Динамика синхронизации и десинхронизации ЭЭГ при выполнении реального и мысленного движения руки, направленного к видимой цели

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В работе исследуется кортикальная организация реального и мысленного выполнения движения руки, направленного в цель. В записях ЭЭГ выделили 6 независимых источников электрической активности. Источники соответствовали премоторным областям, дополнительной моторной области, первичным моторным областям и задней теменной коре. Паттерны их активации в альфаи бета-диапазоне исследовались при помощи непрерывного вейвлет-преобразования. Основные различия между реальным и мысленным выполнением движения обнаружены в активации первичных моторных и премоторных областей. Асимметрия активации первичных моторных областей наблюдается только при воображаемом движении. Десинхронизация премоторных областей как в альфа-, так и в бета-диапазоне, соответствующая их активации, сопровождает воображаемое движение на всем протяжении. При реальном движении в этих областях наблюдается гиперсинхронизация, которая соответствует торможению, а десинхронизация наблюдается в латентный период, за 1.5 сек до начала движения. Таким образом, воображаемое движение несет на себе черты планирования реального движения.

Полный текст

Доступ закрыт

Об авторах

М. Е. Курганская

Институт высшей нервной деятельности и нейрофизиологии Российской академии наук

Автор, ответственный за переписку.
Email: m-kurg@yandex.ru
Россия, Москва

М. Р. Исаев

Институт высшей нервной деятельности и нейрофизиологии Российской академии наук; РНИМУ им. Н.И. Пирогова Минздрава России

Email: m-kurg@yandex.ru
Россия, Москва; Москва

П. Д. Бобров

Институт высшей нервной деятельности и нейрофизиологии Российской академии наук; РНИМУ им. Н.И. Пирогова Минздрава России

