M U T A T Ó I K I S D Ó Z I S Ú A L K O H O L

MÉRNÖKI TERVEZÉS BESZÁMOLÓ

KOGNITÍV TEVÉKENYSÉGEK VEGETATÍV IDEGRENDSZERI MUTATÓI KIS DÓZISÚ ALKOHOL HATÁSA ALATT

KONZULENS: DR. MOLNÁR MÁRK

MTA PSZICHOLÓGIAI KUTATÓINTÉZET, PSZICHOFIZIOLÓGIAI OSZTÁLY NEMLINEÁRIS PSZICHOFIZIOLÓGIAI KUTATÓCSOPORT 1068 BUDAPEST, SZONDI U. 83-85.

A Hallgató a kitűzött feladatot megfelelő színvonalon és a kiírásnak megfelelően teljesítette

nem teljesítette

____________________________ Konzulens aláírása

HALLGATÓ NEVE: BENYOVSZKY MÁTÉ LEADÁS DÁTUMA: 2008. DECEMBER 10.

TARTALOMJEGYZÉK Mérnöki Tervezés beszámoló ...................................................................................................................... 1 Célkitűzés ............................................................................................................................................................. 3 Bevezetés ............................................................................................................................................................. 3 EEG ..................................................................................................................................................................... 3 CNV .................................................................................................................................................................... 4 EKP..................................................................................................................................................................... 5 EKG .................................................................................................................................................................... 6 Statisztika ........................................................................................................................................................ 6 Korábbi munka .................................................................................................................................................. 7 Önálló labor I. ................................................................................................................................................ 7 Önálló Labor II. ...........................................................................................................................................10 A munka részletes ismertetése .................................................................................................................13 Vizsgálati anyag ..........................................................................................................................................13 Számolás vizsgálati helyzete .................................................................................................................13 Vizuális memória vizsgálati helyzete.................................................................................................14 Adatgyűjtés, szűrés ...................................................................................................................................14 EKG elemzés .................................................................................................................................................15 EEG ...................................................................................................................................................................16 Felhasznált eszközök ....................................................................................................................................16 Eredmények ......................................................................................................................................................17 Számolás EKG ..............................................................................................................................................17 Vizuális memória EKG..............................................................................................................................20 Következtetések ..............................................................................................................................................23 Köszönetnyilvánítás ......................................................................................................................................23 Irodalomjegyzék .............................................................................................................................................24 Összefoglaló ......................................................................................................................................................25 Mellékletek ........................................................................................................................................................26 Ábrajegyzék ..................................................................................................................................................26 Fejlesztett Programok (CD melléklet) ...............................................................................................26

Benyovszky Máté | Mérnöki tervezés beszámoló

2. oldal

CÉLKITŰZÉS A korábbi munka folytatásaként ugyanúgy az idegrendszer tevékenységét vizsgáljuk különböző feladathelyzetekben: de most a vegetatív idegrendszeri mutatókra, azokon belül is a szívritmus változásra koncentrálunk. Már tudjuk, hogy a felkészülési várakozási folyamatok negatív potenciál eltolódást okoznak az agyban, s tavaly megmutattuk, hogy s szívritmus is lassul, amikor fokozott figyelemmel várunk egy külső ingert. Az Önálló Laboratórium II. tárgy keretében ezt a jelenséget elemeztük. Kíváncsiak voltunk arra, hogy más kognitív agyi tevékenységek vajon milyen fiziológiai változásokat eredményeznek, ezért megvizsgáljuk a szívritmus-szám változását számolást (összeadást) és vizuális memóriát igénylő helyzetekben. Kísérletünk során minden mérést megismételtünk pszichoaktív élvezeti szerek befolyása mellett is: jelen vizsgálatban a páciensekre ható különböző dózisú alkohol és nikotin hatását elemeztük.

BEVEZETÉS EEG Az EEG (elektroencefalogram) – a tudomány mai állása szerint – az idegsejtek közötti kommunikáció egy megnyilvánulási formájának tekinthető (Nagy, Az electroencephalogram élettani alapjai, 1990). A neuronok az úgynevezett szinapszisokon keresztül összekapcsolódva továbbítják az impulzusokat. Ezek a jelek tulajdonképpen ionkoncentráció változásokkal terjednek, s mivel ezeknek töltése van; a potenciálkülönbség, azaz a feszültség változik. Ezek az „oszcillációk” random jellegűek, azonban ingerek hatására részint intenzitásuk, részint időbeli összerendezettségük nő. (1. ábra) A fejre helyezett, pontosan pozicionált elektródok (Nagy, Az EEG regisztrálás technikai alapjai, 1990) erről a tevékenységről nyújtanak képet. Nyilvánvalóan, mivel csak „távolról” vizsgálunk, és nem férkőzünk az idegsejtek közelébe (különösen az agy felszíne alatt mélyen fekvő sejteket lenne nehéz elérni ezzel a technikával) csak közelítő képet kapunk. Előnye viszont az „invazív” (feltáró, azaz műtéti beavatkozást) igénylő eljárásokhoz képest, hogy tulajdonképpen kockázatok nélkül bárkit, bármilyen tevékenység közben vizsgálhatunk, nagyon jó időbeli felbontással. Az elektródok felhelyezésének szigorú szabályrendszere van (Geréby, 1990), mely többek között a kísérletek megismételhetőségét és összehasonlítását is elősegíti. A meghatározott rögzítési pontok segítségével később az eredményeket sík- vagy térbeli, akár időben váltózó térképekre tehetjük. Ezt az eljárást „(amplitúdó)mapping”-nek nevezzük (Clemens, 2000). Ezáltal később is összefüggéseiben vizsgálhatók a hullámok terjedési jellegzetességei, és lokalizálható az agyi elektromos tevékenység.


