mireabulletinRussian Technological JournalRussian Technological Journal2782-32102500-316XRTU MIREA10.32362/2500-316X-2024-12-1-92-100mireabulletin-828Research ArticleАНАЛИТИЧЕСКОЕ ПРИБОРОСТРОЕНИЕ И ТЕХНОЛОГИИANALYTICAL INSTRUMENT ENGINEERING AND TECHNOLOGYЛокальный пространственный анализ ЭЭГ-сигналов с помощью лапласиановского монтажаLocal spatial analysis of EEG signals using the Laplacian montagehttps://orcid.org/0000-0003-1230-8347СлезкинА. А.SlezkinA. A.

Слезкин Андрей Александрович - инженер, лаборатория общей и клинической нейрофизиологии ФГБУН «Институт высшей нервной деятельности и нейрофизиологии Российской академии наук»; аспирант, кафедра моделирования радиофизических процессов Института радиоэлектроники и информатики ФГБОУ ВО «МИРЭА – РТУ»

117485, Москва, ул. Бутлерова, д. 5; 119454, Москва, пр-т Вернадского, д. 78

Andrey A. Slezkin - Engineer, Laboratory of General and Clinical Neurophysiology, Institute of Higher Nervous Activity and Neurophysiology RAS ; Postgraduate Student, Department of Modeling of Radiophysical Processes, Institute of Radio Electronics and Informatics, MIREA – RTU.

5A, Butlerova ul., Moscow, 117485; 78, Vernadskogo pr., Moscow, 119454

com2274@yandex.ruhttps://orcid.org/0000-0002-3900-0329СтепинаС. П.StepinaS. P.

Степина Светлана Петровна - к.ф.-м.н., доцент, Научно-образовательный институт физических исследований и технологий. Scopus Author ID 8937542900. ResearcherID E-7025-2018.

117198, Москва, ул. Миклухо-Маклая, д. 6

Svetlana P. Stepina - Cand. Sci. (Phys.-Math.), Associate Professor, Scientific Educational Institute of Physical Research and Technology. Scopus Author ID 8937542900. ResearcherID E-7025-2018.

6, Miklukho-Maklaya ul., Moscow, 117198

https://orcid.org/0000-0001-8000-1107Гусейн-задеН. Г.Gusein-zadeN. G.

Гусейн-заде Намик Гусейнага оглы - д.ф.-м.н., профессор, заведующий кафедрой моделирования радиофизических процессов Института радиоэлектроники и информатики ФГБОУ ВО «МИРЭА – РТУ»; главный научный сотрудник теоретического отдела ФГБУН ФИЦ «Институт общей физики им. А.М. Прохорова РАН» . Scopus Author ID 6506825772. ResearcherID S-7407-2016.

119454, Москва, пр-т Вернадского, д. 78; 119991, Москва, ул. Вавилова, д. 38

Namik G. Gusein-zade - Dr. Sci. (Phys.-Math.), Professor, Head of Department of Modeling of Radiophysical Processes, Institute of Radio Electronics and Informatics, MIREA – RTU; Chief Researcher of Theoretical Department, Prokhorov General Physics Institute of the RAS. Scopus Author ID 6506825772, ResearcherID S-7407-2016.

78, Vernadskogo pr., Moscow, 119454; 38, Vavilova ul., Moscow, 119991

ngus@mail.ruИнститут высшей нервной деятельности и нейрофизиологии, Российская академия наук; МИРЭА – Российский технологический университетРоссияInstitute of Higher Nervous Activity and Neurophysiology, Russian Academy of Sciences; MIREA – Russian Technological UniversityRussian FederationРоссийский университет дружбы народовРоссияPatrice Lumumba Peoples’ Friendship University of Russia (RUDN university)Russian FederationМИРЭА – Российский технологический университет; Институт общей физики им. А.М. Прохорова, Российская академия наукРоссияMIREA – Russian Technological University; Prokhorov General Physics Institute, Russian Academy of SciencesRussian Federation20240202202412192100Copyright © Слезкин А.А., Степина С.П., Гусейн-заде Н.Г., 20242024Слезкин А.А., Степина С.П., Гусейн-заде Н.Г.Slezkin A.A., Stepina S.P., Gusein-zade N.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rtj-mirea.ru/jour/article/view/828Цели

Цели. Одной из актуальных задач, возникающих при регистрации сигналов мозговой активности с помощью электроэнцефалографии (ЭЭГ), является уменьшение влияния помех (артефактов). В данном исследовании рассматривается один из способов решения данной задачи с помощью дифференциального оператора Лапласа. Цель работы – определение количества электродов, входящих в лапласиановский монтаж, а также выяснение требований к геометрической форме их расположения для обеспечения наилучшего качества обработки сигналов ЭЭГ.

