Απεικόνιση των περιοχών του εγκεφάλου που ενεργοποιούνται από την παρατήρηση εικόνων με συναισθηματικό περιεχόμενο.

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΙΑΤΡΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Απεικόνιση των περιοχών του εγκεφάλου που ενεργοποιούνται από την παρατήρηση εικόνων με συναισθηματικό περιεχόμενο. ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΚΩΣΤΕΛΙΔΟΥ Ν. ΘΕΟΔΩΡΑ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ : ΜΠΑΜΙΔΗΣ ΠΑΝΑΓΙΩΤΗΣ ΘΕΣΣΑΛΟΝΙΚΗ 2008

2 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΙΑΤΡΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Απεικόνιση των περιοχών του εγκεφάλου που ενεργοποιούνται από την παρατήρηση εικόνων με συναισθηματικό περιεχόμενο. ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΚΩΣΤΕΛΙΔΟΥ Ν. ΘΕΟΔΩΡΑ ΤΡΙΜΕΛΗΣ ΕΠΙΤΡΟΠΗ ΜΠΑΜΙΔΗΣ ΠΑΝΑΓΙΩΤΗΣ : ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΑΛΜΠΑΝΗ ΜΑΡΙΑ : ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΑΠΠΑΣ ΚΩΝΣΤΑΝΤΙΝΟΣ: ΙΑΤΡΙΚΗ ΣΧΟΛΗ Η εικόνα στο εξώφυλλο δημιουργήθηκε με το λογισμικό EEGFocus 3.0 της εταιρείας MEGIS. ΘΕΣΣΑΛΟΝΙΚΗ

3 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΚΟΠΟΣ ΤΗΣ ΜΕΛΕΤΗΣ ΔΙΑΡΘΡΩΣΗ ΤΗΣ ΕΡΓΑΣΙΑΣ... 9 ΚΕΦΑΛΑΙΟ ΘΕΩΡΗΤΙΚΟ ΥΠΟΒΑΘΡΟ Ανατομία του εγκεφάλου Το νευρικό κύτταρο Οι συνάψεις Ο Εγκέφαλος Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) ΚΕΦΑΛΑΙΟ ΜΟΝΤΕΛΑ ΤΟΥ ΕΓΚΕΦΑΛΟΥ Γενικά Σφαιρικά Μοντέλα Άπειρο Άγων Μέσο Σφαίρα ενός Κελύφους Ομόκεντρες σφαίρες Μ κελύφων Ρεαλιστικά Μοντέλα ΚΕΦΑΛΑΙΟ ΜΕΛΕΤΗ ΤΗΣ ΗΛΕΚΤΡΙΚΗΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ ΤΟΥ ΕΓΚΕΦΑΛΟΥ ΤΟ ΑΝΤΙΣΤΡΟΦΟ ΠΡΟΒΛΗΜΑ Γενικά Μέθοδοι απεικόνισης των εγκεφαλικών πηγών Το αντίστροφο πρόβλημα Παραμετρικές Μέθοδοι Μοντελοποίησης Προσέγγιση της πηγής με την μέθοδο των ελαχίστων τετραγώνων Beamforming LCMV MUSIC RAP-MUSIC Απεικονιστικές Μέθοδοι για την επίλυση του Αντίστροφου Προβλήματος Προσέγγιση κενού χώρου Η μέθοδος της ελάχιστης νόρμας (Min Norm) Κανονικοποίηση στην μέθοδο της Min Norm Μέθοδος της Μέγιστης Πιθανότητας Κανονικοποίηση της μεθόδου της Μέγιστης Πιθανότητας Μέθοδος Low Resolution Electromagnetic Tomography (LORETA) Εστιακή εγκεφαλική δραστηριότητα από ισοδύναμα δίπολα. 60 ΚΕΦΑΛΑΙΟ ΜΕΛΕΤΗ ΤΩΝ ΒΙΩΜΑΤΙΚΩΝ ΔΥΝΑΜΙΚΩΝ (ERPs) ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗΝ ΘΕΩΡΙΑ ΤΟΥ ΣΥΝΑΙΣΘΗΜΑΤΟΣ Βιωματικά Δυναμικά του Εγκεφάλου

4 5.1.1 Ορισμοί και κατηγορίες των βιωματικών δυναμικών Χρήση των Βιωματικών Δυναμικών Μέτρηση των βιωματικών δυναμικών Έρευνα βιωματικών δυναμικών στην ψυχιατρική και την νευρολογία Επεξεργασία Συναισθηματικών Εικόνων από τον εγκέφαλο Σύγχρονες έρευνες για τα ΒΔ Short Latency ( ms) Middle latency ( ms) Long Latency (>300ms) Slow wave διεργασίες Θεωρίες σχετικές με το συναίσθημα στο μυαλό Ολοκληρωτική επικράτηση του δεξιού ημισφαιρίου στο συναίσθημα Το μοντέλο Valence Approach Withdrawal μοντέλο Διαφορές ως προς το φύλο στην λειτουργική ανατομία του συναισθήματος Συναισθηματική διαμόρφωση και εθισμός ΚΕΦΑΛΑΙΟ ΤΟ ΠΕΙΡΑΜΑ Ο στόχος Συμμετέχοντες Το ερέθισμα Η διαδικασία Πακέτο Λογισμικού EEGFocus Γνωριμία με το περιβάλλον Απεικόνιση πηγών Μέθοδος παρεμβολής Spherical Spline Αποτελέσματα Γενικά Αποτελέσματα φάσης όπου το ερέθισμα παρουσιάζεται κατά ομάδες (Blocks) Αποτελέσματα από την φάση του πειράματος όπου το ερέθισμα παρουσιάζεται με τυχαίο τρόπο (Random) ΣΥΖΗΤΗΣΗ ΠΑΡΑΡΤΗΜΑ ΕΙΚΟΝΩΝ Παράρτημα Εικόνων από την φάση όπου το ερέθισμα παρουσιάζεται κατά ομάδες (blocks) Παράρτημα Εικόνων από την φάση όπου το ερέθισμα παρουσιάζεται με τυχαίο τρόπο (Random) ΒΙΒΛΙΟΓΡΑΦΙΑ

5 ΕΥΧΑΡΙΣΤΙΕΣ Θα ήθελα στο σημείο αυτό να ευχαριστήσω όλους όσους με βοήθησαν και με στήριξαν, για την εκπόνηση αυτής της διπλωματικής εργασίας. Καταρχήν χρωστάω ένα μεγάλο ευχαριστώ στον καθηγητή μου κύριο Μπαμίδη Παναγιώτη, ο οποίος μου έδωσε την ευκαιρία να ασχοληθώ με ένα τόσο ενδιαφέρον θέμα και με την σωστή και καίρια καθοδήγησή του κατάφερα να το φέρω εις πέρας. Ένα μεγάλο ευχαριστώ επίσης οφείλω και στην υποψήφια διδάκτορα της Ιατρικής Πληροφορικής Λιθαρή Χρύσα, η οποία με περίσσια υπομονή με στήριξε τόσο όσο αφορά το επιστημονικό κομμάτι, όπου οι συμβουλές της ήταν καθοριστικές, όσο και ψυχολογικά κατά την διάρκεια της εκπόνησης της διπλωματικής εργασίας. Ευχαριστώ τους καθηγητές κ. Αλμπάνη Μαρία της Ιατρικής Σχολής και κ. Παππά Κωνσταντίνο της Ιατρικής Σχολής, οι οποίοι συμμετείχαν στην τριμελή μου επιτροπή, για τον χρόνο που διέθεσαν προκειμένου να γίνει η αξιολόγηση της παρούσας μελέτης. Επίσης θα ήθελα να ευχαριστήσω τον κ. Κετικίδη Παναγιώτη και τον κ. Ανδρεάδη Ιωάννη, οι οποίοι με προθυμία με βοήθησαν όταν τους χρειάστηκα, πάνω σε θέματα που αφορούσαν το επιστημονικό κομμάτι της παρούσας διπλωματικής εργασίας. Τέλος ένα μεγάλο ευχαριστώ οφείλω στον άντρα μου και στα παιδιά μου οι οποίοι με παρότρυναν να βρεθώ σε αυτή την θέση και με την υπομονή τους και την ψυχολογική τους στήριξη αυτά τα δυο χρόνια, που είχε σαν αποτέλεσμα την δημιουργία ενός ήρεμου οικογενειακού περιβάλλοντος, κατάφερα να τελειώσω τις μεταπτυχιακές σπουδές μου και να πραγματοποιήσω το όνειρό μου. 5

6 Στον πατέρα μου που έφυγε τόσο νωρίς Στα παιδιά μου που αποτελούν την πηγή έμπνευσής μου! 6

7 ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ Τα τελευταία χρόνια η χρήση των υπολογιστών και πολύ περισσότερο η ανάπτυξη της θεωρίας της επεξεργασίας σήματος στην ιατρική κρίνεται απαραίτητη προκειμένου να καταφέρουμε να αναπτύξουμε νέες υπολογιστικές και απεικονιστικές τεχνολογίες στην υπηρεσία του γιατρού. Τα προβλήματα για τις ανάγκες της ιατρικής τίθενται από τους ίδιους τους γιατρούς και οι ειδικοί της πληροφορικής όπως και οι μηχανικοί καλούνται να παράγουν και να εφαρμόσουν αλγορίθμους και μεθοδολογίες με σκοπό να λύσουν αποτελεσματικά τα προβλήματα. Επίσης έχει διαπιστωθεί η ανάγκη για συνεργασία μεταξύ των επιστημών. Και μάλιστα στην προκειμένη περίπτωση εννοούμε την συνεργασία της ιατρικής με τις θετικές επιστήμες, με σκοπό να συνδυαστούν γνώσεις από διαφορετικά πεδία, δημιουργώντας έτσι νέους κλάδους στον χώρο των επιστημών, κάτι που μας οδηγεί σε μια πιο αποτελεσματική επίλυση των προβλημάτων και των προκλήσεων που παρουσιάζονται στις μέρες μας. Μια τέτοια πρόκληση θα μελετήσουμε και στην παρούσα διπλωματική εργασία. Θα προσπαθήσουμε να μελετήσουμε την εγκεφαλική δραστηριότητα και να απεικονίσουμε, κατά προσέγγιση, πηγές που ενεργοποιούνται κάθε φορά που παρατηρούμε μια εικόνα συναισθηματικού περιεχομένου. Εικόνα δηλαδή που μας προκαλεί για παράδειγμα χαρά, λύπη, φόβο. Θα ασχοληθούμε λοιπόν με την μελέτη μιας κατηγορίας βιωματικών δυναμικών, αυτά που ονομάζουμε Οπτικά προκλητά δυναμικά. Με βάση αυτή την γνώση θα προσπαθήσουμε να προσδιορίσουμε την σχέση που υπάρχει ανάμεσα στα διάφορα πρότυπα εγκεφαλικής δραστηριότητας του εγκεφάλου σε σχέση με φωτογραφίες που διεγείρουν το συναίσθημα από το International Affective Picture System (IAPS Lang, Brandley & Cuthbert, 2005). 7

8 Για την εκπόνηση της εργασίας συγκεντρώθηκαν ΗΕΓ από άντρες και γυναίκες και αφού επεξεργάστηκαν με βάση μεθόδους της επεξεργασίας σήματος, χρησιμοποιήθηκε ένα «εργαλείο» με σκοπό την απεικόνιση των εγκεφαλικών πηγών που ενεργοποιούνται σε συγκεκριμένες χρονικές στιγμές, όπως αυτές προκύπτουν από την βιβλιογραφία, προκειμένου να μελετηθούν τα συστατικά των Οπτικών προκλητών δυναμικών, σε σχέση με τις εικόνες συναισθηματικού περιεχομένου. 1.2 ΣΚΟΠΟΣ ΤΗΣ ΜΕΛΕΤΗΣ Αρχικός στόχος της παρούσας μελέτης είναι η παρουσίαση και η χρήση του λογισμικού EEGFocus, το οποίο είναι ένα από λογισμικά που διατίθενται στο εμπόριο, με σκοπό την επεξεργασία των ΗΕΓ και την απεικόνιση των εγκεφαλικών πηγών, που ενεργοποιούνται κατά την επεξεργασία των συναισθημάτων από τον εγκέφαλο σε συγκεκριμένες χρονικές στιγμές. Επίσης η χρήση της βιβλιογραφίας σε συνδυασμό με το εν λόγω λογισμικό, στοχεύουμε να μας οδηγήσει σε συμπεράσματα που σχετίζονται με την θεωρία του συναισθήματος και την επεξεργασία των σημάτων που προέρχονται από την παρατήρηση των συναισθηματικών εικόνων. Τέλος τα συμπεράσματα μιας τέτοιας μελέτης, μακροπρόθεσμα θα μπορούσαν να χρησιμοποιηθούν, σε ένα σχετικά καινούργιο αλλά πολύ ενδιαφέρον επιστημονικό πεδίο, της συναισθηματικής αλληλεπίδρασης ανθρώπου υπολογιστή (affective computing). Με τον όρο αυτό εννοούμε ένα πολυδιάστατο γνωστικό αντικείμενο που ασχολείται με την έρευνα την μελέτη και τα τεχνικά θέματα που προσδιορίζουν την ενσωμάτωση του συναισθήματος στην αλληλεπίδραση ανθρώπου και υπολογιστή που την τελευταία δεκαετία εξελίσσεται με ραγδαίους ρυθμούς. Ομοίως θα μπορούσαν να χρησιμοποιηθούν και στον χώρο της συναισθηματικής νοημοσύνης (emotional intelligence), που είναι μια σχετικά καινούργια περιοχή στα πεδία ερευνών των ψυχολόγων, καθώς και στα ερευνητικά πεδία του emotional computing, όπου η μέρα που οι υπολογιστές θα μπορούν να ανιχνεύουν και να μιμούνται τα ανθρώπινα συναισθήματα δεν είναι πολύ μακριά. 8

9 1.3 ΔΙΑΡΘΡΩΣΗ ΤΗΣ ΕΡΓΑΣΙΑΣ Στην παρούσα διπλωματική εργασία εξετάζεται το πρόβλημα της απεικόνισης των περιοχών του ανθρωπίνου εγκεφάλου που ενεργοποιούνται από την παρατήρηση εικόνων με συναισθηματικό περιεχόμενο, έχοντας σαν δεδομένο μας το σήμα του εγκεφαλογραφήματος. Μετά από ένα σύντομο εισαγωγικό κεφάλαιο όπου παρουσιάζεται και ο στόχος της μελέτης ακολουθούν τα υπόλοιπα κεφάλαια όπως περιγράφονται παρακάτω. Στο δεύτερο κεφάλαιο (Κεφάλαιο 2) προσπαθούμε να μελετήσουμε τον τρόπο με τον οποίο δημιουργούνται οι διαφορές δυναμικού στον ανθρώπινο εγκέφαλο ξεκινώντας από θεμελιώδης βιολογικές μονάδες και καταλήγοντας στα ηλεκτρικά σήματα και στην ηλεκτρομαγνητική ταλάντωση που τελικά εμείς παίρνουμε με το εγκεφαλογράφημα σαν σήμα. Επίσης επιχειρείται μια μελέτη σχετικά με τον τρόπο καταγραφής του εγκεφαλογραφήματος, καθώς και στα πρότυπα που αφορούν την τοποθέτηση των ηλεκτροδίων και στα είδη των εγκεφαλογραφημάτων. Στο Κεφάλαιο 3 θα ασχοληθούμε με τα μοντέλα του κεφαλιού που χρησιμοποιούνται για να αναπαραστήσουμε τον ανθρώπινο εγκέφαλο, κάτι που είναι απαραίτητο προκειμένου να προβούμε στην επίλυση του αντίστροφου προβλήματος. Στο επόμενο κεφάλαιο (Κεφάλαιο 4) θα ασχοληθούμε με την μελέτη της ηλεκτρικής δραστηριότητας του εγκεφάλου σε σχέση με την επίλυση του αντίστροφου προβλήματος, που αποτελεί την βάση για την συγκεκριμένη εργασία. Θα παρουσιαστούν παραμετρικές και απεικονιστικές μέθοδοι με τις οποίες επιχειρείται η προσέγγιση στην επίλυση του αντίστροφου προβλήματος. Στο Κεφάλαιο 5, που αποτελεί και το κύριο κεφάλαιο αυτής της εργασίας, θα παρουσιαστούν στοιχεία για την εγκεφαλική δραστηριότητα του εγκεφάλου, στην περίπτωση που παρατηρούνται εικόνες με συναισθηματικό περιεχόμενο. Θα εξηγηθούν οι έννοιες όπως βιωματικά δυναμικά, προκλητά δυναμικά και οι κατηγορίες τους, καθώς θα δοθούν και 9

