EEG elektrot yoğunluğunu artırmak görsel kategorilerin çözülmesini ve kaynak yer belirlemeyi geliştirir: keşif amaçlı ultra-yüksek yoğunluklu EEG çalışması

Saç derisine daha çok sensör yerleştirmenin önemi

Her seferinde bir yüze, bir bedene, bir eşyaya veya basit bir desene baktığınızda beyniniz yalnızca birkaç yüzüncü saniye içinde yanıt verir. Elektroensefalografi (EEG), bu geçici elektrik dalgalanmalarını saç derisinden kaydetmeye olanak verir, ancak elde edilen görüntü sıklıkla bulanıktır. Bu çalışma, sonuçları geniş etkiler taşıyan basit bir soruyu soruyor: başın arka kısmına çok sayıda küçük EEG elektrodu yerleştirirsek, görsel beyin aktivitesini daha net “görebilir”, birinin neye baktığını daha doğru çözümlüyebilir ve bunun beyinde nerede olduğunu daha kesin biçimde saptayabilir miyiz?

Beyin dalgalarını daha ince ayrıntıda görmek

Araştırmacılar, görsel bilgiyi ilk işleyen kafa arkasındaki oksipital bölge üzerine kümelenmiş 512 küçük elektrottan oluşan ultra-yüksek yoğunluklu bir EEG kepi kullandılar. Dört gönüllü, yüzlerce görüntüye baktı; bu görüntüler dört kategoriye aitti: yüzler, bedenler, günlük nesneler ve soyut desenler. Her görüntü gösteriminde ekip, resim göründükten yaklaşık onda bir ila yarım saniye içinde ortaya çıkan kısa, zaman-kilitli elektriksel aktivite dalgaları olan görsel uyarılmış potansiyelleri ölçtü. Bu kadar yakına yerleştirilmiş çok sayıda sensörle, aktivitenin birincil görsel alanlarda nasıl başladığını ve ardından her görüntü türü için farklı biçimlerde nasıl yayıldığını gösteren ayrıntılı “ısı haritaları” oluşturabildiler; örneğin yüzler gösterildiğinde aktivitenin beynin yan bölgelerine doğru yayıldığı görüldü.

Gerçekte kaç sensörün fayda sağladığını sınamak

Daha fazla elektrodun gerçekten EEG’den okunabilecekleri iyileştirip iyileştirmediğini bulmak için ekip, kayıtlarını sistematik olarak “seyrelterek” daha az sensöre sahip standart klinik kep düzenlerini taklit etti. Yaygın 10–20 ve 10–10 sistemlerine benzer düzenleri daha yoğun varyantlarla ve sonunda tam ultra-yoğun düzene kadar karşılaştırdılar. Basit bir istatistiksel sınıflandırıcı kullanarak, her tek denemede bir kişinin hangi dört kategoriden birini gördüğünü tahmin etmeye çalıştılar. Doğruluk sensör yoğunluğuyla istikrarlı biçimde yükseldi: geleneksel düzenler ortalama olarak yüzde 60’ın hemen altında başarırken, ultra-yoğun ızgara yaklaşık yüzde 73’e ulaştı ve bazı katılımcılar yüzde 76’yı aştı. Kritik olarak, elektrotların birbirine daha yakın paketlenmesi, yalnızca daha geniş bir saç derisi alanına yayılmaktan daha fazla önem taşıdı; bu da ana görsel bölge üzerinde ince mekânsal örneklemenin özellikle değerli olduğunu gösteriyor.

Beynin zamanlamasını daha hassas izlemek

Genel doğruluk dışında, yazarlar beynin desenlerinin bir kategoriyi diğerinden ayırt edecek kadar bilgiye ilk ne zaman sahip olduğunu da incelediler. Sınıflandırıcıyı uyarana başladıktan sonra bir anda eğittiler ve bunun diğer zaman noktalarına genelleme yapıp yapamayacağını test ederek bir “zamanlı çözülürlük haritası” oluşturdular. Daha yoğun elektrotlarla çözümleme yalnızca daha doğru olmakla kalmadı, aynı zamanda daha erken başladı—görüntü ortaya çıktıktan yaklaşık 70 milisaniye sonra etkiler görünür hale gelip 150–200 milisaniye civarında doruğa ulaştı. Bu, saç derisindeki daha iyi mekânsal örneklemenin, baş içinden yayılan elektrik sinyallerinin neden olduğu bulanıklığı azaltarak beyin olaylarının gözlenen zamanlamasını da keskinleştirdiğini gösteriyor.

Sinyalleri beynin içine geri izlemek

Yüksek elektrot yoğunluğu, bir sonraki adım olan gözlemlenen saç derisi sinyallerini hangi beyin bölgelerinin ürettiğini tahmin etmede de iyileşme sağladı. Her katılımcının MR taraması ve yerleşik kaynak yer belirleme algoritmaları kullanılarak ekip, aktivitenin beyin içinde muhtemelen nereden kaynaklandığını yeniden yapılandırdı. Tüm kategoriler için erken yanıtlar beynin arkasındaki birincil görsel kortekste kümelendi. Daha sonra aktivite, nesnelerin ve yüzlerin tanınmasını destekleyen alt temporal lobların boyunca yer alan bölgelere kaydı. Özellikle yüzler için yöntem, yüz algısıyla uzun süredir ilişkilendirilen fusiform girusta yaklaşık 170 milisaniyelik bir yanıtı işaretledi. Aynı analiz seyreltilmiş, simüle edilmiş düzenlerle tekrarlandığında bu iç aktivasyon desenleri daha bulanık ve daha az odaklı hale geldi; bu da ultra-yoğun kaydın sağladığı ek değeri vurguluyor.

Temel görsel bilimden gelecekteki uygulamalara

Çalışma yalnızca dört gönüllü içeriyor ve sınırlı bir saç derisi yamasına odaklandıysa da, önemli bir bölgeye çok sayıda küçük elektrot yerleştirmenin EEG’yi hem daha bilgilendirici hem de daha hassas hale getirebileceğini gösteriyor. Daha yoğun düzenler birinin ne tür bir görüntüye baktığını söyleme yeteneğini artırdı, aktivitenin saç derisi üzerinde nasıl yayıldığını netleştirdi ve yüzler için fusiform girus gibi belirli beyin bölgelerinin ne zaman ve nerede etkin hale geldiğine dair tahminleri keskinleştirdi. Genel okuyucu için çıkarım şu: EEG’yi kaba bir ızgaradan ultra-ince bir ağa yükseltmek, beyin için ham bir stetoskoptan daha ayrıntılı bir sensöre dönüştürebilir ve bu da beyin–bilgisayar arayüzleri, tanı yöntemleri ve dünyanın nasıl görüldüğü ve tanındığına ilişkin araştırmalar için potansiyel yararlar sunar.

Atıf: 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

Anahtar kelimeler: ultra yüksek yoğunluklu EEG, görsel algı, beyin çözümleme, kaynak yer belirleme, beyin-bilgisayar arayüzü