Motorrelaterad hjärnaktivitet, särskilt dess exakta upptäckt, kvantifiering och klassificering, är av stort intresse för forskare. De letar efter ett bättre sätt att hjälpa patienter med kognitiva eller motoriska funktionsnedsättningar eller att förbättra neurorehabilitering för patienter med nervsystemet.

Det finns ett nära samband mellan motorisk och kognitiv aktivitet i den mänskliga hjärnan, och undertryckande av den specifika rytmiska aktiviteten hos neuroner i hjärnans sensorimotoriska cortex-känd som mu-rytmen (8 till 14 hertz)-är en biologisk markör för motorrelaterad hjärnaktivitet. Studier indikerar att denna egenskap hos motorrelaterad hjärnaktivitet drabbas av variationer inom och mellan ämnen när man använder traditionella metoder för att utforska den, såsom tidsfrekvensanalys, rumslig filtrering och maskininlärning.

I journalen Kaos , Nikita Frolov och kollegor vid Innopolis University i Ryssland närmar sig problemet från en annan vinkel för att söka efter ett mer robust inslag i hjärnaktivitet i samband med att utföra motoriska uppgifter.

"Vi lägger fram hypotesen att undertryckande av mu-oscillationer kommer att orsaka en minskning av uppmätta hjärnaktivitetssignaler och, följaktligen, återspeglar förenklingen av den underliggande neuronala dynamiken, "sa Frolov." För att ta upp detta problem, vi tillämpade återkommande kvantifieringsanalys, som är en kraftfull verktygslåda, att utforska systemets komplexitet genom analysen av dess tidsserier. "

Gruppens arbete bekräftar, för första gången, den neuronala dynamiken inom det sensorimotoriska hjärnområdet som ligger bakom den mänskliga hjärnans motoriska funktioner kan förenklas.

"Vi demonstrerade detta med hjälp av RQA -verktygslådan, som skiljer sig fundamentalt från traditionella metoder för kvantifiering av motorrelaterad hjärnaktivitet, "Frolov sa." Vi visade också att RQA -mått på komplexitet är väl lämpade för att upptäcka och klassificera motoriska uppgifter. "

Dessa resultat visar potential för att utveckla effektiva metoder för att klassificera hjärnans tillstånd.

"Genom att exakt införa ett statligt utrymme, du kan betrakta alla naturliga system som ett dynamiskt system. För den mänskliga hjärnan, du kan skapa tillståndsutrymme genom att ta de uppmätta signalerna för dess aktivitet som tillståndsvariabler, Sa Frolov.

"I vår studie, vi betraktar tillståndsutrymme som bildas av uppsättningen elektroencefalogram (signaler om elektrisk aktivitet inom hjärnans kortikala regioner) registrerade i motorbarken. Detta gör att vi kan introducera "tillståndet" i den kortikala regionen av intresse och betrakta det som ett dynamiskt system. "

En av tillämpningarna för gruppens arbete är "implementering av RQA-baserad analys av elektroencefalogram som en beräkningskärna i hjärn-datorgränssnitt för online-detektering, kvantifiering, och utbildning av hjärnans motoriska funktioner, Sa Frolov.

"Detta är relevant inte bara för utveckling av slutna gränssnitt för motorisk utbildning under neurorehabilitering utan också för diagnos av kognitiva och motoriska funktionsnedsättningar samt åldersrelaterade förändringar."