Методы

Методы. Метод лапласиановского монтажа основывается на использовании отдельных электродов для определения второй производной сигнала, которая пропорциональна электрическому току в соответствующей точке поверхности головы. Этот подход позволяет оценить потенциал нейронной активности источника, находящегося в малой области, ограниченной комплексом электродов. При использовании небольшого количества равноудаленных электродов вокруг целевого электрода при лапласиановском монтаже удается получить значительно более качественный сигнал из области, находящейся под электродным комплексом. Результаты. Для всех рассмотренных в статье способов построения лапласиановского монтажа, было показано, что комплекс, состоящий из 16 + 1 отдельных электродов, является наиболее предпочтительным для использования. Выбор схемы 16 + 1 обусловлен наилучшим компромиссом между качеством обработки сигналов ЭЭГ и сложностью изготовления электродного комплекса при заданных геометрических параметрах. Оценка качества проводилась моделированием сигнала помехи, с помощью чего удалось оценить правильность выбора схемы построения монтажа.

Выводы

Выводы. Установлено, что применение метода лапласиановского монтажа способно значительно уменьшить влияние артефактов. С помощью предложенной схемы монтажа обеспечивается высокий уровень подавления помеховых сигналов, источники которых находятся далеко за пределами проекции электродного комплекса. Однако не все помехи, источники которых лежат в глубине мозга, могут быть эффективно подавлены с помощью одной лишь схемы лапласиановского монтажа. Необходимо использовать различные цифровые методы обработки сигналов, учитывающие их статистические свойства.

Objectives

Objectives. One pressing problem when recording brain activity signals by electroencephalography (EEG) is the need to reduce the effect of interference (artifacts). This study presents a method for resolving this problem using the Laplace differential operator. The aim is to determine the number of electrodes included in the Laplacian montage, as well as to clarify the requirements for the geometric shape of their placement, in order to ensure the best quality of EEG signal processing.

Methods

Methods. The Laplacian montage method is based on the use of individual electrodes to determine the second derivative of the signal, proportional to the electric current at the corresponding point on the surface of the head. This approach allows the potential of neural activity of the source located in a small area limited by the electrode complex to be evaluated. By using a small number of equidistant electrodes placed around the target electrode, the Laplacian montage can produce a significantly higher quality signal from the area under the electrode complex.

Results

Results. Among all the methods for constructing the Laplacian montage discussed in the article, a complex consisting of 16 + 1 electrodes was shown to be preferable. The choice of the 16 + 1 scheme was determined by the best compromise between the quality of EEG signal processing and the complexity of manufacturing the electrode complex with given geometric parameters. The quality assessment was carried out by simulating the interference signal which allowed the correctness of the choice of installation design to be evaluated.

Conclusions

Conclusions. The use of the Laplacian montage method can significantly reduce the effect of artifacts. The proposed montage scheme ensures a good suppression of interference signals, the sources of which are located far beyond the projection of the electrode complex. However, not all interference arising from sources deep inside the brain, can be effectively suppressed using the Laplacian montage scheme alone.

