Zwiększenie gęstości elektrod EEG poprawia dekodowanie kategorii wizualnych i lokalizację źródeł: eksploracyjne badanie ultra-wysokiej gęstości EEG

Dlaczego gęstsze rozmieszczenie sensorów na czaszce ma znaczenie

Za każdym razem, gdy patrzysz na twarz, ciało, przedmiot codziennego użytku lub prosty wzór, twój mózg reaguje w zaledwie kilkudziesięciu milisekundach. Elektroencefalografia (EEG) pozwala naukowcom rejestrować te ulotne elektryczne fale z powierzchni czaszki, ale obraz często jest rozmyty. W tym badaniu postawiono proste pytanie o daleko idące konsekwencje: czy dramatyczne zwiększenie liczby małych elektrod EEG nad tylną częścią głowy pozwoli „zobaczyć” aktywność wzrokową mózgu bardziej wyraźnie, dokładniej odczytać, co ktoś ogląda, oraz precyzyjniej określić, gdzie w mózgu to się dzieje?

Widzenie fal mózgowych w większym szczególe

Naukowcy użyli czepka EEG o ultra-wysokiej gęstości z 512 małymi elektrodami skupionymi nad obszarem potylicznym — częścią z tyłu głowy, która jako pierwsza przetwarza informacje wzrokowe. Czterech ochotników oglądało setki obrazów z czterech kategorii: twarze, ciała, przedmioty codziennego użytku i abstrakcyjne wzory. Dla każdego błysku obrazu zespół mierzył wzbudzone potencjały wzrokowe — krótkie, czasowo związanew fale aktywności elektrycznej — które rozwijają się od około jednej dziesiątej do pół sekundy po pojawieniu się obrazka. Przy tak wielu ciasno rozmieszczonych sensorach mogli tworzyć szczegółowe „mapy cieplne” na skórze głowy, pokazujące, jak aktywność zaczyna się w pierwotnych obszarach wzrokowych, a następnie rozchodzi się w inny sposób dla każdego typu obrazu, na przykład rozprzestrzeniając się w kierunku bocznych regionów mózgu, gdy pokazywane są twarze.

Sprawdzanie, ile sensorów naprawdę pomaga

Aby ustalić, czy większa liczba elektrod rzeczywiście poprawia to, co można odczytać z EEG, zespół systematycznie „przerzedzał” swoje nagrania, aby naśladować standardowe czepki kliniczne z wielokrotnie mniejszą liczbą sensorów. Porównali rozmieszczenia podobne do powszechnych systemów 10–20 i 10–10 z gęstszymi wariantami, a w końcu z pełnym ultra-gęstym układem. Używając prostego klasyfikatora statystycznego, próbowali zgadnąć w każdej pojedynczej próbie, którą z czterech kategorii dana osoba ogląda. Dokładność rosła stopniowo wraz z gęstością sensorów: tradycyjne układy osiągały średnio nieco poniżej 60 procent poprawnych odpowiedzi, podczas gdy ultra-gęsta siatka sięgała około 73 procent, u niektórych uczestników przekraczając 76 procent. Co istotne, gęstsze upakowanie elektrod miało większe znaczenie niż jedynie ich rozciągnięcie na większej powierzchni czaszki, co sugeruje, że drobne próbnikowanie przestrzenne nad kluczowym obszarem wzrokowym jest szczególnie cenne.

Śledzenie czasowania aktywności mózgu z większą precyzją

Ponadto autorzy zbadali, kiedy w czasie wzory mózgowe zaczynają zawierać wystarczająco informacji, by odróżnić jedną kategorię od drugiej. Trenowali swój klasyfikator w jednym momencie po pojawieniu się bodźca i testowali, czy potrafi uogólnić się na inne punkty czasowe, budując „mapę temporalną” dekodowalności. Przy gęstszych elektrodach dekodowanie nie tylko stawało się bardziej dokładne, ale także zaczynało działać wcześniej — około 70 milisekund po pojawieniu się obrazu, z maksimum w okolicach 150–200 milisekund. Wskazuje to, że lepsze próbkowanie przestrzenne na czaszce wyostrza pozorny czas występowania zdarzeń mózgowych, redukując rozmycie spowodowane rozprzestrzenianiem się sygnałów elektrycznych przez głowę.

Śledzenie sygnałów z powrotem do wnętrza mózgu

Wysoka gęstość elektrod poprawiła także kolejny etap: oszacowanie, które obszary mózgu wygenerowały obserwowane sygnały na skórze głowy. Wykorzystując skan MRI każdego uczestnika i ustalone algorytmy lokalizacji źródeł, zespół odtworzył, skąd prawdopodobnie pochodziła aktywność we wnętrzu mózgu. Wczesne odpowiedzi dla wszystkich kategorii skupiały się w pierwotnej korze wzrokowej z tyłu mózgu. Później aktywność przenosiła się do regionów wzdłuż dolnej części płatów skroniowych, które są znane z udziału w rozpoznawaniu obiektów i twarzy. W przypadku twarzy szczególnie, metoda lokalizowała odpowiedź około 170 milisekund w zakręcie wrzecionowatym, obszarze od dawna powiązanym z percepcją twarzy. Gdy tę samą analizę powtórzono dla rzadszych, symulowanych układów, wewnętrzne wzory aktywacji stawały się bardziej rozmyte i mniej ogniskowane, podkreślając wartość dodaną ultra-gęstych nagrań.

Od podstawowej nauki o widzeniu do przyszłych zastosowań

Chociaż badanie obejmowało tylko czterech ochotników i koncentrowało się na ograniczonym obszarze czaszki, pokazuje, że upakowanie wielu małych elektrod w kluczowym regionie może uczynić EEG zarówno bardziej informacyjnym, jak i precyzyjnym. Gęstsze rozmieszczenie poprawiło zdolność rozróżniania, jaki rodzaj obrazu ktoś oglądał, wyjaśniło, jak aktywność rozprzestrzenia się po skórze głowy, i wyostrzyło oszacowania gdzie i kiedy konkretne obszary mózgu — takie jak zakręt wrzecionowaty w przypadku twarzy — uruchamiają się. Dla przeciętnego czytelnika sedno jest takie: przekształcenie EEG z grubego układu w ultra-cienką siatkę może zmienić je z przybliżonego stetoskopu mózgu w bardziej szczegółowy czujnik, z potencjalnymi korzyściami dla interfejsów mózg–komputer, diagnostyki i badań nad tym, jak widzimy i rozpoznajemy świat.

Cytowanie: Schreiner, L., Sieghartsleitner, S., Kapeller, C. et al. Increasing EEG electrode density improves decoding of visual categories and source localization: an exploratory ultra-high-density EEG study. Commun Eng 5, 59 (2026). https://doi.org/10.1038/s44172-026-00611-w

Słowa kluczowe: ultra wysokiej gęstości EEG, percepcja wzrokowa, dekodowanie mózgu, lokalizacja źródeł, interfejs mózg-komputer