3. oldal

Az EEG tevékenységben mi egyelőre az amplitúdót vizsgáljuk, a frekvenciaspektrum (Rajna, 2000), lineáris és nem-lineáris kovariancia további távlatokat nyithat (Cooper, Binnie, & Shaw, 2003). Subject: EEG file: 21_cnv1_3.cnt Recorded : 10:12:48 20-Dec-2005 Rate - 1000 Hz, HPF - 0 Hz, LPF - 70 Hz, Notch - off, Montage - None

Neuroscan SCAN 4.3 Printed : 12:41:21 13-Nov-2007

FP1FP2F7F3FzF4F8FT9FC5FC1FC2FC6FT10T7C3CzC4T8TP9CP5CP1CP2CP6TP10P7P3PzP4P8PO9O1O2PO10HEOGjHEOGbVEOGfVEOGaEKG-

-256 µV

600 ms

9

2

2

2

5

10

FCz

00:03:23.71

00:03:24.71

00:03:25.71

00:03:26.71

00:03:27.71

00:03:28.71

1. ÁBRA: CNV HELYZET, EGYETLEN SZEMÉLY NYERS EEG ADATAIVAL

A frontális elektródoknak megfelelően (F-el kezdődő csatornák) a 10-es trigger után (00:03:26) látható “szabad szemmel is” az eltolódás negatív irányba (felfelé irányulva). Alul az EKG.

CNV A várakozási helyzetben (McCallum, 1988) egy lassú negatív agyi potenciál alakul ki (1. ábra), melyet egy kis pozitivitás követhet (Marton & Bakay, 1994) – mely sokak szerint a P300 EKP hullámnak felel meg (lásd később). A funkcionális jelentés egy rugó analógiájával mutatható be a legjobban: a felkészítő S1 inger után kezdődik a negatív irányú összenyomás, egészen az S2 felszólító, kilövő ingerig. Kieresztés után egy pillanatra a rugó túl is nyúlik eredeti hosszán pozitív irányban, s amíg remeg, csökken az ingerelhetőség. Az előfeszítés nagysága arányosnak tűnik a befektetett energiával, koncentráció nagyságával, amit az is alátámaszt, hogy elterelő vagy kimaradó feladatok után az ott fel nem használt potencia sok esetben megjelent az utána lévő helyzetnél (Marton & Bakay, 1994). Ez a „CNV rebound” (visszacsapás). Az egyesek szerint agykérgi ingerelhetőség (Bakay, Marton, Nádasdy, & Rigó, 1994) mértékének is titulált CNV nyomai leghatározottabban a fej hosszanti felezővonalán orrgyök (nasion) – fejtető – nyakszirt (inion) - mutatható ki (nyilvánvalóan a homlok Benyovszky Máté | Mérnöki tervezés beszámoló

4. oldal

felső részétől indulva, ahol általában a legnagyobb az amplitúdó). Ebben az irányban és sorrendben egy lassú eltolódást is várunk, ahogy a hullám elölről hátra, a tarkó fele végigterjed (2. ábra). (Itt a feladat a következő volt: 5 hangjelzést hallottak a kísérletben résztvevő személyek, amennyibe az utolsó elmaradt egy gombot kellett megnyomniuk.)

Subject: EEG file: xg_null.avg Recorded : 10:28:49 14-Nov-2005 Rate - 1000 Hz, HPF - 0 Hz, LPF - 70 Hz, Notch - off

*Fz

Cz

Neuroscan SCAN 4.3 Printed : 11:55:37 16-Apr-2008

Pz

-40.0 -30.0 -20.0 -10.0 µV 0.0 10.0 20.0 30.0 40.0 -500.0

500.0

1500.0

2500.0

3500.0 ms

4500.0

5500.0

2. ÁBRA: CNV TERJEDÉS

A szer nélküli vizsgálatokat összeátlagoltuk, s azon mutatjuk meg a CNV terjedésével kapcsolatos lokalizációs megfigyeléseket. Frontal, Central, Parietal – hátrafele csökken az amplitúdó. Nyilak a hangjelek elhangzásának időpontját jelölik

EKP Fontos említést tennünk továbbá az esemény kiváltott potenciálokról (EKP) (Rózsavölgyi, 1990), melyeket mi hangingerekkel váltunk ki jelen esetben. Ezek a tranziens elektromos aktivitások több komponensből állnak, melyek sokszor funkcionális jelentéssel is bírnak: hatással lehet rájuk a figyelem, kor, betegség stb. (Czigler & Winkler, 1999) Az akusztikusan kiváltott válasz (AEP) is jellegzetes mintázatot vesz fel, melyet egy koppanás vagy bármilyen rövid hanginger (vizsgálatoknál jellemzően a hallásküszöb fölött nem sokkal fülhallgatón keresztül érkező stabil négyszögjel) idéz elő. Bizonyos elemek kiváltódnak mindig (N1), és van, ami elmaradhat, de későbbiekben olyanról is lesz szó, ami elmaradó inger esetén is kiváltódik. Osztályozásuk, jelölésük két szemponton alapszik: az N vagy P betű a negatív vagy pozitív irányú polaritást, az utána következő szám pedig az ingertől számított latencia msec-ben (előfordul, hogy a nullák jelölése elmarad). Legfontosabbak az N100 (90-130 ms környékén), az N2 (130-160 ms) és a P300 (300-400 ms). Benyovszky Máté | Mérnöki tervezés beszámoló

5. oldal

EKG Az elektrokardiográfia (röviden EKG) egy „non-invazív” eljárás, mely a szív elektromos jelenségeit vizsgálja, a szívizom-összehúzódásakor keletkező elektromos feszültség-ingadozás regisztrálásával. A szív összehúzódása egy elektromos inger hatására jön létre, mely normális esetben a sinuscsomóból indul és a test felszínére helyezett elektródokkal elvezethető. Egy szabályos EKG-felvételen öt csúcsot lehet megkülönböztetni periódusonként, ezek a P,Q,R,S,T betűkkel vannak jelölve. Az egyes csúcsok megfelelnek bizonyos eseményeknek a szívben:      

P - ingerület a szinusz csomóban, Q - az ingerület kezdete a kamrákban, ez az apró negatív csúcs gyakran nem is látható, R - a legnagyobb csúcs a kamrákon végigterjedő ingerületet mutatja meg, S - ez a negatív csúcs a kamrán végigfutó ingerület végét jelzi, T - a kamra repolarizációját mutatja meg, U - a normális görbén nem vagy csak alig látható, kóros állapotokban, pl. káliumhiány esetén látványosan jelenik meg.

