Šiemet sukanka šimtmetis, kai vokiečių psichiatras Hansas Bergeris išrado elektroencefalografiją (EEG) – būdą fiksuoti elektrinį smegenų aktyvumą, dabar vadinamą smegenų bangomis arba nerviniais virpesiais. Stebėtina, kad Bergeris buvo motyvuotas po incidento kariniais metais, kai jis tikėjo, kad spontaniškai kažką iš savo smegenų perdavė seseriai per staigią akimirką, kai jis vos nežuvo per avariją, o jo sesuo už kelių kilometrų reikalavo, kad jų tėvas įeitų. liesti su juo.
Po daugelio metų Bergeris tai pavadino „spontaniška telepatija“.
Bergerio EEG registruoja elektrinį aktyvumą smegenyse, leidžiančius įvertinti smegenų veiklą, kilusią iš pagrindinio smegenų audinio neuronų, paprastai rodančių bangas, kurių dažnis koreliuoja su žmogaus budrumu. Metai po Bergerio išradimo ir atradimo, žinoma, daug atskleidė apie smegenų veiklą ir smegenų bangų modelius.
Manoma, kad kai kurie biologiniai neuroniniai tinklai veikia labai arti fazių perėjimų tarp dinaminių regionų, kurie yra tvarkingi arba netvarkingi. Vadinama kritine smegenų hipoteze, ji teigia, kad lavinų kritiškumas ir chaoso kritiškumas yra ypač svarbūs smegenų funkcijos ir disfunkcijos tyrimuose.
Įrodymai rodo, kad iš tikrųjų beveik kritinės būsenos, o ne išskirtinė griežtai kritinė būsena, gali būti artimesnės stebėjimams ir geriau paaiškinti, kaip veikia smegenys; smegenų būsenos, esančios ties kritiškumo riba, padidina smegenų gebėjimą apdoroti informaciją, saugoti informaciją ir ją perduoti.
Dabar komanda iš Granados universiteto Ispanijoje pristatė naują sistemą, skirtą ištirti kritiškumo požymius įvairiose smegenų bangų dažnių juostose ir sukūrė išsamesnį smegenų veiklos vaizdą. Tai darydami jie pastebėjo reikšmingų duomenų apie sveikus pacientus ir žmones, sergančius Parkinsono liga, skirtumus.
Pagrindinis autorius Rubén Calvo ir jo bendradarbių darbai buvo paskelbti Fizinės apžvalgos laiškai.
Ankstesniame darbe, siekiant patvirtinti kritinę smegenų hipotezę, buvo naudojama statistinė analizė – vidutinis neuronų sudeginimo dažnis. Calvo ir jo komanda pažvelgė giliau, išanalizuodami, kaip laikui bėgant pasiskirsto šaudymai. Visų pirma, jie naudojo „kovariacijos matricą“, kad paaiškintų duomenų modelius, naudodami statistinę techniką, vadinamą pagrindinio komponento analize (PCA).
PCA yra plačiai naudojamas būdas paaiškinti daugelio kintamųjų duomenis, skaičiuojant naujus kintamuosius, kurie yra linijinės pradinių kintamųjų kombinacijos; jie geriausiai paaiškina duomenų dispersiją.
Tokiu būdu transformavus duomenis bus sukurta nauja koordinačių sistema, kurios didžiausia dispersija yra išilgai pirmosios koordinatės, antra didžiausia dispersija (pašalinus pirmosios koordinatės dispersiją) yra išilgai antrosios ir pan. PCA analizė supaprastina duomenų struktūrą, o aiškinamieji kintamieji tampa akivaizdesni.
Kad sumažintų žinomus PCA metodo apribojimus, Granados grupė naudojo nuo dažnio priklausomą PCA, kur dažnis yra smegenų bangų dažnis, pvz., klasifikacijose, pažymėtose gama, beta, alfa, teta ir delta. Smegenų veikla pasireiškia kaip įvairūs, nuo laiko priklausomi virpesiai daugelyje dažnių juostų, kartu su sudėtingesniais neperiodiniais svyravimais.
Kartu jie apibūdina trumpalaikius neuronų sinchronizavimus, kurie yra labai svarbūs perduodant ir integruojant informaciją tarp smegenų regionų. To efektyvumas priklauso nuo atstumo iki nestabilumo/kritiškumo ribos dažnių juostoje, atstumas yra dažnių erdvėje (ty po Furjė transformacijos).
Kovariacijos matrica yra koreliacija tarp daugelio neuronų porų šūvių dažnių. Kovariacijos matricos sprendimas suteikia savųjų reikšmių ir savųjų vektorių sąrašą – pirmieji savieji vektoriai reiškia didžiausio kintamumo kryptis, o susijusios savosios reikšmės – atstumą išilgai to savojo vektoriaus.
Tai leidžia labai sudėtingą šaudymo dažnių duomenų rinkinį apibūdinti daug paprasčiau, mažo matmens būdu. Naudodami nuo dažnio priklausomus šaudymo dažnius, Calvo ir jo grupė parodė, kad savųjų verčių spektras gali būti naudojamas nustatant atstumą iki kritiškumo bet kurioje dažnių juostoje.
„Todėl, rašo jie, „nuo dažnio priklausoma kovariacijos matrica leidžia mums stebėti kritiškumo pirštų atspaudus duomenų rinkiniuose su netrivialia laiko struktūra ir atskleisti dinamines ypatybes, kurių nepavyko atskleisti atliekant standartines integruotos ilgalaikės kovariacijos analizes“. Perjungimas į kelių dažnių erdvę atskleidžia dinaminius procesus, kurių statinės kovariacijos negali.
Norėdami patikrinti savo metodiką, jie naudojo Parkinsono liga – nervų sistemos judėjimo sutrikimu – sergančių pacientų šūvių dažnio duomenis. Išmatavę atstumus nuo kritiškumo, jie atrado, kad „yra žymiai platesnis dažnių intervalas, esantis netoli nestabilumo ribos, palyginti su kontroline grupe” – daugiau dažnių, artimų nestabilumui dažnių erdvėje.
Parkinsono liga sergančių pacientų smegenų bangos erdvėje ir laike labai skiriasi. Jie daro išvadą, kad jų duomenų apie smegenų veiklą išskaidymas gali būti „perspektyvi išeitis“ būsimiems tyrimams, siekiant suprasti sveikų smegenų būsenų ir patologinių būsenų skirtumus.