Información

¿Cómo pueden los electrodos del cuero cabelludo reproducir fielmente las señales neuronales?

¿Cómo pueden los electrodos del cuero cabelludo reproducir fielmente las señales neuronales?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Existe una barrera en el cráneo (y posiblemente también otras capas) entre el cerebro y el cuero cabelludo. He visto personas que intentan extraer señales de EEG del cuero cabelludo conectando electrodos e interconectados con otros dispositivos. Pero, ¿cómo pasan estas señales débiles a través de tantas barreras y llegan a los electrodos del cuero cabelludo? Además, las "células del cuero cabelludo" tendrán su propia dinámica, ¿verdad?

Simplemente no entiendo ¿Cómo podemos siquiera obtener una medida aproximada de las señales eléctricas dentro del cerebro del cuero cabelludo?.


Respuesta corta
Las pequeñas señales eléctricas de EEG deben ser amplificado y ruido reducido ser detectable. Las técnicas de reducción de ruido incluyen técnicas de procesamiento de señales y promedios matemáticos como el filtrado.

Fondo
La actividad neuronal es eléctrica y genera diferencias potenciales alrededor de cada neurona. Los cambios potenciales generan campos electricos. Estos campos eléctricos son los que captan los electrodos de EEG (Fig. 1).


Fig. 1. Campo eléctrico generado por una neurona (arriba) y el campo electromagnético correspondiente (abajo). El primero se detecta con EEG, el segundo con MEG. Fuente: Picton (2002)

Los tejidos intervinientes (dura madre y el cráneo) no son muy conductores y de hecho hacen que esos potenciales sean debilitado. Peor aún, los campos eléctricos difuso en su camino hacia el cuero cabelludo, lo que significa que los parches de neuronas adyacentes no se pueden distinguir de manera confiable en el cuero cabelludo. En otras palabras, el la resolución espacial del EEG es muy pobre. La pequeña amplitud de los potenciales simplemente necesita amplificación de señal para hacerlos medibles. Sin embargo, como bien señala @ user49102, el ruido de fondo se amplifica con él. Por lo tanto, es posible que se necesite el sombrero mágico de un electrofisiólogo para extraer la señal en el cuero cabelludo del ruido mediante el uso de técnicas de reducción de ruido como promediado de la señal y filtración. Un ejemplo notable en el que se utiliza el promedio de señales es el potencial relacionado con eventos, o ERP. Se presenta repetidamente un estímulo (por ejemplo, un destello de luz) y el EEG bloqueado en el tiempo se mide y promedia repetidamente fuera de línea. El ruido aleatorio se reduce mediante el proceso de promediado y se pueden extraer respuestas de ERP ordenadas sin necesidad de mucho filtrado. Un ejemplo especializado es el potencial evocado visual o PEV (Fig.2):


VEP. Fuente Creel (2015)

Su pregunta sobre si las células del cuero cabelludo (células de la piel) tienen sus propias respuestas eléctricas. Bueno, sí y no. Las células de la piel no generan potenciales de acción y solo presentan potenciales de membrana estables. Por lo tanto, si son recogidos por los electrodos, solo generará un desplazamiento estable, es decir, un cambio de línea de base. Nada de que preocuparse. Las neuronas tienen potencial activo diferencias a través de sus potenciales de acción, y eso es lo que se detecta: las diferencias de voltaje.

La baja resolución espacial y la señal débil significan que no se puede medir la actividad de neuronas individuales. En cambio, el la señal bruta de muchos miles de neuronas se mide colectivamente. A su vez, cuando esas neuronas se disparan al azar, cancelarán las respuestas de las demás y se obtendrá poca señal. Las respuestas más robustas se obtienen cuando el cerebro genera potenciales oscilatorios sincronizados, por ejemplo, durante el sueño de ondas lentas (Roth, 2009).

Si bien EEG tiene una resolución espacial deficiente de EEG, sobresale en el dominio temporal. Las respuestas de unos pocos milisegundos se pueden medir de forma fiable (Fig. 2). Como comparación, la fMRI tiene una resolución temporal del orden de segundos.

Referencias
- Cesta, Potenciales evocados visuales, En: Webvision La organización de la retina y el sistema visual (2015)
- Picton, Int J Bioelectromagnetismo (2002); 4(2): 225 - 8
- Roth, J Clin Sleep Med (2009); 5(2 Supl.): S4-S5


El electroencefalograma ha sido registrado a partir de finales de los 20, por personas que no tenían ni idea de la electricidad. Si bien la fuerza del EEG es de hecho débil, es fácilmente observable incluso con una tecnología comparativamente primitiva.

Lo primero que debe tener en cuenta es que EEG mide el campo agregado. No ve neuronas individuales. Ve la actividad sincronizada de grandes poblaciones neuronales de neuronas: decenas, cientos de miles de neuronas como mínimo, y probablemente más del orden de decenas y cientos de millones de neuronas. Esta actividad agregada crea una actividad del orden de microvoltios. A continuación, esta actividad se retransmite (a través del Amplificador diferencial técnica) a unos potentes amplificadores. Los amplificadores de EEG modernos tienen impedancias de entrada muy grandes y, por lo tanto, pueden amplificar estas señales débiles. Sin embargo, todavía solo observa la acción masiva de grandes grupos de neuronas, no p. Ej. potenciales de acción únicos por células individuales.

A continuación, el análisis EEG directo es comparativamente poco informativo por muchas razones, incluidas las que mencionas: que el cuero cabelludo, el cráneo y el otro tejido intermedio atenúan la señal. Por lo tanto, muy a menudo se aplica un preprocesamiento extenso, como promediar muchas grabaciones. Sin embargo, al menos dos características ya son visibles en el EEG despierto. La primera es la estructura de la ley de potencias del espectro de frecuencias (aunque esto se ve reforzado por las características de filtrado del tejido; el tejido filtra las frecuencias más altas más que las más bajas). La segunda es la onda alfa, que es un gran patrón de actividad que proviene principalmente de las áreas visuales. Sin embargo, esta es una característica muy burda; nos dice poco más allá de si el sujeto tiene los ojos abiertos y está atento, o los tiene cerrados / desatento.

Por último, de hecho se asume generalmente que las fuentes profundas (como las áreas subcorticales) no son captadas por el EEG (sino solo por, por ejemplo, MEG).

Una buena introducción al tema es el libro. Electroencefalografía por Niedermeyer y Lopes da Silva.


Artefactos de movimiento insignificantes en la electroencefalografía (EEG) del cuero cabelludo durante la marcha en cinta rodante

FIGURA S2 | (A) Las perturbaciones espectrales relacionadas con eventos (ERSP) de los canales de EEG y la aceleración de magnitud promediaron todos los ciclos de la marcha para cada sujeto a cada velocidad. (B) Gráficos ERSP de canales EEG y aceleración después de procesar EEG con Artifact Subpace Reduction.

FIGURA S3 | Coherencia de ondas de los canales de EEG con el eje x de aceleración para una muestra de 10 s de datos de caminata para cada sujeto a cada velocidad, (A) antes y (B) después del procesamiento con Artifact Subpace Reduction. La frecuencia se escala logarítmicamente en el y-eje y está limitado al rango de banda delta de EEG (hasta 4 Hz). Las líneas negras verticales indican el inicio de los golpes del talón derecho (RHS). Las líneas negras horizontales indican la frecuencia de los pasos. Las flechas indican la relación de fase relativa (en fase apuntando a la derecha, antifase apuntando a la izquierda y la aceleración principal del EEG en 90 & # x000b0 apuntando directamente hacia abajo), y solo se muestran para las regiones con coherencia superior a 0,5. Las líneas de contorno negras gruesas indican que las regiones son significativas frente al ruido browniano al nivel del 5%.

FIGURA S4 | Coherencia de ondas del EEG de banda delta con X-Eje de aceleración promediado en todos los ciclos de marcha para cada sujeto a cada velocidad (A) antes y (B) después del procesamiento con Artifact Subpace Reduction. Las líneas negras verticales indican la fase del ciclo de la marcha. Las líneas negras horizontales indican la frecuencia de los pasos. Las flechas indican la relación de fase relativa (en fase apuntando a la derecha, antifase apuntando a la izquierda y la aceleración principal del EEG en 90 & # x000b0 apuntando directamente hacia abajo), y solo se muestran para las regiones con coherencia superior a 0,5.


Contenido

Richard Caton descubrió la actividad eléctrica en los hemisferios cerebrales de conejos y monos y presentó sus hallazgos en 1875. [2] Adolf Beck publicó en 1890 sus observaciones de la actividad eléctrica espontánea del cerebro de conejos y perros que incluían oscilaciones rítmicas alteradas por la luz detectada con electrodos colocados directamente en la superficie del cerebro. [3] Antes de Hans Berger, Vladimir Vladimirovich Pravdich-Neminsky publicó el primer electroencefalograma animal y el potencial evocado de un perro. [4]

Las oscilaciones neuronales se observan en todo el sistema nervioso central en todos los niveles e incluyen trenes de picos, potenciales de campo local y oscilaciones a gran escala que pueden medirse mediante electroencefalografía (EEG). En general, las oscilaciones se pueden caracterizar por su frecuencia, amplitud y fase. Estas propiedades de la señal se pueden extraer de grabaciones neuronales mediante análisis de tiempo-frecuencia. En las oscilaciones a gran escala, se considera que los cambios de amplitud son el resultado de cambios en la sincronización dentro de un conjunto neuronal, también conocido como sincronización local. Además de la sincronización local, la actividad oscilatoria de estructuras neurales distantes (neuronas individuales o conjuntos neurales) puede sincronizarse. Las oscilaciones neuronales y la sincronización se han relacionado con muchas funciones cognitivas como la transferencia de información, la percepción, el control motor y la memoria. [5] [6] [7]

Las oscilaciones neuronales se han estudiado más ampliamente en la actividad neuronal generada por grandes grupos de neuronas. La actividad a gran escala se puede medir mediante técnicas como EEG. En general, las señales de EEG tienen un contenido espectral amplio similar al ruido rosa, pero también revelan actividad oscilatoria en bandas de frecuencia específicas. La primera banda de frecuencia descubierta y más conocida es la actividad alfa (8-12 Hz) [8] que puede detectarse en el lóbulo occipital durante la vigilia relajada y que aumenta cuando se cierran los ojos. [9] Otras bandas de frecuencia son: delta (1 a 4 Hz), theta (4 a 8 Hz), beta (13 a 30 Hz), gamma baja (30 a 70 Hz) y gamma alta (70 a 150 Hz) bandas de frecuencia, donde los ritmos más rápidos, como la actividad gamma, se han relacionado con el procesamiento cognitivo. De hecho, las señales de EEG cambian drásticamente durante el sueño y muestran una transición de frecuencias más rápidas a frecuencias cada vez más lentas, como las ondas alfa. De hecho, las diferentes etapas del sueño se caracterizan comúnmente por su contenido espectral. [10] En consecuencia, las oscilaciones neuronales se han relacionado con estados cognitivos, como la conciencia y la conciencia. [11] [12]

Aunque las oscilaciones neuronales en la actividad del cerebro humano se investigan principalmente mediante grabaciones de EEG, también se observan utilizando técnicas de grabación más invasivas, como las grabaciones de una sola unidad. Las neuronas pueden generar patrones rítmicos de potenciales de acción o picos. Algunos tipos de neuronas tienen la tendencia a dispararse a frecuencias particulares, las llamadas resonadores. [13] El estallido es otra forma de picos rítmicos. Los patrones de picos se consideran fundamentales para la codificación de información en el cerebro. La actividad oscilatoria también se puede observar en forma de oscilaciones del potencial de membrana por debajo del umbral (es decir, en ausencia de potenciales de acción). [14] Si numerosas neuronas se disparan en sincronía, pueden dar lugar a oscilaciones en los potenciales de campo locales. Los modelos cuantitativos pueden estimar la fuerza de las oscilaciones neuronales en los datos registrados. [15]

Las oscilaciones neuronales se estudian comúnmente desde un marco matemático y pertenecen al campo de la "neurodinámica", un área de investigación en las ciencias cognitivas que pone un fuerte énfasis en el carácter dinámico de la actividad neuronal al describir la función cerebral. [16] Considera al cerebro como un sistema dinámico y usa ecuaciones diferenciales para describir cómo la actividad neuronal evoluciona con el tiempo. En particular, tiene como objetivo relacionar patrones dinámicos de actividad cerebral con funciones cognitivas como la percepción y la memoria. De forma muy abstracta, las oscilaciones neuronales se pueden analizar analíticamente. Cuando se estudia en un entorno fisiológicamente más realista, la actividad oscilatoria generalmente se estudia utilizando simulaciones por computadora de un modelo computacional.