Az összehúzódások számát könnyen megkaphatjuk, ha összeszámoljuk az adott idő (pl. 1 perc) alatt bekövetkező R csúcsok számát.

STATISZTIKA Következtetéseket csak jól dokumentált, alátámasztott, megismételhető, hibamentes eredményekről vonhatunk le. Az artefaktok (pislogás és szemmozgás, EKG stb.) és az egyéb műtermékek (hálózati 50 Hz, érintkezési hiba stb.) (L'Auné, 1990) sokszor könnyen szűrhetők, de olyan is előfordulhat, hogy egy-egy felvételt teljes egészében törölnünk kell. Ezért célszerű mindig több alannyal is elvégezni ugyanazt a kísérletet, majd statisztikai módszerekkel feldolgozni és kiértékelni a kapott adatokat (Szabó, 2000).


6. oldal

KORÁBBI MUNKA ÖNÁLLÓ LABOR I. „ V Á R A K O Z Á S I F O L Y A M A T O K K A L Ö S S Z E F Ü G G Ő A G Y I E L E K TR O M O S J E L E K E L E M Z É S E ”

Egy úgynevezett „go/no go” típusú feladatot használtunk a CNV vizsgálathoz (Bakay, Marton, Nádasdy, & Rigó, 1994)(1. táblázat). Hatalmas előnye, hogy a feladat végén nem minden esetben kell tennie valamit az alanynak (no go), s amikor nincs teendő (izommozgás) a várakozás végén, nem jönnek be az esetlegesen zavaró artefaktok amik a tiszta EEG elvezetésünket zavarnák. A vizsgálatban szereplő személyek 50-szer hallottak egymás után egy 5 hangból álló ingersort. Azonban az esetek egy részében véletlenszerűen elmaradt az utolsó hang, amit gombnyomással kellett jelezniük. Ha mind az öt hang szerepel (no go) 50 600

50 600

50 600

50 600

50 600

4000-5000

1'

2'

2'

2'

2'

szünet

Ha az ötödik hang hiányzik (go) 50 600

50 600

50 600

50 600

50 600

4000-5000

9'

2'

2'

2'

5'

szünet

10’

1. TÁBLÁZAT: AKUSZTIKUS FELADATOK

Az idő msec-ben felül, a hangoknál elhelyezett jelölő triggerek száma alul.


7. oldal

A következő képen (3. ábra) egy teljes feladathelyzetet mutat. Az egyes csúcsok a hangingerek (fekete nyíl, 600 ms-enként 50 ms) által kiváltott, mindig kiváltódó N1 válaszokat mutatják (piros nyíl). Subject: EEG file: _nagyatlagkontroll.avg Recorded : 09:59:41 25-Jan-2007 Rate - 1000 Hz, HPF - 0 Hz, LPF - 70 Hz, Notch - off

Neuroscan SCAN 4.3 Printed : 12:36:26 13-Nov-2007

*_nagyatlagkontroll.avg _nagyatlag.avg Electrode: Fz

-25.0 -20.0 -15.0 -10.0 -5.0 µV 0.0 5.0 10.0 15.0 20.0 25.0 -1000.0

0.0

1000.0

2000.0

3000.0 ms

4000.0

5000.0

3. ÁBRA: A CNV

A kontroll-, (zöld vonal) és feladathelyzetben (piros vonal) elvezetett CNV átlaga. A CNV görbéje 2850 ms-nél, várt ötödik hang környékén éri el minimumát (kék nyíl) Az első hangot követő N100 EKP-t külön is vizsgáltuk. A kontroll (feladat nélküli) helyzet az N100 amplitúdóját nézve gyakorlatilag (mérési hibán belül) azonosnak mondható a feladatos helyzettel. Ekkor valószínűleg még csak lassan indul a CNV görbe. A felkészítő inger nem okoz szignifikáns változást.


8. oldal

0

-1.3

-2.5

-3.8

-5.0

-6.3

-7.5

-8.8

-10.0

-11.3

-12.5

-13.8

-15.0

-16.3

-17.5

-18.8

2720.00 ms

-20.0

4. ÁBRA: A CNV TERJEDÉSE TÉRKÉPEN

Felülnézeti kép. A fekete pontok az elektródákat jelölik. A színtérkép skálája µV -ban a jobb oldalon definiált skála alapján van beállítva. A CNV hátraterjedése már a 2. ábra görbéin is megfigyelhető, de a negativitás hullám minimum csúcsának pillanatáról készített feszültségtérképen is jól látszik, hogy frontálisan a legerősebb az eltolódás (4. ábra). Időben továbbhaladva azt láttuk, hogy a kék (negatív) terület húzódik hátrafele az occipitális lebeny irányába, és közben – ahogy a CNV amplitúdó csökken a tarkó fele – lassan tolódik a zöldes színtartományba.


9. oldal

ÖNÁLLÓ LABOR II. „ V Á R A K O Z Á S I F O L Y A M A T O K K A L Ö S S Z E F Ü G G Ő A G Y I E L E K TR O M O S P O TE N C I Á L O K V Á L TO Z Á S A K I S D Ó Z I S Ú A L K O H O L HA TÁ S A A L A T T ”

Következő félévben a várakozási helyzeteket különböző szerhatás mellett már nemcsak az EEG, hanem az EKG, azaz a szívritmus változás szempontjából is vizsgáltuk minden egyes helyzetben. Az alacsony dózisú alkohol (0,2 g/test kg kis dózis, illetve 0,4 g/test kg nagy dózis) hatásait vizsgálva a fenti CNV helyzetben a következő eredményeket kaptuk (5. ábra).

5. ÁBRA: A SZÍVRITMUS VÁLTOZÁSA KÜLÖNBÖZŐ HELYZETEKBEN (31 SZEMÉLY ADATAINAK NAGYÁTLAGA)

Fekete nyilak jelzik a megszólaló, szürke az elmaradó akusztikus ingert. A „Placebo előtt”, „Kis dózis előtt” és „Nagy dózis előtt” az adott dózisú vizsgálat napján a szer beadását megelőző (szerhatás nélküli) feladatos helyzetet jelenti.


