Informacja

Czy elektroda rejestrująca nie powinna mieć jak najmniejszej rezystancji?

Czy elektroda rejestrująca nie powinna mieć jak najmniejszej rezystancji?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Poniższy cytat pochodzi z tej strony wikipedii o nagraniu pojedynczej jednostki.

Wewnątrzkomórkowe rejestracje pojedynczych jednostek wymagają wprowadzenia elektrod przez błonę komórkową w celu rejestracji z wnętrza komórki. Mikropipety szklane lub elektrody metalowe mogą być stosowane do wewnątrzkomórkowych zapisów pojedynczych jednostek, ale mikropipety szklane są preferowane, ponieważ ich wysoka rezystancja wejściowa umożliwia bardziej precyzyjne zapisy do pomiaru potencjałów spoczynkowych.

Jak wysoka rezystancja wejściowa pomaga w lepszych nagraniach? Czy elektroda rejestrująca nie powinna mieć jak najmniejszej rezystancji?


Dla dokładnego pomiaru potencjału membrany kluczowe jest zapewnienie jak najmniejszego przepływu prądu przez urządzenie pomiarowe. W przeciwnym razie równowaga kanałów wycieku, która generuje potencjał spoczynkowy, zostałaby zakłócona. Zobacz schemat i tekst z Axon Guide 3. edycja poniżej:


Lokalna rejestracja biologicznych pól magnetycznych za pomocą mikrosond opartych na Giant Magneto Resistance

Aktywność elektryczna mózgu, serca i mięśni szkieletowych generuje pola magnetyczne, ale są one rejestrowane tylko makroskopowo, tak jak w magnetoencefalografii, która służy do mapowania aktywności neuronalnej w skali mózgu. W skali lokalnej nagrania pól magnetycznych wciąż są w toku ze względu na brak narzędzi, które mogą wejść w kontakt z żywymi tkankami. Tutaj przedstawiamy biokompatybilne czujniki oparte na elektronice spinowej Giant Magneto-Resistance (GMR). Pokazujemy na mięśniu myszy in vitro, wykorzystując elektrofizjologię i modelowanie obliczeniowe, że technologia ta umożliwia jednoczesne lokalne rejestrowanie pól magnetycznych z potencjałów czynnościowych. Czułość tego typu czujnika jest prawie niezależna od rozmiaru, co pozwala na miniaturyzację i kształtowanie wymagane do in vivo/vitro magnetofizjologia. Technologia oparta na GMR może stanowić magnetyczny odpowiednik mikroelektrod w elektrofizjologii i może stanowić nowe podstawowe narzędzie do badania lokalnych źródeł magnetycznej aktywności neuronów.


2 przemyślenia na temat &bdquo Jak skorygować rezystancję szeregową (i pojemność całego ogniwa) w rzeczywistych ogniwach &bdquo

To naprawdę świetne źródło!
Wielkie dzięki za zebranie tego w całość tak wyraźnie.

Jedną z rzeczy, z którymi byłem zdezorientowany przez długi czas, jest korekta R_s online vs offline. Wygląda na to, że niektóre hardkorowe badania biofizyczne (tylko z czubka mojej głowy: Meyer, Neher, Schneggenburger, J Neurosci. 2001) świadomie unikają korekty dla wszystkich zmierzonych R_s online i raczej pozostawiają określoną pozostałość, która jest następnie korygowana offline.

Dla mojego zrozumienia, to w dużej mierze rozwiązuje problem filtrowania dolnoprzepustowego, ale nie problemy VC związane z brakiem korekcji R_s.. Ale rozumiem również, że w przypadku nagrań EPSC nie zrobiliby skoków napięcia, a główne neurony MNTB są dość kompaktowe, a i tak są to nagrania o dość niskim R_s. Nie jestem więc pewien, jak zdecydować, która wartość nieskompensowanych R_s jest odpowiednia dla jakich warunków.

Czy ludzie łatający różne komórki mają dobrą heurystykę, czym powinny być nieskompensowane R_s?

Świetne pytanie. Zacznijmy więc od konkretów. Więc mówisz o artykule https://doi.org/10.1523/JNEUROSCI.21-20-07889.2001 ? Więc z pewnością wykonali rekompensatę Rs, mają pięknie napisany rozdział w metodach. “. Po drugie, elektroniczna kompensacja Rs wzmacniacza została ustawiona tak, że nieskompensowana frakcja Rs nie przekraczała 3 MΩ, a nagrania ze zmierzonym Rs >10 MΩ zostały wyłączone z analizy. Więc ich procedura jest taka, że ​​nie używały wszelkie komórki były Rs większe niż 10 MΩ. Powiedzmy, że otrzymali nagranie 9 MΩ Rs. Następnie musieli być w stanie skompensować do co najmniej 66%, aby uzyskać nieskompensowaną frakcję Rs do 3 MΩ. Następnie użyli bardzo prostego algorytmu przedstawionego w Traynelis 1998, J Neurosci Methods, aby obliczyć oczekiwany rozmiar EPSC przy Rs równym 3 MΩ, obliczonej pojemności i szacowanym potencjale odwrócenia. Udało im się to zrobić, ponieważ założyli, że prąd AMPA jest liniowo z napięciem, czyli jest zgodny z prostym prawem I = G * (Vm-Ve). I mogli dokładnie obliczyć wszystkie te wartości, znając spadek napięcia na rezystorze szeregowym.

Przejdźmy więc do ogólników: skąd wiesz, ile nieskompensowanych R_s jest odpowiednie? Cóż, zawsze prawdziwa odpowiedź brzmi: “jak najmniej”. Ale w praktyce zawsze chodzi o to, co mierzysz. Zawsze możesz wykonać ładne oszacowanie błędu napięcia w stanie ustalonym, patrząc na Rs * Ihold. Często jest tak, że wariancja błędu napięcia w stanie ustalonym jest większym problemem niż wielkość bezwzględna. Jeśli w jednym nagraniu jest to około 10 mV (10 MΩ * 1 nA), ale w innym 1 mV (2 MΩ * 500 pA), to jest to 10 mV dodanego błędu do pomiaru potencjału odwrotnego [w przybliżeniu mówienie]. To były dość nieszczelne ogniwa, (1 nA prądu podtrzymania często oznacza, że ​​Twoje ogniwo jest upieczone). Jednakże, jeśli dostaniesz się do ogniwa z opornością membrany i uzyskasz 5 pA prądu podtrzymania, twój błąd stanu ustalonego będzie zawsze pomijalny. Jednak czasowa jakość opaski napięciowej może nadal pozostawiać trochę do życzenia, np. Ograniczenie napięcia może być tylko w stanie ustalonym. Możesz przejść do mojego postu tutaj i zobaczyć, co się stanie, ale z grubsza częstotliwość narożna filtra ustawionego przez Rs i Cm jest podawana przez 1/2*pi*Rs*Cm … Więc jeśli próbujesz podłączyć napięcie zacisnąć coś szybko, a twoja komórka ma więcej niż kilka pF pojemności, wtedy musisz mieć bardzo niską rezystancję szeregową.

Zastanów się więc, co mierzysz. Jakie błędy są dla Ciebie dopuszczalne? Następnie zastanów się, biorąc pod uwagę swój system, w jaki sposób możesz utrzymać błędy w tym zakresie i odpowiednio ustaw progi. Ale jeśli NAPRAWDĘ nie chcesz tego zrobić [co by mnie zasmuciło], upewnij się, że Rm/Rs jest większe niż 10 i upewnij się, że Rs * Cm jest mniejsze niż 100 mikrosekund. Dzięki temu będziesz w stanie mierzyć wszystko oprócz prądów sodowych.


WZGLĘDY PRAKTYCZNE

Wdrażanie zautomatyzowanych platform elektrofizjologicznych to niemałe przedsięwzięcie. Oprócz początkowej inwestycji w instrumenty, koszty eksploatacyjne mogą być znaczne i należy je wziąć pod uwagę. Aby pomyślnie przeprowadzić eksperymenty, należy zoptymalizować ustawienia sprzętowe, protokoły napięciowe, protokoły roztworów, warunki błonowe i docelowe poziomy ekspresji. Często wiele wysiłku poświęca się na optymalizację warunków i rozwiązywanie problemów. Ponadto wyniki zautomatyzowanych eksperymentów typu patch clamp powinny być potwierdzane przez różne platformy i konwencjonalną elektrofizjologię. Dlatego zautomatyzowany system patch clamp wymaga specjalistycznej wiedzy technicznej i wysoko wyszkolonego personelu. Ze względu na te względy wiele firm decyduje się polegać na kontraktowych organizacjach badawczych dla swoich potrzeb elektrofizjologicznych. W następnej sekcji skupimy się na technicznych aspektach zautomatyzowanych eksperymentów patch clamp.