Las funciones de las oscilaciones neuronales son amplias y varían para diferentes tipos de actividad oscilatoria. Algunos ejemplos son la generación de actividad rítmica como un latido del corazón y la unión neuronal de características sensoriales en la percepción, como la forma y el color de un objeto. Las oscilaciones neuronales también desempeñan un papel importante en muchos trastornos neurológicos, como la sincronización excesiva durante la actividad convulsiva en la epilepsia o el temblor en pacientes con enfermedad de Parkinson. La actividad oscilatoria también se puede utilizar para controlar dispositivos externos, como una interfaz cerebro-computadora. [17]

La actividad oscilatoria se observa en todo el sistema nervioso central en todos los niveles de organización. Se han reconocido ampliamente tres niveles diferentes: la microescala (actividad de una sola neurona), la mesoescala (actividad de un grupo local de neuronas) y la macroescala (actividad de diferentes regiones del cerebro). [18]

Edición microscópica

Las neuronas generan potenciales de acción que resultan de cambios en el potencial de la membrana eléctrica. Las neuronas pueden generar múltiples potenciales de acción en secuencia formando los llamados trenes de picos. Estos trenes de picos son la base para la codificación neuronal y la transferencia de información en el cerebro. Los trenes de picos pueden formar todo tipo de patrones, como picos y estallidos rítmicos, y a menudo muestran una actividad oscilatoria. [19] La actividad oscilatoria en neuronas individuales también se puede observar en fluctuaciones por debajo del umbral en el potencial de membrana. Estos cambios rítmicos en el potencial de membrana no alcanzan el umbral crítico y, por lo tanto, no dan como resultado un potencial de acción. Pueden resultar de potenciales postsinápticos de entradas sincrónicas o de propiedades intrínsecas de las neuronas.

Los picos neuronales se pueden clasificar por sus patrones de actividad. La excitabilidad de las neuronas se puede subdividir en Clase I y II. Las neuronas de clase I pueden generar potenciales de acción con una frecuencia arbitrariamente baja dependiendo de la fuerza de entrada, mientras que las neuronas de clase II generan potenciales de acción en una determinada banda de frecuencia, que es relativamente insensible a los cambios en la fuerza de entrada. [13] Las neuronas de clase II también son más propensas a mostrar oscilaciones por debajo del umbral en el potencial de membrana.

Edición mesoscópica

Un grupo de neuronas también puede generar actividad oscilatoria. A través de interacciones sinápticas, los patrones de disparo de diferentes neuronas pueden sincronizarse y los cambios rítmicos en el potencial eléctrico causados ​​por sus potenciales de acción se sumarán (interferencia constructiva). Es decir, los patrones de disparo sincronizados dan como resultado una entrada sincronizada en otras áreas corticales, lo que da lugar a oscilaciones de gran amplitud del potencial de campo local. Estas oscilaciones a gran escala también se pueden medir fuera del cuero cabelludo mediante electroencefalografía (EEG) y magnetoencefalografía (MEG). Los potenciales eléctricos generados por neuronas individuales son demasiado pequeños para ser captados fuera del cuero cabelludo, y la actividad de EEG o MEG siempre refleja la suma de la actividad sincrónica de miles o millones de neuronas que tienen una orientación espacial similar. [20] Las neuronas de un conjunto neuronal rara vez se activan todas exactamente en el mismo momento, es decir, completamente sincronizadas. En cambio, la probabilidad de disparar se modula rítmicamente de modo que es más probable que las neuronas se disparen al mismo tiempo, lo que da lugar a oscilaciones en su actividad media (consulte la figura en la parte superior de la página). Como tal, la frecuencia de las oscilaciones a gran escala no necesita coincidir con el patrón de disparo de las neuronas individuales. Las neuronas corticales aisladas se activan con regularidad en determinadas condiciones, pero en el cerebro intacto, las células corticales son bombardeadas por entradas sinápticas muy fluctuantes y, por lo general, se activan aparentemente al azar. Sin embargo, si la probabilidad de un gran grupo de neuronas se modula rítmicamente a una frecuencia común, generarán oscilaciones en el campo medio (ver también la figura en la parte superior de la página). [19] Los conjuntos neuronales pueden generar actividad oscilatoria de forma endógena a través de interacciones locales entre neuronas excitadoras e inhibidoras. En particular, las interneuronas inhibidoras juegan un papel importante en la producción de sincronía del conjunto neuronal al generar una ventana estrecha para la excitación efectiva y modular rítmicamente la velocidad de disparo de las neuronas excitadoras. [21]

Edición macroscópica

La oscilación neuronal también puede surgir de interacciones entre diferentes áreas del cerebro acopladas a través del conectoma estructural. Los retrasos de tiempo juegan un papel importante aquí. Debido a que todas las áreas del cerebro están acopladas bidireccionalmente, estas conexiones entre las áreas del cerebro forman circuitos de retroalimentación. Los bucles de retroalimentación positiva tienden a causar una actividad oscilatoria donde la frecuencia está inversamente relacionada con el tiempo de retardo. Un ejemplo de este circuito de retroalimentación son las conexiones entre el tálamo y la corteza, las radiaciones tálamocorticales. Esta red tálamocortical es capaz de generar una actividad oscilatoria conocida como resonancia tálamocortical recurrente. [22] La red talamocortical juega un papel importante en la generación de actividad alfa. [23] [24] En un modelo de red de todo el cerebro con conectividad anatómica realista y retrasos en la propagación entre áreas del cerebro, las oscilaciones en el rango de frecuencia beta surgen de la sincronización parcial de subconjuntos de áreas del cerebro que oscilan en la banda gamma (generada en el nivel mesoscópico). [25]

Propiedades neuronales Editar

Los científicos han identificado algunas propiedades neuronales intrínsecas que juegan un papel importante en la generación de oscilaciones de potencial de membrana. En particular, los canales iónicos activados por voltaje son críticos en la generación de potenciales de acción. La dinámica de estos canales iónicos se ha capturado en el modelo bien establecido de Hodgkin-Huxley que describe cómo se inician y propagan los potenciales de acción mediante un conjunto de ecuaciones diferenciales. Utilizando el análisis de bifurcación, se pueden determinar diferentes variedades oscilatorias de estos modelos neuronales, lo que permite la clasificación de tipos de respuestas neuronales. La dinámica oscilatoria de los picos neuronales identificados en el modelo de Hodgkin-Huxley concuerda estrechamente con los hallazgos empíricos. Además de los picos periódicos, las oscilaciones del potencial de membrana por debajo del umbral, es decir, el comportamiento de resonancia que no da lugar a potenciales de acción, también pueden contribuir a la actividad oscilatoria al facilitar la actividad sincrónica de las neuronas vecinas. [26] [27] Al igual que las neuronas marcapasos en los generadores de patrones centrales, los subtipos de células corticales disparan ráfagas de picos (breves grupos de picos) rítmicamente en las frecuencias preferidas. Las neuronas en explosión tienen el potencial de servir como marcapasos para las oscilaciones de la red sincrónica, y las explosiones de picos pueden subyacer o mejorar la resonancia neuronal. [19]

Propiedades de la red Editar

Además de las propiedades intrínsecas de las neuronas, las propiedades de la red neuronal biológica también son una fuente importante de actividad oscilatoria. Las neuronas se comunican entre sí a través de sinapsis y afectan la sincronización de los trenes de picos en las neuronas postsinápticas. Dependiendo de las propiedades de la conexión, como la fuerza de acoplamiento, el retardo de tiempo y si el acoplamiento es excitador o inhibitorio, los trenes de picos de las neuronas que interactúan pueden sincronizarse. [28] Las neuronas están conectadas localmente, formando pequeños grupos que se denominan conjuntos neuronales.Ciertas estructuras de red promueven la actividad oscilatoria a frecuencias específicas. Por ejemplo, la actividad neuronal generada por dos poblaciones de inhibitorio y excitador las células pueden mostrar oscilaciones espontáneas que se describen en el modelo de Wilson-Cowan.

Si un grupo de neuronas participa en una actividad oscilatoria sincronizada, el conjunto neuronal se puede representar matemáticamente como un solo oscilador. [18] Diferentes conjuntos neuronales se acoplan a través de conexiones de largo alcance y forman una red de osciladores débilmente acoplados en la siguiente escala espacial. Los osciladores débilmente acoplados pueden generar una variedad de dinámicas, incluida la actividad oscilatoria. [29] Las conexiones de largo alcance entre diferentes estructuras cerebrales, como el tálamo y la corteza (ver oscilación tálamocortical), implican retrasos en el tiempo debido a la velocidad de conducción finita de los axones. Debido a que la mayoría de las conexiones son recíprocas, forman bucles de retroalimentación que apoyan la actividad oscilatoria. Las oscilaciones registradas desde múltiples áreas corticales pueden sincronizarse para formar redes cerebrales a gran escala, cuya dinámica y conectividad funcional pueden estudiarse mediante análisis espectral y medidas de causalidad de Granger. [30] La actividad coherente de la actividad cerebral a gran escala puede formar vínculos dinámicos entre las áreas del cerebro necesarias para la integración de la información distribuida. [12]

Neuromodulación Editar

Además de las interacciones sinápticas directas rápidas entre las neuronas que forman una red, la actividad oscilatoria está regulada por neuromoduladores en una escala de tiempo mucho más lenta. Es decir, se sabe que los niveles de concentración de ciertos neurotransmisores regulan la cantidad de actividad oscilatoria. Por ejemplo, se ha demostrado que la concentración de GABA se correlaciona positivamente con la frecuencia de las oscilaciones en los estímulos inducidos. [31] Varios núcleos del tronco encefálico tienen proyecciones difusas en todo el cerebro que influyen en los niveles de concentración de neurotransmisores como norepinefrina, acetilcolina y serotonina. Estos sistemas de neurotransmisores afectan el estado fisiológico, por ejemplo, la vigilia o la excitación, y tienen un efecto pronunciado sobre la amplitud de diferentes ondas cerebrales, como la actividad alfa. [32]

Las oscilaciones a menudo se pueden describir y analizar utilizando matemáticas. Los matemáticos han identificado varios mecanismos dinámicos que generan ritmicidad. Entre los más importantes se encuentran los osciladores armónicos (lineales), los osciladores de ciclo límite y los osciladores de retroalimentación retardada. [33] Las oscilaciones armónicas aparecen con mucha frecuencia en la naturaleza; ejemplos son las ondas sonoras, el movimiento de un péndulo y vibraciones de todo tipo. Por lo general, surgen cuando un sistema físico es perturbado por un pequeño grado desde un estado de energía mínima, y ​​se comprenden bien matemáticamente. Los osciladores armónicos controlados por ruido simulan de manera realista el ritmo alfa en el EEG de vigilia, así como las ondas lentas y los husos en el EEG de sueño. Los algoritmos de análisis de EEG exitosos se basaron en dichos modelos. Varios otros componentes del EEG se describen mejor mediante oscilaciones de ciclo límite o retroalimentación retardada. Las oscilaciones de ciclo límite surgen de sistemas físicos que muestran grandes desviaciones del equilibrio, mientras que las oscilaciones de retroalimentación retardada surgen cuando los componentes de un sistema se afectan entre sí después de retrasos de tiempo significativos. Las oscilaciones de ciclo límite pueden ser complejas, pero existen poderosas herramientas matemáticas para analizarlas, las matemáticas de las oscilaciones de retroalimentación retardada son primitivas en comparación. Los osciladores lineales y los osciladores de ciclo límite difieren cualitativamente en términos de cómo responden a las fluctuaciones en la entrada. En un oscilador lineal, la frecuencia es más o menos constante pero la amplitud puede variar mucho. En un oscilador de ciclo límite, la amplitud tiende a ser más o menos constante, pero la frecuencia puede variar mucho. Un latido del corazón es un ejemplo de una oscilación de ciclo límite en el que la frecuencia de los latidos varía ampliamente, mientras que cada latido individual continúa bombeando aproximadamente la misma cantidad de sangre.

Los modelos computacionales adoptan una variedad de abstracciones para describir dinámicas oscilatorias complejas observadas en la actividad cerebral. Se utilizan muchos modelos en el campo, cada uno definido en un nivel diferente de abstracción y tratando de modelar diferentes aspectos de los sistemas neuronales. Van desde modelos del comportamiento a corto plazo de neuronas individuales, pasando por modelos de cómo la dinámica de los circuitos neuronales surge de las interacciones entre neuronas individuales, hasta modelos de cómo el comportamiento puede surgir de módulos neuronales abstractos que representan subsistemas completos.