10. oldal

A pulzusszám eredményeket a következő táblázatban foglaltam össze (2. táblázat). Az amplitúdó változást mind a minimum és maximum érték között, mind a maximum és az átlag pulzusszám között feljegyeztem. Vizsgálati helyzet

Maximum

Minimum

Átlag

Max - Min

Átlag - Min

Feladat nélkül

74.2823

73.4360

73.8453

0.8463

0.4092

Placebo előtt

77.6971

74.0641

75.8120

3.6329

1.7479

Placebo

81.5518

76.7310

79.3670

4.8207

2.6359

Kis dózis előtt

77.9243

73.7283

75.9170

4.1959

2.1887

Kis dózis alkohol

85.1059

80.9245

83.1152

4.1814

2.1907

Nagy dózis előtt

78.2429

73.9698

76.1537

4.2731

2.1840

Nagy dózis alkohol

84.6171

80.7646

82.7523

3.8524

2.9876

2. TÁBLÁZAT: PULZUSSZÁM-VÁLTOZÁS

Az itt szereplő átlagok már csak az elfogadott epochok alatt mért átlagok, tehát nem azonosak azzal, amit korábban tájékozódásként készítettünk! Érdekes hogy a legnagyobb amplitúdó változás a placebo esetnél volt mérhető, míg a nagyobb mennyiségű alkohol mintha csökkentette volna a változást. Feladat nélküli helyzetben nincs jelentős szívritmus változás.


11. oldal

Statisztikailag szignifikáns különbség (Tukey próba) az egyes helyzetekben mért CNV csúcsértékek között nem volt, csak a feladat nélküli helyzetekben (pirossal jelölt pértékek a szignifikancia-érték táblázatokban az ábra jobb felső sarkánál). Látható azonban, hogy az alkohol dózisfüggően csökkenti a CNV amplitúdóját. (6. ábra) Effective hypothesis decomposition Vertical bars denote 0.95 confidence intervals -5

Szignifikancia értékek Feladat nélkül (1) Placebo előtt (2) Kis dózis előtt (3) Nagy dózis előtt (4)

-10 -15

{1} 0.000146 0.000156 0.000233

{2} 0.000146 0.981192 0.825185

{3} 0.000156 0.981192

{4} 0.000233 0.825185 0.963435

0.963435

-20 -25 -30

Amplitúdó

-35 -40 -45 -50 -55

Feladat nélkül (Fz)

Placebo (Fz)

Kis dózis (Fz)

Nagy dózis (Fz)

Helyzet 6. ÁBRA: CNV CSÚCSAMPLITÚDÓJÁNAK STATISZTIKAI ELEMZÉSE AZ EGYES VIZSGÁLATI HELYZETEKBEN

A CNV csúcsamplitúdójának (2000 ms és 3500 ms között mért) elemzése. Az elvezetések mind Fz-ről történtek


12. oldal

A MUNKA RÉSZLETES ISMERTETÉSE VIZSGÁLATI ANYAG Kész EEG felvételeket kaptunk, melyek a „Pszichoaktív élvezeti szerek” hatását vizsgáló kísérletsor keretében kerültek rögzítésre, különféle helyzetekben. A vizsgálatsor célja az volt, hogy megállapítsa, a pszichoaktív élvezeti szerek (alkohol, nikotin) mennyiben befolyásolják az ember figyelmi kapacitását, memóriateljesítményét, és a kognitív aktivitás más mutatóit (Boha, 2007). A több mint 70 alany (fiatal férfiak) számos feladatban vett részt több alkalommal: feladat nélküli helyzetben, feladathelyzetben (pl. amikor válaszolniuk kellett gombnyomással), illetve feladathelyzetben valamilyen mennyiségű alkohol befolyása alatt. Alkohol kis dózis 0,2 g / test kg, nagy dózis 0,4 g / test kg volt. Ez mind olyan mennyiség, amit egy átlag ember esetlegesen hétköznapjai során is fogyaszt, úgynevezett „szociális dózis”.

SZÁMOLÁS VIZSGÁLATI HELYZETE Minden alany helyzeteként összesen 20 db ingersort kapott. 2 sec szünet után egy plafonszámot láttak (4’ trigger) 1 másodpercig, majd egy újabb másodperc múlva (1’ trigger) a négy összeadandó szám volt látható 4100 msec-ig. Ez alatt kellett válaszolniuk, majd 2 másodpercig helyes vagy helytelen megoldásnak megfelelően (8’ vagy 9’ trigger) zöld vagy piros képernyőt láttak.

2000 ms

1030 ms

1030 ms

+

4' trig.

+

csak a elején

4100 ms

1' trigger

sorozat

2000 ms

5'/6'/+

Helyes válasz: 10’, 11’. Helytelen: 8’, 9’

3. TÁBLÁZAT: ÖSSZEADÁS FELADATHELYZET

Felül az idő msec-ben, alul a triggerek azonosító száma. Kontrollhelyzetben a feladatok között a visszajelző képernyő (zöld illetve piros) helyett fixációs kereszt. Később két külön gombbal válaszolnak a személyek, a felső gombot akkor nyomják meg, amikor a négy szám összege nagyobb, mint a plafonszám, az alsó gombot pedig akkor, amikor kisebb.


13. oldal

VIZUÁLIS MEMÓRIA VIZSGÁLATI HELYZETE Ennél a kísérletnél a kísérletben résztvevő személyek feladata 12 kép megjegyzése volt 30 sec-os expozíciós idővel, majd 30 sec után felidézéssel folytatódott. Ez alatt a fél perces „bevésési szakasz” alatt kellett memorizálni, fejben tartani a látott képet. Egy hanginger (8’ trigger) jelezte a felidézés kezdetét. Ez az ingersor csak egyszer ment le, s feladat nélküli kontroll sincs külön (csak szerhatás nélkül).

2000 ms

+

14 x 2048 ms

14 x 2048 ms

4’ trigger az elején, majd 1' (2048 ms-onként)

4’ trigger az elején, majd 2' (2048 ms-onként)

50 ms

12000 ms

8' trig

Felidézés

4. TÁBLÁZAT: VIZUÁLIS MEMÓRIA FELADATHELYZET

Felül az idő msec-ben, alul a triggerek azonosító száma.