Linie komórkowe i system ekspresji

Ponieważ typowy zautomatyzowany eksperyment typu patch clamp wymaga dziesiątek milionów komórek, najczęściej stosuje się stabilne linie komórkowe wyrażające interesujący kanał jonowy. Czynniki często brane pod uwagę to pochodzenie komórki gospodarza, istnienie podjednostek pomocniczych, podstawowe zanieczyszczenie prądem (przez konstytutywnie wyrażane kanały jonowe), gęstość prądu i jednorodność. Często potrzebnych jest kilka rund selekcji klonów, aby opracować wysokiej jakości stabilną linię komórkową, przy czym zautomatyzowana elektrofizjologia jest szczególnie przydatna do testów na dużą skalę. Na przykład, stosując Syncropatch, 384-dołkowy zautomatyzowany system patch clamp, można jednocześnie testować 24 klony, po 16 komórek na klon. Oprócz stabilnych linii komórkowych, przejściowo transfekowane komórki były również wykorzystywane do automatycznej elektrofizjologii (Vanoye i wsp., 2018), chociaż czasami może to ucierpieć ze względu na zmienne poziomy ekspresji kanału/receptora. Teoretycznie bakulowirusowy system ekspresji może również nadawać się do zastosowania w automatycznej elektrofizjologii.

W konwencjonalnych eksperymentach elektrofizjologicznych komórki są badane wizualnie, a „najlepsze” komórki są wybierane do badań. W przeciwieństwie do tego, w zautomatyzowanych eksperymentach elektrofizjologicznych komórki są łapane losowo z dużej puli, co sprawia, że ​​niezbędne jest użycie jednorodnych komórek o wysokiej jakości. Z naszego doświadczenia wynika, że ​​stosowanie delikatnego protokołu dysocjacji komórek, usuwanie resztek komórek, utrzymywanie komórek w niższej temperaturze i dostosowywanie gęstości komórek są skutecznymi sposobami poprawy ogólnego stanu komórek (Li i wsp., 2017).

Kontrola jakości

Kontrola jakości zautomatyzowanych eksperymentów patch clamp powinna być realizowana na wielu poziomach. Po pierwsze, należy zoptymalizować szereg parametrów elektrofizjologicznych, w tym początkową rezystancję wychwytywania ogniwa (>10 MΩ), rezystancję uszczelnienia (>500 MΩ), amplitudę prądu (>200 pA) i stabilność zapisu poprzez monitorowanie zmian pojemności ogniwa (<2-krotność) i serii oporność (<1,7-krotna Li i wsp., 2017). Optymalizacja ta jest realizowana na etapie opracowywania testu poprzez badanie parametrów w ustawieniach sprzętowych, podciśnieniu, protokołach napięcia, składzie roztworu i warunkach płukania. Inną ważną kwestią kontroli jakości jest aktualna stabilność. Rozbieg prądu (wzrost amplitudy) lub wybieg (spadek amplitudy) bez modulacji złożonej jest częstym problemem, który należy monitorować. Na przykład w przypadku kanałów sodowych bramkowanych napięciem może wystąpić 20% lub więcej skręcenia podczas 10-minutowego nagrywania. Chociaż przyczyny skręcania mogą obejmować pogorszenie uszczelnienia, nagromadzenie dezaktywacji i rotację kanału, takie dane należy uwzględnić podczas analizy danych. W teście należy uwzględnić odpowiednie kontrole pozytywne i negatywne oraz działanie nośnika związku. Wyniki należy ponownie ocenić, jeśli moc związków odniesienia znacznie odbiega od wartości historycznych.

Stężenie związku

Wiele zautomatyzowanych platform patch clamp wykorzystuje konstrukcje mikroprzepływowe, aby zapewnić szybką zmianę rozwiązania. Na przykład Ionflux Mercury przełącza się między strumieniami roztworu pod ciśnieniem, aby skrócić czas wymiany roztworu. Patchliner, QPatch i Qube umożliwiają szybką, niskonakładową wymianę roztworu w komorach do nagrywania. Inne systemy oparte na matrycach planarnych, takie jak Syncropatch 384/768PE i PatchXpress, bezpośrednio dodają i usuwają związki w dołkach rejestrujących. Skutki różnych metod aplikacji rozwiązań nie były systematycznie badane. Dodatkowo materiał na wióry może potencjalnie wpływać na efektywne stężenia związków. Na przykład wiadomo, że związki lipofilowe przylegają do powierzchni mikroprzepływowych i są wchłaniane przez nadmiar komórek w studzienkach rejestrujących (Bridgland-Taylor i in., 2006). Związki z większym prawdopodobieństwem przywierają do wiórów wykonanych z polidimetylosiloksanu (poprzez podział lipofilowy) niż do wiórów powlekanych szkłem. Z tych i innych powodów moce związków wywodzących się z automatycznych eksperymentów elektrofizjologicznych mogą być niedoceniane. Dlatego kluczowe odkrycia powinny zostać potwierdzone konwencjonalnymi eksperymentami elektrofizjologicznymi.


3. Wyniki

W poprzednim badaniu (Martinez et al., 2009) zastosowaliśmy podobne podejście do opisanego tutaj do symulacji szumu tła (ale w tym badaniu kształty kolców odpowiadające aktywności pojedynczej i wielu jednostek zostały wyodrębnione z bazy danych wcześniej zarejestrowanych skoków, a nie szczegółowej symulacji, jak tutaj).

Zgodnie z naszymi wcześniejszymi wynikami (Martinez et al., 2009), zastosowana tutaj ogólna strategia modelowania odtworzyła główne cechy nagrań pozakomórkowych. Jest to zilustrowane na rysunku 5, który przedstawia symulację z modelem opisanym powyżej (po lewej) i rzeczywisty zapis wewnątrzczaszkowy z ludzkiego przyśrodkowego płata skroniowego (po prawej) (Quian Quiroga i in., 2007) wraz ze skupiskami zidentyfikowanymi po skoku sortowanie i znormalizowane widmo gęstości mocy (PDS). W tym i następnych przykładach wykrywanie i sortowanie kolców przeprowadzono przy użyciu pakietu oprogramowania Wave_clus (Quian Quiroga i in., 2004). Syntetyczny zapis został wygenerowany przy średniej proporcji aktywnych neuronów (8%) i średnicy elektrody 40 µm. Jak pokazano w przykładzie, rejestracja ciągła, posortowane kształty spajków i PDS wyglądają bardzo podobnie dla symulacji i rzeczywistych danych.

Symulowany zestaw danych z 8% aktywnych neuronów i średnicą elektrody 40 m (po lewej) oraz rzeczywisty zapis z ludzkiego MTL (po prawej). (a) Dziesięć sekund ciągłych sygnałów, gdzie linie poziome reprezentują próg detekcji. (b) Klastry zidentyfikowane po automatycznym sortowaniu danych z wykorzystaniem pików przy użyciu nagrań z całego okresu. W obu przypadkach wykryto wielojednostkę i dwie pojedyncze jednostki. c) Znormalizowane widmo gęstości mocy (PDS) danych. Wstawka przedstawia log-log PDS między dwiema pionowymi liniami, wskazując dopasowanie liniowe do danych, gdzie reprezentuje nachylenie i r 2 współczynnik korelacji.

Symulowany zestaw danych z 8% aktywnych neuronów i średnicą elektrody 40 m (po lewej) oraz rzeczywisty zapis z ludzkiego MTL (po prawej). (a) Dziesięć sekund ciągłych sygnałów, gdzie linie poziome reprezentują próg detekcji. (b) Klastry zidentyfikowane po automatycznym sortowaniu danych w górę, z wykorzystaniem nagrań z całego czasu trwania. W obu przypadkach wykryto wielojednostkę i dwie pojedyncze jednostki. c) Znormalizowane widmo gęstości mocy (PDS) danych. Wstawka przedstawia log-log PDS między dwiema pionowymi liniami, wskazując dopasowanie liniowe do danych, gdzie reprezentuje nachylenie i r 2 współczynnik korelacji.

3.1. Wpływ rozmiaru elektrody.

Rysunek 6a ilustruje wpływ wielkości elektrody, gdzie trzy różne zapisy zostały wygenerowane z tym samym rozkładem neuronów dla małej (10 m), średniej (40 m) i dużej (300 m) średnicy elektrody. Małe elektrody mają zazwyczaj bardzo wysokie impedancje i wysoki stosunek sygnału do szumu i mają tendencję do wykrywania aktywności neuronów bardzo blisko ich końcówki (po lewej), duże elektrody wykrywają dużą liczbę neuronów, ale ich skoki są uśrednione na całej powierzchni elektrody prawie nie przekracza poziomu hałasu (po prawej). Środkowy wykres pokazuje elektrodę średniej wielkości, która oferuje kompromis między tymi dwoma przypadkami. Zwróć uwagę, że biorąc pod uwagę fakt, że neurony zostały umieszczone w losowych miejscach, im większa elektroda, tym większe prawdopodobieństwo zbliżenia się do neuronów o wysokich amplitudach. Z tego powodu kolce dla średniej elektrody są większe niż dla małej elektrody, podczas gdy dla największej elektrody kolce są wypłukiwane przez uśrednienie na jej powierzchni. W rzeczywistości skoki widoczne przy małych elektrodach są zazwyczaj bardzo duże, ponieważ elektrody są ręcznie umieszczane blisko neuronu, który ma być rejestrowany.