10 στοιχεία που έχουν προκύψει από την βιβλιογραφία σχετικά με την μελέτη των δυναμικών αυτών και την επεξεργασία συναισθηματικών εικόνων. Στο Κεφάλαιο 6, θα χρησιμοποιηθεί ένα από τα «εργαλεία» που έχουν υλοποιηθεί, με σκοπό την απεικόνιση των περιοχών που ενεργοποιούνται σε συγκεκριμένες χρονικές στιγμές που προκύπτουν από την μελέτη των οπτικών προκλητών δυναμικών. Με βάση την χρήση αυτού του λογισμικού και πραγματικών δεδομένων, θα προσπαθήσουμε να απεικονίσουμε τις πηγές της ηλεκτρικής δραστηριότητας, που ενεργοποιούνται από την παρατήρηση εικόνων συναισθηματικού περιεχομένου. Σε αυτό το κεφάλαιο παρατίθενται και τα αποτελέσματα της παρούσας μελέτης. Στο τελευταίο κεφάλαιο (Κεφάλαιο 7) παρατίθενται τα συμπεράσματα που προέκυψαν από την παρούσα μελέτη και την συνολική ανάλυση του προβλήματος. Τέλος παρατίθεται και το παράρτημα εικόνων που περιλαμβάνει όλες τις εικόνες που εξήχθησαν ως αποτέλεσμα της παρουσας μελέτης. 10

11 ΚΕΦΑΛΑΙΟ 2 ΘΕΩΡΗΤΙΚΟ ΥΠΟΒΑΘΡΟ 2.1 Ανατομία του εγκεφάλου Η δομή της κυτταρικής μεμβράνης είναι πολύ σημαντική, αφού αυτή είναι υπεύθυνη για την δημιουργία διαφορών δυναμικού ανάμεσα στο εσωτερικό και στο εξωτερικό του κυττάρου και αυτές με την σειρά τους είναι υπεύθυνες για την δημιουργία ηλεκτρικών σημάτων άρα και την δημιουργία ηλεκτρομαγνητικού πεδίου. Η κυτταρική μεμβράνη αποτελείται από φωσφολιπίδια, τα οποία είναι βιολογικά μακρομόρια που αποτελούνται από μια υδρόφιλη κεφαλή, η οποία προσελκύεται από το νερό και μια υδρόφοβη ουρά, η οποία απωθείται από το νερό [4]. Αυτό σημαίνει ότι όταν βρεθούν σε υδατώδες περιβάλλον, τότε δημιουργούν σχηματισμούς σύμφωνα με τους οποίους η κεφαλή θα πρέπει να βρίσκεται στο νερό ως υδρόφιλη ενώ η ουρά θα πρέπει να προστατεύεται ως υδρόφοβη όπως φαίνεται στην Εικόνα [1]. Η 2 Ο Η 2 Ο Εικόνα [1] Πώς σχηματίζεται η κυτταρική μεμβράνη (αλλαγμένη εικόνα από την πηγή αναφοράς 11

12 Με αυτόν τον τρόπο και λόγω του παραπάνω χαρακτηριστικού των φωσφολιπιδίων, δημιουργούνται οι λεγόμενες φωσφολιπιδικές στοιβάδες, που ουσιαστικά είναι οι στοιχειώδεις κυτταρικές μεμβράνες, όπως φαίνεται και στην Εικόνα [2]. Οι κυτταρική μεμβράνη είναι η δομή που πραγματοποιεί τον έλεγχο εισόδου και εξόδου από και προς το κύτταρο. Εικόνα [2] Η διπλοστοιβάδα λιπιδίων της κυτταρικής μεμβράνης όπου φαίνονται και οι πρωτεΐνες (αλλαγμένη εικόνα από την πηγή αναφοράς Στην παραπάνω εικόνα φαίνονται οι στοιβάδες των φωσφολιπιδίων όπου η υδρόφιλη κεφαλή στρέφεται προς το εξωτερικό περιβάλλον το οποίο είναι υδάτινο και η υδρόφοβη ουρά προστατεύεται στο εσωτερικό της μεμβράνης. Επίσης φαίνονται και οι πρωτεΐνες που αποτελούν μέρος της κυτταρικής μεμβράνης. Αυτές είναι μακρομόρια τα οποία δημιουργούν αντλίες ιόντων, μέσα από τις οποίες μπορούν να μεταφερθούν ιόντα διαφόρων στοιχείων όπως καλίου (Κ+), νατρίου (Na+) και χλωρίου (Cl-). Τα ηλεκτρομαγνητικά φαινόμενα που πρέπει να εξετάσουμε οφείλονται σε τέτοιου είδους αντλίες ιόντων. Το βασικό χαρακτηριστικό αυτών των αντλιών, είναι ότι δεν επιτρέπουν την ελεύθερη μεταφορά ιόντων από το ένα άκρο τους στο άλλο, αλλά διατηρούν μια σταθερή διαφορά δυναμικού ανάμεσα στο εσωτερικό μέρος του κυττάρου και στο εξωτερικό μέρος αυτού. Οι χημικές ουσίες που εκκρίνει το κύτταρο, ρυθμίζει και την λειτουργία τους. 12

13 Έτσι μέσα από τις αντλίες έχουμε επιλεκτική μεταφορά ιόντων από και προς το κύτταρο, καθορίζοντας ποια ιόντα θα περάσουν και ποια όχι την κυτταρική μεμβράνη, όπως φαίνεται και στην Εικόνα [3]. Αυτό έχει ως αποτέλεσμα την ύπαρξη διαφοράς δυναμικού στο κύτταρο και συνεπώς την δημιουργία ηλεκτρικού σήματος σε αυτά [5]. Εικόνα [3] Σχηματική αναπαράσταση των διαφορετικών συγκεντρώσεων ανιόντων και κατιόντων μέσα και έξω από την κυτταρική μεμβράνη (αλλαγμένη εικόνα από την πηγή αναφοράς [ 2.2 Το νευρικό κύτταρο Η στοιχειώδης δομική μονάδα του εγκεφάλου είναι το νευρικό κύτταρο. Αυτό που μας ενδιαφέρει και πρέπει να μελετήσουμε είναι αρχικά η δομή του και κατόπιν οι τρόποι με τους οποίους μπορεί και συνδέεται με τα άλλα νευρικά κύτταρα, δημιουργώντας αυτό το θαύμα που λέγεται ανθρώπινος εγκέφαλος. Αυτό είναι και το βασικότερο, πολυπλοκότερο και πιο ενδιαφέρον κομμάτι, δηλαδή ο τρόπος διασύνδεσης των νευρικών κυττάρων. Ένα νευρικό κύτταρο είναι αυτόνομο και αποτελείται από τρεις βασικές περιοχές: 13

14 Το σώμα (body) Τους δεντρίτες (dentrites) Μια λεπτή νευρική ίνα που λέγεται άξονας (axon) Στην Εικόνα [4] μπορούμε να δούμε όλα τα μέρη του νευρικού κυττάρου Εικόνα [4] Τα μέρη του νευρικού κυττάρου και η σύνδεση των δενδριτών με τις απολήξεις άλλων αξόνων [ Με σκοπό να εξετάσουμε αυτά που βλέπουμε στην παραπάνω Εικόνα και απεικονίζουν το νευρικό κύτταρο, θα αρχίσουμε από το κυτταρικό σώμα. Αυτό περιλαμβάνει τον πυρήνα, τα μιτοχόνδρια, τα ριβοσώματα και άλλα κυτταρικά οργανίδια, τα οποία είναι κοινά με τα οργανίδια των άλλων κυττάρων του ανθρώπινου οργανισμού. Και η δομή τους όπως και η λειτουργία τους είναι όμοια με αυτή που συναντάμε και στα άλλα κύτταρα. Τα νευρικά κύτταρα αποτελούνται από 70-80% νερό περίπου και το υπόλοιπο μέρος αποτελείται κατά 80% από πρωτεΐνες και κατά 20% από λιπίδια. Στην συνέχεια βλέπουμε τους δεντρίτες, οι οποίοι είναι πολύ λεπτές διακλαδώσεις που αρχίζουν από το κυτταρικό σώμα, είναι δηλαδή οι διακλαδισμένες αποφύσεις των νευρικών κυττάρων. Αυτοί βρίσκονται σε επαφή μέσω των συνάψεων με τις απολήξεις διαφόρων αξόνων, που 14

15 προέρχονται από γειτονικούς ή άλλους νευρώνες, όπως σχηματικά παρουσιάζεται στην Εικόνα [4]. Οι δεντρίτες μέσω των μετασυναπτικών μεμβρανών, συλλέγουν τα ηλεκτρικά σήματα που εκπέμπονται από τις αξονικές απολήξεις και τα μεταδίδουν στο αντίστοιχο κυτταρικό σώμα του νευρώνα στον οποίο ανήκουν. Ένα νευρικό κύτταρο μπορεί να λαμβάνει σήματα από εκατοντάδες χιλιάδες άλλους νευρώνες. Τέλος όσο αφορά την λεπτή νευρική ίνα που λέγεται άξονας, αυτή μεταφέρει το ηλεκτρικό σήμα (ερέθισμα) από το σώμα του κυττάρου σε άλλο νευρικό ή μυϊκό κύτταρο, «κατά άλματα» μέσω των κόμβων του Ranvier. 2.3 Οι συνάψεις Η σύναψη, όπου όπως προαναφέρθηκε διαρθρώνεται η απόληξη του νευράξονα ενός νευρώνα με έναν δενδρίτη άλλου νευρώνα, παρουσιάζει ιδιαίτερο ενδιαφέρον διότι εκεί πραγματοποιείται η μεταβίβαση της δράσης από την προσυναπτική μεμβράνη στην μετασυναπτική, μέσω μιας πολύ λεπτής σχισμής που τα χωρίζει, η οποία ονομάζεται συναπτικό χάσμα. Αυτός είναι ο μηχανισμός μεταφοράς του ηλεκτρικού σήματος από το ένα κύτταρο στο άλλο [2]. Όλα τα παραπάνω φαίνονται στην Εικόνα [5]. Εικόνα [5] Σύναψη [2]. 15

16 Ο τρόπος με τον οποίο μεταβιβάζεται μια νευρική ώση σε μια σύναψη φαίνεται στην Εικόνα [6]. Εικόνα [6] Ο Τρόπος μεταβίβασης νευρικής ώσης σε μια σύναψη (αλλαγμένη εικόνα από την πηγή αναφοράς [ Όπως μπορούμε να δούμε η πληροφορία μεταφέρεται από το άνω μέρος της σύναψης, δηλαδή τον άξονα του ενός κυττάρου, προς το κάτω μέρος που είναι το άλλο κύτταρο νευρικό ή μυϊκό. Δηλαδή από την προσυναπτική μεμβράνη του προσυναπτικού κυττάρου, προς την μετασυναπτική μεμβράνη του μετασυναπτικού κυττάρου, μέσω της συναπτικής σχισμής. Το ηλεκτρικό σήμα μεταφέρεται μόνο προς μια κατεύθυνση, λόγω της ύπαρξης μιας χημικής ουσίας, του χημικού μεταφορέα, που παράγει το προσυναπτικό κύτταρο και με αυτόν τον τρόπο γίνεται η διέλευση των ιόντων μέσω των ιοντικών αντλιών του μετασυναπτικού κυττάρου. 16

17 2.4 Ο Εγκέφαλος Το νευρικό κύτταρο, όπως και τα άλλα κύτταρα, καλύπτεται από μια κυτταρική μεμβράνη πάχους 8-10nm η οποία παρουσιάζει επιλεκτική διαπερατότητα ιόντων, όπως ήδη έχουμε αναφέρει. Σε κατάσταση ηρεμίας κατά μήκος της μεμβράνης των κυττάρων η συγκέντρωση του εσωκυττάριου χώρου σε ιόντα καλίου (K+) και ιόντα νατρίου (Na+) είναι διαφορετική από αυτήν του εξωκυττάριου, με αποτέλεσμα να δημιουργείται μια διαφορά δυναμικού γύρω στα -70mV, στον εσωτερικό ως προς τον εξωτερικό χώρο λόγω αυτής της άνισης κατανομής των ιόντων που προαναφέραμε. Τα δυναμικά που μετρούνται στην επιφάνεια του δέρματος της κεφαλής, είναι το αποτέλεσμα αυτής της διέλευσης ιόντων διαμέσου της κυτταρικής μεμβράνης. Τα ρεύματα διαχέονται από το σημείο στο οποίο παράγονται μέσω του εγκεφαλικού ιστού, των μηνίγγων, του δέρματος, του κρανίου, τα οποία είναι αγωγοί του ηλεκτρικού ρεύματος, στην επιφάνεια του δέρματος της κεφαλής. Υπάρχουν δύο είδη διαμεμβρανικής ρευματικής ροής που προκαλούν τελικά δύο είδη δυναμικών διαφορετικής φύσης : Δυναμικό δράσης (action potential) Μετασυναπτικό δυναμικό (post synaptic potential) [2] [7]. α) Το δυναμικό δράσης προκαλείται όταν το διαμεμβρανικό δυναμικό στο σώμα του νευρώνα, ως συνολικό άθροισμα των ερεθισμών που καταφθάνουν από τους δεντρίτες, αλλάξει από την τιμή ηρεμίας και περάσει ένα ορισμένο κατώφλι (συνήθως περίπου -50mV). Τότε συμβαίνει ενεργοποίηση του νευρώνα, αποπόλωση της κυτταρικής μεμβράνης στη «ρίζα» όπου ο άξονας ξεκινά από το σώμα και εμφάνιση μιας αιχμής δυναμικού ως τα 30 mv, με επακόλουθη επιστροφή στην αρχική κατάσταση ηρεμίας αφού συμβεί επαναπόλωση και υπερπόλωση όπως φαίνεται και στην Εικόνα [7]. 17

18 Εικόνα [7] Δυναμικό Δράσης [2]. Αυτή η κρουστική ώση διαδίδεται ταχύτατα κατά μήκος του άξονα αναπαράγοντας τον κύκλο πόλωση αποπόλωση - πόλωση και την συνακόλουθη ρευματική ροή μέσα και έξω από την κυτταρική μεμβράνη. Τα δυναμικά δράσης είναι μικρής διάρκειας, δεν παράγονται πάντα την ίδια χρονική στιγμή από τους νευρώνες και εξαιτίας της μη γεωμετρικής κανονικότητας των αξόνων, δεν κάνουν εύκολη την χωρική και χρονική άθροιση αυτών των δυναμικών, ώστε να προκύψουν ικανά καταγραφικά αποτελέσματα από αυτά [2]. β) Μετασυναπτικό δυναμικό: Το δυναμικό αυτό εμφανίζεται στη μετασυναπτική μεμβράνη, όταν μεταδοθεί ο ερεθισμός μέσω του συναπτικού χάσματος από την προσυναπτική μεμβράνη, ερεθισμός ο οποίος οφείλεται σε ενεργοποίηση του προσυναπτικού νευρώνα. Εχει πιο συνεχή μορφολογία από τα δυναμικά δράσης, είναι πιο περιορισμένο στο χώρο, αφού εμφανίζεται στην περιοχή της σύναψης, και έχει χαμηλότερη τιμή διότι η μετασυναπτική μεμβράνη αποπολώνεται και υπερπολώνεται σε χαμηλότερο βαθμό από ότι το σώμα του νευρώνα, όπου αθροίζονται όλα τα σήματα τα προερχόμενα από τους δεντρίτες. Όταν έχουμε αποπόλωση τότε το δυναμικό ονομάζεται μετασυναπτικό δυναμικό διέγερσης (excitatory PSP EPSP) ενώ στη αντίθετη περίπτωση μετασυναπτικό δυναμικό καταστολής ή αναστολής (inhibitory PSP IPSP), διότι διαδιδόμενο προς το σώμα και αθροιζόμενο με άλλες συνεισφορές από διαφορετικές συνάψεις δεν διευκολύνει ενδεχόμενη αποπόλωση του νευρώνα. Σε μια σύναψη του εγκεφάλου μπορεί να εμφανιστεί συνήθως, είτε μόνο EPSP, οπότε η 18