ADATGYŰJTÉS, SZŰRÉS A teljes kutatási projectből kiválogattuk a számolás illetve vizuális memória vizsgálatok adatait. A több darabból álló mintákat összefűztem (egyesites.tcl), majd szétválogattam vizsgálati helyzetek szerint: kontrollhelyzet (nincs feladat, vizuális memóriánál ez nem volt!), szerhatás nélküli (adott napi dózis beadása előtt egy feladatos kontrollvizsgálat), placebo, kis dózis, nagy dózis. Az EEG-n túl felvételekben benne van az EKG, és a páciens által hallott és leadott jelek triggere. Egy Neuroscan scripttel (ekg.tcl) először egy hipass filterrel megszüntetjük a nagy töltésingadozásokat az EKG csatornán, majd az EKG-ban megjelöltük a 85 µV-nál nagyobb csúcsokat threshold szűrővel (melyek minimum 400 msec távolságra voltak egymástól, ezek az „R csúcsok”) hogy így kiválasszuk az egyes szívveréseket a további feldolgozáshoz. Az így készülő Event File-ba (ev2 kiterjesztésű eseménynapló file) tehát a szívverések ideje, a hallott hangok, és visszajelző gombnyomások ideje van benne, illetve később beletettük a szakadási helyeket mutató Start/Stop triggereket is (Ekg_event.tcl). Öt személy adatait törölni kellett, mert rossz adatokat regisztrált a rendszer (valószínűleg elcsúszó elektród vagy szakadás miatt), illetve nem kaptunk megfelelő szívritmus jeleket (túl alacsony).


14. oldal

EKG ELEMZÉS Az EEG vizsgálatához korábban készített szívritmus elemző szigorúan időkeretekhez kötött mintavételezéssel működik, hogy hiba nélkül lehessen több személy adatait átlagolni. Az EKG_timeline.m elve az, hogy a megadott intervallumon belül bizonyos időnként („mintavételezési idő”) megnézi, hogy az adott időpont körül milyen messze van a két szívdobbanás, azaz a mintavételezés pillanatában mennyi a pulzusszám (7. ábra). Hasonlóan a hangok digitalizálásához, bizonyos időközönként vett mintát tárolunk el. A mintavételezésnek a Nyquist-Shannon tétel alapján legalább kétszer olyan gyorsnak kell lennie, mint az előforduló legnagyobb frekvencia. Például ha a vizsgált személy pulzusszáma 150 / perc, az azt jelenti, hogy 400 msec-enként ver egyet a szíve (ami már igen magasnak számít). A tétel szerint ezt legalább 200 msec-es (5 Hz) felbontással kell mintavételeznünk. A programban ez tetszőlegesen állítható, mi a méréseket 100 msec-es (10 Hz) felbontással hajtottuk végre. (Megjegyzés: a Shannon tétel kielégítése a jel veszteségmentes visszaállíthatóságához kell, nálunk ez tulajdonképpen nem feltétel.)

7. ÁBRA: SZÍVRITMUS MÉRÉS

Szürke vonalak jelzik azokat az időpontokat, amiben megmérjük és eltároljuk az időponttól balra és jobbra lévő R csúcsok távolságát (színes nyilak)

Az algoritmus tesztelésére a felhasználtunk különféle paraméterezésű szimulált EKG jeleket programunkkal készítettünk.

is,

melyeket

az

eventgen.m

Az EKG_timeline35.m verzió a grafikus felületen túl már parancssorból paraméterezve is futtatható. Az átlagokon és grafikonokon túl az amplitúdóváltozást is megjeleníti. A mérés során keletkező szakadási helyeket felismeri és lekezeli (kihagyja), illetve az EEG elemzés során hibásnak megjelölt epoch-ok képes figyelembe venni, és ha úgy paraméterezzük, nem veszi bele az átlagba. A jelen félév méréseihez készített 4-es verzió a hatékonyság érdekében újraírt maggal már előfeldolgozott adatokat ad, amik egyből statisztikázhatóak. Grafikus felület nincs, mert ez egész program egy meghívható függvényként dolgozik, kimenetét a képernyőre, adatfile-ba, vagy MatLAB váltózóként adja. Megjelent az „automatikus műtermék-szűrés” funkció, mely kiszűri a túl magas vagy túl alacsony pulzusszámú epoch-okat.


15. oldal

Az itt szereplő mérésekhez használt EKGtimeline45.m függvény a hibatűrésre és felismerésre lett kiélezve. Képes részletes adatokat feljegyezni az elemzett fileokról, illetve pontosan kijelezni a hibák jellegét: a méréshez képest melyik file vagy epoch túl rövid, hol sok a hibás adat stb. Az EKG_szamauto.m illetve EKG_szamauto.m script automatikusan lefuttatja a fenti pulzusmérő algoritmusokat a teljes vizsgálati anyagokon, kimenetként az összehasonlító ábrát és minden adatot megadva. (Ezzel gyakorlatilag egy perc alatt egy teljes vizsgálat leelemezhető). A script képes megadott időhosszúságban pulzusszám változás görbét baseline-olni, azaz a kezdőpontokat, kezdő szakaszokat egy szintbe hozni, hogy az amplitúdó változás jobban megfigyelhető legyen. Elkezdtünk egy statisztikát is készítő programcsomagot is, de egyelőre maradtunk a régi megoldásnál az eredmények megjelenítéséhez.

EEG Jelen esetben vizsgált helyzetekhez már más cikkek keretében elkészült az EEG, azokat nem ismételtem meg.

FELHASZNÁLT ESZKÖZÖK A munka során az MTA Pszichológiai Kutatóintézetében, a Nemlineáris Pszichofiziológiai Kutatócsoport laborjában dolgozhattunk szabványos nagy teljesítményű PC-ken, az ott használt szoftvereket megtanulva és azokra támaszkodva. 