(a) Zapis z różnymi rozmiarami elektrod dla stałego rozmieszczenia neuronów. Podczas gdy małe elektrody widzą tylko bliskie neurony, duże elektrody ledwo widzą poszczególne neurony, ponieważ kształty kolców są zintegrowane wzdłuż ich powierzchni. Pośrednie rozmiary elektrod zapewniają optymalny kompromis między obydwoma przypadkami. (b) Stosunek sygnału do szumu (średnia amplituda impulsów w stosunku do odchylenia standardowego szumu) zapisów jako funkcja średnicy elektrody dla różnych proporcji wystrzeliwanych neuronów.

(a) Zapis z różnymi rozmiarami elektrod dla stałego rozmieszczenia neuronów. Podczas gdy małe elektrody widzą tylko bliskie neurony, duże elektrody ledwo widzą poszczególne neurony, ponieważ kształty kolców są zintegrowane wzdłuż ich powierzchni. Pośrednie rozmiary elektrod zapewniają optymalny kompromis między obydwoma przypadkami. (b) Stosunek sygnału do szumu (średnia amplituda impulsów w stosunku do odchylenia standardowego szumu) zapisów jako funkcja średnicy elektrody dla różnych proporcji wystrzeliwanych neuronów.

Jak opisano w sekcji 2.4, efekt ten jest wytwarzany przez dwie cechy: uśrednianie przestrzenne EAP na powierzchni elektrody i filtrowanie przez równoważny obwód elektryczny. Z jednej strony uśrednianie przestrzenne daje wyższy stosunek sygnału do szumu dla małych elektrod, ponieważ rejestrują one mniej szumu. Z drugiej strony, przy małej elektrodzie szansa na zbliżenie się do neuronu jest mniejsza. Co więcej, biorąc pod uwagę równoważny obwód elektryczny elektrody (patrz Rysunek 1b i Robinson, 1968), małe elektrody mają niską pojemność styku elektrody z tkanką i większą rezystancję rozprzestrzeniania się, co zwiększa efektywną impedancję elektrody, powodując tłumienie amplitudy iglicy (jak pokazano w Nelson et al., 2008). Tak więc, chociaż wykazano, że efekt tego równoważnego filtra elektrodowego można pominąć dla sygnałów o niskiej częstotliwości (jak te w LFP Nelson & Pouget, 2010), w zakresie częstotliwości naszych symulacji stosunek sygnału do szumu ( SNR) zmniejszony dla małych elektrod. Dlatego połączenie tych efektów daje optymalną odpowiedź dla elektrod średniej wielkości. W celu oszacowania optymalnego rozmiaru elektrody, wygenerowaliśmy zestaw symulacji (po 5 minut każda) o wzrastających średnicach (D= 10 m, 20 m, 40 m, 60 m, 80 m, 100 m, 120 m, 140 m, 160 m, 180 m i 200 m) oraz różne proporcje aktywnych neuronów ( ⁠ 2%, 4%, 6% , 8%, 10%, 12% i 14%). Krzywe na rysunku 6b pokazują średni SNR 20 różnych symulacji dla każdej kombinacji D oraz P. Wartości SNR obliczono jako średnią amplitudę pików pojedynczych neuronów zidentyfikowanych w zapisie (po sortowaniu pików), podzieloną przez odchylenie standardowe szumu, oszacowane z wyrażenia ⁠ , gdzie x jest sygnałem filtrowanym pasmowo, jak w Quian Quiroga et al. (2004). Zwróć uwagę, że maksymalny SNR osiągany jest dla elektrod o średnicach od 30 do 50 m, dlatego wybraliśmy optymalny rozmiar elektrody na 40 m.

3.2. Szacowanie stosunku aktywnych neuronów.

Następnie porównaliśmy wartości SNR uzyskane z rzeczywistych nagrań i naszych symulacji, aby oszacować proporcję aktywnych neuronów. W tym celu wygenerowaliśmy 30 sekund symulowanych nagrań zewnątrzkomórkowych o średnicy elektrody 40 m (taka sama, jak w nagraniach rzeczywistych) i 6 szybkościach odpalania neuronów (2%, 4%, 6%, 8%, 10%, i 12%). Rysunek 7a przedstawia średnie wartości SNR (w każdym przypadku w 10 niezależnych symulacjach) uzyskane w funkcji proporcji aktywnych neuronów. Zasadniczo im większa liczba aktywnych neuronów, tym niższy SNR, co wynika ze wzrostu poziomu szumu. Wynik ten porównano z rzeczywistymi zapisami uzyskanymi za pomocą elektrod wewnątrzczaszkowych o szerokości 40 m z ludzkiego MTL (patrz rozdział 2). Analiza tych danych dała średni SNR około 12, co odpowiada około 7% aktywnych neuronów.

(a) Stosunek sygnału do szumu (SNR) jako funkcja proporcji aktywnych neuronów uzyskanych za pomocą 40-metrowej elektrody. Im większa liczba aktywnych neuronów, tym niższy SNR. Przy danych rzeczywistych (zapisy ludzkich MTL) uzyskano średni SNR = 12, co w modelu odpowiada 7% odpalanych neuronów. (b) Biorąc pod uwagę gęstość neuronów wykorzystaną w naszym modelu, linia przerywana wskazuje liczbę neuronów w promieniu 50 m od elektrody, które w zasadzie powinny być wykryte jako pojedyncze jednostki. Linia ciągła pokazuje średnią liczbę pojedynczych neuronów wykrytych za pomocą Wave_clus dla różnych proporcji aktywnych neuronów.

(a) Stosunek sygnału do szumu (SNR) jako funkcja proporcji aktywnych neuronów uzyskanych za pomocą 40-metrowej elektrody. Im większa liczba aktywnych neuronów, tym niższy SNR. Przy danych rzeczywistych (zapisy ludzkich MTL) uzyskano średni SNR = 12, co w modelu odpowiada 7% odpalanych neuronów. (b) Biorąc pod uwagę gęstość neuronów wykorzystaną w naszym modelu, linia przerywana wskazuje liczbę neuronów w promieniu 50 m od elektrody, które w zasadzie powinny być wykryte jako pojedyncze jednostki. Linia ciągła pokazuje średnią liczbę pojedynczych neuronów wykrytych za pomocą Wave_clus dla różnych proporcji aktywnych neuronów.

Ten zestaw danych został również wykorzystany do oszacowania liczby pojedynczych jednostek, które można wykryć po sortowaniu pików (przy użyciu Wave_clus). Biorąc pod uwagę gęstość neuronów wykorzystaną w naszym modelu, linia przerywana na rysunku 7b reprezentuje liczbę neuronów w promieniu 50 m od elektrody, które w zasadzie powinny być wykrywane jako pojedyncze jednostki (Buzsaki, 2004). Linia ciągła pokazuje liczbę neuronów wykrytych przez algorytm sortowania pików, które nasyciły się przy wartości około 7, podkreślając w ten sposób ograniczenie metod sortowania pików (podobne ograniczenie dla tego i innych algorytmów zostało szczegółowo opisane w Pedreira et al. ., 2012).

3.3. Symulacja nagrań tetrodowych.

Jedną z najciekawszych zalet naszego modelu jest możliwość generowania realistycznych symulacji nagrań tetrodowych. Rysunek 8 przedstawia konfigurację tetrody używaną do generowania syntetycznych zbiorów danych. Każdy pojedynczy styk elektrodowy miał średnicę 40 m, a odległość między stykami wynosiła 50 m. Te zestawy danych zostały przetworzone za pomocą Wave_clus, a otrzymane klastry pokazano w dolnej części rysunku 8. Na podstawie tego zapisu można było wykryć 20 różnych pojedynczych jednostek, znacznie większą wartość niż ta uzyskana za pomocą pojedynczych elektrod. Zwróć uwagę w szczególności, że dla każdego skupiska kolców nie tylko amplituda, ale także kształt kolca jest inny w czterech kanałach symulowanej tetrody.

Symulacja zapisu tetrodowego. Każdy styk elektrody miał średnicę 40 m, a odległość między stykami wynosiła 50 m (góra). Klastry uzyskane po sortowaniu kolczastym, z 20 zidentyfikowanymi jednostkami (na dole).