19 σύναψη ονομάζεται σύναψη διέγερσης ή διεγείρουσα σύναψη (excitatory synapse), είτε μόνο IPSP, οπότε ονομάζεται κατασταλτική ή ανασταλτική σύναψη (inhibitory synapse) [2]. Ο φλοιός του εγκεφάλου αποτελείται από πάρα πολλές πτυχώσεις και αναδιπλώσεις και αποτελείται από πάρα πολλά στρώματα διαφορετικά μεταξύ τους, μια και το καθένα περιέχει διαφορετικού σχήματος νευρώνες που συνδέονται και επικοινωνούν μεταξύ τους με διαφορετικό και μοναδικό τρόπο. Αυτό έχει σαν αποτέλεσμα να διαφοροποιείται και η λειτουργία της κάθε περιοχής. Επίσης οι νευρώνες που υπάρχουν στον φλοιό ανήκουν σε διαφορετικές κατηγορίες και αυτοί που παρατηρούνται είναι τα πυραμιδικά και οι αστεροειδής νευρώνες. Το σήμα που παίρνουμε στην επιφάνεια του κεφαλιού δεν είναι αποτέλεσμα της διέγερσης ενός νευρώνα, αλλά αποτελούν τα μετασυναπτικά δυναμικά των πυραμιδικών κυρίως νευρικών κυττάρων. Στην Εικόνα [8] φαίνεται το ηλεκτρικό πεδίο που παράγεται από την διέγερση μιας σύναψης ενός πυραμιδικού νευρώνα. Αυτά τα κύτταρα θεωρούνται κατά βάση υπεύθυνα για την δημιουργία ηλεκτρικών δυναμικών, τα οποία είναι ικανά να φτάσουν στην επιφάνεια της κεφαλής και να καταγραφούν από τις καταγραφικές διατάξεις και συσκευές που χρησιμοποιούμε. Φυσικά και άλλες εγκεφαλικές περιοχές ενεργοποιούνται και παίρνουν μέρος στην δημιουργία των διαφορών δυναμικού [8][11]. Εικόνα [8] Ηλεκτρικό πεδίο παραγόμενο από την διέγερση σύναψης ενός πυραμιδικού νευρώνα (αλλαγμένη εικόνα από την πηγή αναφοράς [11]). 19

20 Ο ανθρώπινος εγκέφαλος αποτελείται από νευρώνες οι οποίοι συνδέονται μεταξύ τους με δεντρίτες και ναυράξονες. Ένας νευρώνας μπορεί να λαμβάνει ερεθίσματα από 10 3 έως 10 5 άλλους νευρώνες. Ζυγίζει περίπου 1500 γραμμάρια και χωρίζεται σε δύο ημισφαίρια το αριστερό και το δεξί. Στην Εικόνα [9] φαίνεται το αριστερό ημισφαίριο του εγκεφάλου με μερικές από τις βασικές περιοχές του. Επίσης είναι εμφανείς οι πτυχώσεις και οι αναδιπλώσεις στον φλοιό του εγκεφάλου. Εδώ πρέπει να επισημάνουμε ότι ο εγκέφαλος αποτελείται και από δύο φλοιούς, τον αισθητικό φλοιό (sensory cortex) που βρίσκεται από την αριστερή μεριά του εγκεφάλου και τον κινητικό φλοιό (motor cortex) που βρίσκεται στην δεξιά μεριά. Όπως γίνεται αντιληπτό και από την ονομασία τους, ο αισθητικός φλοιός ενεργοποιείται όταν τα ερεθίσματα προέρχονται από τις αισθήσεις μας (όραση, αφή κ.α.), ενώ ο κινητικός όταν τα ερεθίσματα προέρχονται από μυϊκές κινήσεις. Εικόνα [9] Αναπαράσταση του ανθρώπινου εγκεφάλου όπου φαίνονται μερικές από τις περιοχές του (αριστερό ημισφαίριο) (πηγή αναφοράς braineffectsstroke_01.gif). 20

21 Οι βασικές περιοχές του εγκεφάλου είναι ο μετωπιαίος (frontal lobe), ο βρεγματικός (parietal lobe), ο ινιακός (occipital lobe) και ο κροταφικός (temporal lobe) λοβός, η γέφυρα (pons vapoli), η παρεγκεφαλίδα (cerebellum), o διάμεσος εγκέφαλος, ο μέσος εγκέφαλος (mid brain), ο προμήκης μυελός (medulla obnognata). Η εγκεφαλική δραστηριότητα είναι αποτέλεσμα της διέγερσης συγκεκριμένων ομάδων νευρικών κυττάρων που ενεργοποιούνται ταυτόχρονα ή σχεδόν ταυτόχρονα και που εκτείνονται μέχρι και μερικά τετραγωνικά χιλιοστά. Αυτά τα δυναμικά είναι που μέσω των ιστών μεταφέρονται και εισέρχονται στο εγκεφαλονωτιαίο υγρό καταλήγοντας έτσι στο οστό του κρανίου. Εκεί όμως λόγω της αγωγιμότητας του οστού η εξασθένιση των δυναμικών είναι αρκετά μεγάλη και τελικά φτάνουν στην επιφάνεια του δέρματος του κεφαλιού με μέγεθος της τάξης των μv. Οι παράγοντες που επηρεάζουν το μέγεθος και τη χρονική διάρκεια των καταγραφών των δυναμικών, είναι το πλήθος των νευρώνων που ενεργοποιούνται ταυτόχρονα, ο προσανατολισμός τους, αλλά και οι ηλεκτρικές ιδιότητες του χώρου που παρεμβάλλεται ανάμεσα στα ηλεκτρόδια που βρίσκονται τοποθετημένα στην επιφάνεια του κεφαλιού και στα σημεία που προκαλούν τα δυναμικά. Ο προσανατολισμός των νευρώνων έχει μεγάλη σημασία, λόγω της αρχής της υπέρθεσης ή επαλληλίας που ισχύει στον ηλεκτρομαγνητισμό. Σύμφωνα με αυτή την αρχή, αθροίζονται όλα τα δυναμικά των πηγών που παίρνουν μέρος στον σχηματισμό ενός ηλεκτρικού πεδίου, σε ένα σημείο του χώρου. Οπότε ο προσανατολισμός των πηγών και η γεωμετρία των νευρώνων θα είναι τα βασικά στοιχεία που τελικά θα δώσουν ως αποτέλεσμα μετρήσιμες τιμές στην επιφάνεια του κεφαλιού. Στην Εικόνα [10] φαίνεται το ηλεκτρικό πεδίο που παράγεται από μια επίπεδη περιοχή του φλοιού του εγκεφάλου που περιλαμβάνει ένα πληθυσμό από συγχρόνως ενεργούς πυραμιδικούς νευρώνες, δημιουργώντας διπολικό επίπεδο όπου η φλοιώδης επιφάνεια είναι ηλεκτραρνητική [11]. 21

22 Εικόνα [10] Ηλεκτρικό πεδίο που παράγεται από μια επίπεδη περιοχή του φλοιού του εγκεφάλου που περιλαμβάνει ένα πληθυσμό από συγχρόνως ενεργούς πυραμιδικούς νευρώνες (αλλαγμένη εικόνα από την πηγή αναφοράς [11]). 2.5 Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) Μέχρι τώρα είδαμε πώς δημιουργούνται τα ηλεκτρικά πεδία στον εγκέφαλο, ξεκινώντας από το κύτταρο και καταλήγοντας στο ηλεκτρικό σήμα. Το σύνολο των ηλεκτροχημικών αντιδράσεων από νευρώνα σε νευρώνα αθροιζόμενο για όλες τις περιοχές του εγκεφάλου δημιουργεί μια εγκεφαλική δραστηριότητα. Επίσης ξέρουμε ότι τα ηλεκτρικά δυναμικά που καταγράφονται από το ΗΕΓ, παράγονται από ηλεκτρικά δίπολα στα πυραμιδικά κύτταρα. Πολλά τέτοια κύτταρα και οι δεντρίτες τους προσανατολίζονται κάθετα. Αυτή η τοποθέτηση, όπως ήδη αναφέραμε, δημιουργεί ένα δυναμικό, ως αποτέλεσμα των μετασυναπτικών δυναμικών. Τώρα μπορούμε να εξετάσουμε και τον τρόπο με τον οποίο γίνεται η μέτρηση αυτών των ηλεκτρικών πεδίων, άρα και της εγκεφαλικής 22

23 δραστηριότητας. Η τεχνική που χρησιμοποιείται είναι το ηλεκτροεγκεφαλογράφημα. Το ηλεκτροεγκεφαλογράφημα ως τεχνική πρωτοπαρουσιάστηκε το 1924, όταν ο Γερμανός ψυχίατρος Hans Berger μέτρησε πρώτος ίχνη της εγκεφαλικής δραστηριότητας στην επιφάνεια του κεφαλιού. Παρά του ότι τα ηλεκτρονικά και το λογισμικό που χρησιμοποιούνται σήμερα για την ανάλυση του εγκεφαλογραφήματος, παρέχουν τα πλεονεκτήματα των πιο πρόσφατων τεχνολογικών ανακαλύψεων, η βασική αρχή πάνω στην οποία στηρίζεται αυτή η τεχνική παραμένει ίδια από την εποχή του Berger [10]. Το ηλεκτροεγκεφαλογράφημα αποτελείται από τις μετρήσεις των διαφορών δυναμικού ανάμεσα στα ζεύγη των ηλεκτροδίων που τοποθετούνται στην επιφάνεια του κεφαλιού. Οι αισθητήρες μπορεί να είναι ή κατευθείαν επικολλημένοι στο δέρμα, σε συγκεκριμένες περιοχές, ακριβώς πάνω από τις περιοχές ενδιαφέροντος ή να είναι προσαρμοσμένες σε ένα ελαστικό καπέλο για γρήγορη τοποθέτηση και αμετάβλητη κάλυψη όλου του δέρματος της κεφαλής. Το γεγονός ότι η όλη εξέταση συνίσταται στην μέτρηση και μόνο των τιμών δυναμικού, όπως ήδη αναφέραμε, καθιστά το ΗΕΓ μια φτηνή, εύκολη και ακίνδυνη εξέταση, μια και δεν έχουμε έκθεση σε ακτινοβολία. Στην περίπτωση όπου χρησιμοποιείται ο σκούφος το ΗΕΓ ονομάζεται μη επεμβατικό, ενώ στην περίπτωση όπου τα ηλεκτρόδια βρίσκονται σε διάφορα σημεία κάτω από την επιφάνεια του κρανίου τότε ονομάζεται επεμβατικό, οπότε και χρειάζεται χειρουργική επέμβαση για να τοποθετηθούν και να γίνει η καταγραφή των σημάτων. Το φάσμα της συχνότητας του εκτείνεται από τιμές μικρότερες του 1Hz μέχρι μερικές δεκάδες Hz. Τα ηλεκτρικά σήματα που μετρούνται είναι ασθενή της τάξης από 1μV έως 100μv. Αυτός είναι και ο λόγος, που εξαρχής υπάρχει η απαίτηση για όσο το δυνατόν μεγαλύτερη ενίσχυση των υπό εξέταση σημάτων και μόνο αυτών, καθώς και η πυκνότερη κάλυψη του κεφαλιού με απαγωγά ηλεκτρόδια. Κατά αυτόν τον τρόπο περιμένουμε να έχουμε μια ουσιαστική απεικόνιση, αντανάκλαση της εγκεφαλικής δραστηριότητας. Το ΗΕΓ απαιτεί έναν απλό μετατροπέα για την λήψη του, αφού η ηλεκτρική αγωγή στο βιολογικό μέσο γίνεται μέσω ιόντων, ενώ στο σύστημα μέτρησης μέσω ηλεκτρονίων. 23

24 Το πρώτο στάδιο στην εξαγωγή των σημάτων του ΗΕΓ αποτελούν τα ηλεκτρόδια, οι αισθητήρες οι οποίοι μετατρέπουν το ρεύμα ιόντων μέσα στο ανθρώπινο σώμα σε ρεύμα ηλεκτρονίων μέσα στα καλώδια, τα οποία με τη σειρά τους οδηγούν αυτό το ρεύμα σε επόμενα στάδια επεξεργασίας. Η επαφή τους με το δέρμα γίνεται μέσω μιας κολλώδους ουσίας ή μέσω ενός δακτυλιδιού, που από την μια μεριά προσκολλάται στο δέρμα και από την άλλη στο κυρίως ηλεκτρόδιο. Το ηλεκτρόδιο λοιπόν έρχεται σε απευθείας επαφή με τον υποκείμενο ηλεκτρολύτη που χρησιμοποιείται. Έτσι είναι δυνατή η κίνηση ιόντων μέσω του συνόρου ηλεκτροδίου ηλεκτρολύτη μέχρι να επέλθει ισορροπία. Η ισορροπία αυτή είναι συνάρτηση της ιοντικής συγκέντρωσης που υπάρχει στις δυο πλευρές του συνόρου. Δημιουργούνται τελικά δύο φορτισμένα στρώματα στις δύο πλευρές του συνόρου, ένα στη μεταλλική επιφάνεια και ένα πάνω στις υγρές ουσίες γύρω από το ηλεκτρόδιο, η οποία εμφανίζει μια διαφορά δυναμικού που εμποδίζει την συνέχιση της κίνησης των ιόντων, αλλά ταυτόχρονα είναι και ευαίσθητη στις μεταβολές των συγκεντρώσεων των ιόντων. Όταν μέσα στον εγκέφαλο υπάρξει σήμα, δηλαδή ροή ιόντων, αυτό θα προκαλέσει μεταβολή της ιοντικής συγκέντρωσης και ταυτόχρονα μεταβολή της διαφοράς δυναμικού των στρωμάτων, άρα και ροή ηλεκτρονίων από την πλευρά του αγώγιμου ηλεκτροδίου. Το επιθυμητό είναι η τάση στο σύνορο να επηρεάζεται μόνο από τα ιοντικά ρεύματα του ανθρώπινου κεφαλιού και όχι από τις θερμοκρασιακές μεταβολές ή τις μηχανικές κινήσεις των ηλεκτροδίων. Σε αυτό αποβλέπει η χρήση ειδικών υποαλλεργικά ζελέ (κόλλες), με τα οποία αφενός επιτυνχάνουμε την εξάλειψη του θορύβου που οφείλεται σε απώλειες στην επαφή του ηλεκτροδίου και του τριχωτού της κεφαλής, και αφετέρου την αύξηση της αγωγιμότητας των ηλεκτροδίων όπως και το να μην επηρεάζονται αυτά από τον ιδρώτα ή την θερμοκρασία του σώματος [2]. Στο επόμενο στάδιο τα καλώδια από όλα τα ηλεκτρόδια χρησιμοποιώντας ή το πρωτόκολλο της παράλληλης θύρας επικοινωνίας του υπολογιστή απευθείας ή μια ενδιάμεση μονάδα εισόδου για περαιτέρω ρυθμίσεις καταλήγουν στον υπολογιστή όπου και θα πραγματοποιηθεί η δειγματοληψία των σημάτων. 24

25 Οι τρόποι με τους οποίους καταγράφουμε το σήμα από το ΗΕΓ είναι δύο. Πρώτος τρόπος είναι η μονοπολική απαγωγή και δεύτερος η διπολική. Στην μονοπολική απαγωγή που χρησιμοποιείται κυρίως στον χώρο της ψυχοφυσιολογικής έρευνας, μετράται η διαφορά δυναμικού ως προς κάποιο σταθερό σημείο γείωσης, ένα ηλεκτρόδιο δηλαδή που θεωρείται σημείο αναφοράς και όπου η εγκεφαλική δραστηριότητα θεωρείται μηδαμινή. Ένα τέτοιο σημείο είναι και ο λοβός του αυτιού, από όπου ως γνωστόν περνάει μικρός αριθμός νεύρων με χαμηλή αιμάτωση και παρουσιάζουν ιδιαίτερα σταθερό και χαμηλό δυναμικό. Αντίθετα στην διπολική απαγωγή μετράται η διαφορά δυναμικού μεταξύ δύο ενεργών ηλεκτροδίων. Αυτός ο τρόπος καταγραφής χρησιμοποιείται σε κλινικές νευρολογικές εξετάσεις και έχει το πλεονέκτημα ότι μπορεί και εξαλείφει κοινά παράσιτα που εμφανίζονται και στα δύο ηλεκτρόδια. Εμείς θα ασχοληθούμε στην παρούσα εργασία μόνο με μονοπολικές απαγωγές. Τα ηλεκτρόδια τοποθετούνται σε διαφορετικά σημεία, με διαφορετικό μοτίβο ή montage, ανάλογα με τον τρόπο καταγραφής που έχουμε επιλέξει και τις εκάστοτε ανάγκες. Και σε αυτήν την περίπτωση λοιπόν υπάρχουν πρότυπα έτσι ώστε να ακολουθούνται κάποιοι κανόνες για την σωστή τοποθέτηση των ηλεκτροδίων. Το πιο δημοφιλές όμως από όλα τα πρότυπα θεωρείται το Διεθνές Σύστημα Η ονομασία του οφείλεται στο 20% της αποστάσεως μεταξύ των δύο αυτιών ως την απόσταση ανάμεσα σε δύο οποιαδήποτε ηλεκτρόδια και επίσης στην επιλογή του 10% της αποστάσεως μεταξύ των δύο αυτιών ως την απόσταση από το αυτί στο κοντινότερο προς αυτό ηλεκτρόδιό του. Με αυτόν τον τρόπο οι θέσεις των ηλεκτροδίων προσαρμόζονται ανάλογα με τις διαστάσεις του κρανίου του εξεταζόμενου. Στην Εικόνα [11] φαίνονται οι τυποποιημένες απαγωγές με βάση το σύστημα [2]. 25