Modelo de neurona única Editar

Un modelo de una neurona biológica es una descripción matemática de las propiedades de las células nerviosas, o neuronas, que está diseñado para describir y predecir con precisión sus procesos biológicos. El modelo de neuronas más exitoso y ampliamente utilizado, el modelo de Hodgkin-Huxley, se basa en datos del axón gigante del calamar. Es un conjunto de ecuaciones diferenciales ordinarias no lineales que se aproxima a las características eléctricas de una neurona, en particular la generación y propagación de potenciales de acción. El modelo es muy preciso y detallado y Hodgkin y Huxley recibieron el Premio Nobel de fisiología o medicina en 1963 por este trabajo.

Las matemáticas del modelo de Hodgkin-Huxley son bastante complicadas y se han propuesto varias simplificaciones, como el modelo de FitzHugh-Nagumo, el modelo de Hindmarsh-Rose o el modelo de interruptor de condensador [34] como una extensión del modelo de integración y disparo. modelo. Dichos modelos solo capturan la dinámica neuronal básica, como picos y estallidos rítmicos, pero son más eficientes desde el punto de vista computacional. Esto permite la simulación de una gran cantidad de neuronas interconectadas que forman una red neuronal.

Modelo de espiga Editar

Un modelo de red neuronal describe una población de neuronas físicamente interconectadas o un grupo de neuronas dispares cuyas entradas u objetivos de señalización definen un circuito reconocible. Estos modelos tienen como objetivo describir cómo la dinámica de los circuitos neuronales surge de las interacciones entre neuronas individuales. Las interacciones locales entre neuronas pueden dar como resultado la sincronización de la actividad de picos y formar la base de la actividad oscilatoria. En particular, se ha demostrado que los modelos de interacción de células piramidales e interneuronas inhibidoras generan ritmos cerebrales como la actividad gamma. [35] De manera similar, se demostró que las simulaciones de redes neuronales con un modelo fenomenológico para fallas en la respuesta neuronal pueden predecir oscilaciones neuronales espontáneas de banda ancha. [36]

Modelo de masa neuronal Editar

Los modelos de campo neural son otra herramienta importante en el estudio de las oscilaciones neurales y son un marco matemático que describe la evolución de variables como la tasa media de disparo en el espacio y el tiempo. Al modelar la actividad de un gran número de neuronas, la idea central es llevar la densidad de neuronas al límite del continuo, lo que da como resultado redes neuronales espacialmente continuas. En lugar de modelar neuronas individuales, este enfoque se aproxima a un grupo de neuronas por sus propiedades e interacciones promedio. Se basa en el enfoque de campo medio, un área de la física estadística que se ocupa de sistemas a gran escala. Se han utilizado modelos basados ​​en estos principios para proporcionar descripciones matemáticas de oscilaciones neurales y ritmos EEG. Por ejemplo, se han utilizado para investigar las alucinaciones visuales. [38]

Modelo de Kuramoto Editar

El modelo de Kuramoto de osciladores de fase acoplados [39] es uno de los modelos más abstractos y fundamentales utilizados para investigar las oscilaciones neuronales y la sincronización. Captura la actividad de un sistema local (por ejemplo, una sola neurona o conjunto neuronal) solo por su fase circular y, por lo tanto, ignora la amplitud de las oscilaciones (la amplitud es constante). [40] Las interacciones entre estos osciladores se introducen mediante una forma algebraica simple (como una función sinusoidal) y generan colectivamente un patrón dinámico a escala global. El modelo de Kuramoto se usa ampliamente para estudiar la actividad cerebral oscilatoria y se han propuesto varias extensiones que aumentan su plausibilidad neurobiológica, por ejemplo, incorporando propiedades topológicas de conectividad cortical local. [41] En particular, describe cómo la actividad de un grupo de neuronas que interactúan puede sincronizarse y generar oscilaciones a gran escala. Las simulaciones que utilizan el modelo de Kuramoto con conectividad cortical realista de largo alcance e interacciones retardadas en el tiempo revelan la aparición de fluctuaciones de patrones lentos que reproducen mapas funcionales BOLD en estado de reposo, que se pueden medir mediante fMRI. [42]

Tanto las neuronas individuales como los grupos de neuronas pueden generar actividad oscilatoria de forma espontánea. Además, pueden mostrar respuestas oscilatorias a la entrada perceptiva o la salida motora. Algunos tipos de neuronas se dispararán rítmicamente en ausencia de cualquier entrada sináptica. Del mismo modo, la actividad de todo el cerebro revela una actividad oscilatoria mientras que los sujetos no realizan ninguna actividad, la llamada actividad en estado de reposo. Estos ritmos continuos pueden cambiar de diferentes maneras en respuesta a la entrada perceptiva o la salida motora. La actividad oscilatoria puede responder por aumentos o disminuciones en la frecuencia y amplitud o mostrar una interrupción temporal, lo que se conoce como restablecimiento de fase. Además, la actividad externa puede no interactuar en absoluto con la actividad en curso, lo que resulta en una respuesta aditiva.

La frecuencia de la actividad oscilatoria en curso aumenta entre t1 y t2.

La amplitud de la actividad oscilatoria en curso aumenta entre t1 y t2.

La fase de actividad oscilatoria en curso se restablece en t1.

La actividad se agrega linealmente a la actividad oscilatoria en curso entre t1 y t2.

Actividad en curso Editar

La actividad espontánea es la actividad cerebral en ausencia de una tarea explícita, como la entrada sensorial o la salida motora, y por lo tanto también se conoce como actividad en estado de reposo. Se opone a la actividad inducida, es decir, la actividad cerebral inducida por estímulos sensoriales o respuestas motoras. El término actividad cerebral en curso se utiliza en electroencefalografía y magnetoencefalografía para aquellos componentes de la señal que no están asociados con el procesamiento de un estímulo o la ocurrencia de otros eventos específicos, como mover una parte del cuerpo, es decir, eventos que no forman potenciales evocados / campos evocados, o actividad inducida . La actividad espontánea generalmente se considera ruido si uno está interesado en el procesamiento de estímulos; sin embargo, se considera que la actividad espontánea juega un papel crucial durante el desarrollo del cerebro, como en la formación de redes y la sinaptogénesis. La actividad espontánea puede ser informativa sobre el estado mental actual de la persona (p. Ej., Vigilia, estado de alerta) y se utiliza a menudo en la investigación del sueño. Ciertos tipos de actividad oscilatoria, como las ondas alfa, son parte de la actividad espontánea. El análisis estadístico de las fluctuaciones de potencia de la actividad alfa revela una distribución bimodal, es decir, un modo de amplitud alta y baja y, por lo tanto, muestra que la actividad en estado de reposo no solo refleja un proceso de ruido. [43] En el caso de fMRI, las fluctuaciones espontáneas en la señal dependiente del nivel de oxígeno en sangre (BOLD) revelan patrones de correlación que están vinculados a las redes de estados de reposo, como la red predeterminada. [44] La evolución temporal de las redes en estado de reposo se correlaciona con las fluctuaciones de la actividad oscilatoria del EEG en diferentes bandas de frecuencia. [45]

La actividad cerebral continua también puede tener un papel importante en la percepción, ya que puede interactuar con la actividad relacionada con los estímulos entrantes. De hecho, los estudios de EEG sugieren que la percepción visual depende tanto de la fase como de la amplitud de las oscilaciones corticales. Por ejemplo, la amplitud y fase de la actividad alfa en el momento de la estimulación visual predice si el sujeto percibirá un estímulo débil. [46] [47] [48]

Respuesta de frecuencia Editar

En respuesta a la entrada, una neurona o conjunto neuronal puede cambiar la frecuencia a la que oscila, cambiando así la velocidad a la que se dispara. A menudo, la velocidad de disparo de una neurona depende de la actividad sumada que recibe. Los cambios de frecuencia también se observan comúnmente en los generadores de patrones centrales y se relacionan directamente con la velocidad de las actividades motoras, como la frecuencia de los pasos al caminar. Sin embargo, los cambios en relativo La frecuencia de oscilación entre diferentes áreas del cerebro no es tan común porque la frecuencia de la actividad oscilatoria a menudo está relacionada con los retrasos de tiempo entre las áreas del cerebro.

Respuesta de amplitud Editar

Además de la actividad evocada, la actividad neuronal relacionada con el procesamiento de estímulos puede resultar en una actividad inducida. La actividad inducida se refiere a la modulación de la actividad cerebral en curso inducida por el procesamiento de estímulos o la preparación del movimiento. Por tanto, reflejan una respuesta indirecta en contraste con las respuestas evocadas. Un tipo bien estudiado de actividad inducida es el cambio de amplitud en la actividad oscilatoria. Por ejemplo, la actividad gamma a menudo aumenta durante el aumento de la actividad mental, como durante la representación de objetos. [49] Debido a que las respuestas inducidas pueden tener diferentes fases en las mediciones y, por lo tanto, se cancelarían durante el promedio, solo se pueden obtener mediante el análisis de tiempo-frecuencia. La actividad inducida generalmente refleja la actividad de numerosas neuronas: se cree que los cambios de amplitud en la actividad oscilatoria surgen de la sincronización de la actividad neural, por ejemplo, mediante la sincronización de la sincronización de los picos o las fluctuaciones del potencial de membrana de las neuronas individuales. Por lo tanto, los aumentos en la actividad oscilatoria se denominan a menudo sincronización relacionada con eventos, mientras que las disminuciones se denominan desincronización relacionada con eventos. [50]

Reajuste de fase Editar

El restablecimiento de fase ocurre cuando la entrada a una neurona o conjunto neuronal restablece la fase de oscilaciones en curso. [51] Es muy común en neuronas individuales donde la sincronización del pico se ajusta a la entrada neuronal (una neurona puede disparar con un retraso fijo en respuesta a la entrada periódica, lo que se conoce como bloqueo de fase [13]) y también puede ocurrir en neuronas conjuntos cuando las fases de sus neuronas se ajustan simultáneamente. El restablecimiento de fase es fundamental para la sincronización de diferentes neuronas o diferentes regiones del cerebro [12] [29] porque la sincronización de los picos puede volverse bloqueada en fase con la actividad de otras neuronas.

El restablecimiento de fase también permite el estudio de la actividad evocada, un término utilizado en electroencefalografía y magnetoencefalografía para las respuestas en la actividad cerebral que están directamente relacionadas con la actividad relacionada con el estímulo. Los potenciales evocados y los potenciales relacionados con eventos se obtienen a partir de un electroencefalograma mediante promediación bloqueada por estímulo, es decir, promediando diferentes ensayos en latencias fijas alrededor de la presentación de un estímulo. Como consecuencia, los componentes de la señal que son iguales en cada medición individual se conservan y todos los demás, es decir, la actividad en curso o espontánea, se promedian. Es decir, los potenciales relacionados con eventos solo reflejan oscilaciones en la actividad cerebral que están bloqueadas en fase con el estímulo o evento. La actividad evocada a menudo se considera independiente de la actividad cerebral en curso, aunque este es un debate en curso. [52] [53]

Modulación de amplitud asimétrica Editar

Recientemente se ha propuesto que incluso si las fases no están alineadas entre los ensayos, la actividad inducida puede causar potenciales relacionados con eventos porque las oscilaciones cerebrales en curso pueden no ser simétricas y, por lo tanto, las modulaciones de amplitud pueden dar como resultado un cambio de línea de base que no se promedia. [54] [55] Este modelo implica que las respuestas lentas relacionadas con eventos, como la actividad alfa asimétrica, podrían resultar de modulaciones de amplitud de oscilación cerebral asimétrica, como una asimetría de las corrientes intracelulares que se propagan hacia adelante y hacia atrás por las dendritas. [56] Bajo esta suposición, las asimetrías en la corriente dendrítica causarían asimetrías en la actividad oscilatoria medida por EEG y MEG, ya que se cree que las corrientes dendríticas en las células piramidales generan señales de EEG y MEG que pueden medirse en el cuero cabelludo. [57]

La sincronización neuronal puede ser modulada por restricciones de tareas, como la atención, y se cree que desempeña un papel en la unión de características, [58] la comunicación neuronal [5] y la coordinación motora. [7] Las oscilaciones neuronales se convirtieron en un tema candente en la neurociencia en la década de 1990 cuando los estudios del sistema visual del cerebro realizados por Gray, Singer y otros parecieron apoyar la hipótesis de la unión neuronal. [59] Según esta idea, las oscilaciones sincrónicas en conjuntos neuronales unen neuronas que representan diferentes características de un objeto. Por ejemplo, cuando una persona mira un árbol, las neuronas de la corteza visual que representan el tronco del árbol y las que representan las ramas del mismo árbol oscilan en sincronía para formar una única representación del árbol. Este fenómeno se ve mejor en los potenciales de campo local que reflejan la actividad sincrónica de grupos locales de neuronas, pero también se ha demostrado en registros de EEG y MEG que brindan evidencia cada vez mayor de una estrecha relación entre la actividad oscilatoria sincrónica y una variedad de funciones cognitivas como la perceptiva agrupamiento. [58]

Marcapasos Editar

Las células del nódulo sinoauricular, ubicado en la aurícula derecha del corazón, se despolarizan espontáneamente aproximadamente 100 veces por minuto. Aunque todas las células del corazón tienen la capacidad de generar potenciales de acción que desencadenan la contracción cardíaca, el nódulo sinoauricular normalmente la inicia, simplemente porque genera impulsos un poco más rápido que las otras áreas. Por lo tanto, estas células generan el ritmo sinusal normal y se denominan células marcapasos, ya que controlan directamente la frecuencia cardíaca. En ausencia de un control hormonal y neuronal extrínseco, las células del nódulo SA se descargarán rítmicamente. El nódulo sinoauricular está ricamente inervado por el sistema nervioso autónomo, que regula hacia arriba o hacia abajo la frecuencia de disparo espontáneo de las células marcapasos.