Symulacja zapisu tetrodowego. Każdy styk elektrody miał średnicę 40 m, a odległość między stykami wynosiła 50 m (góra). Klastry uzyskane po sortowaniu kolczastym, z 20 zidentyfikowanymi jednostkami (na dole).


Czy elektroda rejestrująca nie powinna mieć jak najmniejszej rezystancji? - Biologia

Wszystkie artykuły publikowane przez MDPI są natychmiast udostępniane na całym świecie na podstawie licencji otwartego dostępu. Nie jest wymagane żadne specjalne pozwolenie na ponowne wykorzystanie całości lub części artykułu opublikowanego przez MDPI, w tym rysunków i tabel. W przypadku artykułów opublikowanych na otwartej licencji Creative Common CC BY dowolna część artykułu może być ponownie wykorzystana bez pozwolenia, pod warunkiem, że oryginalny artykuł jest wyraźnie cytowany.

Artykuły tematyczne reprezentują najbardziej zaawansowane badania o dużym potencjale wywierania dużego wpływu w tej dziedzinie. Artykuły fabularne są nadsyłane na indywidualne zaproszenie lub rekomendację redakcji naukowych i przed publikacją podlegają recenzowaniu.

Artykuł może być oryginalnym artykułem badawczym, istotnym nowatorskim badaniem, które często obejmuje kilka technik lub podejść, lub obszernym artykułem przeglądowym ze zwięzłymi i precyzyjnymi aktualizacjami na temat najnowszych postępów w tej dziedzinie, które systematycznie przeglądają najbardziej ekscytujące postępy w nauce literatura. Tego typu artykuł przedstawia perspektywę przyszłych kierunków badań lub możliwych zastosowań.

Artykuły Editor’s Choice oparte są na rekomendacjach redaktorów naukowych czasopism MDPI z całego świata. Redaktorzy wybierają niewielką liczbę artykułów opublikowanych ostatnio w czasopiśmie, które ich zdaniem będą szczególnie interesujące dla autorów lub ważne w tej dziedzinie. Celem jest przedstawienie migawki niektórych z najbardziej ekscytujących prac opublikowanych w różnych obszarach badawczych czasopisma.


Poprawa akwizycji sygnału EEG: elektryczny aspekt najnowocześniejszego interfejsu użytkownika

Celem niniejszej pracy jest przedstawienie niektórych praktycznych rozważań na temat stanu techniki w zakresie pozyskiwania zadowalających sygnałów do akwizycji sygnału elektroencefalograficznego. Te rozważania są ważne dla użytkowników i projektantów systemów. Zwłaszcza wybór właściwej elektrody i strategii projektowej początkowej części układu elektronicznego odgrywa ważną rolę w poprawie wydajności pomiarowej systemu. Uwzględnienie pułapek w projektowaniu systemu pomiaru biopotencjału i warunków sesji rejestracyjnej zapewnia większą dokładność. W elektrodach rejestrujących elektroencefalogram (EEG) na wydajność rejestracji wpływa elektronika systemu, w tym filtrowanie, wzmacnianie, konwersja sygnału, przechowywanie danych i warunki środowiskowe. W tym artykule omówiono zasady elektrod EEG i główne punkty metod elektronicznej redukcji szumów w przedniej części akwizycji sygnału EEG, a także przedstawiono pewne sugestie dotyczące poprawy akwizycji sygnału.

1. Wstęp

Chociaż podstawy pomiaru elektroencefalogramu (EEG) u człowieka są takie same od 1929 roku, po raz pierwszy został wykonany przez Hansa Bergera, postęp technologiczny daje możliwość budowy znacznie bardziej wyrafinowanych systemów akwizycji danych pod kątem potrzeb klinicznych i badań naukowych. Ludzki mózg generuje sygnały elektryczne zwane sygnałami EEG, które są związane z funkcjami organizmu, a niniejszy artykuł dotyczy ich pozyskiwania. Te sygnały są w przybliżeniu mniejsze niż 100

V i 100 Hz i mogą być mierzone za pomocą elektrod umieszczonych na skórze głowy, bezinwazyjnie. Ze względu na niską amplitudę wynikającą z budowy czaszki pomiar EEG jest trudniejszy niż inne nieinwazyjne pomiary biosygnałów, takie jak elektrokardiogram, elektromiogram, elektrookulogram i tak dalej. Posiadanie drogich systemów rejestracji biosygnałów nie gwarantuje uzyskania właściwych sygnałów. W tym sensie w nowych projektach i podczas sesji nagraniowych należy wziąć pod uwagę pewne czynniki, aby uzyskać dobre sygnały EEG. Te główne względy zostały omówione, a niektóre sugestie zostały przedstawione w niniejszym artykule.

W zapisach biosygnałów elektrody są początkowymi elementami, które służą do przekształcania sygnałów biopotencjału pochodzących ze źródeł biopotencjału na sygnały elektryczne. Rysunek 1 przedstawia uproszczony pomiar biopotencjału. Elektrody EEG są zwykle wykonane z metalu i są produkowane w kształcie miseczki, dysku, igły lub mikroelektrody do pomiaru potencjałów wewnątrzkorowych. Do powszechnych zastosowań neurofizjologicznych preferowany jest chlorek srebra (AgCl) [1]. Ponieważ Ag jest słabo rozpuszczalną solą, AgCl szybko się nasyca i dochodzi do równowagi. Dlatego Ag jest dobrym metalem na metaliczne elektrody powierzchniowe [2]. Wybór właściwej elektrody oraz przygotowanie skóry przed rejestracją wpływa na dokładność pomiarów.


Innym ważnym czynnikiem jest szum elektroniczny, który jest dość ważny dla pomiarów biosygnałów. Szum elektroniczny może być powodowany przez wewnętrzne i zewnętrzne źródła hałasu. Wewnętrznymi źródłami szumów są szumy termiczne (ze względu na elementy rezystancyjne), wystrzałowe (z powodu otworów i dyfuzji w półprzewodnikach), migotanie (z powodu kołków stykowych) i pękanie (lub popcorn, z powodu zanieczyszczeń w półprzewodnikach) [3]. Najważniejszy szum zewnętrzny jest powodowany przez zakłócenia linii energetycznej. Jest to wyraźnie widoczne w analizie spektralnej przy 50 Hz (lub 60 Hz). Pomiędzy liniami energetycznymi a obiektem występują pojemności (pasożytnicze i izolacyjne). Precyzyjne wyodrębnienie biosygnałów z szumu elektronicznego wymaga skutecznych metod redukcji szumu [3, 4]. W tym celu potrzebne są wydajne filtry analogowe i/lub cyfrowe.

W kolejnych rozdziałach przedstawiono elektrody EEG oraz zapis EEG i rozważania projektowe.

2. Materiały i metody

2.1. Elektrody EEG

Elektrody mogą być spolaryzowane (nieodwracalne) lub niespolaryzowane (odwracalne). Unika się polaryzacji, ponieważ jon chlorkowy jest wspólny zarówno dla elektrody, jak i elektrolitu. Do produkcji elektrod można stosować inne metale, takie jak złoto lub platyna, ale jest to kosztowne. Elektrody spolaryzowane mają tendencję do tworzenia znacznej pojemności, co może zakłócać transmisję podstawowych sygnałów biologicznych. Elektrody te zachowują się jak filtr niskiej częstotliwości (filtr dolnoprzepustowy). Elektrody niespolaryzowane, takie jak te z AgCl, są preferowane w powszechnych zastosowaniach neurofizjologicznych [1, 2]. Normalne elektrody Ag/AgCl muszą być chlorowane na czas, jednak spiekane (wytwarzanie elektrod z proszku, przez ogrzewanie materiału w piecu do spiekania poniżej jego temperatury topnienia) Elektrody Ag/AgCl nie muszą być chlorowane.

Elektrody EEG można podzielić na jednorazowe, wielorazowe tarcze i kubki (nasadki EEG), igły podskórne (jednorazowe igły umieszczane pod skórą) oraz elektrody wszczepiane (w celu precyzyjnego określenia pochodzenia napadów padaczkowych). Dostępne są igły z dołączonymi na stałe wyprowadzeniami przewodów, gdzie wyrzuca się cały zestaw, lub z gniazdami, które są przymocowane do przewodów za pomocą pasujących wtyczek. Wykonane są ze stali nierdzewnej lub platyny. Niektóre elektrody EEG mogą być używane do specjalnych zastosowań. Na przykład wszczepione elektrody EEG można również wykorzystać do stymulacji mózgu i mapowania korowych i podkorowych funkcji neurologicznych, takich jak funkcje motoryczne lub językowe, w ramach przygotowań do operacji padaczki. Zakażenie należy uznać za główne ryzyko związane z wszczepionymi elektrodami EEG.