26 Εικόνα [11] Τυποποιημένες απαγωγές στην επιφάνεια του κεφαλιού με βάση το σύστημα [2]. Όσο αφορά τα ονόματα των ηλεκτροδίων έχει θεσπιστεί μια κοινή ονοματολογία από την American Electroencephalographic Society (AES) έτσι ώστε να υπάρχει ένα κοινό σημείο αναφοράς [10]. Στην Εικόνα [12] μπορούμε να δούμε αυτή την κοινή ονοματολογία των ηλεκτροδίων. 26

27 Εικόνα[12] Ονοματολογία ηλεκτροδίων σύμφωνα με την AES για το επεκτεταμένο σύστημα τοποθέτησης [10]. Επίσης αυτό που θα πρέπει να τονιστεί είναι ότι για την σωστή λειτουργία κάθε συσκευής μέτρησης βιοσημάτων, πολύ περισσότερο δε για την περίπτωση του ΗΕΓ, όπου τα μετρούμενα σήματα είναι της τάξης των μv, η γείωση όλων των τμημάτων του συστήματος θα πρέπει να είναι κοινή για να μην δημιουργούνται βρόγχοι μεταξύ διαφορετικών γειώσεων που εισάγουν σφάλματα. Στην Εικόνα [13] υπάρχει ένα σχηματικό διάγραμμα ενός ψηφιακού ΗΕΓ με Ν ηλεκτρόδια μέτρησης δυναμικού. Ο χώρος των μετρήσεων μιας τέτοιας συσκευής θα πρέπει να είναι προστατευμένος από ηλεκτρομαγνητικές παρεμβολές. Γι αυτό και πολύ συχνά ο πολυπλέκτης, ο αναλογοψηφιακός μετατροπέας και το ψηφιακό βολτόμετρο είναι ενσωματωμένα ως κάρτα στον Ηλεκτρονικό Υπολογιστή [2][10]. 27

28 Εικόνα[13] Σχηματικό διάγραμμα ΗΕΓ [2]. Εκτός όμως από το σύστημα τοποθέτησης έχουν θεσπιστεί και άλλα συστήματα τα οποία χρησιμοποιούνται σε διάφορες εφαρμογές. Εμείς όμως για την μελέτη μας, θα ασχοληθούμε με το σύστημα τοποθέτησης Ανάλογα με τον τρόπο που γίνεται η καταγραφή του ΗΕΓ, έχουμε δύο κατηγορίες, το συμβατικό ΗΕΓ και το προκλητό δυναμικό. Στην περίπτωση του συμβατικού ΗΕΓ, ο εξεταζόμενος κατά την διάρκεια της καταγραφής δεν υποβάλλεται σε καμία πνευματική εργασία. Στην περίπτωση όμως των προκλητών δυναμικών ο εξεταζόμενος υποβάλλεται σε προκαθορισμένη πνευματική εργασία ανάλογα με το ζητούμενο της εξέτασης, προκειμένου να διαπιστωθεί η απόκριση σε κάποιο ερέθισμα (για παράδειγμα ακουστικό ή οπτικό) του περιβάλλοντος. Γι αυτό θα πρέπει η καταγραφή να γίνεται σε χώρο κλειστό που να μην επηρεάζεται από ηλεκτρομαγνητικά πεδία του περιβάλλοντος (τέτοια πεδία είναι αυτά που δημιουργούνται για παράδειγμα, από τα κινητά τηλέφωνα, από τα καλώδια που πιθανόν να 28

29 βρίσκονται στον χώρο), ώστε ο λόγος του σήματος ως προς τον θόρυβο (SNR) να είναι όσο το δυνατόν υψηλότερος. Αφού γίνει η καταγραφή ακολουθεί η μελέτη του ΗΕΓ η οποία βασίζεται στην διάκριση, στις καταγραφές δυναμικού συναρτήσει του χρόνου, της ύπαρξης ή μη συγκεκριμένων κυματομορφών, των λεγόμενων ρυθμών. Το βασικό χαρακτηριστικό τους είναι οι συχνότητες των αρμονικών από τις οποίες αποτελούνται δηλαδή το φασματικό τους περιεχόμενο. Οι κυριότεροι ρυθμοί είναι ο άλφα (α), που πήρε το όνομά του επειδή ήταν ο πρώτος που μελετήθηκε από τον Berger. Έχει συσχετιστεί η αύξηση ή μείωσή του με το άνοιγμα ή κλείσιμο των ματιών αντίστοιχα, ενώ η μείωσή της δραστηριότητάς του έχει συσχετιστεί με αισθητηριακό ερεθισμό ή πνευματική δραστηριότητα. Ο βήτα (β) ρυθμός είναι ο δεύτερος που μελετήθηκε και είναι ο κυρίαρχος ρυθμός που εμφανίζεται κατά την φάση της πλήρους εγρήγορσης ενός φυσιολογικού ατόμου. Ο δέλτα (δ) ρυθμός συσχετίζεται με τον ύπνο του φυσιολογικού ατόμου και είναι ο κύριος ρυθμός στα νεογέννητα ως το δεύτερο έτος της ηλικίας τους. Τέλος ο ρυθμός θήτα (θ) φαίνεται να συνδέεται με μηχανισμούς καταστολής, είτε στην είσοδο σε φάση χαλάρωσης, είτε σε συνδυασμό με τον β ρυθμό σε φάσεις αύξησης της προσοχής. Στον Πίνακα [---] φαίνονται οι περιοχές συχνοτήτων των παραπάνω ρυθμών καθώς και το πλάτος τους [2][10]. Ρυθμός Περιοχή Συχνοτήτων Πλάτος (σε μv) Δέλτα 0,5-3,5 Εως Θήτα 4-7,5 < 30 Άλφα Αργός Βήτα < 20 Ταχύς Βήτα < 20 Πίνακας [1] Οι κυριότεροι ρυθμοί του ΗΕΓ. 29

30 Επίσης στην Εικόνα [14] φαίνονται οι κυματομορφές και οι συχνότητες των παραπάνω ρυθμών [10]. Άλφα κυματομορφή Βήτα κυματομορφή Θήτα κυματομορφή 30

31 Δέλτα κυματομορφή Εικόνα [14] Οι κυματομορφές και οι συχνότητες των βασικών ρυθμών [10]. Η χρήση του ΗΕΓ στην Νευρολογία είναι ευρύτατη καθώς αποτελεί μια μέθοδο φτηνή, ανώδυνη και απλή στην εφαρμογή της. Από την μελέτη του ΗΕΓ μπορούν να εξαχθούν εξαιρετικά σημαντικά συμπεράσματα για την σωστή εξέλιξη του Κεντρικού Νευρικού Συστήματος ενός ανθρώπου από την γέννησή του μέχρι την ενηλικίωση. Αρκεί οι πληροφορίες που πηγάζουν από το ΗΕΓ να μελετούνται από εξιδεικευμένους γιατρούς οι οποίοι θα αξιοποιήσουν στο έπακρο τα οφέλη του, έτσι ώστε προσφορά του να είναι όσο το δυνατόν μεγαλύτερη στον εντοπισμό και στην θεραπεία ασθενειών και ανωμαλιών της εγκεφαλικής δραστηριότητας. Επίσης, το ΗΕΓ μπορεί να δώσει χρήσιμα στοιχεία στην περίπτωση εγκεφαλοπαθειών ( όπως για παράδειγμα νόσο Jacobs-Kreutzfeidt, Alzheimer), τόσο για τη βαρύτητα της νόσου όσο και για την υποβοήθηση της διάγνωσης και της πρόγνωσης. Το ΗΕΓ αποτελεί μια από της πρώτης προτεραιότητας παρακλινικές εξετάσεις που θα επιλεγεί για την διερεύνηση ενός ασθενή με επιληπτικού ή επιληπτόμορφου τύπου διαταραχές. Ακόμα και μέχρι σήμερα, παρόλο που η κλινική πράξη εφαρμόζεται εδώ και πενήντα χρόνια περίπου, παραμένει αναντικατάστατη εξέταση στις επιληψίες. Όπως και σε κάθε παρακλινική μέθοδο όμως η αξία της χρήσης του ΗΕΓ εξαρτάται και από την κλινική εικόνα του ασθενή. Αυτό απαιτεί και εξειδικευμένο τεχνικό για την διενέργειά του, αλλά και πολύ προσεκτική ερμηνεία των ευρημάτων από ειδικευμένο γιατρό. Ακόμα θα πρέπει ο γιατρός να γνωρίζει τι μπορεί να του προσφέρει το ΗΕΓ στο πρόβλημα που έχει να επιλύσει, όπως και να ξέρει 31

32 για ποιους λόγους το έχει ζητήσει. Έτσι στην περίπτωση της επιληψίας μεγάλο ενδιαφέρον παρουσιάζει το ΗΕΓ όπου εμφανίζονται «αιχμές» και «βραχέα κύματα» (spikes and short waves SSW) υψηλής συχνότητας, με διάρκεια από msec και msec αντιστοίχως. Η εντόπιση αυτών των ανωμαλιών στο καταγραφόμενο σήμα διευκολύνεται σήμερα πολύ με την χρήση ψηφιακών τεχνικών επεξεργασίας. Η παραπάνω διαδικασία μπορεί να βοηθήσει εκτός από την κλινική διάγνωση και στην ταξινόμηση των επιληψιών και στη διάγνωση συνυπάρχουσας εγκεφαλοπάθειας. Το ΗΕΓ μελετάται ακόμη στις περιπτώσεις κρανιοεγκεφαλικών κακώσεων, κώματος, αυτισμού, σε άτομα με μαθησιακές δυσκολίες, σε ασθενείς που πάσχουν από attention deficit hyperactivity disorder, αγγειοεγκεφαλικών παθήσεων, ημικρανίες, κατάθλιψη κ.α. Τέλος το ΗΕΓ αποτελεί το κύριο μέσω στην μελέτη του ύπνου. Βοηθάει τους γιατρούς να διαγνώσουν άρα και να θεραπεύσουν την άνοια που είναι αποτέλεσμα της νόσου Alzheimer και να θεραπεύσουν την κατάθλιψη. Σκοπός είναι να καθορίσουν τους τρόπους με τους οποίους θα εντοπίσουν την νόσο στα αρχικά της στάδια και να κατανοήσουν τους ρυθμούς με τους οποίους εξελίσσεται, ώστε να είναι σε θέση να ορίσουν στη συνέχεια τον τρόπο αντιμετώπισης της [2]. 32

33 ΚΕΦΑΛΑΙΟ 3 ΜΟΝΤΕΛΑ ΤΟΥ ΕΓΚΕΦΑΛΟΥ 3.1 Γενικά Η σωστή μοντελοποίηση του εγκεφάλου είναι ένα θέμα πολύ σημαντικό για την επίλυση του αντίστροφου προβλήματος που εξετάζουμε στην παρούσα εργασία. Αν και το ανθρώπινο κεφάλι δεν είναι απολύτως σφαιρικό, με το να υιοθετήσουμε ένα καλό μοντέλο μειώνουμε το σφάλμα του μοντέλου (model error), δηλαδή την απόκλιση μεταξύ του πώς μεταφέρεται πραγματικά το ηλεκτρικό πεδίο εντός του εγκεφάλου και του πώς έχουμε υποθέσει εμείς ότι μεταφέρεται. Σίγουρα όμως, είναι κατανοητό από όλους, ότι είναι πολύ δύσκολο να μοντελοποιήσουμε με μεγάλη πιστότητα τον ανθρώπινο εγκέφαλο χρησιμοποιώντας μαθηματικές εξισώσεις. Και όσο πιο πολύπλοκους αλγορίθμους χρησιμοποιούμε για αυτό τον λόγο, τόσο αυξάνουμε την υπολογιστική πολυπλοκότητα, άρα παράγονται μη εφαρμόσιμες λύσεις. Όσο αφορά το θέμα της μοντελοποίησης του ανθρώπινου εγκεφάλου, έχουν γίνει αρκετές έρευνες και έχουν προταθεί διάφορες λύσεις. Παρόλα αυτά όμως δεν μπορούμε να πούμε ακόμα ποια είναι η πιο καλή μέθοδος μοντελοποίησης, ούτε και έχει προταθεί κάποια ως πρότυπο κοινά αποδεκτό. Οι λόγοι για τους οποίους γίνεται αυτό είναι αφενός γιατί το αντίστροφο πρόβλημα, που συνδέεται άμεσα με το μοντέλο του εγκεφάλου, είναι σχετικά καινούργιο και αφετέρου επειδή κάθε άνθρωπος έχει τον δικό του εγκέφαλο και δεν θα ήταν σωστό στο να θεσπιστεί ένα κοινό μοντέλο που θα αποτελεί το πρότυπο. Παρόλα αυτά όμως η εφαρμογή ενός μοντέλου κρίνεται απαραίτητη για την επίλυση του αντιστρόφου προβλήματος όπως έχουμε πει ήδη. 33

34 Στην βιβλιογραφία δύο είναι οι βασικότεροι τρόποι μοντελοποίησης που αναφέρονται. Ένας τρόπος είναι η μοντελοποίηση με την χρήση σφαιρικών μοντέλων και ο άλλος είναι με την χρήση ρεαλιστικών μοντέλων. Ο πρώτος τρόπος είναι υπολογιστικά πιο προσιτός, ενώ ο δεύτερος είναι πιο κοντά στην πραγματικότητα, αλλά πιο δύσκολα υλοποιήσιμος. Ποιος από τους δύο τρόπους είναι ο καλύτερος, ακόμα δεν έχει διευκρινιστεί μια και γίνονται μελέτες για την σύγκριση των παραπάνω μοντελοποιήσεων. Η έννοια της μοντελοποίησης από ότι καταλαβαίνουμε λοιπόν θα πρέπει να έχει σχέση με τον καθορισμό του μοντέλου χρησιμοποιώντας μαθηματικούς όρους, έτσι ώστε να μπορεί να οριστεί και στην πράξη. Το μοντέλο είναι ο πίνακας Κ ή όπως αποκαλείται ο πίνακας μεταφοράς πεδίου (lead field matrix). Αυτός ο πίνακας έχει την παρακάτω μορφή (1) με διαστάσεις ΝΧ3Μ όπου Ν είναι ο αριθμός των ηλεκτροδίων και Μ ο αριθμός των σημείων του εγκεφάλου. Επειδή όμως οι ορθοκανονικές συντεταγμένες είναι τρεις (x,y,z) και για κάθε σημείο του εγκεφάλου έχουμε μια τιμή για κάθε μια, έτσι έχουμε 3Μ σημεία συνολικά. Άρα εμείς θα μπορούσαμε να προσδιορίσουμε έναν πίνακα Κ(r,r ) για κάθε r,r (2) Όπου r είναι το διάνυσμα με τις καρτεσιανές συντεταγμένες του ηλεκτροδίου και r το διάνυσμα με τις συντεταγμένες ενός σημείου του εγκεφάλου [13]. 34

35 3.2 Σφαιρικά Μοντέλα Άπειρο Άγων Μέσο Σε αυτήν την περίπτωση έχουμε μια απλή προσέγγιση στο πρόβλημα. Υποθέτουμε ότι ο εγκέφαλος είναι ομογενής και έχει σταθερή διαγωγιμότητα. Τότε η μοντελοποίησή του, δηλαδή ο ορισμός του Κ πίνακα ακολουθεί τον παρακάτω τύπο με βάση αυτά που είπαμε παραπάνω (3) όπου με σ συμβολίζεται η σταθερά διαγωγιμότητας, σύμφωνα με υπόθεση που έχουμε κάνει. την Σφαίρα ενός Κελύφους Ανεβάζοντας τον βαθμό της πολυπλοκότητας, στο θέμα της μοντελοποίησης του εγκεφάλου, μπορούμε να υποθέσουμε ότι το κεφάλι είναι μια σφαίρα ενός κελύφους (single sphere). Το μαθηματικό μοντέλο πάνω στο οποίο στηρίζεται η παρούσα μοντελοποίηση χρησιμοποιεί την εξίσωση (4) όπου c1 και c2, είναι βαθμωτές μεταβλητές που δίνονται από τους παρακάτω τύπους αντίστοιχα και (5) 35