Generador de patrones central Editar

El disparo sincronizado de neuronas también forma la base de los comandos motores periódicos para los movimientos rítmicos. Estas salidas rítmicas son producidas por un grupo de neuronas que interactúan y forman una red, llamada generador de patrones central. Los generadores de patrones centrales son circuitos neuronales que, cuando se activan, pueden producir patrones motores rítmicos en ausencia de entradas sensoriales o descendentes que transporten información de sincronización específica. Algunos ejemplos son caminar, respirar y nadar. [60] La mayor parte de la evidencia de generadores de patrones centrales proviene de animales inferiores, como la lamprea, pero también hay evidencia de generadores de patrones centrales espinales en humanos. [61] [62]

Procesamiento de información Editar

Los picos neuronales generalmente se consideran la base para la transferencia de información en el cerebro. Para tal transferencia, la información debe codificarse en un patrón de picos. Se han propuesto diferentes tipos de esquemas de codificación, como la codificación de velocidad y la codificación temporal. Las oscilaciones neuronales podrían crear ventanas de tiempo periódicas en las que los picos de entrada tienen un efecto mayor en las neuronas, proporcionando así un mecanismo para decodificar códigos temporales. [63]

Percepción Editar

La sincronización de la activación neuronal puede servir como un medio para agrupar neuronas espacialmente segregadas que responden al mismo estímulo con el fin de unir estas respuestas para un procesamiento conjunto adicional, es decir, para explotar la sincronía temporal para codificar relaciones. Primero se propusieron formulaciones puramente teóricas de la hipótesis de la unión por sincronía, [64] pero posteriormente se ha informado de una amplia evidencia experimental que apoya el papel potencial de la sincronía como un código relacional. [sesenta y cinco]

El papel funcional de la actividad oscilatoria sincronizada en el cerebro se estableció principalmente en experimentos realizados en gatitos despiertos con múltiples electrodos implantados en la corteza visual. Estos experimentos mostraron que grupos de neuronas espacialmente segregadas participan en una actividad oscilatoria sincrónica cuando se activan mediante estímulos visuales. La frecuencia de estas oscilaciones estaba en el rango de 40 Hz y difería de la activación periódica inducida por la rejilla, lo que sugiere que las oscilaciones y su sincronización se debían a interacciones neuronales internas. [65] En paralelo, el grupo de Eckhorn mostró hallazgos similares, lo que proporciona más evidencia del papel funcional de la sincronización neuronal en la vinculación de características. [66] Desde entonces, numerosos estudios han replicado estos hallazgos y los han extendido a diferentes modalidades como el electroencefalograma, proporcionando una amplia evidencia del papel funcional de las oscilaciones gamma en la percepción visual.

Gilles Laurent y sus colegas demostraron que la sincronización oscilatoria tiene un papel funcional importante en la percepción del olor. La percepción de diferentes olores conduce a diferentes subconjuntos de neuronas que se activan en diferentes conjuntos de ciclos oscilatorios. [67] Estas oscilaciones pueden ser interrumpidas por la picrotoxina bloqueadora de GABA, [68] y la interrupción de la sincronización oscilatoria conduce a un deterioro de la discriminación conductual de olores químicamente similares en las abejas [69] y a respuestas más similares a través de olores en el lóbulo β corriente abajo neuronas. [70] Un seguimiento reciente de este trabajo ha demostrado que las oscilaciones crean ventanas de integración periódicas para las células de Kenyon en el cuerpo del hongo insecto, de modo que los picos entrantes del lóbulo de la antena son más efectivos para activar las células de Kenyon solo en fases específicas del ciclo oscilatorio. . [63]

También se cree que las oscilaciones neuronales están implicadas en el sentido del tiempo [71] y en la percepción somatosensorial. [72] Sin embargo, hallazgos recientes argumentan en contra de una función similar a un reloj de las oscilaciones gamma corticales. [73]

Coordinación motora Editar

Se han informado con frecuencia oscilaciones en el sistema motor. Pfurtscheller y sus colegas encontraron una reducción en las oscilaciones alfa (8-12 Hz) y beta (13-30 Hz) en la actividad del EEG cuando los sujetos realizaron un movimiento. [50] [74] Utilizando grabaciones intracorticales, se encontraron cambios similares en la actividad oscilatoria en la corteza motora cuando los monos realizaban actos motores que requerían una atención significativa. [75] [76] Además, las oscilaciones a nivel espinal se sincronizan con las oscilaciones beta en la corteza motora durante la activación muscular constante, según lo determinado por la coherencia cortico-muscular. [77] [78] [79] Asimismo, la actividad muscular de diferentes músculos revela coherencia intermuscular en múltiples frecuencias distintas que reflejan los circuitos neuronales subyacentes involucrados en la coordinación motora. [80] [81]

Recientemente se descubrió que las oscilaciones corticales se propagan como ondas viajeras a través de la superficie de la corteza motora a lo largo de los ejes espaciales dominantes característicos de los circuitos locales de la corteza motora. [82] Se ha propuesto que los comandos motores en forma de ondas viajeras pueden ser filtrados espacialmente por las fibras descendentes para controlar selectivamente la fuerza muscular. [83] Las simulaciones han demostrado que la actividad de las ondas en curso en la corteza puede provocar una fuerza muscular constante con niveles fisiológicos de coherencia EEG-EMG. [84]

Se han registrado ritmos oscilatorios a 10 Hz en un área del cerebro llamada aceituna inferior, que está asociada con el cerebelo. [14] Estas oscilaciones también se observan en la producción motora del temblor fisiológico [85] y cuando se realizan movimientos lentos de los dedos. [86] Estos hallazgos pueden indicar que el cerebro humano controla los movimientos continuos de forma intermitente. En apoyo, se demostró que estas discontinuidades de movimiento se correlacionan directamente con la actividad oscilatoria en un bucle cerebelo-tálamo-cortical, que puede representar un mecanismo neural para el control motor intermitente. [87]

Edición de memoria

Las oscilaciones neuronales, en particular la actividad theta, están ampliamente relacionadas con la función de la memoria. Los ritmos theta son muy fuertes en el hipocampo de roedores y la corteza entorrinal durante el aprendizaje y la recuperación de la memoria, y se cree que son vitales para la inducción de la potenciación a largo plazo, un mecanismo celular potencial para el aprendizaje y la memoria. Se cree que el acoplamiento entre la actividad theta y gamma es vital para las funciones de la memoria, incluida la memoria episódica. [88] [89] La estrecha coordinación de los picos de una sola neurona con las oscilaciones theta locales está relacionada con la formación exitosa de la memoria en los seres humanos, ya que más picos estereotipados predicen una mejor memoria. [90]

Sueño y conciencia Editar

El sueño es un estado naturalmente recurrente que se caracteriza por una conciencia reducida o ausente y se desarrolla en ciclos de sueño con movimientos oculares rápidos (REM) y movimientos oculares no rápidos (NREM). Las etapas del sueño se caracterizan por el contenido espectral del EEG: por ejemplo, la etapa N1 se refiere a la transición del cerebro de ondas alfa (comunes en el estado despierto) a ondas theta, mientras que la etapa N3 (sueño profundo o de ondas lentas) se caracteriza por la presencia de ondas delta. El orden normal de las etapas del sueño es N1 → N2 → N3 → N2 → REM. [ cita necesaria ]

Desarrollo Editar

Las oscilaciones neuronales pueden desempeñar un papel en el desarrollo neuronal. Por ejemplo, se cree que las ondas retinianas tienen propiedades que definen la conectividad temprana de los circuitos y las sinapsis entre las células de la retina. [91]

También pueden aparecer tipos específicos de oscilaciones neuronales en situaciones patológicas, como la enfermedad de Parkinson o la epilepsia. Estas oscilaciones patológicas a menudo consisten en una versión aberrante de una oscilación normal. Por ejemplo, uno de los tipos más conocidos es la oscilación de picos y ondas, que es típica de las crisis epilépticas generalizadas o de ausencia, y que se asemeja a las oscilaciones normales del huso del sueño.

Temblor Editar

Un temblor es una contracción y relajación muscular involuntaria, algo rítmica, que implica movimientos de vaivén de una o más partes del cuerpo. Es el más común de todos los movimientos involuntarios y puede afectar las manos, los brazos, los ojos, la cara, la cabeza, las cuerdas vocales, el tronco y las piernas. La mayoría de los temblores ocurren en las manos. En algunas personas, el temblor es un síntoma de otro trastorno neurológico. Se han identificado muchas formas diferentes de temblor, como el temblor esencial o el temblor parkinsoniano. Se argumenta que es probable que los temblores sean de origen multifactorial, con contribuciones de oscilaciones neurales en el sistema nervioso central, pero también de mecanismos periféricos como las resonancias de bucle reflejo. [92]

Epilepsia editar

La epilepsia es un trastorno neurológico crónico común que se caracteriza por convulsiones. Estas convulsiones son signos y / o síntomas transitorios de actividad neuronal anormal, excesiva o hipersincrónica en el cerebro. [93]

Arritmia talamocortical Editar

En la disritmia talamocortical (TCD), se interrumpe la resonancia talamocortical normal. La pérdida de entrada del tálamo permite que la frecuencia de la columna tálamocortical disminuya hacia la banda theta o delta, tal como lo identifican MEG y EEG mediante el aprendizaje automático. [94] El TCD se puede tratar con métodos neuroquirúrgicos como la talamotomía.

Criterios de valoración clínicos Editar

Las oscilaciones neuronales son sensibles a varios fármacos que influyen en la actividad cerebral, en consecuencia, los biomarcadores basados ​​en oscilaciones neuronales están emergiendo como criterios de valoración secundarios en los ensayos clínicos y en la cuantificación de los efectos en los estudios preclínicos. Estos biomarcadores a menudo se denominan "biomarcadores de EEG" o "biomarcadores neurofisiológicos" y se cuantifican mediante electroencefalografía cuantitativa (qEEG). Los biomarcadores de EEG se pueden extraer del EEG utilizando la caja de herramientas de biomarcadores neurofisiológicos de código abierto.

Interfaz cerebro-computadora Editar

La oscilación neuronal se ha aplicado como señal de control en varias interfaces cerebro-computadora (BCI). [95] Por ejemplo, se puede crear un BCI no invasivo colocando electrodos en el cuero cabelludo y luego midiendo las señales eléctricas débiles. Aunque las actividades de las neuronas individuales no se pueden registrar a través de BCI no invasivo porque el cráneo amortigua y difumina las señales electromagnéticas, la actividad oscilatoria aún se puede detectar de manera confiable. El BCI fue introducido por Vidal en 1973 [96] como desafío de usar señales de EEG para controlar objetos fuera del cuerpo humano.

Después del desafío BCI, en 1988, se utilizó el ritmo alfa en un BCI basado en el ritmo cerebral para controlar un objeto físico, un robot. [97] [98] El BCI basado en el ritmo alfa fue el primer BCI para el control de un robot. [99] [100] En particular, algunas formas de BCI permiten a los usuarios controlar un dispositivo midiendo la amplitud de la actividad oscilatoria en bandas de frecuencia específicas, incluidos los ritmos mu y beta.

