在书面数学任务期间,EEG的α和theta时间频率结构.

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 信号处理 信号处理

背景情况:

• 脑电图 (EEG) 提供了对大脑认知动态的洞察力,但其在现实世界的应用正在不断发展.
• 数学问题解决是一个复杂的认知过程并未完全理解,EEG研究往往局限于临床或受控环境.
• 移动EEG设备和先进的信号分析技术,如匹配追踪 (MP),使得在非临床环境中可以进行复杂的脑活动研究.

研究的目的:

• 在现实环境中使用移动EEG在数学 (数学) 问题解决过程中调查脑电图 (EEG) 激活模式.
• 应用基于匹配追踪 (MP) 的信号分析技术来研究长时间内诱导的EEG活动.
• 在健康的志愿者中使用低密度的随机MP字典分析数学任务期间的和α频段活动.

主要方法:

• 60名健康的志愿者在穿着移动EEG设备 (EPOC+) 时,在坐着的位置,眼睛开时,完成了一项书面数学任务.
• 在1分钟窗口内对EEG数据使用匹配追踪 (MP) 信号分析技术.
• 分析的重点是使用低密度随机MP字典的theta [4 Hz-7.5 Hz]和alpha [7.5 Hz-13 Hz]频段.

主要成果:

• MP分析将EEG活动分解为MP原子,平均持续时间约为3秒,与与事件相关的脱同步/同步 (ERS/ERD) 研究相比.
• 在数学任务中,与Rest相比,右侧和后侧观察到明显较低的MPα原子/分钟.
• 在前电极上,特别是左侧,在数学任务中,MP θ原子/分钟显著高于Rest.与Rest.相比.

结论:

• 这项研究成功地复制了先前在数学任务中对EEGα和theta激活的发现,使用了与移动EEG和MP分析的简化协议.
• MP分析在分析现实世界,杂的EEG数据方面表现出效率,为研究数学认知表现出前途.
• 研究结果支持使用移动EEG和MP技术来研究认知过程,例如在自然环境中解决数学问题.