36 (6) Όπως είδαμε και παραπάνω με σ συμβολίζουμε την διαγωγιμότητα της σφαίρας μας, ενώ η F, είναι μια βοηθητική συνάρτηση που ο τύπος της είναι (7) και (8) όπως ήδη αναφέραμε και στο Άπειρον Άγων Μέσο. Η Σφαίρα ενός Κελύφους αποτελεί την βάση πάνω στην οποία αναπτύχθηκαν πιο πολύπλοκα σφαιρικά μοντέλα Ομόκεντρες σφαίρες Μ κελύφων Ένας άλλος τρόπος μοντελοποίησης του ανθρώπινου κεφαλιού, που είναι και ο πιο σύνθετος, είναι το μοντέλο όπου το κεφάλι προσομοιάζεται με Μ ομόκεντρες σφαίρες. Στην προκειμένη περίπτωση κάθε σφαίρα υποθέτουμε ότι έχει την δική της αγωγιμότητα σ t όπου t=1 M. Τότε το μοντέλο των Μ σφαιρών θα δίνεται από τον μαθηματικό τύπο κ M (r,r )=λ 1 κ 1 (r,μ 1 r)+ λ 2 κ 1 (r,μ 2 r)+ λ 3 κ 1 (r,μ 3 r) (9) Εδώ το καινούργιο στοιχείο είναι ότι παρουσιάζονται οι παράμετροι λ t,μ t όπου t=1,2,3. Στη βιβλιογραφία είναι γνωστοί ως παράμετροι Berg. Ο υπολογισμός αυτών των παραμέτρων αποτελεί μια πολύπλοκη διαδικασία, η οποία εξαρτάται από την ακτίνα της σφαίρας και την αγωγιμότητα της και είναι ένας από τους λόγους που το συγκεκριμένο μοντέλο είναι αρκετά πολύπλοκο. 36

37 Όσο αφορά την ακτίνες και τις αγωγιμότητες των σφαιρών, αυτές ορίζονται από την εσωτερική προς την εξωτερική. Οι σφαίρες μπορεί να είναι ισοτροππικές δηλαδή οι συνιστώσες του πεδίου να είναι ίδιες και για την ακτινική και για την εφαπτόμενη συνιστώσα ή ανισοτροπικές όπου οι τιμές του πεδίου είναι διαφορετικές για κάθε συνιστώσα [15][16][17][18]. Στην Εικόνα [15] παρουσιάζεται με σχηματικό τρόπο η σφαιρική γεωμετρία και στην Εικόνα [16] παρουσιάζεται το γεωμετρικό πρότυπο του κεφαλιού με τρεις ομόκεντρες σφαίρες. Εικόνα [15] Σφαιρική γεωμετρία. 37

38 Εικόνα [16] Γεωμετρικό πρότυπο του κεφαλιού με τρεις(3) ομόκεντρες σφαίρες [ 3.3 Ρεαλιστικά Μοντέλα Στις παραπάνω παραγράφους υποθέσαμε ότι το ανθρώπινο κεφάλι είναι σφαιρικό ομογενές και ισοτροπικό, κάτι όμως που δεν ισχύει στην πραγματικότητα. Για αυτό τον λόγο θα πρέπει να βρούμε τον τρόπο με την χρήση των μαθηματικών εξισώσεων να προσεγγίσουμε την πραγματική ανατομία του κεφαλιού. Σκοπός μας είναι να μειώσουμε το λάθος του μοντέλου (model error), όπως ήδη αναφέραμε, όσο γίνεται περισσότερο. Έτσι αναπτύχθηκαν και τα ρεαλιστικά μοντέλα, στα οποία αυτό που θα πρέπει να κάνουμε είναι να υποθέσουμε μια γεωμετρία που να προσεγγίζει τον κάθε εγκέφαλο και μια τιμή αγωγιμότητας που δεν θα είναι ίδια, αλλά θα είναι διαφορετική για κάθε σημείο ή τουλάχιστον για ένα σύνολο σημείων του εγκεφάλου. Για να φτιαχτούν τέτοια μοντέλα χρειάζεται η βοήθεια των εικόνων MRI. Σε αυτή τη μοντελοποίηση για να κατασκευάσουμε τον πίνακα Κ, που είναι και το ζητούμενό μας, χρησιμοποιούμε την μέθοδο των οριακών στοιχείων Boundary Element Method - BEM [17]. 38

39 Η παραπάνω μέθοδος είναι μια ευρέως διαδεδομένη αριθμητική μέθοδος για τον υπολογισμό των ηλεκτρικών δυναμικών, που οφείλονται στην ηλεκτρική δραστηριότητα του εγκεφάλου. Τα σχετικά επιφανειακά ολοκληρώματα υπολογίζονται αριθμητικά, χωρίζοντας την επιφάνεια σε ισοπαραμετρικά στοιχεία δευτέρου βαθμού. Αν το δυναμικό θα πρέπει να υπολογιστεί σε Μ κόμβους, τότε ο πίνακας είναι πιθανόν να επαληθεύει την ακόλουθη εξίσωση: Φ=Α -1 g (10) Όπου Φ είναι ένα διάνυσμα ΜΧ1, των κόμβων των δυναμικών, Α είναι ένας πίνακας ΜΧΜ του οποίου τα στοιχεία καθορίζονται από την γεωμετρία και και την ηλεκτρική αγωγιμότητα των επιπέδων και g είναι ένα ΜΧ1 διάνυσμα που αντιπροσωπεύει την συνεισφορά των κύριων πηγών. Από την στιγμή που θα υπολογιστεί το Φ, το Β υπολογίζεται χρησιμοποιώντας τις τιμές των δυναμικών. Αυτό μπορεί να γραφτεί με τον παρακάτω τρόπο: Β=Β 0 +ΗΦ (11) Όπου αν υπάρχουν n μαγνητικοί αισθητήρες, τότε το Β είναι ένα nχ1 διάνυσμα που αντιπροσωπεύει το μαγνητικό πεδίο στις θέσεις των αισθητήρων. Το Β 0 είναι ένα nχ1 διάνυσμα, που περιλαμβάνει τα κύρια μαγνητικά πεδία στις ίδιες θέσεις των αισθητήρων για ένα ομογενές μέσο. Το Η αντιστοιχεί σε έναν πίνακα nχμ συντελεστών, που καθορίζεται από την γεωμετρία και την ηλεκτρική αγωγιμότητα του εγκεφάλου [19]. Αυτή η μέθοδος μπορεί να δίνει πιο ακριβή αποτελέσματα, αλλά είναι πιο πολύπλοκη υπολογιστικά, άρα και χρονοβόρα, σε σχέση με την χρήση των σφαιρικών μοντέλων που είδαμε παραπάνω. Τα στοιχεία που χρειάζονται για την γεωμετρία του κεφαλιού, προκειμένου να δημιουργηθεί ο πίνακας Η, προέρχονται από πραγματικά δεδομένα, που λαμβάνονται από την χρήση εικόνων MRI. Ακόμα και εδώ θεωρείται ότι το μέσο μας, δηλαδή το κεφάλι, είναι ισότροπο και ομοιογενές, κάτι που δεν συμβαίνει στην πραγματικότητα, γιατί το κεφάλι ούτε ομοιογενές είναι σε όλα τα σημεία του λόγω των καμπύλων που παρουσιάζει, ούτε και ισοτροπικό μια και δεν 39

40 έχουμε την ίδια αγωγιμότητα και στην ακτινική και στην εγκάρσια συνιστώσα. Αυτό έχει σαν αποτέλεσμα να δημιουργούνται λάθη κατά την επίλυση του ευθέως αλλά και περισσότερο του αντίστροφου προβλήματος [25]. Παρόλα αυτά δίνει μια πιο βελτιωμένη απεικόνιση σε σχέση με τα σφαιρικά μοντέλα. Ως συνέχεια αυτής της προσπάθειας για την τη δημιουργία όλο και καλύτερων ρεαλιστικών μοντέλων, όπου θα λαμβάνονται υπόψη τα παραπάνω χαρακτηριστικά του κεφαλιού, δημιουργήθηκαν οι αλγόριθμοι των πεπερασμένων στοιχείων (Finite Element FEM) οι οποίοι χρησιμοποιούνται για την επίλυση του ευθέως προβλήματος και αναζητούνται τρόποι προκειμένου να διαχειριστεί η υπολογιστική πολυπλοκότητά τους, στην περίπτωση του αντίστροφου προβλήματος [21] [22][30]. Το γεγονός αυτό καθιστά την χρήση των αλγορίθμων μη πρακτική τουλάχιστον προς το παρόν, όπου ακόμα γίνονται προσπάθειες για να μπορέσουμε να εκμεταλλευτούμε τα πλεονεκτήματα αυτής μεθόδου [23][29]. Δεν θα επεκταθούμε όμως περισσότερο στην ανάλυση αυτών των μεθόδων, μια και δεν αποτελούν τον σκοπό της παρούσας εργασίας. Στην Εικόνα [17] παρουσιάζεται με σχηματικό τρόπο η επεξεργασία μιας εικόνας MRI προκειμένου να προκύψει το ρεαλιστικό μοντέλο. Εικόνα [17] Επεξεργασία μιας εικόνας MRI για την δημιουργία ρεαλιστικού μοντέλου. 40

41 ΚΕΦΑΛΑΙΟ 4 ΜΕΛΕΤΗ ΤΗΣ ΗΛΕΚΤΡΙΚΗΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ ΤΟΥ ΕΓΚΕΦΑΛΟΥ ΤΟ ΑΝΤΙΣΤΡΟΦΟ ΠΡΟΒΛΗΜΑ 4.1 Γενικά Το πρόβλημα που θα προσπαθήσουμε να προσεγγίσουμε σε αυτή την διπλωματική εργασία, είναι ο καθορισμός των εγκεφαλικών περιοχών (πηγών) που ενεργοποιούνται κατά την διάρκεια μιας συγκεκριμένης εγκεφαλικής δραστηριότητας. Άρα θα πρέπει να αναλύσουμε το θέμα του αντίστροφου προβλήματος στην περίπτωση του ΗΕΓ, που ο όρος του στη βιβλιογραφία είναι EEG Inverse Problem (IP), το οποίο αποτελεί και έναν από τα πρωταρχικά ενδιαφέροντα στην ηλεκτροφυσιολογία. Σύμφωνα με αυτό το πρόβλημα, επιχειρείται η εντόπιση των άγνωστων πηγών του εγκεφάλου, που ευθύνονται για τα καταγεγραμμένα φαινόμενα του ΗΕΓ. Με διαφορετικό τρόπο θα λέγαμε ότι έχοντας ως δεδομένο τις καταγραφές του ΗΕΓ, τις τιμές των δυναμικών σε δεδομένες χρονικές στιγμές, προσπαθούμε να εντοπίσουμε την εγκεφαλική δραστηριότητα. Στην Εικόνα [18] παρουσιάζεται μια αναπαράσταση του αντίστροφου προβλήματος. Εικόνα [18] Αναπαράσταση του αντίστροφου προβλήματος. 41

42 Για αυτό τον λόγο έχουν αναπτυχθεί μέθοδοι που στηρίζονται πάνω σε αλγορίθμους και κατάλληλες μοντελοποιήσεις του εγκεφάλου, ώστε να προσδιορίζονται τα ρεύματα στο εσωτερικό του, προσπαθώντας πάντα να έχουμε το μικρότερο σφάλμα εντοπισμού. Το αντίστροφο πρόβλημα, δηλαδή το πρόβλημα της εύρεσης των δυναμικών του εγκεφάλου, γνωρίζοντας την εγκεφαλική περιοχή που ενεργοποιείται και την δραστηριότητά της, ονομάζεται ευθύ πρόβλημα. Στην Εικόνα [19] και Εικόνα [20] φαίνεται με σχηματικό τρόπο το ευθύ και το αντίστροφο πρόβλημα αντίστοιχα. Εικόνα [19] Σχηματική αναπαράσταση του ευθέως προβλήματος. Εικόνα [20] Σχηματική αναπαράσταση του αντίστροφου προβλήματος. Και τα δυο προβλήματα βασίζονται πάνω σε ηλεκτρομαγνητικές εξισώσεις και για την επίλυσή τους απαραίτητο είναι το μοντέλο του μέσου, που εδώ είναι το κεφάλι [13][22]. Στην Εικόνα [21] φαίνεται με σχηματικό τρόπο η επίλυση του αντίστροφου προβλήματος, για την οποία απαιτείται ένα ηλεκτρομαγνητικό εγκεφαλικό μοντέλο, το ηλεκτρόδια και οι θέσεις των διπόλων, με τα οποία στη συνέχεια και με την χρήση των ημιστατικών εξισώσεων του Maxwell, μπορούμε να αναπαράγουμε την πηγή που συνεπάγεται την εγκεφαλική δραστηριότητα [22]. 42

43 Εικόνα [21] Σχηματική αναπαράσταση της επίλυσης του αντίστροφου προβλήματος [22]. Η επίλυση του αντίστροφου προβλήματος επιτρέπει τον άμεσο συσχετισμό της ανατομίας του εγκεφάλου, της λειτουργίας του και των δυναμικών που καταγράφονται στην επιφάνειά του από τα ηλεκτρόδια, δίνοντάς μας πολύτιμες γνώσεις για την εγκεφαλική δραστηριότητα. Στο ίδιο αποτέλεσμα θα μπορούσαμε να καταλήξουμε χρησιμοποιώντας και άλλες μεθόδους όπως είναι η PET ή η fmri, αλλά όπως ήδη έχουμε αναφέρει το ΗΕΓ αποτελεί μια εναλλακτική λύση και στον εντοπισμό των πηγών, πιο προσιτή, πιο εύχρηστη και πιο οικονομική. Και μάλιστα όσο μεγαλύτερος είναι ο αριθμός των ηλεκτροδίων τόσο πιο υψηλή είναι η χωρική διακριτική ικανότητα, κάτι που επιτρέπει τον εντοπισμό των πηγών αυτών με καλύτερο τρόπο. Παρόλα αυτά όμως η επίλυση του αντίστροφου προβλήματος είναι μια πολύπλοκη διαδικασία, για τον λόγο ότι δεν υπάρχει μια και μοναδική λύση, αφού διαφορετικές κατανομές πηγών θα μπορούσαν να προκαλέσουν τις ίδιες διαφορές δυναμικού στην επιφάνεια του εγκεφάλου. Για να πραγματοποιηθεί όμως ο εντοπισμός πηγών, απαιτείται ένα μοντέλο του μέσου και αυτό αποτελεί την βάση για την επίλυση του ευθέως προβλήματος. Δηλαδή με την χρήση του μοντέλου καθορίζεται και ο τρόπος 43

44 με τον οποίο οι πηγές που είναι τοποθετημένες σε διάφορα σημεία προκαλούν τις διαφορές δυναμικού που καταγράφονται στην επιφάνεια του κεφαλιού [27]. Τα μοντέλα που έχουν προτείνει οι ερευνητές για την ηλεκτρική δραστηριότητα του εγκεφάλου, την περιγράφουν ως κατανομή μονοπολικών ή διπολικών πηγών. Όσο αφορά δε την γεωμετρία του κεφαλιού, ήδη στο προηγούμενο κεφάλαιο παρουσιάστηκαν τα μοντέλα που χρησιμοποιούνται, είτε αυτά είναι σφαιρικά και το κεφάλι προσομοιώνεται ως ένα σύνολο σφαιρικών φλοιών, είτε αυτά είναι ρεαλιστικά, οπότε χρειαζόμαστε την βοήθεια των εικόνων από αξονικές ή μαγνητικές τομογραφίες. Το πιο απλό μοντέλο που μπορεί να χρησιμοποιηθεί είναι αυτό της μιας ομογενούς σφαίρας για να προσεγγίσουμε την γεωμετρία του κεφαλιού. Φυσικά αυτό μας επιτρέπει να έχουμε μια πολύ απλή και γρήγορη λύση του προβλήματος του εντοπισμού των πηγών, αλλά από την άλλη μεριά μας οδηγεί και στη δημιουργία πολλών και μεγάλων σφαλμάτων, μια και η γεωμετρία του κεφαλιού παρουσιάζει πολλές ιδιαιτερότητες. Μια άλλη λύση που μας οδηγεί σε καλύτερα αποτελέσματα, είναι η χρήση του μοντέλου των πολλαπλών ομόκεντρων σφαιρών (συνήθως τριών) όπου κάθε μια έχει την δική της αγωγιμότητα. Με αυτό τον τρόπο έχουμε μεγαλύτερη ακρίβεια και πιο αξιόπιστα αποτελέσματα από την προηγούμενη. Τέλος η χρήση του ρεαλιστικού μοντέλου προσομοιάζει πιο καλά την γεωμετρία του ανθρώπινου κεφαλιού και έχει ως αποτέλεσμα να προσεγγίζονται με μεγαλύτερη ακρίβεια οι ηλεκτρικές δραστηριότητες του εγκεφάλου, μια και τα γεωμετρικά χαρακτηριστικά είναι ξεχωριστά και χαρακτηρίζουν τον κάθε εξεταζόμενο. Και εδώ φυσικά το αποτέλεσμα εξαρτάται από την μέθοδο που θα χρησιμοποιήσουμε, εννοώντας τις Boundary Element Method (BEM) ή Finite Element Method (FEM) [31]. Για τα πλεονεκτήματα και τα μειονεκτήματα της μοντελοποίησης του κεφαλιού έχουμε ήδη ασχοληθεί σε προηγούμενο κεφάλαιο. Από την στιγμή που η μοντελοποίηση παίζει σημαντικό ρόλο στην επίλυση του προβλήματος, λογικό είναι, εκτός από τα μοντέλα του κεφαλιού να έχουν αναπτυχθεί και μοντέλα πηγών. Τα πιο σημαντικά μοντέλα πηγών είναι τα μοντέλα του διπολικού προτύπου, στατικού ή κινούμενου και το μοντέλο των πολλαπλών διπόλων. Στο μοντέλο του στατικού διπόλου, η 44