Una lista no inclusiva de tipos de actividad oscilatoria que se encuentran en el sistema nervioso central:


Orígenes de la FFR: descartar la cóclea

Los experimentos iniciales que examinaron el FFR buscaron delinear esta actividad evocada del microfónico coclear (CM), el potencial eléctrico preneural que se origina en las células ciliadas en respuesta a la estimulación acústica (Wever & # x00026 Bray, 1930). Aunque los FFR, como el CM, reproducen con precisión la estimulación acústica de entrada, existen claras diferencias entre los dos potenciales. Worden y Marsh (1968) proporcionaron varias líneas de evidencia que abogan por una base neural (en oposición a una preneural) para las FFR. El inicio de la FFR, a diferencia de la MC, muestra un retraso de 5 & # x0201310 ms incluso para tonos sinusoidales simples, lo que sugiere un sitio de origen rostral a la cóclea. Para disipar las dudas de que el FFR simplemente reflejaba artefactos relacionados con el estímulo, Moushegian y sus colegas (1973) argumentaron que, para una longitud típica del canal auditivo de 2,7 cm, el artefacto del estímulo se generaría con una latencia de 0,029 ms, mucho antes que el FFR típico. latencia de 5 & # x0201310 ms. Además, la FFR (a diferencia de CM) muestra fluctuaciones de amplitud y fase pequeñas pero apreciables que sugieren que las respuestas no son una réplica perfecta del estímulo de entrada (Worden & # x00026 Marsh, 1968). Además, se observa una correspondencia de fase precisa entre las FFR registradas en el cuero cabelludo y las actividades unitarias en el núcleo coclear (CN), el cuerpo trapezoide y el complejo olivar superior (SOC) en gatos, lo que sugiere que la FFR es una respuesta de conjunto que refleja el bloqueo de fase actividad de múltiples sitios generadores dentro del tronco cerebral auditivo (Marsh, Brown, & # x00026 Smith, 1974). El CM todavía se puede registrar bajo anoxia, el FFR muestra reducciones en amplitudes consistentes con otras respuestas evocadas neuronales. Además, el CM no es sensible a los cambios en la tasa de estimulación, la FFR muestra cambios de latencia con tasas crecientes (Worden & # x00026 Marsh, 1968).

En un artículo titulado provocativamente & # x0201c Respuestas auditivas de seguimiento de frecuencia: ¿Neural o artefacto? & # X0201d, Marsh, Worden y Smith (1970) utilizaron técnicas de grabación de campo cercano para demostrar que la sección del nervio craneal auditivo eliminaba las FFR pero conservaba la MC. Asimismo, los FFR registrados del CN ​​usando una criosonda se eliminaron cuando el CN ​​se enfrió y se recuperaron por completo cuando la temperatura volvió a la normalidad, el CM no se vio afectado. Además, Marsh et al. (1970) observaron interacción binaural (mayor amplitud de FFR en relación con la estimulación monoaural) en el SOC, el sitio rostral al CN en la vía auditiva. Cuando se enfrió el CN ​​izquierdo, la respuesta en el SOC fue similar a la estimulación monoaural derecha. En conjunto, estos primeros estudios apoyaron un origen neuronal para el FFR y delinearon claramente la actividad de bloqueo de fase reflejada por el FFR de CM o actividades relacionadas con el estímulo-artefacto. Smith y sus colegas (1975), que tienen una relevancia más directa para la técnica de grabación del cuero cabelludo utilizada en humanos, mostraron una reducción drástica de la FFR registrada en el cuero cabelludo en gatos cuando se enfrió el colículo inferior (IC). Se conservó la actividad de bloqueo de fase en el SOC (caudal al IC). Los FFR registrados en el cuero cabelludo recuperaron su amplitud original cuando se calentó el CI. Además, las grabaciones de profundidad en el IC mostraron un cambio de latencia medio de 5,2 ms, que era comparable con el de las FFR del cuero cabelludo. De acuerdo con estos datos, no se obtuvieron FFR registradas en el cuero cabelludo de los participantes humanos con lesiones del tronco encefálico superior (Sohmer et al., 1977). Por el contrario, el potencial microfónico coclear todavía se podía registrar. Experimentos con lesiones de Gardi, Merzenich, et al. (1979) sugieren que la ablación del núcleo coclear provocó la mayor reducción en la amplitud de la RFF registrada en el cuero cabelludo.

Se han implicado dos vías distintas desde el núcleo coclear hasta el CI en la generación de la FFR: una vía directa hacia el CI contralateral a través del lemnisco lateral (LL) y una vía ipsilateral a través del SOC y el LL (Marsh et al., 1974). Los estudios mencionados anteriormente sugieren que la FFR registrada en el cuero cabelludo refleja la actividad de múltiples sitios generadores en el tronco del encéfalo. Para reconciliar los diferentes generadores del tronco encefálico, Stillman et al. (1978) utilizaron montajes de electrodos horizontales (lóbulo a lóbulo de la oreja) y verticales (vértice a lóbulo de la oreja) para examinar las FFR en participantes humanos. Delinearon dos potenciales de seguimiento de frecuencia diferentes, FFP1 y FFP2, en las respuestas de FFR. FFP1 estuvo bien representado por ambos montajes de electrodos FFP2 estuvo bien representado solo por el montaje vertical. Stillman y sus colegas propusieron que los dos montajes de electrodos reflejaban actividades neuronales bloqueadas en fase de diferentes regiones del tallo cerebral. Al registrar los FFR de los dos montajes en un experimento de fundamental faltante, Galbraith (1994) encontró que los FFR generados por el montaje vertical representaban el fundamental faltante que los FFR del montaje horizontal no representaban. Con base en estos hallazgos, Galbraith et al. sugieren que el fundamental faltante se crea antes de que el sonido llegue a la corteza auditiva, pero no en las estructuras caudal del tronco del encéfalo (núcleo coclear). Por tanto, implican a las estructuras rostrales del tronco del encéfalo en la generación del fundamental faltante. Tomados en conjunto, estos experimentos sugieren que el montaje horizontal refleja estructuras más caudales del tronco encefálico (presumiblemente el CN) y el montaje vertical refleja más actividad del tronco encefálico rostral (presumiblemente el lemnisco lateral o IC). La Tabla 2 resume las diferencias clave entre la respuesta microfónica coclear y auditiva del tronco encefálico.

Tabla 2

Distinciones entre microfónica coclear (MC), respuestas auditivas del tronco encefálico y potenciales evocados corticales

CMABR / FFREP corticales
OrigenPreneural, cócleaCN, LL, ICCorteza, también puede reflejar la actividad de MGB
Características de grabación
& # x02003PolaridadEliminado por polaridad alternaRespuestas presentes a polaridad alternaRespuestas presentes a polaridad alterna
& # x02003RateNo se ve afectado por el aumento de la tasaCambios de latencia con la tasa de estímuloEliminado a tasas rápidas
& # x02003 Nivel de estímuloSin cambios de latenciaLa latencia cambia con la intensidad del estímuloLa latencia cambia con la intensidad del estímulo
& # x02003 Montaje de grabaciónDentro del canal auditivoDos canales (horizontal, vertical)Múltiples canales de grabación
& # x02003Características de respuesta
& # x02003FidelidadRefleja el estímuloRefleja la estructura fina y la envolvente del estímuloRefleja la envolvente de estímulo bruto
& # x02003Latencia de inicio& # x0003c1 ms5 & ​​# x0201310 ms& # x0003e50 ms
& # x02003Tamaño (rango)MicrovoltiosNanovoltiosMicrovoltios
& # x02003 Variabilidad de latenciaNo variableVariabilidad normal de & # x0003c1 msGran variabilidad en la latencia (10 & # x0201325 ms)
& # x02003MaturaciónMaduración muy tempranaRespuestas adultas por edad escolarDesarrollo prolongado, no parecido al de un adulto hasta finales de la adolescencia
Características del sujeto
& # x02003ArousalNo se ve afectado por el estado del sujetoPuede grabarse en sujetos durmientesReducido o eliminado en sujetos durmientes
& # x02003AtenciónNo se ve afectado por la atenciónEn gran parte no se ve afectado por la atenciónAtención modulada
& # x02003 PlasticidadNo afectado por la experienciaLa experiencia modula las respuestasLa experiencia modula las respuestas

CN: núcleo coclear, LL: lemnisco lateral, IC: colículo inferior, MGB: cuerpo geniculado medial (ver Figura 2).


Discusión

Estos resultados demuestran que el arrastre neuronal por tACS puede sobrevivir a un bloqueo tópico de la somatosensibilidad, de hecho, para nuestros sitios de registro, hubo poco efecto discernible de bloquear las entradas somatosensoriales periféricas. Estos datos argumentan fuertemente en contra de una explicación indirecta de tACS basada en el arrastre de aferentes somatosensoriales. Los aferentes retinianos también se han propuesto como una posible ruta para el arrastre sensorial indirecto. Sin embargo, mostramos previamente que un área visual cortical físicamente distante del objetivo de estimulación no fue arrastrada por tACS, lo que sugiere que la entrada de la retina tampoco produce los efectos observados [3]. Del mismo modo, la estimulación dirigida al hemisferio contralateral, pero produciendo una entrada retiniana y somatosensorial similar, no logró atraer a las neuronas en nuestro sitio de registro [3]. Tomados en conjunto, estos resultados son más consistentes con un efecto directo sobre la sincronización de los picos de las neuronas centrales.

El trabajo anterior ha intentado abordar el papel de la entrada somatosensorial variando el locus de estimulación. Anteriormente informamos que el arrastre del hipocampo y las neuronas de los ganglios basales se abolió al cambiar los electrodos tACS al hemisferio contralateral [3]. Asimismo, Johnson et al. [2] encontraron que la estimulación del hombro no arrastraba las neuronas en la circunvolución pre y poscentral. Sin embargo, Asamoah et al [5] informaron que la estimulación transcutánea de las extremidades arrastraba neuronas y electroencefalograma (EEG) en la corteza motora. Las variaciones en la inervación somatosensorial o la conectividad entre los montajes de estimulación de prueba y control se han sugerido como una posible explicación de estas discrepancias [26], pero nuestros experimentos nos permiten excluir ese mecanismo estimulando las mismas ubicaciones de la piel, con y sin entrada somatosensorial.

Estos experimentos utilizaron intensidades de campo que son representativas de tACS humano. Se han predicho y medido campos de hasta 0,8-1,0 V / m en la corteza humana [21, 22], y se pueden conseguir campos aún más intensos (de hasta 2 V / m) en seres humanos mediante el uso de un montaje de estimulación de múltiples electrodos [27 ]. Con los montajes de dos electrodos utilizados aquí, los campos son más fuertes cerca de la superficie cortical, por lo que otras áreas pueden recibir una estimulación más fuerte que nuestro objetivo hipocampal. Como se discutió brevemente en [28], sin el registro de una multitud de otras áreas corticales, no es posible descartar el arrastre indirecto de neuronas del hipocampo a través de la corteza, pero nuestros resultados sugieren que los efectos somatosensoriales indirectos de la periferia son poco probables.Esto es incluso menos probable en V4, un área visual de nivel medio en la superficie cortical que recibe predominantemente estímulos visuales [18-20]. Los cambios resultantes en la sincronización de los picos son similares a los notificados junto con los cambios terapéuticamente relevantes en el comportamiento humano y animal [3], lo que sugiere que los efectos no sensoriales de tACS pueden proporcionar un método eficaz para ajustar los estados mentales de los seres humanos.

En estos experimentos, aplicamos anestesia tópica a un círculo de piel de 5 cm (diámetro) debajo y alrededor de cada electrodo. Dado que la piel es muy conductora, la corriente podría extenderse a las fibras nerviosas periféricas fuera de esa área, aunque no en un grado que afecte el comportamiento (Figura 2). La estimulación de fibras más grandes, incluidos los nervios craneales, puede ser una preocupación particular, ya que están más profundas en la piel y, por lo tanto, se ven menos afectadas por la anestesia tópica. De hecho, este mecanismo puede explicar algunos de los efectos somatosensoriales informados anteriormente. En [5], la estimulación de control que se aplicó a la piel de la extremidad anterior también puede impulsar los nervios medial o radial [29]. Se ha informado que la estimulación de estas fibras reduce el temblor en humanos [30]. Dicho esto, existen razones para creer que la estimulación de los nervios craneales puede no ser un factor importante en nuestros datos. En la medida en que la alta conductividad de la piel permita la estimulación de nervios craneales distantes, también debería hacer que cualquier efecto resultante sea relativamente insensible a la posición de los electrodos. Sin embargo, los efectos de tACS parecen depender de las ubicaciones precisas del electrodo estimulante. En nuestro estudio anterior [3], el desplazamiento de los electrodos hacia el hemisferio contralateral (aproximadamente 3-4 cm) fue suficiente para abolir por completo el arrastre, aunque los campos eléctricos en la piel fueron similares en ambos casos. Varios experimentos también han demostrado que se requieren montajes de electrodos específicos para producir los efectos conductuales hipotéticos [31, 32]. La estimulación periférica y central también parece tener efectos sinérgicos, lo que sugiere la existencia de mecanismos separados [33]. Finalmente, al igual que con la entrada somatosensorial, no está claro cómo la estimulación de los nervios craneales alteraría el momento de la actividad de picos en el área V4 sinápticamente distante o el hipocampo. Sin embargo, dados los diversos fenómenos asociados con la actividad del nervio vago [34], esta posibilidad no puede descartarse por completo.

