ${\displaystyle s(t)}$) на величину, меньшую или равную ${\displaystyle \sigma /{\sqrt {N}}}$ в 68% случаев. В частности, отклонение, в котором находится 68% амплитуд шума, в ${\displaystyle 1/{\sqrt {N}}}$ превышает отклонение от одного испытания. Уже можно ожидать, что большее отклонение ${\displaystyle 2\sigma /{\sqrt {N}}}$ охватит 95% всех амплитуд шума.