электроэнцефалографияЭЭГ-сигналыартефактреферентный монтажлапласиановский монтажсхема наложения электродовэлектродный комплексelectroencephalographyEEG signalsartifactreference montageLaplacian montageelectrode placement schemeelectrode complexReferencesAcharya J.N., Acharya V.J. Overview of EEG Montages and Principles of Localization. J. Clin. Neurophysiol. 2019;36(5): 325–329. https://doi.org/10.1097/wnp.0000000000000538Acharya J.N., Acharya V.J. Overview of EEG Montages and Principles of Localization. J. Clin. Neurophysiol. 2019;36(5): 325–329. https://doi.org/10.1097/wnp.0000000000000538Tsuchimoto S., Shibusawa S., Iwama S., Hayashi M., Okuyama K., Mizuguchi N., Kato K., Ushiba J. Use of common average reference and large-Laplacian spatial-filters enhances EEG signal-to-noise ratios in intrinsic sensorimotor activity. J. Neurosci. Methods. 2021;353:109089. https://doi.org/10.1016/j.jneumeth.2021.109089Tsuchimoto S., Shibusawa S., Iwama S., Hayashi M., Okuyama K., Mizuguchi N., Kato K., Ushiba J. Use of common average reference and large-Laplacian spatial-filters enhances EEG signal-to-noise ratios in intrinsic sensorimotor activity. J. Neurosci. Methods. 2021;353:109089. https://doi.org/10.1016/j.jneumeth.2021.109089Gordon R., Rzempoluck E.J. Introduction to Laplacian Montages. Am. J. Electroneurodiagnostic Technol. 2004;44(2): 98–102. http://doi.org/10.1080/1086508X.2004.11079469Gordon R., Rzempoluck E.J. Introduction to Laplacian Montages. Am. J. Electroneurodiagnostic Technol. 2004;44(2): 98–102. http://doi.org/10.1080/1086508X.2004.11079469Hjorth B. An on-line transformation off EEG scalp potentials into orthogonal source derivations. Electroencephalogr. Clin. Neurophysiol. 1975;39(5):526–530. https://doi.org/10.1016/0013-4694(75)90056-5Hjorth B. An on-line transformation off EEG scalp potentials into orthogonal source derivations. Electroencephalogr. Clin. Neurophysiol. 1975;39(5):526–530. https://doi.org/10.1016/0013-4694(75)90056-5Alzahrani S.I., Anderson C.W. A Comparison of Conventional and Tri-Polar EEG Electrodes for Decoding Real and Imaginary Finger Movements from One Hand. Int. J. Neural. Syst. 2021;31(9):2150036. https://doi.org/10.1142/s0129065721500362Alzahrani S.I., Anderson C.W. A Comparison of Conventional and Tri-Polar EEG Electrodes for Decoding Real and Imaginary Finger Movements from One Hand. Int. J. Neural. Syst. 2021;31(9):2150036. https://doi.org/10.1142/s0129065721500362Makeyev O., Ding Q., Besio W.G. Improving the accuracy of Laplacian estimation with novel multipolar concentric ring electrodes. Measurement (Lond). 2016;80:44–52. https://doi.org/10.1016/j.measurement.2015.11.017Makeyev O., Ding Q., Besio W.G. Improving the accuracy of Laplacian estimation with novel multipolar concentric ring electrodes. Measurement (Lond). 2016;80:44–52. https://doi.org/10.1016/j.measurement.2015.11.017Makeyev O. Solving the general inter-ring distances optimization problem for concentric ring electrodes to improve Laplacian estimation. BioMed. Eng. OnLine. 2018;17(1):117. https://doi.org/10.1186/s12938-018-0549-6Makeyev O. Solving the general inter-ring distances optimization problem for concentric ring electrodes to improve Laplacian estimation. BioMed. Eng. OnLine. 2018;17(1):117. https://doi.org/10.1186/s12938-018-0549-6Dickey A.S., Alwaki A., Kheder A., Willie J.T., Drane D.L., Pedersen N.P. The Referential Montage Inadequately Localizes Corticocortical Evoked Potentials in Stereoelectroencephalography. J. Clin. Neurophysiol. 2022;39(5):412–418. https://doi.org/10.1097/wnp.0000000000000792Dickey A.S., Alwaki A., Kheder A., Willie J.T., Drane D.L., Pedersen N.P. The Referential Montage Inadequately Localizes Corticocortical Evoked Potentials in Stereoelectroencephalography. J. Clin. Neurophysiol. 2022;39(5):412–418. https://doi.org/10.1097/wnp.0000000000000792Carvalhaes C., de Barros J.A. The surface Laplacian technique in EEG: Theory and methods. Int. J. Psychophysiol. 2015;97(3):174–188. https://doi.org/10.1016/j.ijpsycho.2015.04.023Carvalhaes C., de Barros J.A. The surface Laplacian technique in EEG: Theory and methods. Int. J. Psychophysiol. 