Time-frequency analysis of electroencephalographic data using Morlet wavelet in the study of attention

Rozwój elektroencefalografii w ostatniej dekadzie, przyczynił się do poszukiwania nowych metod analizy rejestrowanych danych. Niniejszy praca stanowi rozprawę metodologiczną nad współczesną metodą przetwarzania danych EEG – transformatę falkową, w kontekście innych stosowanych metod. W pracy przedstawiono podstawowe zagadnienia elektroencefalografii, od genezy sygnału do jego interpretacji. Zaprezentowano również podstawowe zagadnienia analizy czasowo-częstotliwościowej. Ponadto, w ramach aplikacji empirycznej opisywanej metody, przeprowadzono dwa eksperymenty, badające koncepcję neuronalnych sieci uwagi zaproponowaną przez Posnera. W obu eksperymentach wykorzystano modyfikację zadania ANT (Attention Network Test, ANT). Badanie miało na celu wykazanie, wskaźników częstotliwościowych zmian dla funkcji uwagi aktywacyjnej oraz uwagi wykonawczej, które byłoby odrębne i niezależne od komponentów standardowych potencjałów wywołanych (event-relatad potentials, ERP). Zgodnie z założonym celem, otrzymane wyniki pokazały, że metoda analizy w domenie czasowo-częstotliwościowej pozwala na pomiar aktywności mózgu niedostępnej przy użyciu standardowym metod analizy ERP, czyli w domenie czasu. Stosowana metoda pozwala na obserwację wielowymiarowych aspektów danych EEG. W badaniu, wykazano istotne zmiany pasma alfa (4-8Hz; α) dla sieci uwagi aktywacyjnej (eksperyment 1.), będących odzwierciedleniem przygotowania sytemu percepcyjnego. Dla sieci wykonawczej (eksperyment 2.) potwierdzono wcześniejsze hipotezy (Cohen, 2013) o zwiększonej aktywności fal teta (4-8Hz; θ) podczas zaangażowania uwagi wykonawczej, w odpowiedzi na bodziec konfliktowy. Potwierdzono również występowanie charakterystycznych dla poszczególnych funkcji uwagi wskaźników ERP: komponentu CNV w procesie aktywacji systemu oraz uwagi oraz modulacji komponentu P3 w sytuacji zaangażowania uwagi wykonawczej do rozwiązania konfliktu reakcji. Wyniki pokazują wartość nowych metod czasowo-częstotliwościowej analizy EEG i sugerują odrębność procesów obserwowanych w domenie częstotliwościowej od komponentów mierzonych w domenie czasu.

Development over the last decade in electroencephalography (EEG) has contributed to searching for new methods of analyzing recorded data. This work is a methodological dissertation of Morlet wavelet signal decomposition. Morlet wavelet is a major method of estimation of the neural frequencies in electroencephalography data. This dissertation introduces the physiologic principles of EEG, explain basics of Morlet wavelet decomposition method, and compares this method with other methods of EEG data analyzing. The TF framework was applied to empirical datasets, obtained from a modified attention network task (ANT) measuring three independent components of attention. Two experiments were performed focusing on measurement of attentional alerting (Exp.1) and executive attention (Exp.2). The obtained results demonstrated the frequency-specific changes of the brain activity related to alerting and executive attention, and specific representations of this activity in ERP waveforms. Results in both EEG domains, time domain and time-frequency domain, were in line with the hypothesis: The conflict effect (Exp.1) was associated midfrontal theta activity (4 – 8Hz) and decreased amplitude of the P3 component of event-related potential. Attentional alerting (Exp.2) was associated with a decrease of pre-target parieto-occipital alpha power, and the presence of the CNV component of ERP. These findings suggest that temporal changes in oscillations might provide independent discriminatory information beyond the “standard” ERP measures.