MatLAB r2007a (MathWorks, 2007)



Neuroscan 4.3 (Neuroscan, 2003)



Microsoft Excel 2003



Statistica 7.1



Boha Roland scriptjei, amiért őt külön köszönet illeti (Boha, 2007)

Az alapelemzéseket és az EEG átlagolásokat Neuroscan scriptekkel csináltuk, a munka java része MatLAB programok írásával és használatával történt. Rögzítés a Neuroscan rendszer NuAmp erősítőjének segítségével készült.


16. oldal

EREDMÉNYEK SZÁMOLÁS EKG EKG timeline 4.5 - Számolás 90

85

Alc-nagy Alc-kicsi Alc-placebo Kontroll Szer-Nélkül

Pulzusszám

80

75

70

65 -2000

-1000

0

1000

2000 3000 Idő [msec]

4000

5000

6000

7000

8 . ÁBRA: PULZUSGÖRGÉK A KÜLÖNBÖZŐ HELYZETEK ALATT, ÖSSZEADÁS SORÁN A teljes feladathelyzet alatti pulzus. Az első, sötétszürke vonal a 4’ –es trigger (plafonszám), a második (1’ trigger) a négy összeadandó szám felvillanása, miután a kísérletben résztvevő személyeknek válaszolniuk kell gombnyomással. A harmadik vonal után már a választ kiértékelő képernyőt látják.

A számolásnak megfelelő fokozott mentális erőfeszítés eredményeként nő a percenkénti pulzusszám.


17. oldal

EKG timeline 4.5 - Számolás - Alapvonaligazított 82

81

80

Alc-nagy Alc-kicsi Alc-placebo Kontroll Szer-Nélkül

Pulzusszám

79

78

77

76

75

74

73 -2000

-1000

0

1000

2000 3000 Idő [msec]

4000

5000

6000

7000

9 . ÁBRA: ALAPVONALIGAZÍTOTT PULZUSGÖRBÉK ÖSSZEADÁS ALATT A fenti ábra, csak a szerhatás nélküli helyzet első 1 másodperc alapján átlagolt adatokhoz van igazítva a többi görbe. Jól látható, hogy a kis dózis alkohol okozta a legnagyobb amplitúdó változást, a placebo pedig alig okozott változást itt is a szer nélküli eredményekhez képest – de a változás sehol sem volt szignifikáns.


18. oldal

100

95

Tukey HSD test Cell No. R1; R1 LS Means {1} {2} {3} {4} {5} Current effect: F(4, 96)=9.1351, p=.00000 1 Effective KONTROLL 0.021447 0.000120 0.000144 0.009666 hypothesis decomposition 2 Vertical bars denoteSZN 0.950.021447 confidence intervals0.133578 0.352048 0.998886 3 Kicsi 0.000120 0.133578 0.985471 0.229995 4 Nagy 0.000144 0.352048 0.985471 0.514344 5 Placebo 0.009666 0.998886 0.229995 0.514344

90

DV_1

85

80

75

70

65 KONTROLL

SZN

Kicsi

Nagy

Placebo

R1

10 . ÁBRA: TELJES FELADATHELYZETEK SORÁN MÉRT PULZUSSZÁM ÁTLAG Tukey elemzés csak a (természetesen szerhatás nélküli) kontrolltól mutat szignifikáns eltérést.


19. oldal

VIZUÁLIS MEMÓRIA EKG EKG timeline 4.5 - Memória 110

105

Alc-nagy Alc-kicsi Alc-placebo Szer-Nélkül

100

Pulzusszám

95

90

85

80

75 -59344

-49344

-39344

-29344 Idő [msec]

-19344

-9344

656

11. ÁBRA: PULZUSSZÁM A MEMÓRIAFELADATOK SORÁN

Az első szürke vonal mutatja a 12 kép felvillanását, amit körülbelül 30 másodpercig láttak (második szürke vonal). Ezután szintén megközelítőleg fél percig meg kellett jegyezniük azokat. A harmadik szürke vonal a felidézés kezdetét jelzi: itt hirtelen felugrik a pulzus minden helyzetben. Jól látható, hogy a szerhatás nélküli tevékenységet jelző görbe minden esetben a többi alatt marad. A „nagy dózis” alkohol mintha tompítana a placebo-s esethez képest, míg a „kis dózis” hozza legmagasabb pulzusszámokat.


20. oldal

EKG timeline 4.5 - Memória - Alapvonaligazított 110

105

Alc-nagy Alc-kicsi Alc-placebo Szer-Nélkül

100

Pulzusszám

95

90

85

80

75 -59344

-49344

-39344

-29344 Idő [msec]

-19344

-9344

656

12. ÁBRA: SZER NÉLKÜLI HELYZETHEZ IGAZÍTOTT ADATOK MEMÓRIAFELADAT SORÁN

Az első két másodperc alapján alapvonaligazított görbék. A „nagy dózis” alkohol mintha jelentősen visszafogná a szívritmust.


21. oldal

Tukey HSD test Cell No. R1

{1}

{2}

{3}

{4}

R1; LS Means Current effect: F(3, 93)=3.4944, p=.01868 1 Szerhatás nélkül 0.679455 0.015286 0.139195 Effective hypothesis decomposition 2 Placebo 0.679455 0.218922 0.719029 Vertical bars denote 0.95 confidence intervals 100

3 4

Kis dózis 0.015286 0.218922 0.811739 Nagy dózis 0.139195 0.719029 0.811739

98 96 94

DV_1

92 90 88 86 84 82 80 78 Szerhatás nélkül

Kis dózis

Placebo

Nagy dózis

R1 13. ÁBRA: STATISZTIKAI PUZUSSZÁM ÁTLAGOK A MEMÓRIAFELADATON

Az átlag a felidézés előtti 20 másodperces intervallum alapján készült. A „kis dózis” szignifikánsan magasabb értéket ad a többi helyzethez képest a Tukey próba eredményei alapján.