45 διπολική πηγή έχει σταθερή θέση (συντεταγμένες) και μεταβλητό μέγεθος και προσανατολισμό ενώ στο μοντέλο του κινούμενου διπόλου, η διπολική πηγή έχει μεταβλητή θέση, μέγεθος και προσανατολισμό. Σύμφωνα με το μοντέλο των πολλαπλών διπόλων, υπάρχουν περισσότερα του ενός δίπολα σε διαφορετικές θέσεις το κάθε ένα, που έχουν σταθερή θέση και μεταβαλλόμενο μέγεθος και προσανατολισμό[28]. 4.2 Μέθοδοι απεικόνισης των εγκεφαλικών πηγών Το αντίστροφο πρόβλημα Στην ηλεκροεγκεφαλογραφία και την μαγνητοεγκεφαλογραφία για τον εντοπισμό των εγκεφαλικών πηγών χρησιμοποιούνται δύο βασικές κατηγορίες μεθόδων. Η μία είναι η κατηγορία των παραμετρικών μεθόδων και η άλλη των απεικονιστικών [22]. Στην περίπτωση των παραμετρικών μεθόδων κάνουμε την υπόθεση ότι ένας μικρός αριθμός από πηγές είναι ενεργός ή τουλάχιστον ότι κάθε ενεργοποιημένη περιοχή μπορεί να αντιπροσωπευθεί από ένα δίπολο. Το πρόβλημα είναι να καθορίσουμε το τη θέση, τον προσανατολισμό και το μέγεθος του κάθε διπόλου, κάτι που απαιτεί τη χρήση μη γραμμικών αριθμητικών μεθόδων [22]. Στην περίπτωση όμως των απεικονιστικών μεθόδων, κάνουμε την υπόθεση ότι οι πηγές είναι ρεύματα των πυραμιδικών νευρώνων που είναι παράλληλα μεταξύ τους και ευθυγραμμίζονται με την επιφάνεια του εξωτερικού στρώματος του εγκεφάλου. Αναπαριστούν την εγκεφαλική δραστηριότητα με εκατοντάδες ή χιλιάδες δίπολα με καθορισμένο προσανατολισμό, που διασκορπίζεται σε όλο τον εγκέφαλο. Αυτό που παραμένει άγνωστο είναι η ισχύς των διπόλων. Συμπερασματικά λοιπόν το πρόβλημα γίνεται γραμμικό και αρκετά απροσδιόριστο, μια και πολλοί διαφορετικοί διπολικοί σχηματισμοί έχουν σαν αποτέλεσμα τα ίδια ηλεκτρικά δυναμικά. Άρα απαιτούνται τεχνικές κανονικοποίησης με σκοπό την σταθεροποίηση των επιτρεπτών λύσεων [22]. 45

46 4.2.1 Παραμετρικές Μέθοδοι Μοντελοποίησης Το βασικό μοντέλο για την παραγωγή των δυναμικών είναι το παρακάτω: Y = GS + n (12) Όπου Υ είναι ν X t πίνακας με τα δυναμικά των ηλεκτροδίων με n τα ηλεκτρόδια και t τον αριθμό των δειγμάτων. Το G είναι ο n X m πίνακας που ονομάζεται lead field matrix με m τον αριθμό των διπόλων, To S είναι ένας πίνακας m X t ο οποίος περιέχει τα πλάτη των διπόλων. Με n συμβολίζεται ο θόρυβος, που μπορεί να είναι περιβαλλοντικός, θόρυβος καταγραφής ή ακόμη και φυσιολογικός. Στην περίπτωση των παραμετρικών μεθόδων υποθέτουμε ότι ένας μικρός αριθμός από πηγές είναι ενεργοποιημένες ή τουλάχιστον ότι κάθε ενεργοποιημένη περιοχή αντιπροσωπεύεται από ένα δίπολο. Το πρόβλημα που εμφανίζεται είναι να μπορέσουμε να καθορίσουμε την θέση, τον προσανατολισμό και το πλάτος αυτών των διπόλων. Ο αριθμός των παραμέτρων που θα καθοριστεί, θα πρέπει να είναι μικρότερος ή ίσος με τον αριθμό των ηλεκτροδίων ώστε να εξασφαλιστεί μια μοναδική λύση. Οπότε το πρόβλημα είναι υπερκαθορισμένο [22] Προσέγγιση της πηγής με την μέθοδο των ελαχίστων τετραγώνων Η κύρια μέθοδος για την επίλυση του αντίστροφου προβλήματος είναι η προσέγγιση της πηγής με την μέθοδο των ελαχίστων τετραγώνων. Οι θέσεις, οι προσανατολισμοί και τα μεγέθη των διπόλων προσεγγίζονται και χρησιμοποιούνται για τον ανασχηματισμό των ηλεκτρικών δυναμικών. Το τετράγωνο της διαφοράς μεταξύ των ανασχηματισμένων και των πραγματικών δυναμικών υπολογίζεται για τον υπολογισμό του ταιριάσματος. Με μια μη γραμμική αναζήτηση στον χώρο των παραμέτρων αναζητείται το καλύτερο ταίριασμα ανάμεσα στα ανασχηματισμένα δυναμικά 46

47 από τις υπολογιζόμενες παραμέτρους και στα καταγεγραμμένα δυναμικά, με βάση τον τύπο: min Y - GS 2 για κάθε x,y,z,θ,φ,s (13) όπου Υ είναι ένας πίνακας nxt που περιέχει τα ηλεκτρικά δυναμικά, με n τον αριθμό των ηλεκτροδίων και t τον αριθμό των δειγμάτων. G είναι ένας nxm (lead field) πίνακας με m τον αριθμό των διπόλων και S ένας mxt πίνακας που περιέχει τα πλάτη των διπόλων. Όταν αναζητούμε την καλύτερη λύση είναι σημαντικό να μην παγιδευτούμε στο τοπικό ελάχιστο, κάτι που συμβαίνει όταν αυξάνεται ο αριθμός των πηγών και αυτό μας μπορεί να μας οδηγήσει σε σημαντικά σφάλματα. Στην περίπτωση αυτή χρησιμοποιούνται όλοι οι κλασικοί μέθοδοι κανονικοποίησης. Για παράδειγμα ο αλγόριθμος της χωρικής διάταξης ν διαστάσεων και ο γενετικός αλγόριθμος θα μπορούσαν να χρησιμοποιηθούν. Παρόλα αυτά όμως το απόλυτο ελάχιστο δεν σημαίνει ότι είναι και υποχρεωτικά η σωστή λύση. Γι αυτό θα πρέπει να οι εκτιμήσεις να γίνονται από έμπειρους αναλυτές δεδομένων οι οποίοι τρέχουν αρκετές τάξεις μοντέλων και επιλέγουν αποτελέσματα τα οποία βασίζονται σε φυσιολογικές ερμηνείες αυτών. Επίσης απαιτείται πολύ μεγάλη προσοχή, αφού ένας μεγάλος αριθμός πηγών μπορεί να ταιριάζει σε ένα σύνολο δεδομένων, άσχετα όμως από την ποιότητά τους. Το σημαντικό μειονέκτημα της μεθόδου είναι ότι με αυτήν την μέθοδο ο αριθμός των πηγών θα πρέπει να καθοριστεί εκ των προτέρων. Οι τρόποι για να επιτευχθεί αυτός ο καθορισμός των πηγών είναι από προηγούμενη γνώση των δεδομένων, από εικασία που θα κάνουμε ή από καθορισμό μέσω μεθόδων όπως είναι η PCA (Principal Component Analysis) ή η ICA (Independent Component Analysis) Beamforming Πρόκειται για μεθόδους που βασίζονται στο «σκανάρισμα» μιας περιοχής με σκοπό να εντοπίσουν πιθανές πηγές. Η περιοχή μπορεί να 47

48 αποτελείται από ένα σημείο ή μπορεί να είναι και ολόκληρος ο όγκος του εγκεφάλου. Το πλεονέκτημα αυτών των μεθόδων έναντι της προηγούμενης μεθόδου είναι ότι δεν χρειάζεται να γίνεται εκ των προτέρων εκτίμηση των πηγών που θα υπάρχουν και χρησιμοποιούνται για να προσδιορίζονται οι πιο πιθανές θέσεις των διπόλων [37][22]. Σε αυτές τις τεχνικές το βασικό στοιχείο είναι το φιλτράρισμα σε δεδομένα από μια σειρά αισθητήρων, ώστε να γίνει ο διαχωρισμός των σημάτων που προέρχονται από μια θέση ενδιαφέροντος από τις άλλες θέσεις. Με αυτό τον τρόπο, με την τεχνική beamformer, παρακολουθούνται τα σήματα που πηγάζουν από ένα δίπολο και αποκόπτουν τα άλλα σήματα από τα άλλα δίπολα. Στην περίπτωση που ο προσανατολισμός του διπόλου δεν είναι γνωστός, τότε εφαρμόζεται ένα σύστημα τριών χωροταξικών φίλτρων, έτσι ώστε να καλύπτονται και οι τρεις καρτεσιανοί άξονες LCMV Μια από τις μεθόδους beamformer είναι η LCMV (Linearly Constrained Maximum Variance) που αρχικά χρησιμοποιήθηκε στην επεξεργασία σήματος, σύμφωνα με την οποία ένας LCMV beamformer θέτει μηδέν στις αποκρίσεις θέσεων διαφορετικών της περιοχής ενδιαφέροντος. Το αποτέλεσμα αυτό επιτυγχάνεται με την ελάττωση της ισχύος εξόδου της επιθυμητής περιοχής. Με αυτόν τον τρόπο δημιουργείται ένας γραμμικός συνδυασμός των μετρήσεων, ο οποίος απεικονίζει ένα σημείο στον εγκέφαλο. Το πρόβλημα στην προκειμένη περίπτωση είναι ότι χρειάζεται ένας μεγάλος αριθμός δειγμάτων, συνήθως τρεις ως πέντε φορές πολλαπλάσιος των αισθητήρων, έτσι ώστε να μπορέσουμε στατιστικά να φτάσουμε στο επιθυμητό αποτέλεσμα. Έχουν προταθεί όμως και άλλοι αλγόριθμοι, όπως είναι ο PA (Patrially Adaptive)-LCMV και ο FA (Fully Adaptive)-LCMV, οι οποίοι χρησιμοποιούν λιγότερα δείγματα για να πετύχουν τις σταθερές θέσεις των πηγών, χωρίζοντας το αρχικό πρόβλημα σε υποχώρο, που καθορίζεται εντοπίζοντας μια σχετικά μικρή εγκεφαλική περιοχή κάθε χρονική στιγμή [38]. 48

49 MUSIC Η μέθοδος όμως που χρησιμοποιείται περισσότερο σε εφαρμογές ΗΕΓ είναι η MUltiple Signal Classification (MUSIC). Πρωτοαναπτύχθηκε για την επεξεργασία σήματος και ανήκει στις μεθόδους υποχώρου σήματος. Σύμφωνα με αυτή την μέθοδο, ο πίνακας δεδομένων χωρίζεται σε δύο υποχώρους. Ο ένας είναι ο υποχώρος του σήματος και ο άλλος του θορύβου, υπολογίζοντας τις ιδιοτιμές και τα ιδιοδιανύσματα. Υποθέτουμε ότι οι χρονικές σειρές του σήματος είναι αδιόρθωτες από τον θόρυβο και αναλύουν τον πίνακα δεδομένων σε υποχώρο σήματος (span Φ s ) και θορύβου (span Φ n ) με βάση τον τύπο C Y = Φ S Λ S Φ S + Φ n Λ n Φ n (14) Όπου Λ είναι ένας πίνακας με ιδιοτιμές στη διαγώνιο και μηδέν αλλού. Ο πίνακας που θα υπολογιστεί θα προσεγγίζει τον πραγματικό πίνακα. Η MUSIC αναζητά το διάστημα λύσεων για την θέση, η οποία ταιριάζει καλύτερα στα δεδομένα του υποχώρου Φs, χρησιμοποιώντας την μέθοδο της συσχέτισης υποχώρων. Το διάστημα λύσεων ορίζεται ως πίνακας απολαβής (gain matrix). Με την μέθοδο συσχέτισης υποχώρων υπολογίζεται η συσχέτιση μεταξύ δύο χώρων. Αν υπολογιστεί η μεγαλύτερη συσχέτιση να είναι ένα αυτό σημαίνει ότι οι δύο υποχώροι έχουν τουλάχιστον έναν μονοδιάστατο υποχώρο κοινό. Αντίθετα αν όλες οι συσχετίσεις υπολογιστούν μηδέν οι υποχώροι είναι ορθογώνιοι [38][41][22]. Καθορίζοντας τα βήματα που συνιστούν την μέθοδο MUSIC θα μπορούσαμε να πούμε ότι, αρχικά χρειαζόμαστε έναν πίνακα που να περιλαμβάνει δεδομένα από m αισθητήρες για n χρονικές στιγμές. Κατόπιν γίνεται αποσύνθεση της μήτρας και επιλέγεται ο βαθμός του υποχώρου του σήματος. Δημιουργείται ένα πυκνό πλέγμα διπολικών πηγών, όπου σε κάθε σημείο αυτού σχηματίζεται ένας πίνακας (μήτρα απολαβής), για το κάθε δίπολο και υπολογίζεται η συσχέτιση υποχώρου. 49

50 Η καλύτερη συσχέτιση θα δώσει και την καλύτερη δυνατή θέση του διπόλου. Οι συσχετίσεις που είναι κοντά στην μονάδα θα έχουν αιχμηρές κορυφές (δηλαδή ένας τουλάχιστον υποχώρος κοινός) [42]. Το πλεονέκτημα της MUSIC, έναντι της μεθόδου των ελαχίστων τετραγώνων, είναι ότι ο καθορισμός του βαθμού του υποχώρου σήματος, δηλαδή ο αριθμός των πηγών, δεν απαιτείται να είναι ακριβής, αφού μπορεί και να υπερεκτιμηθεί. Η συσχέτιση υποχώρου μπορεί θα μειωθεί δραματικά για πηγές που υπερτερούν δραματικά τον «σωστό» αριθμό πηγών. Το πρόβλημα που ανακύπτει χρησιμοποιώντας την παραπάνω μέθοδο είναι ότι μπορεί να υπάρξει σφάλμα κατά την εκτίμηση του υποχώρου και η μέθοδος αναζητά ένα δίπολο κάθε φορά. Σε περίπτωση που υπάρχουν περισσότερα από ένα δίπολα το να αναγνωρίζεις τα διαφορετικά μέγιστα (μεγαλύτερες κορυφές) είναι δύσκολο. Ο παραπάνω αλγόριθμος είναι ικανός να εντοπίζει ασύγχρονες πηγές μέσω της χρήσης ανεξάρτητων χωροχρονικών τοπογραφιών. Δηλαδή κάθε πηγή θα πρέπει να δημιουργεί μια συγκεκριμένη τοπογραφία, η οποία είναι ανεξάρτητη και χωρικά και χρονικά από οποιαδήποτε άλλη πηγή. Κατ επέκταση λοιπόν σε περίπτωση που έχουμε ταυτόχρονη ενεργοποίηση πηγών, προκύπτει διδιάστατος υποχώρος, ο οποίος εμπίπτει σε μονοδιάστατο. Στην περίπτωση αυτή ο αλγόριθμος δεν θα μπορέσει να εντοπίσει τις πηγές. Ένα άλλο βασικό πρόβλημα είναι και η επιλογή των θέσεων που θα δώσουν την καλύτερη προβολή στον υποχώρο σήματος. Με την απουσία του θορύβου και με το τέλειο μοντέλο κεφαλιού και αισθητήρων, το ευθύ μοντέλο για τη πηγή θα προβληθεί μέσα στον υποχώρο. Στην πράξη φυσικά, παρουσιάζονται λάθη στον προσδιορισμό του υποχώρου που οφείλονται στον θόρυβο, όπως επίσης παρουσιάζονται λάθη στο ευθύ μοντέλο κατά την διαδικασία προσέγγισης και του μοντέλου του κεφαλιού και του συστήματος πρόσληψης των σημάτων. Επιπλέον πρόβλημα παρουσιάζεται όταν τις περισσότερες φορές προσπαθούμε να υπολογίσουμε το αποτέλεσμα σε ένα πεπερασμένο σύνολο σημείων του πλέγματος. Τα αποτέλεσμα αυτών των περιορισμών είναι το ότι ο χρήστης έρχεται αντιμέτωπος με το πρόβλημα της αναζήτησης του πλέγματος για κορυφές και να αποφασίσει ποιες από αυτές αντιστοιχούν σε πραγματικές περιοχές. Σε αυτό το σημείο είναι σημαντικό 50