No obstante, la estimulación del nervio periférico tiene consecuencias de percepción innegables que pueden confundir los experimentos conductuales y producir efectos neuronales en áreas que reciben una entrada somatosensorial especialmente fuerte. Los efectos combinados de la información sensorial, la estimulación de las fibras nerviosas y la polarización neuronal directa variarán necesariamente entre los protocolos de estimulación, las regiones del cerebro y las tareas conductuales, frustrando cualquier intento simplista de interpretación. Sin embargo, nuestros datos apoyan la hipótesis de que tACS arrastra las neuronas centrales directamente en lugar de a través de la entrada sensorial.


Estos autores contribuyeron igualmente: Philippa J. Karoly, Vikram R. Rao y Maxime O. Baud

Afiliaciones

Instituto Graeme Clark, Universidad de Melbourne, Melbourne, Victoria, Australia

Philippa J. Karoly y Mark J. Cook

Departamento de Neurología, Universidad de California, San Francisco, CA, EE. UU.

Instituto Weill de Neurociencias, Universidad de California, San Francisco, CA, EE. UU.

Laboratorio de Bioelectrónica, Neurofisiología e Ingeniería, Departamento de Neurología, Mayo Clinic, Rochester, MN, EE. UU.

Nicholas M. Gregg y Gregory A. Worrell

Universidad de Aix Marseille, Inserm, Institut de Neurosciences des Systèmes, Marsella, Francia

Centro de sueño-vigilia-epilepsia, Departamento de Neurología, Inselspital Bern, Hospital Universitario, Universidad de Berna, Berna, Suiza

Centro de Neurología Experimental, Departamento de Neurología, Inselspital Bern, Hospital Universitario, Universidad de Berna, Berna, Suiza

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

Contribuciones

P.J.K., V.R.R., N.M.G., C.B. y M.O.B. investigó datos para el artículo, hizo una contribución sustancial a la discusión del contenido, escribió el artículo y revisó y editó el manuscrito antes de su envío. G.A.W. y M.J.C. investigó datos para el artículo, hizo una contribución sustancial a la discusión del contenido y revisó y editó el manuscrito antes de su envío.

Autores correspondientes


Resultados

Determinación y localización de la EBG

Primero evaluamos las posiciones óptimas de los electrodos mediante la realización de una simulación de campo de derivación en la que se colocaron dipolos bilaterales en el OB de un modelo de cabeza anatómica (Fig. & # X000a0 1b). La posición óptima del electrodo para la adquisición de la señal se determinó a cada lado del puente nasal, justo por encima de las cejas. En el Estudio 1, por lo tanto, colocamos cuatro electrodos EEG microamplificados (ActiveTwo, BioSemi, Amsterdam, Países Bajos), dos a cada lado del puente nasal (Fig. & # X000a0 1c) para capturar la extensión del dipolo y reducir la influencia potencial de artefactos de electrodos individuales. Los análisis (Fig. & # X000a0 1a, d & # x02013f & # x02014; consulte la sección & # x0201cMethods & # x0201d para obtener más detalles) se basaron en respuestas promediadas a las presentaciones de 1 & # x02009s de olor o aire limpio, presentadas por un olfatómetro controlado por computadora 26. La densidad espectral de la señal se fijó en el tiempo hasta el inicio del estímulo, se evaluó y ajustó mediante un detector de fotoionización 27 y se promedió entre los cuatro electrodos y ensayos para optimizar la relación señal / ruido.

a Diagrama de flujo de los procedimientos. B Una simulación de campo de plomo de la actividad del bulbo olfatorio proyectada en el cuero cabelludo utilizando un dipolo ubicado simétricamente en cada bulbo olfatorio (izquierda / derecha). C Colocación de electrodos para el electrobulbograma (EBG) en la frente y grabaciones ejemplares. D Descomposición de tiempo-frecuencia de conicidad múltiple utilizando dos conicidades de Slepian. mi Densidad espectral cruzada entre electrodos de cuero cabelludo y canales de EBG. F Cuatro esferas concéntricas utilizadas para construir el modelo de la cabeza. gramo El modelo de fuente indeterminada de cada vóxel del cerebro con probabilidad de materia gris superior al 40%, junto con la posición del sensor digitalizado de cada individuo y modelo de cabeza, se introdujeron en imágenes dinámicas de fuente coherente para localizar las fuentes corticales.

Los estímulos se activaron poco después del nadir del ciclo de olfateo para optimizar la percepción del estímulo del olor y eliminar los efectos dependientes del ciclo de olfateo. Por lo tanto, primero determinamos si la tarea motora de olfatear producía alguna señal dentro del tiempo designado y la banda de frecuencia a nivel del sensor. Con este fin, evaluamos las respuestas relacionadas con el inicio del olfateo en el mapa de tiempo-frecuencia (TFR) dentro de la condición de solo aire limpio (Aire). La actividad relacionada con el olfateo se indicó en el rango de frecuencia más bajo (

38 & # x0201345 & # x02009Hz) justo antes y alrededor del inicio del olor (Fig. & # X000a0 2a) sin embargo, esta actividad relacionada con la inhalación no difirió de la línea de base en la ventana de tiempo-frecuencia de interés obtenida por última vez en Olor versus Air contraste donde la activación relacionada con el inicio del olfateo se cancela (Fig. & # x000a0 2b Prueba de permutación de Monte Carlo con 1000 permutaciones). Luego, determinamos la TFR para las pruebas de olores dentro del tiempo y la banda de frecuencia designados. Para excluir la contaminación por inhalación y otros artefactos relacionados con el motor que no eran observables, comparamos el olor con la condición del aire. Se observó una sincronización relacionada con eventos de olor (OERS) en la banda gamma (

100 & # x02013150 & # x02009ms después del estímulo (Fig. & # X000a0 2d). Las pruebas de permutación posteriores (1000 permutaciones) revelaron diferencias significativas entre las condiciones de olor y aire. Para determinar directamente la dirección del efecto, comparamos la potencia promedio dentro del tiempo / frecuencia de interés para cada condición con su línea de base. La energía durante la condición de olor (Fig. & # X000a0 2f) fue significativamente mayor que durante la condición de aire (Fig. & # X000a0 2c), t(28) & # x02009 = & # x020093.62, pag& # x02009 & # x0003c & # x020090.01, CI [0.23, 0.91] según lo determinado por un estudiante & # x02019s t-prueba, que proporciona más pruebas de que el efecto está mediado por la presencia de un olor y no por la desincronización durante la presentación del aire (Fig. suplementaria & # x000a0 1). Sin embargo, como lo demuestra la Fig. & # X000a0 2f, no se detectó claramente una respuesta de EBG en la ventana de tiempo de interés en todos los individuos y es nuestra experiencia que la ubicación exacta (tiempo / frecuencia) diferirá ligeramente entre los individuos.

a Descomposición de tiempo-frecuencia del sensor de la diferencia de potencia para el aire frente a la condición de línea de base para los electrodos de EBG. B Estadísticas T derivadas de 1000 permutaciones Monte Carlo que demuestran que no hay cambios en la potencia para la inhalación de la condición de solo aire para los electrodos de EBG. C Cambio de potencia promedio para aire en 100 & # x02013125 & # x02009ms con error estándar de la media (s.e.m). Los círculos muestran valores individuales. D Descomposición de tiempo-frecuencia del sensor para condiciones de olor frente al aire. mi Estadísticas T derivadas de 1000 permutaciones Monte Carlo que contrastan el olor con las condiciones del aire (pag& # x02009 & # x0003c & # x02009.01). El color naranja marca un cambio significativo en la potencia de Odor contra el aire y la línea horizontal negra en la barra de color marca el umbral de visualización. t-valores. F Cambio de potencia promedio para condiciones de olor en 100 & # x02013125 & # x02009ms con s.e.m. Los círculos muestran valores individuales. gramo Las fuentes reconstruidas del olfato evocaron la sincronización que indicaba el bulbo olfatorio como fuente. Las barras de color denotan un cambio relativo en la potencia y X, y, z las coordenadas en las figuras indican las coordenadas del corte en el espacio de Talairach de acuerdo con el sistema de referencia estereotáctil MNI.

Las respuestas sensoriales visuales y auditivas tempranas a menudo se caracterizan por una respuesta de bloqueo de fase al inicio del estímulo 28. Para evaluar si podíamos detectar el bloqueo de fase del estímulo al inicio del olor en la respuesta de la banda gamma obtenida en nuestras grabaciones de cuero cabelludo de EBG, evaluamos un posible efecto de bloqueo de fase entre ensayos en la banda gamma y dentro del mismo contraste entre Olor y Aire. Hubo un cambio en la respuesta de bloqueo de fase al inicio de los estímulos de olor alrededor del mismo punto de tiempo que en nuestras ventanas temporales de interés utilizadas en nuestros análisis (

100 & # x02009ms), lo que aporta un apoyo adicional a la noción de que la señal EBG es una respuesta evocada por olores.

Debido a la proximidad a los ojos y los músculos faciales, la medición de la EBG es sensible a los artefactos. En el Estudio 1, se eliminó un promedio del 52% de todos los ensayos de los análisis debido a artefactos. Por lo tanto, para determinar la cantidad de datos necesarios para detectar una señal confiable de la EBG con el mismo poder estadístico que se demostró en el Estudio 1, los individuos se agregaron gradualmente a los análisis de poder. Solo se requirieron siete individuos libres de artefactos para alcanzar el poder estadístico completo (Fig. Suplementaria & # x000a0 2). A partir de esto, llegamos a la conclusión de que con la tasa de rechazo de prueba promedio, una sesión experimental simple con una condición necesitaría un mínimo de 15 pruebas para detectar una señal de EBG robusta.

Los análisis de potencia detallados anteriores demostraron que los estímulos de olor producen una señal de EBG significativa en el dominio de tiempo y frecuencia pronosticado en el nivel del sensor, y que esto no era una función de posibles confusiones motoras y relacionadas con la atención producidas por la inhalación. A continuación, preguntamos si el OB es la fuente específica de esta señal. Hicimos esto aplicando una descomposición de tiempo-frecuencia de conicidad múltiple (Fig. & # X000a0 1d) en la señal de todos los electrodos de EBG y del cuero cabelludo en el área de tiempo / frecuencia de interés y localizamos la señal a nivel de prueba única. Es importante destacar que los datos de EEG individuales se registraron conjuntamente en una cabeza de tejido múltiple (Fig. & # X000a0 1f) y un modelo de fuente (Fig. & # X000a0 1g) utilizando un sistema de neuronavegación (Brainsight, Rogue Research, Montreal, Canadá) para mejorar la precisión espacial. La fuente reconstruida del OERS reveló una potencia elevada en el OB, con un aumento del 8% en la potencia del olor en comparación con el aire acondicionado (Fig. & # X000a0 2g). No se detectaron otras fuentes importantes en el dominio de tiempo y frecuencia de interés, lo que sugiere que el OB es, de hecho, la fuente subyacente de la señal de EBG. Para asegurarnos de que el modelo de fuente utilizado es el más adecuado para detectar una fuente de señal en el OB, también evaluamos la fuente utilizando eLORETA 29. Además, este modelo competidor localizó la fuente en el OB, aunque con una fuente más dispersa (Fig. Suplementaria & # x000a0 3) ​​probablemente debido al mejor desempeño demostrado de nuestro modelo de fuente inicial y principal para evaluaciones de fuentes únicas 30.

El modelo de fuente indeterminada indicó el OB como la fuente subyacente de la EBG, pero esto no compara directamente las soluciones de la competencia. Para comparar directamente diferentes fuentes de señales potenciales hipotéticas, usamos un modelo de fuente restringido (colocación guiada de dipolos, Fig. Suplementaria & # x000a0 4a) para comparar el OB, la corteza piriforme anterior, la corteza orbitofrontal medial y, como no olfativo control, la corteza auditiva primaria. La solución OB explicó más del doble de la cantidad de varianza total de los parámetros espaciales de la fuente de señal que las soluciones dipolo en la corteza piriforme, orbitofrontal y auditiva (Fig. Suplementaria & # x000a0 4b).