2015;97(3):174–188. https://doi.org/10.1016/j.ijpsycho.2015.04.023Greischar L.L., Burghy C.A., van Reekum C.M., Jackson D.C., Pizzagalli D.A., Mueller C., Davidson R.J. Effects of electrode density and electrolyte spreading in dense array electroencephalographic recording. Clin. Neurophysiol. 2004;115(3): 710–720. https://doi.org/10.1016/j.clinph.2003.10.028Greischar L.L., Burghy C.A., van Reekum C.M., Jackson D.C., Pizzagalli D.A., Mueller C., Davidson R.J. Effects of electrode density and electrolyte spreading in dense array electroencephalographic recording. Clin. Neurophysiol. 2004;115(3): 710–720. https://doi.org/10.1016/j.clinph.2003.10.028Smith E.E., Bel-Bahar T.S., Kayser J. A systematic data-driven approach to analyze sensor-level EEG connectivity: Identifying robust phase-synchronized network components using surface Laplacian with spectral-spatial PCA. Psychophysiology. 2022;59(10):e14080. https://doi.org/10.1111/psyp.14080Smith E.E., Bel-Bahar T.S., Kayser J. A systematic data-driven approach to analyze sensor-level EEG connectivity: Identifying robust phase-synchronized network components using surface Laplacian with spectral-spatial PCA. Psychophysiology. 2022;59(10):e14080. https://doi.org/10.1111/psyp.14080Bufacchi R.J., Magri C., Novembre G., Iannetti G.D. Local spatial analysis: an easy-to-use adaptive spatial EEG filter. J. Neurophysiol. 2021;125(2):509–521. https://doi.org/10.1152/jn.00560.2019Bufacchi R.J., Magri C., Novembre G., Iannetti G.D. Local spatial analysis: an easy-to-use adaptive spatial EEG filter. J. Neurophysiol. 2021;125(2):509–521. https://doi.org/10.1152/jn.00560.2019Martin-Chinea K., Gomez-Gonzalez J.F., Acosta L. A New PLV-Spatial Filtering to Improve the Classification Performance in BCI Systems. IEEE Trans. Neural. Syst. Rehabil. Eng. 2022;30:2275–2282. https://doi.org/10.1109/tnsre.2022.3198021Martin-Chinea K., Gomez-Gonzalez J.F., Acosta L. A New PLV-Spatial Filtering to Improve the Classification Performance in BCI Systems. IEEE Trans. Neural. Syst. Rehabil. Eng. 2022;30:2275–2282. https://doi.org/10.1109/tnsre.2022.3198021Liu Q., Yang L., Zhang Z., Yang H., Zhang Y., Wu J. The Feature, Performance, and Prospect of Advanced Electrodes for Electroencephalogram. Biosensors (Basel). 2023;13(1):101. https://doi.org/10.3390/bios13010101Liu Q., Yang L., Zhang Z., Yang H., Zhang Y., Wu J. The Feature, Performance, and Prospect of Advanced Electrodes for Electroencephalogram. Biosensors (Basel). 2023;13(1):101. https://doi.org/10.3390/bios13010101Пономарев В.А., Пронина М.В., Кропотов Ю.Д. Динамика спектральной плотности электроэнцефалограммы в тета-, альфаи бета-диапазонах в зрительном GO/NOGO тесте. Физиология человека. 2017;43(4):13–24. https://doi.org/10.7868/S0131164617040130 [Original Russian Text: Ponomarev V.A., Pronina M.V., Kropotov Y.D. Dynamics of the EEG spectral density in the Theta, Alpha and Beta bands in the visual Go/NoGo task. Fiziologiya cheloveka. 2017;43(4):13–24 (in Russ.). https://doi.org/10.7868/S0131164617040130 ]Ponomarev V.A., Pronina M.V., Kropotov Y.D. Dynamics of the EEG spectral density in the θ, α, and β bands in the visual Go/NoGo task. Hum. Physiol. 2017;43(4):366–376. https://doi.org/10.1134/S0362119717040132. [Original Russian Text: Ponomarev V.A., Pronina M.V., Kropotov Y.D. Dynamics of the EEG spectral density in the Theta, Alpha and Beta bands in the visual Go/NoGo task. Fiziologiya cheloveka. 2017;43(4):13–24 (in Russ.). https://doi.org/10.7868/S0131164617040130 ]Поллер Б.В., Щетинин Ю.И., Орлов И.С. Адаптивная цифровая фильтрация сигналов в системах анализа электроэнцефалограмм (ЭЭГ). Научный вестник Новосибирского государственного технического университета. 2013;1(50):31–38. URL: https://elibrary.ru/PWURSRPoller B.V., Shchetinin Y.I., Orlov I.S. Adaptive digital filtering of signals in the systems of analysis of the electroencephalogram. Nauchnyi vestnik Novosibirskogo gosudarstvennogo tekhnicheskogo universiteta = Scientific Bulletin of NSTU. 2013;1(50):31–38 (in Russ.). Available from URL: https://elibrary.ru/PWURSR

The authors declare that there are no conflicts of interest present.