W nieinwazyjnym pomiarze sygnału elektrycznego mózgu, między elektrodą a skórą znajduje się materiał pośredniczący. Ten materiał jest elektrolitem i może mieć postać żelu lub pasty EEG. Aktywność elektrofizjologiczna wywołana przez źródło biopotencjalne jest źródłem prądu, które powoduje przepływ prądu w płynie pozakomórkowym i inne ścieżki przewodzące przez tkankę.

Elektroda w kształcie miseczki zapewnia wystarczającą objętość, aby pomieścić elektrolit, w tym jony chloru. W tych elektrodach skóra nigdy nie dotyka bezpośrednio materiału elektrody. Połączenie elektroda-tkanka ma impedancję zależną od kilku czynników. Niektóre z tych czynników to warstwa pośrednia (np. przygotowanie skóry, masa tłuszczowa, włosy itp.), pole powierzchni elektrody oraz temperatura elektrolitu. Styk elektroda-tkanka może być modelowany jak na rysunku 2. Jak widać na rysunku, interfejs elektroda-tkanka jest nie tylko rezystancyjny, ale składa się również z elementów pojemnościowych. Jest to ważne dla zależności częstotliwości kontaktu elektrody ze skórą.


Uproszczony równoważny obwód źródła biopotencjału i interfejsu elektroda-tkanka z elektrody. Źródło biopotencjalne jako źródło prądu i oporność tkankową pokazano Rt. Ekwiwalenty elektrody z tkanką Cet i Ret mogą się zmieniać dla każdego kontaktu elektrody.

Z powodu interakcji między metalową elektrodą a elektrolitem jony gromadziły się w postaci równoległych płytek. Wymiana jonowo-elektronowa zachodzi między elektrodą a elektrolitem. Ta wymiana powoduje napięcie i nazywa się to potencjałem półogniwowym. Ze względu na ten potencjał, w niektórych przypadkach wzmacniacze biopotencjału muszą tolerować do

300 mV. Wartość ta zależy od materiału elektrody i elektrolitu. Można to wyjaśnić po prostu równaniem Nernsta, ponieważ

Tutaj mamy ε: Potencjał półogniwowy (V), : Transportowany elektron (liczba molowa) oraz : Szybkość jonów wewnętrznych i zewnętrznych:

W klinicznych zapisach EEG system umieszczania elektrod 10/20 jest standardem i na ogół jest używany w wielu zastosowaniach klinicznych lub badawczych [5]. Chociaż w tym systemie jest 75 lokalizacji, do zastosowań klinicznych może wystarczyć od 8 do 32 elektrod. Z drugiej strony 8 kanałów może być również wystarczające dla niektórych aplikacji interfejsu komputera mózgowego (BCI), dla obrazowania źródła elektrycznego (ESI) wymagane jest więcej niż 100 kanałów. Elektrody są umieszczone nad płatami czołowym, skroniowym, ciemieniowym i potylicznym, a liczby nieparzyste i parzyste odnoszą się odpowiednio do lewej i prawej półkuli. Ze względu na wymagania innym systemem rozmieszczania jest 5% rozmieszczenie elektrod i określa się 345 lokalizacji [6], ale nie jest to powszechny standard.

2.2. Nagrania EEG

W systemie EEG, jako aplikacja nieinwazyjna, elektrody są umieszczane na skórze głowy, a wystarczająca liczba elektrod może być 1 do 256 (lub więcej w najbliższej przyszłości) umieszczonych na czepku EEG w celu łatwej aplikacji. Aby zapewnić prąd jonowy i zmniejszyć impedancję kontaktową między powierzchnią elektrody a skórą głowy, żel lub pastę EEG należy stosować razem w celu odpowiedniego przygotowania skóry. W pomiarach biopotencjału najważniejsze jest zachowanie oryginalności biosygnału. Impedancja styku powinna wynosić od 1 k

do 10 k, aby nagrać dokładny sygnał. Z drugiej strony impedancja styku mniejsza niż 1 k wskazuje na możliwe zwarcie między elektrodami, impedancja większa niż 10 k może powodować zniekształcające artefakty.

Drying the gel or paste in time, as well as the subject’s perspiration and movements (eye blinks, muscle movements, heart beats, etc.), can easily affect the measurement performance negatively. Because of these reasons, recording time is generally limited for several hours. For long periods of time or ambulatory EEG recordings, additional requirements are necessary to make patients more comfortable and to allow for consistent system performance. High-resolution applications such as ESI or wireless data transfer also require a different approach for the design of the novel electrodes. To reduce the skin preparation time and to measure the bio-signals more accurately, several approaches are attempted for electrode fabrication. For example, multiarray thin film electrodes are developed especially for different depth in operational applications [10] nitride-covered steel is used as an electrode and there is no need for EEG paste to result in successful recordings [11]. In the last few years, active electrode (small or unity gain amplifier close to electrode) research is gaining popularity. With these types of electrodes, without the use of electrode gel and with much more skin preparation, noise reductions are reported [9, 12–14].

In commercial applications, apart from classical cup- or disc-shaped electrodes and active electrodes, another approach is used to reduce preparation time (by EGI’s HydroCel Geodesic Sensor Net). In this approach, scalp preparation and abrasion are not required. Because the soft pedestal design of the chamber creates a sealed environment, it hydrates the skin and creates an interface between the skin and electrode. Application times for the sponge-based HydroCel Geodesic Sensor Net that range between 5 minutes for 32 channels to 15 minutes for 256 channels are reported [8]. In practical consideration, at least 45 minutes are required for the electrode while 15 minutes are reasonable in skin preparations for the 256-channel cup-shaped electrode cap. Figure 3 shows some EEG electrodes and caps commercially available. In this figure several examples as non-invasive electrodes and EEG caps as well as one intracortical electrode array are shown.


(a) Ag-AgCl electrodes
(b) Active electrodes
(c) Intra-cortical electrode array
(d) EEG caps (left to right: Standard: 256-ch., (me) (Neuroscan) [7], (Neuroscan) [7], (EGI) [8], Active (Biosemi) [9], Hydrocel (EGI)) [8]
(a) Ag-AgCl electrodes
(b) Active electrodes
(c) Intra-cortical electrode array
(d) EEG caps (left to right: Standard: 256-ch., (me) (Neuroscan) [7], (Neuroscan) [7], (EGI) [8], Active (Biosemi) [9], Hydrocel (EGI)) [8]

Another approach for fabricating EEG electrode is dry electrode (Figure 4). This type of electrode does not need an extensive set-up time, and it is convenient for long-term recordings. These properties are advantageous for BCI and neurofeedback applications. As an example, in order to design dry electrode, 1.5 mm thick silicone conductive rubber-shaped discs of 8 mm diameter are used. The active side of the electrode is capacitive and coupled through a layer of insulating silicon rubber with a metal shield wired to the active guard shield. The impedance of the realized electrodes at 100 Hz is greater than 20 M with a parasitic capacitance smaller than 2 pF [15].


For under cortex applications intra-cortical electrodes are used. One of these types of electrodes (The Utah Intra-cortical Electrode Array) is an array of 100 penetrating silicon microelectrodes designed to electrically focus stimulation or record neurons residing in a single layer up to 1.5 mm beneath the surface of the cerebral cortex [16]. Each electrode of the intra-cortical array electrode is 1.5 mm long, 0.08 mm wide at the base, and 0.001 mm at the tip.

Each type of electrode should be used with a successful electronic circuit. In Figure 5 EEG electrode and initial signal acquisition examples are shown. Recording environment conditions, contact impedance value and its stability, amplification method (ac or dc), and recording time must be considered. In the next subsection design considerations are explained, briefly.


(a) A cup-shaped electrode
(b) Principle of capacitive electrode
(c) Driven guard and shielding with metal plates to reduce electromagnetic interferences
(a) A cup-shaped electrode
(b) Principle of capacitive electrode
(c) Driven guard and shielding with metal plates to reduce electromagnetic interferences
2.3. The Design Considerations

In EEG recordings, as the other bio-signal measurements, one of the major problems is the 50 (or 60) Hz noise due to power lines. Between power lines and the subject there are capacitances (parasitic and isolation). Electromagnetic interference (EMI) ways are shown in Figure 6. The environmental factors influence the subject and measurement system. For example, a fluorescent lamp 1-2 m away from the measurement system interferes with the measuring signal as several kHz peaks. The interference signal may be half of the power line noise. In the same way, other electrical or electronic devices may interfere with the bio-signal measurements.


Electromagnetic interference (EMI) ways (for the capacitance values [9]). Arrows show the interference currents. (I) Voltage due to magnetic field to electrode cable loop is illustrated. (II) Displacement current on subject head due to electrical field causes voltage drop across electrodes. (III) Displacement current on subject body due to electrical field causes voltage drop across electrodes. (IV) Additionally, this current causes voltage between measurement electrode and amplifier common pin [24].