Fiabilidad y precisión de la EBG

Habiendo establecido la medida de EBG, determinamos su confiabilidad y precisión comparando la EBG en los mismos individuos en sesiones de prueba repetidas que abarcan varios días. En el Estudio 2, los participantes completaron tres sesiones de prueba idénticas que fueron al menos un día y un mes como máximo. El EBG se adquirió utilizando el método descrito anteriormente y el análisis se centró en la misma ventana de tiempo y frecuencia de interés. Primero, para determinar la confiabilidad de la prueba & # x02013retest, evaluamos tanto la correlación intraclase [ICC (2, k)], una medida de concordancia 31, como las similitudes por pares (es decir, el coeficiente de correlación) entre la potencia de la banda gamma de ambas sesiones. El ICC (2, k) mostró concordancia entre las mediciones (rI& # x02009 = & # x020090.47) y posteriores F-La prueba mostró que la concordancia era estadísticamente significativa, F(2, 26,65) & # x02009 = & # x020093,99 pag& # x02009 & # x0003c & # x02009.03, lo que indica un bajo diferencial entre los individuos & # x02019 valores de EBG y, por tanto, un alto nivel de acuerdo 31. Las correlaciones de prueba y # x02013retest oscilaron entre r& # x02009 = & # x020090.76 a r& # x02009 = & # x020090.81 (Fig. & # x000a0 3a), lo que indica una alta fiabilidad de la prueba & # x02013retest.

a Matriz de correlación por pares en las tres sesiones. Los valores indican coeficientes de correlación de Pearson bivariados y los puntos negros dentro de los gráficos de dispersión muestran valores individuales para cada comparación. Los colores indican la dispersión media con colores que indican una distribución subyacente suavizada basada en el arranque de los datos de la prueba. B Tamaño del efecto e intervalo de confianza del 95% para la detección de EBG dentro de cada sesión de prueba (ICSesión 1& # x02009 = & # x02009 [0.16, 0.68], CIsession2& # x02009 = & # x02009 [0.27, 0.80] y CIsesión3& # x02009 = & # x02009 [0,10, 0,62]). El efecto general mostró un tamaño de efecto medio (Cohen & # x02019s D& # x02009 = & # x020090.44) y la metarregresión mostraron una dispersión insignificante entre las tres sesiones.

Aunque la correlación test & # x02013retest es una medida de confiabilidad ampliamente utilizada, la magnitud de una correlación depende, hasta cierto punto, de la cantidad de verdadera variabilidad entre los participantes que a su vez depende de la homogeneidad dentro del participante. Por lo tanto, para evaluar la precisión de la medición de la EBG, también evaluamos el tamaño del efecto medio y el error estándar de la media (p.ej.), una estimación de la desviación estándar de la EBG de un solo ensayo en un número infinito de sesiones. El tamaño medio del efecto en las tres sesiones demostró un efecto medio (Cohen & # x02019s D& # x02009 = & # x020090.44, Fig. & # x000a0 3b) y el valor de s.e.m en las tres sesiones (& # x000b10.067), en comparación con una potencia media de 0,75, indican que la medida de EBG tiene una buena precisión. Finalmente, evaluamos la tasa de dispersión utilizando una estimación de metarregresión dentro del experimento (Q). La tasa de dispersión indica si la distribución está comprimida o estirada en comparación con una distribución ideal. Al evaluar la tasa de dispersión de las tres sesiones, determinada por la ayuda de la metarregresión, encontramos una Q valor de 0.04 que es menor que los grados de libertad experimentales (2) e indica que la medida de EBG tiene una tasa de dispersión baja (Fig. & # x000a0 3b). Tomados en conjunto, estos datos sugieren que la medida de EBG es confiable y precisa.

Validando la EBG

Los análisis de la fuente de señal (Fig. & # X000a0 2g) apoyan la conclusión de que la señal EBG se origina en el OB. Sin embargo, la solución de fuente de señal es simplemente la más probable dados los datos adquiridos, y no una validación del método en sí. Debido a que no existe una medida establecida de la señal del OB humano salvo el registro directo e invasivo del OB & # x02014, una medida que es excepcionalmente difícil de obtener debido al dilema ético de colocar electrodos intracraneales que no son estrictamente necesarios desde una perspectiva clínica & # x02014 validación de la medida debe ser indirecta. Por lo tanto, evaluamos si la señal de EBG mostraba una firma distintiva demostrada en los datos OB obtenidos en varios modelos animales no humanos, es decir, insensibilidad a la habituación. Es importante destacar que se sabe que la corteza piriforme demuestra una rápida habituación a la exposición repetida o prolongada al olor, lo que da como resultado una señal neural claramente disminuida 25, 32. Esta habituación se puede observar claramente en los ERP del cuero cabelludo, donde un breve intervalo entre pruebas entre los estímulos de olor reduce en gran medida la señal. Por el contrario, la señal generada por el OB muestra una sensibilidad reducida a la habituación: incluso después de la exposición repetida, el OB en ratas muestra solo una reducción mínima en la actividad evocada por el olor 25, 33. Por lo tanto, la falta de una modulación significativa después de una presentación de olor rápida y repetida sugeriría el OB como un origen primario, mientras que una disminución marcada del EBG indicaría que la señal tiene una fuente cortical importante.

En el Estudio 3, determinamos el efecto de la habituación a los olores en la respuesta de la EBG a partir de la repetición rápida de exposiciones a olores de larga duración, un paradigma que se sabe que introduce una habituación a los olores rápida y sostenida 34. Medimos las respuestas de los electrodos de EBG y de los electrodos de EEG del cuero cabelludo. Después de cada ensayo, los participantes calificaron la intensidad percibida del olor en una escala analógica visual computarizada de 10 pasos. Primero evaluamos si nuestro paradigma experimental producía una habituación perceptiva al olor.Como era de esperar, los participantes experimentaron una rápida disminución en la intensidad percibida del olor en exposiciones repetidas (Fig. Suplementaria & # x000a0 5). Luego evaluamos si la señal de EBG demostró una disminución similar o si la señal está desacoplada de la intensidad percibida del olor. Como predice la hipótesis de que la señal de EBG se origina en el OB, un modelo de efectos mixtos (con ensayos como efecto fijo y sujetos como intersecciones aleatorias) no mostró una pendiente significativa en la potencia de OERS en función del ensayo (Fig. & # X000a0 4a) . Además, para reducir la variabilidad y aumentar la posibilidad de detectar un cambio potencial, dividimos la sesión en dos mitades (es decir, la primera mitad y la segunda mitad de la sesión), y probamos estadísticamente la diferencia potencial significativa entre las pruebas tempranas y tardías en el poder por 1000 permutaciones. Aunque se observó una pequeña disminución nominal en la potencia en el área de interés, no hubo ningún cambio estadístico en la potencia entre los ensayos tempranos y tardíos (Fig. & # X000a0 4b). A continuación, evaluamos los efectos de la habitación para la señal ERP del cuero cabelludo cuando se planteó la hipótesis de que el efecto sería grande. Un correlato ERP del cuero cabelludo establecido de la intensidad del olor percibida es la diferencia (delta) en las amplitudes entre los componentes ERP N1 y P2 / 3 sobre la corteza parietal 35. La diferencia de potencia N1-P2 / 3 sobre las áreas parietales (electrodo de cuero cabelludo Pz) demostró una pendiente de habituación característica con grandes respuestas iniciales que posteriormente progresaron durante los ensayos hacia cero (Fig. Suplementaria & # x000a0 6). Específicamente, la tendencia lineal (modelo lineal mixto) del efecto demostró una pendiente significativa entre los ensayos, según lo evaluado por un t-prueba, t(971) & # x02009 = & # x02009 & # x022123.15, pag& # x02009 & # x0003c & # x020090.002, CI [& # x022120.010, & # x022120.002] (Fig. & # x000a0 4c). Juntos, los resultados muestran que la señal de EBG posee el sello distintivo de la insensibilidad hacia la habituación al olor.

a El modelo lineal mixto demuestra que un paradigma de habitación de olor no produce un cambio significativo en el poder de la sincronización evocada olfativamente en los ensayos probados por una muestra t-prueba, pendiente & # x02009 = & # x020090.008, t(437) & # x02009 = & # x020091.58 pag& # x02009 & # x0003e & # x020090.11 CI & # x02009 = & # x02009 [& # x022120.002, 0.02]). Los círculos azules en la figura representan la media de cada prueba para la primera mitad y los cubos de color óxido la segunda mitad del número total de pruebas. La barra de error muestra un intervalo de confianza del 95%. Los círculos y cubos sin relleno representan valores individuales y la línea discontinua indica la pendiente en función de los ensayos. B Estadísticas T con 1000 permutaciones de Monte Carlo que no demuestran ningún cambio significativo en la potencia (pag& # x02009 & # x0003e & # x02009.05). Los valores positivos indican una señal más grande para las primeras pruebas. La barra de error muestra un intervalo de confianza del 95% y los círculos indican valores individuales. C Los potenciales de Pz se filtraron con paso de banda y los mínimos y máximos locales dentro de los intervalos de tiempo de interés se detectaron como el pico de N1 y P2 / 3, respectivamente. La curva negra muestra las respuestas pico a pico N1-P2 / 3 promedio en los potenciales relacionados con eventos olfativos (ERP) sobre el electrodo Pz como una función de los ensayos y el área azul sombreada muestra un intervalo de confianza del 95%. La curva media se suaviza para fines de presentación. La línea azul representa la pendiente revelada por el modelo lineal e indica una disminución en la diferencia de amplitud entre los componentes ERP N1-P2 / P3 en el electrodo Pz a través de las pruebas.

Validación de la respuesta de EBG con un modelo de tipo de lesión humana

Finalmente, evaluamos si factores desconocidos no relacionados con el olfato podrían mediar la respuesta de EGB observada en el Estudio 1 & # x020133. Aunque es poco probable dada la consistencia de la señal de EBG en las condiciones experimentales, existe la posibilidad de que la señal de EBG esté mediada por algún efecto espurio que nuestros diseños experimentales no pueden explicar, como un desequilibrio sistemático en la carga de atención, tareas-demandas, olfateo. actividad motora relacionada, micro sacádicas, etc. Por lo tanto, en el Estudio 4, descartamos estos factores aplicando la técnica a un modelo similar a una lesión humana probando si una señal de EBG emergería cuando no hay bulbo para producirla. Hicimos esto probando a un individuo con anosmia congénita idiopática aislada (ICA), es decir, nacido sin el sentido del olfato. Críticamente, este individuo no tenía OB bilaterales, pero por lo demás estaba sano. Un examen de imágenes de resonancia magnética utilizando una secuencia de imágenes sensibles al OB indicó una ausencia completa del OB en ambos hemisferios (Fig. & # X000a0 5a).

a Vista coronal de la imagen ponderada en T2 del cerebro de un individuo con ICA, sin OB bilateral (marcado en rojo). En la esquina izquierda hay un ejemplo de OB de un individuo sano usando un examen de RM idéntico con el contorno verde en el círculo verde que delinea el OB. B Prueba de permutación de Monte Carlo con 1000 permutaciones que demuestran que no hay cambios en la señal OERS entre Odor y Aire. C La distribución de la potencia de EBG para la cohorte normósmica del Estudio 1 representada por el área verde, la profundidad del surco observada (OS) y la potencia de OB (OERS) del individuo con anosmia congénita aislada está representada por un círculo y un cuadrado rojos abiertos, respectivamente.

Aunque no existe una prueba definitiva que pueda distinguir entre anosmia adquirida, degeneración del bulbo a una edad muy temprana e ICA debido a la ausencia congénita de OB, estudios recientes han informado que una profundidad del surco olfatorio de menos de 8 & # x02009 mm es mucho más prevalente en ICA pacientes en comparación con controles sanos 36. El sujeto ICA evaluado en el Estudio 4 tenía una profundidad olfativa media de 1,12 & # x02009 mm, un valor de más de 3SD de una población de control comparable a la edad (Fig. & # X000a0 5c) y, como se esperaba de un individuo con anosmia, se realizó a nivel de probabilidad en una prueba de identificación olfativa estandarizada.

Utilizando un protocolo experimental idéntico al del Estudio 1, demostramos que el sujeto ICA no mostró una respuesta de EBG después de la estimulación del olor. Específicamente, dentro de la ventana de tiempo y frecuencia de interés, no se observó ninguna señal de EBG significativa para los olores en comparación con las condiciones del aire, Fig. & # X000a0 5b. Evaluar visualmente el resultado de TRF de un solo participante es intrínsecamente difícil debido a su estructura ruidosa. Por lo tanto, comparamos la fuerza de la señal en la ventana de tiempo de interés con la de todos los participantes en el Estudio 1. Como se predijo, la señal de EBG promedio fue 2.5 & # x02009SD por debajo de la media de todos los participantes en el Estudio 1 (Fig. & # x000a0 5c). Esta es una prueba más de que la EBG es sensible a la capacidad de respuesta del OB.