51 να τονίσουμε ότι μια τοπική κορυφή δεν σημαίνει υποχρεωτικά ότι υποδεικνύει την πραγματική θέση της πηγής. Μόνο στη περίπτωση όπου το ευθύ μοντέλο προβάλλεται ολοκληρωτικά στον υποχώρο σήματος, ή τουλάχιστον όσο το δυνατόν πιο κοντά λόγω θορύβου και μοντελοποίησης, μπορούμε να εξάγουμε το συμπέρασμα ότι η πηγή βρίσκεται σε αυτή την θέση [22][41] RAP- MUSIC Μια κοινή διαπίστωση κατά την επεξεργασία με την παραπάνω μέθοδο, είναι ότι ο βαθμός του υποχώρου σήματος θα πρέπει να ισούται με των αριθμό των πηγών. Όπως ήδη είπαμε κάναμε την παραδοχή ότι η πηγή είναι ένα μονό δίπολο με ένα (σταθερά) ή περισσότερα (περιστρεφόμενα) χρονικά ανεξάρτητες σειρές. Και έτσι η μέθοδος MUSIC απαιτεί ότι όλα τα δίπολα έχουν γραμμικά ανεξάρτητες χρονικές σειρές. Αντιστρόφως κάθε ανεξάρτητη χρονική σειρά, απευθύνεται σε ένα δίπολο. Στην προηγούμενη παράγραφο επίσης, είδαμε ότι ανακύπτουν πολλά προβλήματα από την χρήση της MUSIC. Η ανάγκη λοιπόν ήταν επιτακτική προκειμένου να επιλυθούν αρκετά από αυτά και να φτάσουμε σε ένα καλύτερο αποτέλεσμα. Οι μελετητές πρότειναν άλλες μεθόδους με σκοπό την εξάλειψη των παραπάνω προβλημάτων. Η λύση λοιπόν, δίνεται με τις αναδρομικές μεθόδους RAP-MUSIC και R-MUSIC οι οποίες δημιουργούν ένα συγκεκριμένο αριθμό χωροχρονικών ανεξάρτητων τοπογραφιών (Independent Topographies-IT). Κάθε μια από αυτές θεωρείται ότι είναι μια πηγή, αποτελούμενη από ένα ή περισσότερα σταθερά δίπολα, των οποίων η μείξη έχει μονή χρονική κατεύθυνση. [22][42][43]. Σύμφωνα με αυτή την μέθοδο, που αποτελεί βελτίωση της MUSIC, θεωρούμε ότι οι ανεξάρτητες τοπογραφίες μας αποτελούνται από ένα ή περισσότερα δίπολα. Αρχικά αναζητούμε τις μονές διπολικές τοπογραφίες, κατόπιν τις δύο διπόλων τοπογραφίες και συνεχίζουμε ανάλογα. Κάθε φορά που βρίσκουμε κάθε τοπογραφικό μοντέλο, το προσθέτουμε στα ήδη υπάρχοντα μοντέλα ανεξάρτητων τοπογραφιών και συνεχίζουμε την 51

52 αναζήτηση. Δημιουργούμε το μοντέλο πηγής, με αναδρομική εφαρμογή των βασικών μετρήσεων συσχέτισης, το κλειδί της μεθόδου MUSIC, για να πετύχουμε τις κύριες συσχετίσεις. Με αυτό τον τρόπο το μοντέλο δημιουργείται σταδιακά, αφού κάθε πηγή υπολογίζεται μέσα από μια επαναληπτική διαδικασία, στην οποία υπολογίζεται ως η μέγιστη συσχέτιση υποχώρου διαφορετικής συνάρτησης για κάθε πηγή [42][43] Απεικονιστικές Μέθοδοι για την επίλυση του Αντίστροφου Προβλήματος Όπως είπαμε και στην αρχή αυτού του κεφαλαίου εκτός από τις παραμετρικές μεθόδους επίλυσης του αντίστροφου προβλήματος στο ΗΕΓ, υπάρχουν και οι απεικονιστικές μέθοδοι. Στη περίπτωση αυτή δεν χρειάζεται να γνωρίζουμε εκ των προτέρων σχετικά με την δημιουργία των πηγών της ηλεκτρικής δραστηριότητας. Πριν αρχίσουμε να παραθέτουμε τις μεθόδους, θα κάνουμε μια γενική επισκόπηση του θέματος. Οι απεικονιστικές μέθοδοι απεικονίζουν την ηλεκτρική δραστηριότητα με εκατοντάδες ή χιλιάδες από δίπολα με σταθερό προσανατολισμό που διαχέονται σε όλο το κεφάλι. Τα δίπολα εντοπίζονται ή στο πλήρες κεφάλι ή στην φαιά ουσία ή ακόμα και περιορισμένα σε μια υποτιθέμενη ενεργή περιοχή. Σε κάθε θέση μέχρι τρία κάθετα δίπολα μπορούν να εντοπιστούν. Τα πλάτη των τριών αυτών διπόλων δίνουν την κατεύθυνση του κινούμενου διπόλου με την ίδια θέση. Στην περίπτωση της φαιάς ουσίας η κατεύθυνση του διπόλου, συνήθως περιορίζεται να είναι κάθετη στον φλοιό, όπως είναι η κατεύθυνση των πυραμιδικών νευρώνων σε αυτόν [22]. Το μόνο που παραμένει άγνωστο είναι η ισχύς του διπόλου. Έτσι το πρόβλημά μας που δίνεται από την εξίσωση (12) γίνεται γραμμικό. Γνωρίζουμε ότι η σχέση που συνδέει μια συγκεκριμένη κατανομή πηγών στον εγκέφαλο με τα διακριτά δυναμικά που παρουσιάζονται και καταγράφονται στην επιφάνεια του κεφαλιού δίνεται από την γραμμική σχέση που εκφράζεται με την παρακάτω εξίσωση: 52

53 d = L s (15) όπου το d είναι ένας πίνακας μονοδιάστατος (mχ1) των δυναμικών που παρουσιάζονται στις συγκεκριμένες θέσεις των m ηλεκτροδίων, το s είναι ένα διάνυσμα στήλη (nχ1) της έντασης n πηγών με καθορισμένη διεύθυνση και προσανατολισμό. Τέλος L είναι ένας διδιάστατος πίνακας (mxn) γνωστός ως lead field matrix που περιέχει στοιχεία σχετικά με την γεωμετρία και την αγωγιμότητα του κεφαλιού. Σχετικά με τον πίνακα L κάθε στήλη του αποτελεί το ευθύ πρόβλημα για μια από τις πηγές που αποτελούν το μοντέλο. Περιέχει δηλαδή πληροφορίες όσο αφορά τον τρόπο κατανομής των δυναμικών που προκαλούνται από αυτή την πηγή στα ηλεκτρόδια που βρίσκονται τοποθετημένα στην επιφάνεια του κεφαλιού. Τα δεδομένα είναι διαθέσιμα από τις καταγραφές, ενώ ο πίνακας L ορίζεται από την γεωμετρία του κεφαλιού. Συνεπώς το να επιλύσουμε το αντίστροφο πρόβλημα στην περίπτωση των απεικονιστικών μεθόδων ισοδυναμεί με το να επιλύσουμε την εξίσωση (15), για την άγνωστη κατανομή πηγών s. Στην περίπτωση που η κατανομή πηγών s περιέχει περισσότερες ανεξάρτητες μεταβλητές από τις μεταβλητές στις καταγραφές των δεδομένων d, δηλαδή n>m, τότε δεν είναι δυνατόν να καθορίσουμε το διάνυσμα s των πηγών. Για τις στήλες του lead field matrix ισχύει ότι αν μια μη μηδενική πηγή ικανοποιεί την σχέση Ls 0 = 0, τότε αυτή θα είναι κάθετη στις στήλες του πίνακα. Συνεπώς αν μια λύση της εξίσωσης (15) είναι η s τότε μπορεί να προστεθεί και μια ακόμα λύση η s + s 0 για το αντίστροφο πρόβλημα. Άρα κάθε πηγή ηλεκτρικής δραστηριότητας μπορεί να αποτελείται από δύο μέρη s 1 και s 2 έτσι ώστε να ικανοποιείται η παρακάτω σχέση: {s = s 1 +s 2, d=ls} τότε {Ls 1 = d, Ls 2 = 0} (16) Προσέγγιση κενού χώρου Υπάρχει η περίπτωση να πρέπει να επιλύσουμε το αντίστροφο πρόβλημα χωρίς όμως να υπάρχει αξιόπιστη προηγούμενη γνώση για τον καθορισμό της πηγής και θα θέλαμε να καθορίσουμε την πηγή αποκλειστικά 53

54 από τα δεδομένα. Έστω ότι s είναι η πηγή που εκτιμούμαι ότι προσεγγίζει την πραγματική αλλά άγνωστη πηγή s. Τότε για αυτήν θα πρέπει να ισχύει η σχέση d = Ls όπως είπαμε ήδη παραπάνω, αφού είναι εκτιμώμενη πηγή. Η s όμως δεν μπορεί να χωριστεί σε επιμέρους μέρη έτσι ώστε να ισχύει s = s 1 + s 2. Δηλαδή το σήμα που καταγράφεται στους αισθητήρες δεν μπορεί να εμπεριέχει σήμα το οποίο αν ληφθεί από μόνο του δεν θα παράγει μετρήσιμο σήμα στους αισθητήρες (θα δώσει μηδέν). Έτσι με βάση τα παραπάνω το s δε εμπεριέχει μέρη τα οποία να είναι κάθετα στις στήλες του lead field matrix L, άρα θα είναι κάποιος γραμμικός συνδυασμός των σειρών της L, με s = L T w όπου w είναι ένα άνυσμα βαρύτητας που πρέπει να προσδιοριστεί. Αντικαθιστώντας το s στην εξίσωση (15) θα πάρουμε τον τύπο d = LL T w και αν υποθέσουμε ότι οι σειρές των δεδομένων είναι γραμμικά ανεξάρτητες, δηλαδή οι καταγραφές από διαφορετικούς αισθητήρες είναι ανεξάρτητες, τότε θα έχουμε την λύση w = (LL T ) -1 d και αντικαθιστώντας στο s θα έχουμε s = L T w = L T (LL T)-1 d (17) Ο τελικός πίνακας που παράγεται, δηλαδή ο L T (LL T)-1 είναι η ψευδοαντίστροφη ελάχιστης νόρμας (MNP) ή Moore-Penrose, για το γραμμικό σύστημα d = Ls. Σε αυτό το αποτέλεσμα καταλήξαμε με βάση δύο προϋποθέσεις. Πρώτον ότι η λύση μας θα έπρεπε να συμβαδίζει με τα δεδομένα d και δεύτερον δεν θα έπρεπε να περιέχει κάποιο μέρος μηδενικού χώρου που λαμβανόμενο από μόνο του δεν θα παρήγαγε μετρίσιμο σήμα σε οποιαδήποτε από τα μέρη της καταγραφής. Από την στιγμή που δεν είναι διαθέσιμη η προϋπάρχουσα γνώση για τις διατιθέμενες πηγές και η επίλυση του προβλήματος περιέχει στοιχεία που προέρχονται από τις καταγραφές, είναι λογικό να θεωρήσουμε ισχύουσα την δεύτερη προϋπόθεση [13][44] Η μέθοδος της ελάχιστης νόρμας (Min Norm) Έχουμε αναφέρει ήδη ότι πολλοί σχηματισμοί διπόλων μπορούν να δώσουν τα ίδια ηλεκτρικά δυναμικά. Για αυτό το λόγο θα πρέπει να 54

55 εισαχθούν τεχνικές κανονικοποίησης προκειμένου να σταθεροποιηθεί η λύση. Ο αλγόριθμος της ελάχιστης νόρμας ήταν από τους πρώτους που προτάθηκαν για την επίλυση της εξίσωσης d = Ls. Και η λύση μπορεί να βρεθεί συνδυάζοντας περιορισμούς τόσο στην επίλυση όσο και στα δεδομένα που προβλέπει. Για την επίλυση θα πρέπει να υπολογίσουμε το ελάχιστο έτσι ώστε (s -s 0 ) T C s (s -s 0 ) = min (18) όπου s είναι μια λύση που έχουμε εκτιμήσει, s 0 είναι μια εκ των προτέρων προσέγγιση της λύσης και C s είναι μια μήτρα βαρύτητας που σχετίζεται με τον πηγαίο χώρο μαζί με την σχέση (Ls -d) T (Ls -d) = min (19) όπου Ls είναι τα δεδομένα που προβλέπουμε και d είναι τα δεδομένα που έχουμε μετρήσει. Σε περίπτωση που η μήτρα Cs είναι θετικά ορισμένη, η λύση του προβλήματος είναι η σχέση s = s 0 +C s -1LT(LC s -1LT)_1(d-Ls 0 ) (20) Στην περίπτωση που δεν έχουμε κάνει πρόβλεψη και δεν έχουμε υπολογίσει το s 0 τότε η παραπάνω εξίσωση απλουστεύεται και δεν περιέχει την ποσότητα s 0. Η μήτρα C s θα μπορούσε να χρησιμοποιήσει για να ενσωματώσει μία εκ των προτέρων πληροφόρηση για τις περιοχές του εγκεφάλου στις οποίες αναμένονται ενεργές περιοχές. Αλλά αν αναμένονται πηγές σε οποιαδήποτε θέση στον πηγαίο χώρο, τότε η καθεμιά αντιμετωπίζεται ξεχωριστά και με την ίδια βαρύτητα [13][22][44]. Τότε η C s είναι η μοναδιαία μήτρα και η επίλυση με την MNP βρίσκεται από τον τύπο : s = L T (LL T ) -1 d (21) 55

56 Κανονικοποίηση στην μέθοδο της Min Norm Στην προηγούμενη ενότητα μελετήσαμε την περίπτωση όπου τα δεδομένα ερμηνεύονται πλήρως από την επίλυση του προβλήματος. Στην πραγματικότητα όμως δεν συμβαίνει αυτό αφού ο θόρυβος συνυπάρχει μέσα στα δεδομένα όπως ήδη έχουμε αναφέρει. Σε αυτή την περίπτωση η σχέση (19) μετασχηματίζεται στην παρακάτω σχέση: (Ls -d) T C d (Ls -d) = ε>0 (22) όπου C d είναι μια θετικά ορισμένη μήτρα βαρύτητας που εκφράζει την αξιοπιστία των αισθητήρων και το ε εκφράζει το σύνολο των δεδομένων που δεν μπορούμε να εξηγήσουμε όπως για παράδειγμα είναι ο θόρυβος. Η επίλυση τότε του προβλήματός μας αλλάζει και δίνεται από την παρακάτω εξίσωση: s = s 0 + C s -1 L T (LC s -1 L T + λc d -1 )(d-s 0 ) (23) Από αυτή την εξίσωση λύσεις Μin-Νorm μπορούν να εξαχθούν. Η παράμετρος λ που υπάρχει σε αυτήν είναι μια παράμετρος κανονικοποίησης και θα πρέπει να καθοριστεί έτσι ώστε το ε να φτάσει την βέλτιστη τιμή του. Αν δεν βάλουμε στην εξίσωση (23) το s 0 και θεωρώντας ότι υπάρχει η ίδια βαρύτητα σε όλα τα κανάλια και τις θέσεις των πηγών, οδηγούμαστε στο παρακάτω συμπέρασμα: s = L T (L L T + λi d ) -1 d (24) η οποία ονομάζεται κανονικοποίηση Tikhonov [46] για την επίλυση της Min- Norm. Με την μέθοδο της κανονικοποίησης εξασφαλίζεται σταθερότητα στις λύσεις έτσι ώστε να μην έχουμε το γεγονός μικρές αποκλίσεις στα δεδομένα να μας οδηγούν σε μεγάλες αποκλίσεις στην κατανομή της ρευματικής πυκνότητας των πηγών. 56