The dc component of the common mode signal is about several thousand, volts and the ac component may be about 1 V. This value may be in mV scale when the subject’s body is grounded with earth ground and may be as high as 20 V when power line is held [17]. Electrostatic discharge (ESD) and defibrillator should be considered in electronic design. Protection for these must be provided for patient/subject and also initial active components. To reduce common mode signal effects, the instrumentation amplifiers having higher common mode rejection ratio (CMRR) must be used [18, 19]. Some research studies related to biopotential design report that 80–136 dB CMRRs are obtained [20–23]. To reduce isolation capacitance effects, battery powered operation is efficient [9].

In order to guarantee the subject/patient safety, leakage current should be less than the levels determined by IEC 601-1. According to this regulation, leakage current must be less than 10 A in normal conditions, while regarding the connection to the main power supply, 50 A is allowable.

Biopotential amplifiers can be dc coupled or ac coupled. In design strategy, dc or ac coupling and filtering (hardware or software) decisions are the initial steps for the biopotential measurement system designer. For ac amplification more than 10 bits digital resolution may be enough. However, for dc amplification, because number of effective bits is decreased, more than 20 bits are necessary for the analog digital converter (ADC). For high digital resolution sigma-delta technology ADC is one of good solutions [22, 23].

The input amplifier circuit is presented in Figure 7. It can be used wired electrodes (classical approach) or close to electrodes (active electrode approach). After the tests, it is observed that the circuit can be used for EEG, EOG or EMG signal measurements. This amplifier’s gain is 16, and it does not cause biopotential amplifier saturation, and its CMRR is 102 dB under no shielding conditions or EMI protection.


3. Discussions

Acquiring EEG signal properly means mainly safety, bio-signal measurement with higher Signal to Noise Ratio (SNR) and no data loss. The major points that the author briefly proposed for the entire recording process are the following.

(i) Subject/Patient Safety. Because of the leakage current from system electronics and defibrillator (if used), subject/patient safety should be provided. Subject/patient and front-end circuitry and earth grounds should be separated (i.e., analog and digital grounds). Increasing the isolation mode rejection ratio of the amplifier reduces the influence of isolation mode voltage.

(ii) EMI Protection. Operation of electrical or electronic devices and especially fluorescent lamps near the recording set-up is prohibited. Otherwise acquired EEG signals are distorted and the signal corrupted with noise. Using instrumentation amplifier can help getting rid of this problem.

(iii) No Subject/Patient Muscular Movements. Muscular movements (i.e., EMG-related contamination) such as eye blinks, clenching teeth, movement of shoulders or legs, and so forth affect EEG signal acquisition, badly. These cases may cause wrong comments on the signals and signal processing error.

(iv) ESD Protection. Active electronic components must have greater than 2000 V ESD protection. No ESD protection may cause damage of active electronic components and may cause serious problem for subject/patient.

(v) Efficient Grounding. Metal cases must be connected to metal plate/rod buried under ground. Proper grounding technique helps to reduce noise therefore increasing SNR.

(vi) Elektrody. Choosing correct electrode and montage should be decided regarding clinical or research application purposes. In addition to availability of commercial standard or active types, electrodes can be made such as capacitive coupling or dry electrode. Number of electrodes and their placement is also important for the application.

(vii) Electrode Contact Impedance. Contact impedance value must be between 1 k and 10 k for classical electrodes. Less than 1 k contact impedance indicates probable shortcut between the electrodes. Greater than 10 k contact impedance prevents acquiring EEG signals. Before measurement, contact impedance should be measured, and EEG trace should be observed while recording. Using todays technology, high input impedance (

1 G ) amplifier chips and active electrode approaches decrease dependency of the contact impedance. To acquire proper signal, electrodes should not be moved. Otherwise it causes fluctuation of the EEG signal, and spikes on it.

(viii) Noise Immunity. Noise reduction techniques must be considered in electronic circuitry and printed circuit board design. Electronic cards and connection cables should be placed in a metal box to reduce electronic noise as much as possible. Using twisted, blended, and driven signal cables gives good results. Because EEG signals are low amplitude Vs, they are very sensitive to electronic noise. Electronic noise should be less than 2 V (peak-to-peak).

(ix) Environmental Conditions. If the EEG system is combined with magnetic resonance imaging, it must be compatible for operating under a high magnetic field. Similarly, if the EEG system is used in an operation room while surgery, it should not be affected under high electronic noise conditions such as electro-cautery. Recording must be stable and ambient temperature should not affect system performance. System performance should be independent of reasonable temperature fluctuations.

(x) Reduction for Common Mode Signals. To reduce common mode signals, it is necessary to use instrumentation amplifier having greater than 80 dB CMRR. This is important for high SNR signal acquisition.

(xi) Recording Mode. Designer or user should decide the recording mode regarding their applications. EEG recordings can be bipolar (differentiated two close electrode signal), unipolar (differentiated common reference), or using averaged reference. Clinical or research applications require different recording modes.

(xii) Reference and Ground Electrode Position. Especially reference electrode placement is important for some applications. In general reference electrode is placed on vertex ground electrode is placed on left or right (or together) ear.

(xiii) Preserving the Biosignal Originality. Linear and distortionless amplification must be provided. Otherwise signal processing (detection, pattern recognition, feature extraction, classification, and averaging, etc.) performances may decrease.

(xiv) Avoiding Amplifier Saturation. If the amplifier circuits saturate, analog signal loss is inevitable. Amplifier saturation is caused by high input signal, mainly due to electrode movements. In ac amplification, amplifier which is used before high-pass filtering must be fixed for optimum gain to avoid saturation level. If dc amplification is preferred, there is no amplifier saturation risk on the other hand, number of efficient bit resolution is decreased.

(xv) Cross-Talk Rejection. For multichannel systems, cross-talk rejection must be high enough. Otherwise, channels can be affected from other channels therefore, artifact exists.

(xvi) Input Impedance. Input impedance of the circuit must be high enough. For dc signals greater than 1 G input impedance value gives good results. Low input impedance causes load of bio-signal source, and it causes damaging of the signal.

(xvii) Input Bias Current. Input bias current of the input amplifier must be as low as possible (pA). If bio-signal sources are loaded by input amplifier, it also causes distortion.

(xviii) Frequency Band. Selecting the proper filter band (at least band width must be 0.5 Hz–70 Hz) is important to acquire signal. This is also important for digitizing and data storing. Sufficient (and optimum) sampling rate ( 140 Hz) and transfer rate should be provided. Dc level should be removed for efficient signal conditioning/processing in hardware or in software.

(xix) Digitization. Sufficient (and optimum) digital resolution ( 10 bits for ac amplification, 20 bits for dc amplification) must be provided for analog to digital converter (ADC). If low digital resolution is used, the quantization error increases.

(xx) Same Sampling Instants. If the multichannel system is designed (or used), there must be no time delay between channels. For an analog multiplier, this may be a problem, however, not for a digital multiplier. To sample at the same time instants, sample and hold circuits should be used. If each analog channel has its own ADC, this can be made with ADC control signal timing.

(xxi) Recording Time. Sufficient (and optimum) recording time is necessary. Long-time recording (more than 2 hours) causes artifacts due to drying gel, perspiration and creating of anxiety in subject/patient. On the other hand, insufficient recording time causes insufficient data acquisition.

(xxii) User Friendly. The system hardware and software must be well integrated and must have user friendly interface.

(xxiii) Low Power Consumption. This is important for especially battery-powered systems.

(xxiv) Niska cena. The system should be cost effective, and components must be available.

4. Wniosek

There are major points that should be considered to improve the measurement performance in the design of the bio-signal measurement system or recording session. Specifically choosing the correct electrode, skin preparation, and reduction of power line noise are the important issues for EEG recordings. To reduce electromagnetic interferences, a metal box for electronic circuits, a shielded (Faraday cage principle) recording room, and guarding (driven or not) for common mode signal reduction are the efficient methods. The performance of the bio-signal measurement system depends on the electrodes, electronic circuitry, and recording conditions. Choosing the correct electrode and successful electronic design strategy are essential to acquire EEG signals, properly.