Discusión

Aunque la OB es la primera y, posiblemente, una etapa de procesamiento crítica de la red neuronal olfativa, esta es la primera medida no invasiva de procesamiento de OB propuesta en humanos. La gran mayoría de los registros electrofisiológicos relacionados con el olfato que apuntan a la percepción del olor en animales no humanos se centran en el OB y ​​estas exploraciones han determinado que el OB es un centro importante para los mecanismos neuronales fundamentales en un amplio conjunto de temas, que incluyen, entre otros, , memoria, aprendizaje, comportamiento social y función motora 37. Se desconoce si el OB desempeña el mismo papel importante en los seres humanos. Delimitar la corteza de la actividad OB utilizando medidas electrofisiológicas es intrínsecamente difícil. Sin embargo, utilizando múltiples enfoques, demostramos que el procesamiento neuronal dentro del OB humano puede medirse de manera no invasiva y robusta con electrodos colocados en la base de la nariz para obtener un EBG. Mostramos que la medida se puede obtener con solo cuatro EBG y dos electrodos de referencia. Creemos que esta medida está bien aislada de OB debido a su aparición temprana después del inicio del estímulo. También encontramos que tanto en modelos directos como inversos, el OB es una solución más fuerte como fuente subyacente de la señal de medidas que las fuentes potenciales en la corteza piriforme o la corteza orbitofrontal (OFC). La medida de EBG requiere equipos relativamente baratos y listos para usar y, como tal, se puede implementar fácilmente incluso con recursos financieros o computacionales limitados. Este método permite una comparación directa de estudios futuros con humanos y datos de animales no humanos ya existentes. Además, el OB es el área neural de inicio de la enfermedad de Parkinson 9 y claras alteraciones olfativas del comportamiento preceden a los síntomas motores característicos que definen la enfermedad por varios años 10. Debido a que es necesario destruir una gran parte del OB antes de que se detecte una reducción conductual significativa en el rendimiento olfativo 38, el registro de la señal de EBG podría servir potencialmente como un marcador muy temprano de la EP.

El EBG aparece en la banda gamma. Es muy probable que otras señales indicativas del procesamiento OB también aparezcan en las bandas alfa, beta y theta en un momento posterior 3. Sin embargo, aquí nos enfocamos en la banda gamma debido a nuestro objetivo de producir una medida que se localiza en el OB y ​​representa principalmente el procesamiento de la señal entrante con un enfoque menor en la información centrífuga. El procesamiento de la banda gamma dentro del OB parece estar estrechamente relacionado con el procesamiento intrabulbo inicial con una influencia centrífuga limitada o nula 18,19. De hecho, cuando se corta la entrada centrífuga al OB, solo se pueden detectar oscilaciones gamma dentro del OB en respuesta a los olores 20,39, mientras que es más probable que las oscilaciones beta sean moduladas por el contexto de las asociaciones de olores 40. De manera similar, las oscilaciones gamma en la corteza piriforme anterior, el área inmediatamente aguas arriba del OB, se reducen cuando la oscilación gamma se reduce en el OB 41. Sin embargo, las oscilaciones beta en la corteza piriforme anterior no se ven afectadas por la manipulación de gamma en el OB, lo que proporciona un respaldo adicional de que la actividad gamma dentro del OB refleja el procesamiento intrabulbar y potencialmente la salida del OB, el objetivo de la medida de EBG. Dicho esto, una gran cantidad de estudios en animales no humanos han demostrado que las oscilaciones beta en el OB son muy importantes para la percepción final del olor. Por lo tanto, los estudios futuros deberían utilizar la medida EGB para evaluar el papel de las oscilaciones beta y alfa en el OB humano. Además, la breve activación en una frecuencia gamma más baja en el inicio de los estímulos en la condición del aire es una indicación potencial de que la respiración por sí sola puede arrastrar la actividad OB de la banda gamma, una pregunta intrigante que debería ser el objetivo de estudios futuros que aborden específicamente la activación OB inducida por inhalación.

Nuestra medida depende de varios aspectos metodológicos clave que se requieren para mejorar la relación señal-ruido de EBG. Primero, los participantes siempre fueron evaluados cuando estaban en un estado de privación de nutrición. Esto se debe a que en los animales no humanos, el OB es decididamente más sensible a los olores cuando el individuo tiene hambre en comparación con un estado de saciedad 42,43. Estudios anteriores han demostrado que más células mitrales / en penacho (M / T) responden al olor cuando el animal no ha sido alimentado, mientras que una parte significativa de las células M / T se inhiben durante la saciedad. El hecho de que no pudiéramos obtener una señal de EBG clara en un subconjunto de participantes podría explicarse potencialmente por el cumplimiento deficiente de los participantes con el requisito de ayuno. Los estudios futuros deben evaluar este posible factor de confusión de manera sistemática dentro de un entorno de alimentación controlada. En segundo lugar, en todos los estudios, excepto en el Estudio 3, los olores se presentaron sincronizados con el inicio de la fase de inhalación del ciclo respiratorio y sin una señal de inicio detectable. Aproximadamente el 50% de todas las células M / T en el OB están bloqueadas para la respiración 18,44 y las oscilaciones en el sistema olfativo, y más allá de 45, parecen estar específicamente en sintonía con el ciclo respiratorio. Sin embargo, tenga en cuenta que las oscilaciones bloqueadas por la respiración normalmente ocurren en la banda theta y no deben expresarse de manera prominente en la banda gamma 44. En tercer lugar, los olores no deben tener una percepción clara del trigémino. Dada la respuesta motora automática de fruncir el ceño facial provocada por el nervio trigémino, una parte del sistema del dolor, el uso de olores del trigémino podría potencialmente enmascarar la respuesta de la EBG 46. Finalmente, la medida depende de un olfatómetro 26 temporalmente confiable con inicio de estímulos precisos dada la dependencia de promediar entre senderos. Los inicios nerviosos reducirían significativamente la sensibilidad de la medida de EBG.

Una medida solo es útil si puede producir valores confiables y consistentes que sean relativamente estables en sesiones similares. La medida de EBG produjo test-retest r-valores entre 0,76 y 0,81 resultados que están en el mismo rango que las medidas de EEG olfativas y no olfativas basadas en eventos establecidos. Prueba-reprueba de los ERP del cuero cabelludo derivados del olfato normalmente producen valores entre un mínimo de 0,05 47 y un máximo de 0,81 48, dependiendo de la manipulación. De manera similar, los coeficientes de prueba-reprueba para los ERP auditivos y visuales se encuentran comúnmente en el rango de 0,48 a 0,80 49. Sin embargo, dado el escaso número de ensayos necesarios, el desarrollo futuro de la medida debe considerar este potencial al incluir la sincronización entre una detección automática de artefactos en línea y la activación del olfatómetro donde los ensayos solo se inician cuando no se detecta actividad muscular.

Solo una publicación ha presentado datos procedentes de grabaciones superficiales del OB humano. Hughes y sus colegas 12 registraron respuestas OB a estímulos de olor e informaron, al igual que nosotros, respuestas predominantemente de banda gamma a una variedad de olores. Se podría argumentar que una debilidad de nuestro enfoque fue basar nuestro desarrollo de EBG en información extraída principalmente de estudios en modelos animales no humanos. Específicamente, uno debe tener en cuenta que las suposiciones básicas que subyacen al Estudio 3, que demuestran una falta de habituación en el OB, se basan en grabaciones realizadas en animales anestesiados donde estudios posteriores han demostrado que la actividad neuronal inducida por el olor en animales en estado de vigilia no lo hace. Generalizar siempre bien hasta un estado anestesiado 50. De manera similar, separar un OB de una fuente de señal en el OFC basado en grabaciones del cuero cabelludo adquiridas en humanos es una tarea no trivial debido a la proximidad entre las dos ubicaciones. Argumentamos que la respuesta de EBG se origina en el OB y ​​no en el OFC sobre la base de tres argumentos. Primero, la señal ocurre demasiado pronto para originarse en el OFC (ver Nota complementaria 1) segundo, el OB como fuente explicó más de la varianza total de la señal registrada que otras soluciones de fuente probables tercero, no se detectó una habituación clara, un característica definitoria de las señales neuronales en la corteza perceptiva humana. No obstante, la única validación de señal directa serían las grabaciones simultáneas de los electrodos de EBG y los electrodos colocados directamente en el OB durante la presentación del olor. Sin embargo, el acceso al registro directo del OB humano está restringido porque las medidas del procesamiento OB en humanos solo son posibles a partir de registros realizados con electrodos intracraneales implantados quirúrgicamente en pacientes que se someten a cirugía de resección elegida para epilepsia intratable donde la necesidad clínica de colocación directa. Esperamos que la medida EBG produzca una literatura más rica sobre el papel que desempeña el OB humano en la creación de una percepción del olor y para delinear similitudes y diferencias en el procesamiento de olores en modelos animales humanos y no humanos.

En conclusión, la medida de EBG es una medida válida y confiable de señales del OB humano. Todos los componentes necesarios están comúnmente disponibles en la mayoría de las instituciones de neurociencia y establecimientos clínicos, con la única excepción de la disponibilidad de un olfatómetro de precisión temporal. Esperamos que las medidas de EBG permitan investigaciones detalladas sobre el papel del OB en el sistema olfativo humano. Específicamente, la medida permite la exploración de cuestiones mecanicistas fundamentales, como qué papel juega el OB humano en el procesamiento de la agradabilidad del olor, la codificación de calidad y el aprendizaje del miedo al olor. Además, este método permitirá una mayor investigación de una amplia variedad de trastornos clínicos que se sabe que afectan el procesamiento olfativo, como neurodegenerativos, trastornos alimentarios y esquizofrenia.


El material complementario de este artículo se puede encontrar en línea en: https://www.frontiersin.org/article/10.3389/fnhum.2015.00708

FIGURA S1 & # x007C Transformada rápida de Fourier (FFT) de los canales de EEG y aceleración descendente que muestra los espectros de frecuencia para cada sujeto a cada velocidad.

FIGURA S2 & # x007C (A) Las perturbaciones espectrales relacionadas con eventos (ERSP) de los canales de EEG y la aceleración de magnitud promediaron todos los ciclos de la marcha para cada sujeto a cada velocidad. (B) Gráficos ERSP de canales EEG y aceleración después de procesar EEG con Artifact Subpace Reduction.

FIGURA S3 & # x007C Coherencia de ondas de los canales de EEG con el eje x de aceleración para una muestra de 10 s de datos de caminata para cada sujeto a cada velocidad, (A) antes y (B) después del procesamiento con Artifact Subpace Reduction. La frecuencia se escala logarítmicamente en el y-eje y está limitado al rango de banda delta de EEG (hasta 4 Hz). Las líneas negras verticales indican el inicio de los golpes del talón derecho (RHS). Las líneas negras horizontales indican la frecuencia de los pasos. Las flechas indican la relación de fase relativa (en fase apuntando a la derecha, antifase apuntando a la izquierda y la aceleración principal del EEG en 90 & # x00B0 apuntando directamente hacia abajo), y solo se muestran para las regiones con coherencia superior a 0,5. Las líneas de contorno negras gruesas indican que las regiones son significativas frente al ruido browniano al nivel del 5%.

FIGURA S4 & # x007C Coherencia de ondas del EEG de banda delta con X-Eje de aceleración promediado en todos los ciclos de marcha para cada sujeto a cada velocidad (A) antes y (B) después del procesamiento con Artifact Subpace Reduction. Las líneas negras verticales indican la fase del ciclo de la marcha. Las líneas negras horizontales indican la frecuencia de los pasos. Las flechas indican la relación de fase relativa (en fase apuntando a la derecha, antifase apuntando a la izquierda y la aceleración principal del EEG en 90 & # x00B0 apuntando directamente hacia abajo), y solo se muestran para las regiones con coherencia superior a 0,5.


Notas:

¹ Las vainas de mielina ricas en lípidos que rodean las fibras nerviosas del cerebro tienden a limitar la difusión del agua a lo largo de las fibras. Por tanto, las regiones localizadas de difusión muy direccional proporcionan una indicación de la presencia de fibras nerviosas.

² Esta inflamación neuronal se debe a un gradiente osmótico que se genera en respuesta a la actividad eléctrica de una neurona. Para cambiar su potencial de membrana (también conocido como voltaje), las neuronas cambian transitoriamente la concentración de iones positivos dentro de la célula. A medida que aumentan las neuronas, los iones de sodio se cargan hacia adentro y, al hacerlo, hacen que el interior de la neurona sea más "salado". Esta acción crea un gradiente osmótico momentáneo, lo que obliga a que el agua fluya hacia la célula para compensar dicha "salinidad".

³ El agua se concentra momentáneamente dentro de los compartimentos intracelulares en lugar de difundirse libremente alrededor del espacio extracelular. Esto crea una especie de "contraste de difusión".



Comentarios:

  1. Tashura

    Notable

  2. Talon

    Hay algo en esto. Ahora todo está claro, muchas gracias por la explicación.

  3. Heretoga

    No tiene ningún sentido.

  4. Zuluzil

    Pido disculpas, me gustaría proponer otra solución.

  5. Mujora

    Puedo darte una consulta para esta pregunta.



Escribe un mensaje