评估一种新型高密度EEG传感器网结构,以改善卷发或紧卷发的婴儿的包容性

科学领域:

• 发展性认知神经科学 发展性认知神经科学
• 神经科学研究方法论神经科学研究方法论
• 婴儿神经影像学 婴儿神经影像学

背景情况:

• 电脑电图 (EEG) 对于在发育认知神经科学中索引神经活动至关重要.
• 现有的EEG网络存在种族偏见,特别是关于头发质感的偏见,限制了公平的数据收集.
• 目前改善EEG网设计的解决方案往往耗时,降低传感器密度,或者对婴儿来说很困难.

研究的目的:

• 评估用于婴儿数据收集的新型EEG传感器网设计.
• 在婴儿中比较两种基于高密度盐水的EEG传感器网设计之间的数据质量和保留.
• 为了解决不同发型的婴儿EEG研究的局限性.

主要方法:

• 在相同的婴儿参与者中,比较了两种基于高密度盐水的EEG传感器网设计 (Magstim EGI).
• 使用基线EEG范式来评估数据收集.
• 分析了EEG数据质量,阻抗和预处理期间的保留.

主要成果:

• 高高的传感器网在婴儿脑电图数据收集过程中显示出较低的阻抗.
• 对于头发高度较高的婴儿,在线参考电极中观察到较低的阻抗.
• 高高的传感器网络导致了更多可用的EEG通道,并保留了数据段.

结论:

• 修改后的高高的传感器网设计提高了EEG数据的质量和婴儿参与者的记忆力.
• 这种设计对于有卷发或紧的头发的婴儿来说尤其有益.
• 这些发现支持采用改进的EEG传感器网设计,并与其他最佳实践一起用于公平的婴儿神经成像.