Bibliografia

  1. C. M. Sinclair, M. C. Gasper, and A. S. Blum, “Basic electronics in clinical neurophysiology,” in The Clinical Neurophysiology Primer, A. S. Blum and S. B. Rutkove, Eds., pp. 3–18, Humana Press, Totowa, NJ, USA, 2007. View at: Google Scholar
  2. D. Prutchi and M. Norris, Design and Develeopment of Medical Electronic Instrumentation, John Wiley & Sons, Hoboken, NJ, USA, 2005.
  3. M. Leach Jr., “Fundamentals of low-noise analog circuit design,” Proceedings of the IEEE, Tom. 82, nie. 10, pp. 1515–1538, 1994. View at: Publisher Site | Google Scholar
  4. H. W. Ott, Noise Reduction Techniques in Electronic Systems, John Wiley & Sons, New York, NY, USA, 2nd edition, 1988.
  5. H. H. Jasper, “The ten–twenty electrode system of the international federation,” Elektroencefalografia i Neurofizjologia Kliniczna, Tom. 10, pp. 367–380, 1958. View at: Google Scholar
  6. R. Oostenveld and P. Praamstra, “The five percent electrode system for high-resolution EEG and ERP measurements,” Neurofizjologia kliniczna, Tom. 112, nie. 4, pp. 713–719, 2001. View at: Publisher Site | Google Scholar
  7. Biosemi, Product catalog, 2009, http://www.biosemi.com/active׾lectrode.htm.
  8. Neuroscan, Product catalog, 2009, http://www.neuroscan.com/quick忊ps.cfm.
  9. EGI, Product catalog, 2009, http://egi.com/research-division-research-products/sensor-nets.
  10. O. J. Prohaska, F. Olcaytug, P. Pfundner, and H. Dragaun, “Thin-film multiple electrode probes: possibilities and limitations,” IEEE Transactions on Biomedical Engineering, Tom. 33, nie. 2, pp. 223–229, 1986. View at: Google Scholar
  11. B. A. Taheri, R. T. Knight, and R. L. Smith, “A dry electrode for EEG recording,” Elektroencefalografia i Neurofizjologia Kliniczna, Tom. 90, nie. 5, pp. 376–383, 1994. View at: Publisher Site | Google Scholar
  12. W. J. R. Dunseath and E. F. Kelly, “Multichannel PC-based data-acquisition system for high-resolution EEG,” IEEE Transactions on Biomedical Engineering, Tom. 42, nie. 12, pp. 1212–1217, 1995. View at: Publisher Site | Google Scholar
  13. A. C. MettingVanRijn, A. P. Kuiper, T. E. Dankers, and C. A. Grimbergen, “Low-cost active electrode improves the resolution in biopotential recordings,” in Proceedings of the 18th Annual International Conference of the IEEE Engineering in Medicine and Biology, pp. 101–102, Amsterdam, The Netherlands, October-November 1996. View at: Google Scholar
  14. G. Litscher, “A multifunctional helmet for noninvasive neuromonitoring,” Journal of Neurosurgical Anesthesiology, Tom. 10, nie. 2, pp. 116–119, 1998. View at: Google Scholar
  15. G. Gargiulo, P. Bifulco, R. A. Calvo, M. Cesarelli, C. Jin, and A. van Schaik, “A mobile EEG system with dry electrodes,” in Proceedings of IEEE-BIOCAS Biomedical Circuits and Systems Conference (BIOCAS ✈), pp. 273–276, Baltimore, Md, USA, November 2008. View at: Publisher Site | Google Scholar
  16. P. J. Rousche and R. A. Normann, “Chronic recording capability of the Utah intracortical electrode array in cat sensory cortex,” Journal of Neuroscience Methods, Tom. 82, nie. 1, pp. 1–15, 1998. View at: Publisher Site | Google Scholar
  17. B. B. Winter and J. G. Webster, “Reduction of interference due to common mode voltage in biopotential amplifiers,” IEEE Transactions on Biomedical Engineering, Tom. 30, nie. 1, pp. 58–62, 1983. View at: Google Scholar
  18. R. Aston, Principles of Biomedical Instrumentation and Measurement, Prentice Hall, Columbus, Ohio, USA, 1990.
  19. J. G. Webster, Medical Instrumentation, Application and Design, Houghton Mifflin, Boston, Mass, USA, 2nd edition, 1992.
  20. G. Litscher, “A multifunctional helmet for noninvasive neuromonitoring,” Journal of Neurosurgical Anesthesiology, Tom. 10, nie. 2, pp. 116–119, 1998. View at: Google Scholar
  21. I. Ulbert, E. Halgren, G. Heit, and G. Karmos, “Multiple microelectrode-recording system for human intracortical applications,” Journal of Neuroscience Methods, Tom. 106, nie. 1, pp. 69–79, 2001. View at: Publisher Site | Google Scholar
  22. A. B. Usakli and N. G. Gencer, “Performance tests of a novel electroencephalographic data-acquisition system,” in Proceedings of the 5th IASTED International Conference on Biomedical Engineering (BioMED ✇), pp. 253–257, Innsbruck, Austria, February 2007. View at: Google Scholar
  23. A. B. Usakli and N. G. Gencer, “USB-based 256-channel electroencephalographic data acquisition system for electrical source imaging of the human brain,” Instrumentation Science & Technology, Tom. 35, nie. 3, pp. 255–273, 2007. View at: Publisher Site | Google Scholar
  24. A. B. Usakli and S. Gurkan, “Design of a novel efficient human-computer interface: an electrooculagram based virtual keyboard,” Accepted in IEEE Transactions on Instrumentation and Measurement. Zobacz na: Google Scholar

Prawa autorskie

Copyright © 2010 Ali Bulent Usakli. Jest to artykuł o otwartym dostępie rozpowszechniany na licencji Creative Commons Attribution License, która pozwala na nieograniczone używanie, dystrybucję i powielanie na dowolnym nośniku, pod warunkiem prawidłowego cytowania oryginalnego dzieła.


Patch-clamp Electrophysiology

The most common method used to assess ion-channel function is known as the patch-clamp electrophysiological technique that was developed in the 1970s by Nobel Prize Laureates Erwin Neher and Bert Sakmann. The patch-clamp technique allows a researcher to measure the biophysical properties of ion-channels on millisecond timescales. Patch clamp requires the initial formation of a Giga-ohm (G&Omega) seal between the plasma membrane and the blunt tip (0.5&ndash2 &mum in diameter) of a heat-polished glass or quartz micropipette (electrode). Once a Giga-ohm seal has been created, this &lsquocell-attached configuration&rdquo (Figure (PageIndex<1>).) maintains the integrity of the plasma membrane (i.e. the membrane seal is not ruptured) preventing the intracellular solution inside the micropipette from dialyzing into the cell. However, this also restricts electrical access to the cell intracellular space resulting in an inability to control the membrane potential of the cell. In this configuration, only the patch membrane potential relative to the cell&rsquos resting potential can be directly controlled. By altering either the magnitude of the seal resistance (a loose seal vs. tight seal) and/or whether the recording electrode is current- vs. voltage-clamped, the cell-attached configuration can be used to measure single channel currents, spontaneous neuronal cell firing and synaptic potentials as well as evoked action potentials within the cell. The other main advantage of this configuration is that although it is limited for the reasons outlined above, this configuration is the starting point for the majority of the types of patch-clamp recordings.


Rysunek (PageIndex<1>). Electrophysiological methods. The cell-attached patch-clamp method. The perforated patch, outside-out and inside-out configurations. To show potential dialysis, the pipette lumen and cytoplasm are represented by red and navy blue, respectively.

To increase electrical access to the cell interior, two different methods are used. First, the internal pipette solution contains antibiotic or antifungal agents (e.g., nystatin, gramicidin, amphotericin-B), these agents form small, monovalent ion-permeable pores that &lsquoperforate&rsquo (Figure (PageIndex<1>).) the membrane allowing access to the entire cell. Importantly, these pores do not allow passage of proteins thus ensuring that the intracellular contents remain intact preserving intracellular signaling pathways. However, this perforated patch technique has several limitations including higher electrical noise, loss of single channel resolution and patch instability. Additionally, creating a perforated patch requires a significantly long period of time.

An alternative approach to the perforated patch technique is to apply a strong suction, or brief voltage transient, after Giga-ohm seal formation in order to rupture the intact plasma membrane. Upon rupture, a low-resistance electrical and physical continuity is established between the pipette and the cell interior and this new configuration is known as the whole-cell configuration (Figure (PageIndex<1>).). Accordingly, this configuration permits direct measurements of the cell&rsquos membrane potential (via current-clamp) and its manipulation (via voltage-clamp). Due to the physical continuity between the cell interior and the pipette solution, the cytosolic contents can be reasonably controlled. Furthermore, unlike the perforated patch, pharmacological or ionic manipulations of both the intracellular and extracellular environment can lead to the eulicidation of individual ion-currents. However, this physical continuity between the pipette lumen and cytosol may also dialyze out and/or alter the activity of endogenous second messenger systems. Thus, whole cell recordings are vulnerable to this limitation and it is critical to assess current &lsquorundown&rsquo of the system and cells within these types of whole-cell recording systems.

