浅谈脑电的alpha频段振荡

公众号之前曾陆续推送了两篇文章,即《浅谈脑电的theta频段振荡》《浅谈脑电的beta频段振荡》,分别对脑电的theta和beta节律进行了介绍。本文紧接上述文章,对alpha频段振荡做一个简单的梳理和“普及”,希望对alpha振荡不熟悉的朋友可以通过本文对alpha振荡有一个基本的了解(当然,大牛们可以飘过~~)。如要深入了解,可以在本文的基础上查询最新文献研究。

                                                                                     alpha振荡的起源和定义

德国科学家Hans Berger最先从人清醒闭眼状态的EEG中观察到alpha节律,并于1929年把他的这一发现整理成题目为 “Uber das Elektrenkephalogramm das Menschen”的论文进行了发表,在论文中,他把这种节律信号定义为“waves of the first order” 或者“α (alpha) waves”。Berger进一步观察到当被试睁眼或者处于某种心理任务时alpha节律消失,从而导致“waves of the second order” 或“β waves”的出现。Alpha节律的频率范围一般定义为8-13Hz,不同的皮层区域具有它们自己的独特alpha节律(如运动皮层、视觉皮层等)

                                                                                       alpha振荡的分类

依据alpha节律分布的皮层区域,alpha节律主要可以分为两类一个是感觉运动皮层区域的alpha振荡,也称之为mu节律,另一个是视觉皮层或枕叶的alpha节律。那么接下来,笔者就对这两种alpha振荡做进一步的介绍。

1.感觉运动皮层区域的alpha振荡

如图1所示,被试睁眼静息态下我们可以在C3和C4电极上观察到相互独立的alpha节律,这些alpha节律具有尖锐的负波,使人很容易想起希腊字母μ (mu),因此这些alpha节律又称为mu 节律。此外,mu节律又称为感觉运动 alpha节律,主要是由于其主要位于sensory-motor皮层区域Mu节律可以被手运动、手的运动想象等所阻断,反之,肌肉的放松可以增强mu节律

图1

2.枕叶区域的alpha振荡

如图2所示,被试在睁眼状态下可以在O1和O2脑区观察到显著的alpha节律;被试O1和O2电极的alpha节律一般是同步化的,但是对于某些健康被试来说,O1和O2的alpha节律可能是相互独立的。此外,当被试闭眼清醒状态时,枕叶alpha节律会大幅度增强,如图3所示。    

        图2

 

     图3

 

                                                                               alpha振荡与年龄的关系

枕叶alpha节律和mu节律的power和峰频率随年龄变化如图4所示。可以看到,枕叶alpha和感觉运动区mu节律的功率都随着年龄增大而下降但峰频率随着年龄的变化却很小

图4

参考文献:

[1] Juri Kropotov - Quantitative EEG, Event-Related Potentials and Neurotherapy-Academic Press

本文来自**河南悦影医药科技有限公司(简称“悦影科技”)**旗下以脑科学和神经科学为主题的公益性自媒体平台——“脑之说”微信公众号,欢迎各位朋友搜索关注“脑之说”公众号。本文为悦影科技原创技术文章,转载请联系赵老师(微信号:kervin_zhao;邮箱:yueyingkj@163.com)。

  • 0
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
脑电信号通常被分为不同的频段波,例如δ波(0.5-4Hz)、θ波(4-8Hz)、α波(8-13Hz)、β波(13-30Hz)和γ波(30-100Hz)。下面是一个示例MATLAB代码,用于计算脑电各个频段波的权重: ```matlab % 导入脑电数据 load('eeg_data.mat'); % 假设脑电数据保存在名为'eeg_data.mat'的文件中 % 定义频带范围 delta_band = [0.5 4]; theta_band = [4 8]; alpha_band = [8 13]; beta_band = [13 30]; gamma_band = [30 100]; % 计算频谱密度 [psd, freq] = pwelch(eeg_data); % 使用pwelch函数计算频谱密度 % 计算每个频带的相对功率 delta_power = bandpower(psd, freq, delta_band); theta_power = bandpower(psd, freq, theta_band); alpha_power = bandpower(psd, freq, alpha_band); beta_power = bandpower(psd, freq, beta_band); gamma_power = bandpower(psd, freq, gamma_band); % 计算每个频带的权重(相对功率归一化) total_power = delta_power + theta_power + alpha_power + beta_power + gamma_power; delta_weight = delta_power / total_power; theta_weight = theta_power / total_power; alpha_weight = alpha_power / total_power; beta_weight = beta_power / total_power; gamma_weight = gamma_power / total_power; % 显示结果 disp('Delta波相对功率和权重:'); disp(delta_power); disp(delta_weight); disp('Theta波相对功率和权重:'); disp(theta_power); disp(theta_weight); disp('Alpha波相对功率和权重:'); disp(alpha_power); disp(alpha_weight); disp('Beta波相对功率和权重:'); disp(beta_power); disp(beta_weight); disp('Gamma波相对功率和权重:'); disp(gamma_power); disp(gamma_weight); ``` 请确保您的脑电数据已经正确加载,并且调整频带范围以适应您的实际需求。希望这个示例代码能对您有所帮助!如有任何疑问,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值