22. oldal

KÖVETKEZTETÉSEK •

A placebo is, de különösen a kis dózis alkohol jelentős mértékben emeli a pulzusszámot

•

A pulzusszám-változás viszont az alkohol dózis további növelésére csökken (talán azért, mert a feladatmegoldás nehezebb alkoholos befolyásoltság alatt, s ez csökkenti a szívritmus változását)

•

Külső események követése közben csökkenhet pulzus

•

Külső ingerektől kevésbé függő mentális tevékenység mellett pedig nőhet percenkénti szívverésszám

A szomatikus reakciók igazolták elvárásainkat. Összeadási feladatnál a szívritmus a feladat nehézségével párhuzamosan emelkedik, egy relatív alacsony külső eseményre figyelő szintről a kognitív tevékenység mellett megemelkedik. Képek megjegyzése során a egy nagyon lassan emelkedő, de alapvetően alacsony szintű görbét láttunk a feladathelyzet elején – külső eseményre figyel a kísérleti személy. Vizuális memória kísérlet esetén az egyetlen külső ingernek mondható változás az, amikor eltűnik a memorizálandó kép, ekkor egy pillanatra megugrik a szívritmus, majd beáll egy stagnálás a „fejben tartás” alatt. Sajnos az EKG felvételek nem terjedtek ki a visszaidézés fázisára, de már az első másodpercekből látható, hogy egy nagy emelkedő ugrás jelzi a pulzusgörbén hogy a személy hajt végre egy feladatot, melyhez sok vért kell az agyba juttatnia a szívnek, s megemelkedik a pulzus. Szerhatást vizsgálva az amplitúdó változások a Tukey szignifikancia teszt szerint nem mutattak jelentős eltérést az a pulzusszám emelkedésben a számolási feladatban. (A kontroll helyzettől természetesen jól látható eltérés van.) Az alapvonaligazított pulzusgörbéknél azonban látszik, hogy a legnagyobbváltozást (ahogy a CNV esetén is láttuk) a kis dózis alkohol hozta ez a vizuális memória feladatnál is látszik! Egyértelmű viszont az alkohol hatása az átlagos pulzusszám változásban, ahol megint a kis dózis hozta a legnagyobb értékeket: vizuálsi memóriánál szignifikáns eltérést a többi helyzethez képest.

KÖSZÖNETNYILVÁNÍTÁS Köszönettel tartozom 



Dr. Molnár Márk Professzor Úrnak világos és lényegre törő konzultációkért, szakmai irányításért, irodalmakért, valamint hogy egyáltalán biztosította a lehetőséget egy ilyen érdekes feladatban való részvételre, Boha Rolandnak türelmes és segítőkész hozzáállásáért, hogy minden nap kalauzolt, és sok kellemes órát töltöttünk együtt.

Köszönöm a MTA-PKI többi munkatársának is, hogy meleg szívvel fogadtak, s felhasználhattuk a „Pszichoaktív élvezeti szerek” kutatási project sok munkával készített elemeit. Benyovszky Máté | Mérnöki tervezés beszámoló

23. oldal

IRODALOMJEGYZÉK Bakay, P. É., Marton, M., Nádasdy, Z., & Rigó, P. (1994). Lassú negatív, illetve pozitív agyi hullámok funkcionális vizsgálata. Pszichológia (14), old.: 23-54. Boha, R. (2007). Pzichoaktív élvezeti szerek hatása a spontán és kiváltott elektromos tevékenység spektrális és komplexitás jellemzőire. MTA, PKI. Budapest: PPKE-ITK. Clemens, B. (2000). Amplitúdómapping. In B. Clemens (Szerk.), Ideggyógyászati Szemle (old.: 315-326). Cooper, R., Binnie, C. D., & Shaw, J. C. (2003). EEG analysis. In Clinical Neurophysiology (Vol. 2). Elsevier Science B. V. Czigler, I., & Winkler, I. (1999. Július). Kognitív pszichofiziológia: Agyi elektromos változások és humán megismerési folyamatok. Magyar Tudomány (7). Geréby, G. (1990). Az EEG felvételi technika. In EEG asszisztensi tananyag (old.: 45-72). Budapest: Szociális- és Egészségügyi Minisztérium. Izsó, L., & Eszter, L. (1999). A szívperiódus variábilitása mint az aktuális mentális erőfeszítés mértéke az ember-számítógép interakcióban. Alkalmazott Pszichológia , I (3), old.: 7-20. L'Auné, G. (1990). Műtermékek. In P. Rajna (Szerk.), EEG asszisztensi tananyag (old.: 89105). Budapest: Szociális- és Egészségügyi Minisztérium. Marton, M., & Bakay, P. É. (1994). Negatív és pozitív agyi hullámok funkcionális jelenléte. Pszichológia (14), old.: 3-15. MathWorks. (2007). MATLAB Help. McCallum, W. C. (1988). Potentials Realted to Expectany, Preparation and Motor Activity. In T. W. Picton (Ed.), EEG Handbook (Vol. 3). Elsevier Science Publishers B.V. (Biomedical Division). Nagy, A. (1990). Az EEG regisztrálás technikai alapjai. In EEG asszisztensi tananyag (old.: 33-36). Budapest: Szociális- és Egészségügyi Minisztérium. Nagy, A. (1990). Az electroencephalogram élettani alapjai. In G. Geréby, P. Prof. Halász, G. L'Auné, A. Nagy, P. Rajna, M. Rózsavölgyi, és mtsai., & P. Rajna (Szerk.), EEG asszisztensi tananyag (old.: 29-33). Budapest: Szociális- és Egészségügyi Minisztérium. Neuroscan, C. (2003). Scan Edit/TCL Batch 4.3. Offline Analysis of Acquired Data , 2 . Paseo Del Norte. Rajna, P. (2000). EEG-frekvencia-elemzés. In Ideggyógyászati Szemle (old.: 293-303). Rózsavölgyi, M. (1990). Agyi kiváltott válasz. In P. Rajna (Szerk.), EEG asszisztensi tananyag (old.: 153-158). Budapest: Szociális- és Egészségügyi Minisztérium. Szabó, M. (2000). Neurometria. In B. Clemens (Szerk.), Ideggyógyászati Szemle (old.: 303-315).