It is also possible to create &lsquoCell-free&rsquo variations of patch-clamp techniques also exist. For instance, upon giga-seal formation, the electrode can be gently retracted pulling the membrane patch into the bath solution. This arrangement, known as the inside-out configuration (Figure (PageIndex<1>).), enables the complete manipulation of the cytoplasmic face of the plasma membrane via the bath perfusion &ndash a feature not possible in the cell-attached configuration. As a result, inside-out patches allow for the manipulation the immediate environment of the inner membrane face. Unfortunately, this arrangement suffers from the loss of intracellular signaling pathways acting on the ion-channels following patch excision a particularly important consideration when examining altered channel activity.

Similarly, an outside-out patch (Figure (PageIndex<1>).) also requires the gentle retraction of the patch electrode from the whole-cell configuration. However, in this situation the pipette retraction forces the plasma membrane surrounding the electrode tip to detach from the cell and reseal forming a cell-independent patch whose extracellular membrane is facing the bathing solution. This allows an experimenter to have complete control over the intracellular environment and can rapidly exchange different external physiological or pharmacologic drugs over the same patch.


A low-power and miniaturized electrocardiograph data collection system with smart textile electrodes for monitoring of cardiac function

With the increasing aging population as well as health concerns, chronic heart disease has become the focus of public attention. A comfortable, low-powered, and wearable electrocardiogram (ECG) system for continuously monitoring the elderly’s ECG signals over several hours is important for preventing cardiovascular diseases. Traditional ECG monitoring apparatus is often inconvenient to carry, has many electrodes to attach to the chest, and has a high-power consumption. There is also a challenge to design an electrocardiograph that satisfies requirements such as comfort, confinement, and compactness. Based on these considerations, this study presents a biosensor acquisition system for wearable, ubiquitous healthcare applications using three textile electrodes and a recording circuit specialized for ECG monitoring. In addition, several methods were adopted to reduce the power consumption of the device. The proposed system is composed of three parts: (1) an ECG analog front end (AFE), (2) digital signal processing and micro-control circuits, and (3) system software. Digital filter methods were used to eliminate the baseline wander, skin contact noise, and other interfering signals. A comparative study was conducted using this system to observe its performance with two commercial Holter monitors. The experimental results demonstrated that the total power consumption of this proposed system in a full round of ECG acquisition was only 29.74 mW. In addition, this low-power system performed well and stably measured the heart rate with an accuracy of 98.55 %. It can also contain a real-time dynamic display with organic light-emitting diodes (OLED) and wirelessly transmit information via a Bluetooth 4.0 module.

To jest podgląd treści subskrybowanych, dostęp za pośrednictwem Twojej instytucji.


Bibliografia

Zhang, J., Zhang, H., Sun, Q., & Zhang, R. (2018). A low-noise, low-power amplifier with current-reused OTA for ECG recordings. IEEE Transactions on Biomedical Circuits and Systems, 12(3), 700–708. https://doi.org/10.1109/TBCAS.2018.2819207.

Deo, A., Pandey, S. K., Joshi, A., Sharma, S. K., & Shrimali, H. (2018). “Design of a third order butterworth Gm-C filter for EEG signal detection application” In 2018 25th International conference “Mixed Design of Integrated Circuits and System” (MIXDES) (pp. 361–365). https://doi.org/10.23919/MIXDES.2018.8436689

Hsu, Y., Liu, Z., & Hella, M. M. (2018). ’A 1.8 (mu ) W -65 dB THD ECG acquisition front-end IC using a bandpass instrumentation amplifier with class-AB output configuration. w IEEE transactions on circuits and systems II: Express briefs (Vol. 65, no. 12, pp. 1859-1863), Dec. 2018.https://doi.org/10.1109/TCSII.2018.2809470

Monfaredi, K., Baghtash, H. F., & Azhari, S. J. (2012). A novel ultra-low-power low-voltage Femto–Ampére current mirror. Circuits, Systems, and Signal Processing, 31, 833–847. https://doi.org/10.1007/s00034-011-9352-3.

Deepu, C. J., Zhang, X., Liew, W., Wong, D. L. T., & Lian, Y. (2014). An ECG-on-chip with 535 nW/channel integrated lossless data compressor for wireless sensors. IEEE Journal of Solid-State Circuits, 49(11), 2435–2448.

Wang, T. Y., Lai, M. R., Twigg, C. M., & Peng, S. Y. (2014). A fully reconfigurable low-noise biopotential sensing amplifier with 1.96 noise efficiency factor. IEEE Trans. Biomed. Circuits Syst., 8(3), 411–422.

Zhang, F., Holleman, J., & Otis, B. P. (2012). Design ofultra-lowpower biopotential amplifiers for biosignal acquisition applications. EEE Transactions on Biomedical Circuits and Systems, 6(4), 344–355.

Chen, Y. P., et al. (2015). An injectable 64 nW ECG mixed-signal SoC in 65 nm for arrhythmia monitoring. IEEE J. Solid-State Circuits, 50(1), 375–390.

Song, S., et al. (2015). A low-voltage chopper-stabilized amplifier for fetal ECG monitoring with a 1.41 power efficiency factor. IEEE Trans. Biomed. Circuits Syst., 9(2), 237–247.

Guo, J., Yuan, J., Huang, J., Law, J. K. Y., Yeung, C. K., & Chan, M. (2012). 32.9 nV/rt Hz-60.6 dB THD dual-band micro-electrode array signal acquisition IC. IEEE Journal of Solid-State Circuits, 47(5), 1209–1220.

Holleman, J., & Otis, B. (2007). A sub-microwatt low-noise amplifier for neural recording. w Proceedings. IEEE engineering in medicine and biology society (pp. 3930–3933).

Nagulapalli, R., Hayatleh, K., Barker, S., Zourob, S., Yassine, N., & Reddy, B. N. K. (2018). High performance circuit techniques for nueral front-end design in 65 nm CMOS. w 2018 9th International Conference on Computing, Communication and Networking Technologies (ICCCNT), Bangalore, 2018, pp. 1–4.

Chen, C., Chen, L., Wang, X., & Zhang, F. (2018). A 66-dB SNDR, 8- (mu ) W analog front-end for ECG, EEG recording application. w IEEE international symposium on circuits and systems (ISCAS). Florence, 2018, pp. 1–4. https://doi.org/10.1109/ISCAS.2018.8351783.

Hogervorst, R., Tero, J. P., Eschauzier, R. G. H., & Huijsing, J. H. (1994). A compact power-efficient 3 V CMOS rail-to-rail input/output operational amplifier for VLSI cell libraries. IEEE Journal of Solid-State Circuits, 29(12), 1505–1513.

Wu, W. C. S., Helms, W. J., Kuhn, J. A., & Byrkett, B. E. (1994). Digitalcompatible high-performance operational amplifier with rail-to-rail input and output ranges. IEEE Journal of Solid-State Circuits, 29(1), 63–66.

Vemishetty, N., et al. (2016). Low power personalized ECG based system design methodology for remote cardiac health monitoring. Dostęp IEEE, 4, 8407–8417. https://doi.org/10.1109/ACCESS.2016.2629486.

Harrison, R. R., & Charles, C. (2003). A low-power low-noise CMOS amplifier for neural recording applications. IEEE Journal of Solid-State Circuits, 38(6), 958–965. https://doi.org/10.1109/JSSC.2003.811979.

Song, J. (2007). Accurate quiescent current control scheme in floating controlled class AB amplifier. US7304538, December 4.

Khatavkar, Prathamesh, & Aniruddhan, Sankaran. (2019). 432 nw per channel 130 nv/rthz ECG acquisition front end with multifrequency chopping. IEEE Transactions on Very Large Scale Integration (VLSI) Systems, 27, 2021–2032.

Wu, J., Law, M. K., Mak, P. I., & Martins, R. P. (2016). A 2- (mu ) W 45-nV/ (surd ) Hz readout front end with multiple-chopping active-high-passripple reduction loop and pseudofeedback DC servo loop. IEEE Transactions on Circuits and Systems II: Express Briefs, 63(4), 351–355.

Enz, C. C., Krummenacher, F., & Vittoz, E. A. (1995). An analytical MOS transistor model valid in all regions of operation and dedicated to low-voltage and low-current applications. Analog Integrated Circuits and Signal Processing, 8(1), 83–114.

Steyaert, M. S. J., & Sansen, W. M. C. (1987). A micropower low-noise monolithic instrumentation amplifier formedical purposes. IEEE Journal of Solid-State Circuits, 22(6), 1163–1168.

Potwierdzenie

This work was supported by the Start-Up Research Grant from Science and Engineering Research Board, A statutory body of the Department of Science and Technology, Government of India, under Project SRG/2019/001898.


Obejrzyj wideo: Obliczanie rezystancji zastępczej - Zadanie 5 (Sierpień 2022).