Email: m-kurg@yandex.ru
Россия, Москва; Москва

Список литературы

  1. Мокиенко О.А., Черникова Л.А., Фролов А.А., Бобров П.Д. Воображение движения и его практическое применение. Журнал высшей нервной деятельности им. И.П. Павлова. 2013. 63 (2): 195–195.
  2. Столбков Ю.К., Мошонкина Т.Р., Орлов И.В., Козловская И.Б., Герасименко Ю.П. Воображаемые движения как средство совершенствования и реабилитации моторных функций. Успехи физиологических наук. 2018. 49 (2): 45–59.
  3. Фролов А.А., Бирюкова Е.В., Бобров П.Д., Мокиенко О.А., Платонов А.К., Пряничников В.Е., Черникова Л.А. Принципы нейрореабилитации, основанные на использовании интерфейса “мозг–компьютер” и биологически адекватного управления экзоскелетоном. Физиология человека. 2013. 39: 99–113.
  4. Arts L.P., van den Broek E.L. The fast continuous wavelet transformation (fCWT) for real-time, highquality, noise-resistant time–frequency analysis. Nature Computational Science. 2022. 2: 47–58.
  5. Desmurget M., Sirigu A. A parietal-premotor network for movement intention and motor awareness. Trends in cognitive sciences. 2009. 13 (10): 411–419.
  6. Elliott D., Lyons J., Hayes S.J., Burkitt J.J., Roberts J.W., Grierson L.E. et al. The multiple process model of goaldirected reaching revisited. Neuroscience & Biobehavioral Reviews. 2017. 72: 95–110.
  7. Frank C., Kraeutner S.N., Rieger M., Boe S.G. Learning motor actions via imagery – perceptual or motor learning? Psychological Research. 2023: 3752889.
  8. Frolov A., Bobrov P., Biryukova E., Isaev M., Kerechanin Y., Bobrov D., Lekin A. Using multiple decomposition methods and cluster analysis to find and categorize typical patterns of EEG Activity in motor imagery brain–computer interface experiments. Frontiers in Robotics and AI. 2020. 7: 88.
  9. Gibson R.M., Chennu S., Owen A.M., Cruse D. Complexity and familiarity enhance single-trial detectability of imagined movements with electroencephalography. Clinical Neurophysiology. 2014. 125 (8): 1556–1567.
  10. Glover S., Bibby E., Tuomi E. Executive functions in motor imagery: support for the motor-cognitive model over the functional equivalence model. Experimental brain research. 2020. 238: 931–944.
  11. Grosse-Wentrup M., Liefhold C., Gramann K., Buss M. Beamforming in noninvasive brain-computer interfaces. IEEE Trans Biomed Eng. 2009. 56 (4): 1209–1219.
  12. Hardwick R.M., Caspers S., Eickhoff S.B., Swinnen S.P. Neural correlates of action: Comparing meta-analyses of imagery, observation, and execution. Neuroscience & Biobehavioral Reviews. 2018. 94: 31–44.
  13. Hetu S., Gregoire M., Saimpont A., Coll M.P., Eugene F., Michon P.E., Jackson P.L. The neural network of motor imagery: an ALE meta-analysis. Neurosci Biobehav Rev. 2013. 37 (5): 930–949.
  14. Hramov A.E., Maksimenko V.A., Pisarchik A.N. Physical principles of brain–computer interfaces and their applications for rehabilitation, robotics and control of human brain states. Physics Reports. 2021. 918: 1–133.
  15. Kraeutner S.N., McArthur J.L., Kraeutner P.H., Westwood D.A., Boe S.G. Leveraging the effector independent nature of motor imagery when it is paired with physical practice. Scientific reports. 2020. 10 (1): 21335.
  16. La Fougere C., Zwergal A., Rominger A., Förster S., Fesl G., Dieterich M. et al. Real versus imagined locomotion: a [18F]-FDG PET-fMRI comparison. Neuroimage. 2010. 50 (4): 1589–1598.
  17. Lee T.-W., Girolami M., Sejnowski T.J. Independent component analysis using an extended infomax algorithm for mixed subgaussian and supergaussian sources. Neural computation. 1999. 11 (2): 417–441.
  18. McFarland D.J., Miner L.A., Vaughan T.M., Wolpaw J.R. Mu and beta rhythm topographies during motor imagery and actual movements. Brain topography. 2000. 12 (3): 177–186.
  19. Metais A., Muller C.O., Boublay N., Breuil C., Guillot A., Daligault S. et al. Anodal tDCS does not enhance the learning of the sequential finger-tapping task by motor imagery practice in healthy older adults. Frontiers in Aging Neuroscience. 2022. 14: 1060791.
  20. Nakagawa K., Kawashima S., Fukuda K., Mizuguchi N., Muraoka T., Kanosue K. Constraints on hand-foot coordination associated with phase dependent modulation of corti-cospinal excitability during motor imagery. Frontiers in human neuroscience. 2023. 17: 1133279.
  21. Oostenveld R., Fries P., Maris E., Schoffelen J.-M. FieldTrip: open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. 2011. 2011: 156869.
  22. Pfurtscheller G., Linortner P., Winkler R., Korisek G., Müller-Putz G. Discrimination of motor imageryinduced EEG patterns in patients with complete spinal cord injury. Computational Intelligence and Neuroscience. 2009. 2009: 104180.
  23. Pfurtscheller G., Neuper C. Motor imagery activates primary sensorimotor area in humans. Neurosci Lett. 1997. 239 (2–3): 65–68.
  24. Rakusa M., Busan P., Battaglini P.P., Zidar J. Separating the Idea from the Action: A sLORETA Study. Brain Topogr. 2018. 31 (2): 228–241.
  25. Thrift A.G., Howard G., Cadilhac D.A., Howard V.J., Rothwell P.M., Thayabaranathan T. et al. Global stroke statistics: An update of mortality data from countries using a broad code of “cerebrovascular diseases”. Int J Stroke. 2017. 12 (8): 796–801.
  26. Villa-Berges E., Laborda Soriano A.A., Lucha-Lopez O., Tricas-Moreno J.M., Hernandez-Secorun M., GomezMartinez M., Hidalgo-Garcia C. Motor imagery and mental practice in the subacute and chronic phases in upper limb rehabilitation after stroke: a systematic review. Occupational Therapy International. 2023. 2023: 3752889.
  27. Wheaton L.A., Yakota S., Hallett M. Posterior parietal negativity preceding self-paced praxis movements. Experimental brain research. 2005. 163: 535–539.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Отрезки достоверной синхронизации (светло-серые) и десинхронизации (темно-серые) выделенных компонент ЭЭГ во время совершения реальных или воображаемых движений по императивному сигналу. Нулевая отметка времени соответствует императивному сигналу. Левая панель относится к целенаправленным движениям, правая – к нецеленаправленным.

Скачать (266KB)
Метаданные
3. Рис. 2. Отрезки достоверной синхронизации (светло-серые) и десинхронизации (темно-серые) выделенных компонент ЭЭГ во время совершения движений по императивному сигналу. Нулевая отметка времени соответствует началу движения. Левая панель относится к целенаправленным движениям, правая – к нецеленаправленным.

Скачать (184KB)
Метаданные
4. Рис. 3. Усредненные картины синхронизации и десинхронизации выделенных компонент ЭЭГ во время совершения реальных или воображаемых движений по императивному сигналу. Нулевая отметка времени соответствует императивному сигналу. Левая панель относится к целенаправленным движениям, правая – к нецеленаправленным.

Скачать (291KB)
Метаданные
5. Рис. 4. Результаты теста с перестановками, сравнивающего степень подавления мю-ритма в левом и правом полушарии (M1L против M1R) при воображаемом движении по императивному сигналу. Светло-серые полосы – подавление ритма сильнее в правом полушарии, темно-серые – в левом. Левая панель относится к воображению движения левой рукой, правая – к воображению движения правой рукой.

Скачать (37KB)
Метаданные
6. Рис. 5. Результаты теста с перестановками, сравнивающего степень (де)синхронизации активности выбранных компонент при реальном и воображаемом движении по императивному сигналу. Светло-серые полосы – подавление ритма меньше при воображаемых движениях, темно-серые – подавление ритма больше при воображаемых движениях. На всех панелях приводятся результаты только для целенаправленных движений. Левая панель относится к выполнению заданий левой рукой, правая – к выполнению заданий правой рукой.

Скачать (55KB)
Метаданные

© Российская академия наук, 2024