24. oldal

ÖSSZEFOGLALÓ Az első féléves technikai bevezetés gyakorlati szárnypróbálgatással társulhatott már a második félévben, és már az elején lehetőségünk - volt az egyetem motivációival találkozva – az informatika eszközeit a biológiai kutatásokban felhasználni. Ebben a félévben már kevésbé ismert vizekre eveztünk, új utakat kellett törnünk és új eredményeket kaptunk egy önálló kutatási feladatban. Tavaly a „Pszichoaktív élvezeti szerek (nikotin, alkohol) hatása az EEG nemlineáris és lineáris komplexitás-jellemzőire” kutatásba kapcsolódva vizsgáltuk, hogy a különböző alkohol dózisok mennyiben befolyásolják a felkészülési görbét (CNV-t) illetve a szívritmust. Betekintést nyertünk az agyi elektromos tevékenység számítógépes feldolgozásának lehetőségeibe, illetve a kapott eredmények statisztikai elemzésébe. Idén a kognitív tevékenység szervezetre gyakorolt hatását, a szervezet szomatikus reakcióit vizsgáltuk. Fókuszunk az EKG, a szívritmus tevékenység megfigyelésére helyeztük. Különböző helyzeteket vizsgáltunk, mely során a kísérletben résztvevő személyek „szociális dózisú” alkoholt kaptak, s kontrollált feladatokat hajtottak végre. A munka során a szétválogatott és tevékenység szerint rendezett EKG nyersanyagon scriptek segítségével végrehajtottuk a szintbeállítást és szűréseket, amivel megkerestük a szívveréseket jelző R csúcsokat. Az elemzéséhez szükséges adatokat (R csúcsok időpontja) Event File-ba exportáltuk Egy olyan elemző szoftverrendszert fejlesztettünk, mely másodpercek alatt képes a teljes vizsgálati anyagot (jelen esetben 25-30 ember, 4-7 helyzet) végigszámolni, és azonnal látványos grafikonként ábrázolni a pulzusgörbét. Emellett rendelkezik minden olyan kimenettel, melyek azon kívül hogy rögtön feldolgozhatóak statisztikailag, számos ellenőrzésen mentek keresztül. Részletes visszajelzéseket ad az elemzett anyag minőségéről, és tetszőlegesen konfigurálható paramétereivel kiszűrhetőek a felvétel során készült hibák. A programhoz egy ellenőrző script is készült, így szimulált adatokkal is leteszteltük. Az eredmények nagyjából az elvárásaink szerint alakultak: leegyszerűsítve mondhatjuk, hogy ki tudtuk mutatni a fokozott mentális erőfeszítést a pulzusszám változásban is. Alkohol hatására a pulzusszám nő, de amikor szinte „visszafojtott lélegzettel gondolkodunk”, a kognitív tevékenység egy enyhe lassulást okoz.


25. oldal

MELLÉKLETEK ÁBRAJEGYZÉK 1. ÁBRA: CNV HELYZET, EGYETLEN SZEMÉLY NYERS EEG ADATAIVAL...................................................................... 4 2. ÁBRA: CNV TERJEDÉS ................................................................................................................................. 5 1. TÁBLÁZAT: AKUSZTIKUS FELADATOK ............................................................................................................... 7 3. ÁBRA: A CNV ........................................................................................................................................... 8 4. ÁBRA: A CNV TERJEDÉSE TÉRKÉPEN............................................................................................................... 9 5. ÁBRA: A SZÍVRITMUS VÁLTOZÁSA KÜLÖNBÖZŐ HELYZETEKBEN (31 SZEMÉLY ADATAINAK NAGYÁTLAGA) ..................... 10 2. TÁBLÁZAT: PULZUSSZÁM-VÁLTOZÁS............................................................................................................. 11 6. ÁBRA: CNV CSÚCSAMPLITÚDÓJÁNAK STATISZTIKAI ELEMZÉSE AZ EGYES VIZSGÁLATI HELYZETEKBEN ........................... 12 3. TÁBLÁZAT: ÖSSZEADÁS FELADATHELYZET ...................................................................................................... 13 4. TÁBLÁZAT: VIZUÁLIS MEMÓRIA FELADATHELYZET............................................................................................ 14 7. ÁBRA: SZÍVRITMUS MÉRÉS ......................................................................................................................... 15 8. ÁBRA: PULZUSGÖRGÉK A KÜLÖNBÖZŐ HELYZETEK ALATT, ÖSSZEADÁS SORÁN ....................................................... 17 9. ÁBRA: ALAPVONALIGAZÍTOTT PULZUSGÖRBÉK ÖSSZEADÁS ALATT ....................................................................... 18 10. ÁBRA: TELJES FELADATHELYZETEK SORÁN MÉRT PULZUSSZÁM ÁTLAG................................................................. 19 11. ÁBRA: PULZUSSZÁM A MEMÓRIAFELADATOK SORÁN ..................................................................................... 20 12. ÁBRA: SZER NÉLKÜLI HELYZETHEZ IGAZÍTOTT ADATOK MEMÓRIAFELADAT SORÁN ................................................. 21 13. ÁBRA: STATISZTIKAI PUZUSSZÁM ÁTLAGOK A MEMÓRIAFELADATON .................................................................. 22

FEJLESZTETT PROGRAMOK (CD MELLÉKLET) NEUROSCAN SCRIPT: egyesites.tcl ekg_event.tcl

EEG darabok összefűzése R csúcsok és triggerek exportálása az .eeg file-ból Event File-ként, (már szakadási helyekkel)

MATLAB PROGRAM: EKG_timeline.m eventgen.m EKG_timeline3.m EKG_timeline35.m EKG_timeline4.m EKG_timeline45.m EKG_szamauto.m EKG_memauto.m

mintavételezős EKG elemző (csúsztatott ablak) Event File generáló (szimulált szívritmus például) elfogadást, szakadást. figyelembe vevő EKG elemző parancssorból futtatható, átlagok, különbségek függvényként működik, képernyőre vagy fileba írás, gyorsított algoritmus, min/max pulzus szűrés többszintű „debug mode”, részletes hibaüzenetek, hibatűrő mag baseline-olni képes script amely teljes számolási vagy memória vizsgálati anyagot végigelemzi


26. oldal

M U T A T Ó I K I S D Ó Z I S Ú A L K O H O L

Recommend Documents