57 Μέθοδος της Μέγιστης Πιθανότητας Αν τα δεδομένα που έχουμε συλλέξει καθώς και η υποτιθέμενη λύση ακολουθούν μια γνωστή κατανομή πιθανοτήτων, θα ήταν λογικό να καθορίσουμε την πιο πιθανή λύση της εξίσωσης d = Ls, με άλλα λόγια να μεγιστοποιήσουμε την πιθανότητα P(s,d) μιας λύσης s δεδομένων των καταγραφών d [47]. Η συνάρτηση πιθανότητας αυτή μπορεί να χωριστεί σε δύο μέρη. Αρχικά στην πιθανότητα P(s ), που αντιστοιχεί στην πιθανότητα να συμβεί μια λύση ανεξάρτητων δεδομένων (άρα χρειάζεται εκ των προτέρων γνώση της κατανομής των πηγών ) και στη συνέχεια την πιθανότητα P(d,s ) όπου τα d δεδομένα είναι αποτέλεσμα της s πηγής. Τότε η ολική κατανομή P(s,d) θα είναι ανάλογη του γινομένου των δύο πιθανοτήτων. Δηλαδή θα ισχύει P(s,d) ~ P(d,s ) P(s ) (25) Θα μπορούσε να υποτεθεί ότι αυτές αποτελούν κατανομές Gauss τότε και ο συνδυασμός τους θα είναι γκαουσιανός, οπότε θα έχουμε P(s) ~ exp{-(s -[s]) T C s (s -[s])} P(d,s ) ~ exp{-(d-ls) T C d ((d-ls)} Και η λύση θα δίνεται από την σχέση s = [s] + C s -1 L T (LC s -1 L T + λc d -1 )(d-l[s]) (26) Η χρήση της παραμέτρου λ είναι για να αποτιμάται συνεχώς η επίδραση της C d μήτρας, που ουσιαστικά ενσωματώνει στην λύση την διαφορική αξιοπιστία των αισθητήρων. Στην περίπτωση όπου δεν θα λάβουμε υπόψην τον θόρυβο τότε αυτή η παράμετρος κανονικοποίησης μπορεί να μηδενιστεί. Επίσης αν υπάρχει η περίπτωση κάποιες περιοχές του εγκεφάλου να ενεργοποιούνται πιθανότερα από κάποιες άλλες, τότε 57

58 αυτή η πληροφορία μπορεί να εισαχθεί στην μήτρα C s και αν έχουμε μια ανάλογη περίπτωση όπως της Min-Norm που ήδη έχουμε περιγράψει στην προηγούμενη ενότητα. Αν τέλος δεν ισχύει τίποτε από τα παραπάνω, τότε η C s μήτρα θα πρέπει να επιλεγεί ως μήτρα ταυτοποίησης και θα ισχύει η παρακάτω σχέση: s = L T (L L T + λi d ) -1 d (27) Κανονικοποίηση της μεθόδου της Μέγιστης Πιθανότητας Έχουμε πει ήδη ότι αν τα δεδομένα μας θεωρήσουμε ότι δεν έχουν θόρυβο τότε θα πρέπει να θέσουμε την παράμετρο κανονικοποίησης λ στο μηδέν. Στην αντίθετη περίπτωση όμως θα πρέπει να είναι μεγαλύτερη από το μηδέν. Αν πάλι όλοι οι αισθητήρες εμφανίζουν την ίδια ένταση θορύβου τότε η μήτρα C d είναι ανάλογη με την μοναδιαία μήτρα και δίνεται από τον τύπο C d = λ*i. Οπότε αντικαθιστώντας προκύπτει η σχέση s = L T (L L T + λi d ) -1 d που είναι η σχέση (24) για την κανονικοποίηση Tikhonov, όπως είδαμε προηγουμένως Μέθοδος Low Resolution Electromagnetic Tomography (LORETA) Ο αλγόριθμος LORETA που συνδέεται με την αντίστοιχη μέθοδο, αρχικά προτάθηκε από τον R.D.Pascual-Marqui [49][51]. Η λογική του βασίζεται πάνω στην λογική της μεθόδου της ελάχιστης νόρμας με βάρη. Η διαφορά του έγκειται στο ότι ενσωματώνει έναν Laplacian τελεστή που παίρνει την μορφή ενός πίνακα B και έχει σαν στόχο την παραγωγή μιας 58

59 εξομαλυσμένης λύσης, για αυτό τον λόγο αξιώνει να είναι ένας αλγόριθμος «νευροφυσιολογικής εξομάλυνσης» (neurophysiological smoothness) [50]. Αρχικά λοιπόν έχουμε τις εξισώσεις από τον αλγόριθμο της ελάχιστης νόρμας με βάρη, που είναι οι παρακάτω: Φ = K*J άρα J =T*Φ όπου T = W -1 K -1 [KW -1 K T ] T (28) Ο αλγόριθμος διαφοροποιείται στο σημείο που ορίζουμε τον πίνακα W. Πιο συγκεκριμένα ο παραπάνω πίνακας ορίζεται με βάση την εξίσωση: W = (Ω Ι 3 )Β Τ Β(Ω Ι 3 ) (29) Ο πίνακας Ω που εμφανίζεται στην εξίσωση (29) υλοποιείται όπως και στον αλγόριθμο της ελάχιστης νόρμας με βάρη, ο οποίος είναι διαγώνιος. Ο πίνακας Β είναι ο τελεστής Laplace και ορίζεται σύμφωνα με τις παρακάτω εξισώσεις: (30) όπου: Ι 3Μ είναι ο μοναδιαίος πίνακας διάστασης 3Μ, diag[a] είναι ο διαγώνιος πίνακας με στοιχεία της κύριας διαγωνίου τα στοιχεία του διανύσματος Α d είναι η ελάχιστη απόσταση ανάμεσα σε δύο σημεία του μοντέλου του εγκεφάλου l M είναι το διάνυσμα διάστασης Μ που έχει σε όλες τις θέσεις στοιχείο την μονάδα [13]. 59

60 Το δύσκολο με αυτή την μέθοδο είναι ότι μπορούμε να οδηγηθούμε σε διαφορετικά αποτελέσματα ανάλογα με το πώς αντιλαμβανόμαστε την έννοια της εξομάλυνσης. Έτσι το να έχουμε διαφορετική αντίληψη της εξομάλυνσης σημαίνει ότι θα καταλήξουμε σε κατασκευή διαφορετικών πινάκων B, άρα και σε διαφορετική εκτίμηση του J που είναι το βέλτιστο διάνυσμα. Καταλήγουμε λοιπόν στο συμπέρασμα ότι δεν ξέρουμε ποιος τρόπος για την κατασκευή του B πίνακα είναι ο καλύτερος και έτσι δεν μπορούμε να καθορίσουμε ποια λύση κατανομής ρευμάτων είναι η ιδανική Εστιακή εγκεφαλική δραστηριότητα από ισοδύναμα δίπολα Σε αυτή την μέθοδο, στην οποία στηρίζεται και η απεικόνιση των πηγών από το λογισμικό που θα χρησιμοποιήσουμε παρακάτω στο πείραμά μας, χρησιμοποιούνται οι πρότυπες κυματομορφές (source waveforms όπως ονομάστηκαν από τους Scherg and von Cramon το 1986, Electroengeph clin Neurophysiol, 65:344), που δίνουν πιο ακριβή εκτίμηση των υποκείμενων ενεργών δειγμάτων και επικαλύψεων. Ο υπολογισμός τους βασίζεται στην αρχή των γενικευμένων μοτίβων (δίνοντας βάρη σε όλα τα κανάλια), στην γνώση μας για τις τοπογραφίες του κρανίου που οφείλονται στις εστιακές δραστηριότητες του εγκεφάλου (για παράδειγμα από την μοντελοποίηση των διπόλων και των προκλητών δυναμικών) και σε μια σημαντική αρχή της γραμμικής άλγεβρας (που καταλήγει σε ένα αποδοτικό χωρικό φίλτρο). Ας θεωρήσουμε το πίνακα C ότι περιλαμβάνει διανύσματα στήλης (c i ) με τις τοπογραφίες των 19 πηγαίων περιοχών. Δηλώνουμε την χωροχρονική διανομή της τάσης στο κρανίο με τον πίνακα U (ηλεκτρόδια * δείγματα, κάθε εγκεφαλικό σήμα αναπτύσσει μια γραμμή). Τότε σύμφωνα με την φυσική, εκφράζουμε ότι το U είναι η γραμμική επικάλυψη που προέρχεται από τις 19 πηγαίες περιοχές, με βάση τον τύπο: U = C * S (31) με κάθε περιοχή να έχει ένα άγνωστο πρότυπο της πηγαίας δραστηριότητας ως προς τον χρόνο (όπου s i, είναι η γραμμή i στον πίνακα πηγαίων 60

61 κυματομορφών S). Οι άγνωστες δραστηριότητες της πηγής S μπορούν να αναδομηθούν με την γραμμική αντιστροφή του πίνακα C, με βάση την σχέση: S = C -1 * U (32) όπου C -1 είναι ένα χωρικό φίλτρο το οποίο διαχωρίζει τις δραστηριότητες της πηγής σύμφωνα με την παρακάτω συνθήκη: c -1 i c i = 1 που σημαίνει ότι η δραστηριότητα της πηγής στην εγκεφαλική περιοχή i θα έχει μέγεθος 1 στην πηγαία κυματομορφή i. Με άλλα λόγια, η πηγαία κυματομορφή si θα είναι πλήρως αναδομήσιμη. c -1 i c j = 0 που σημαίνει ότι η δραστηριότητα της πηγής στην εγκεφαλική περιοχή j θα έχει μέγεθος 0 στην πηγαία κυματομορφή i. Με άλλα λόγια, η συνεισφορά από τις δραστηριότητες πηγής σε άλλες περιοχές θα είναι πλήρως εξαφανισμένη. Όταν μοντελοποιούμε ένα τμήμα του φλοιού με ένα σύνολο από δίπολα, δηλαδή πολλά μικρά διανύσματα με ισοδύμαναμα μήκη ευθυγραμμισμένα παράλληλα με φλοιώδης στήλες και κάθετα στην επιφάνεια, προκύπτει ότι ένα μονό ισοδύναμο δίπολο μπορεί να μοντελοποιήσει την δραστηριότητα του τμήματος αυτού με την ακρίβεια πάνω από την ανάλυση του ΗΕΓ και τον θόρυβο. Η Εικόνα [22] δείχνει πώς τα ισοδύναμα δίπολα μοντελοποιούν το τμήμα του φλοιού με ακρίβεια και πώς η γραμμική αντιστροφή του πίνακα C επενεργεί πάνω στα δεδομένα U, έχοντας ως αποτέλεσμα την εκτιμόμενη δραστηριότητα ως προς τον χρόνο, κάθε πηγαίου μοντέλου [59]. Είναι μία μέθοδος με την οποία εκτιμούνται οι εγκεφαλικές πηγές που υπόκεινται στη διαφορά δυναμικού του κρανίου. Σαν μέθοδος των πολλαπλών διπόλων παρέχει υψηλής ανάλυσης λύσεις, κατάλληλη για εντοπισμό πηγών. Σαν μια γραμμική προσσεγγιστική μέθοδος, μας παραπέμπει στην min-norm που μελετήθηκε σε προηγούμενη παράγραφο, η οποία βασίζεται στην αναδρομική ελαχιστοποίηση του προτύπου με βάρη, έχει ως συνέπεια, να εστιάσουμε την λύση στις μικρότερες ενεργές περιοχές που απαιτούνται για την ακριβή αναδόμηση των μετρήσεων [75]. Ουσιαστικά αυτή η μαθηματική μέθοδος επιχειρεί να βρει μια θεωρητική 61

62 πηγή η οποία να μπορεί να παράγει μια διαφορά δυναμικού στο μοντέλο του κεφαλιού που χρησιμοποιείται, ίση με αυτή που καταμετρήθηκε. Χαρακτηριστικά αυτής της μοντελοποίησης πιστεύεται να είναι επαρκώς σχετιζόμενα με την πραγματική ή τις πραγματικές πηγές και έτσι να προσφέρουν χρήσιμη πληροφορίες σχετικά με την θέση των πηγών [74]. S C -1 U Εικόνα [22] Ισοδύναμα δίπολα μοντελοποιούν με ακρίβεια ένα τμήμα του φλοιού(πάνω) και πώς η γραμμική αντιστροφή του πίνακα C επενεργεί πάνω στα δεδομένα U, έχοντας ως αποτέλεσμα την εκτιμόμενη δραστηριότητα ως προς τον χρόνο, κάθε πηγαίου μοντέλου (S=source waveform) (κάτω). 62

63 ΚΕΦΑΛΑΙΟ 5 ΜΕΛΕΤΗ ΤΩΝ ΒΙΩΜΑΤΙΚΩΝ ΔΥΝΑΜΙΚΩΝ (ERPs) ΣΤΟΙΧΕΙΑ ΑΠΟ ΤΗΝ ΘΕΩΡΙΑ ΤΟΥ ΣΥΝΑΙΣΘΗΜΑΤΟΣ 5.1 Βιωματικά Δυναμικά του Εγκεφάλου Ορισμοί και κατηγορίες των βιωματικών δυναμικών Τα τελευταία χρόνια παρουσιάζεται αυξημένο ενδιαφέρον για την μελέτη των εγκεφαλικών διαδικασιών οι οποίες προκαλούνται από συγκεκριμένα γεγονότα. Ονομάζουμε Βιωματικά Δυναμικά ΒΔ (Event Related Potentials ERP) τις διαφορές δυναμικού που μετρούμε, συνήθως στη δερματική επιφάνεια του κεφαλιού, οι οποίες προκαλούνται ως προετοιμασία ή ως απόκριση σε συγκεκριμένο γεγονός, το οποίο συμβαίνει είτε στο εξωτερικό φυσικό κόσμο, είτε λαμβάνει χώρα ως ψυχολογική διαδικασία. Τα διακρίνουμε σε Προκλητά Δυναμικά ΠΔ (Evoked Potentials EP) όταν το ερέθισμα, το γεγονός προέρχεται από τον εξωτερικό κόσμο και σε Εκπεμπόμενα Δυναμικά (Emitted Potentials) όταν σχετίζονται με μια ψυχολογική διαδικασία. Εφόσον τα ΠΔ αντικατοπτρίζουν εγκεφαλική δραστηριότητα σχετιζόμενη με ένα εξωτερικό ερέθισμα, είναι αυτά τα οποία μπορούμε να μελετήσουμε μέσω προδιαγεγραμμένων πειραματικών διαδικασιών στο εργαστήριο. Υπάρχουν τρεις κυρίως κατηγορίες ΠΔ ανάλογα με το είδος του εξωτερικού ερεθίσματος που τα προκαλεί: Οπτικά Προκλητά Δυναμικά (Visual Evoked Potentials VEP) είναι αυτά που προκαλούνται από οπτικό ερεθισμό, όπως εμφάνιση μιας συγκεκριμένης εικόνας, αλλαγή χρωμάτων, λάμψεις κα. 63

64 Ακουστικά Προκλητά Δυναμικά (Auditory Evoked Potentials AEP) είναι αυτά που προκαλούνται από ακουστικό ερεθισμό, δηλαδή ήχους, λέξεις, τόνους διαφόρων συχνοτήτων και έντασης. Σωματοαισθηματικά Προκλητά Δυναμικά (Somatosensory Evoked Potentials SEP) είναι αυτά που προκαλούνται όταν ένα μικρής διάρκειας και έντασης ηλεκτρικό ρεύμα ερεθίσει κάποιο συγκεκριμένο νεύρο [2] [10]. Τα Προκλητά Δυναμικά μπορούν επίσης να χαρακτηριστούν σε σχέση με τον χρόνο εμφάνισής τους μετά το εκλυτικό γεγονός (λανθάνων χρόνος). Στην περίπτωση των ακουστικών δυναμικών για παράδειγμα υπάρχει η διάκριση σε πρώιμα (early, fast), μέσα (middle) και αργά ή ύστερα (late) δυναμικά, που αντιστοιχούν περίπου στα χρονικά διαστήματα 2 ως 12 msec, 12 ως 50 msec και 50 ως 800 msec από την στιγμή που χορηγείται ο εξωτερικός ερεθισμός. Αξίζει να παρατηρήσουμε εδώ ότι αυξανομένου του λανθάνοντος χρόνου μειώνεται η συχνότητα των κυματομορφών και αυξάνεται το πλάτος τους. Προσεγγιστικά μπορούμε να πούμε ότι στα πρώιμα δυναμικά έχουμε πλάτη της τάξης του 0,1 ως 0,5 μv και συχνότητας 100 ως 1000Hz ενώ στα ύστερα δυναμικά παρατηρούνται συχνότητες 0,1Hz (σχεδόν DC) ως 5Hz και πλάτη από 1 ως 20 μv. Τα χαρακτηριστικά αυτά οφείλονται σε μεγάλο βαθμό στον τρόπο έκλυσης των αντίστοιχων δυναμικών. Τα πρώιμα σχετίζονται με την διαβίβαση των νευρικών ώσεων κατά μήκος του ακουστικού ή οπτικού νεύρου για ακουστικά ή οπτικά προκλητά δυναμικά και κατά μήκος της σωματοαισθητικής οδού για σωματοαισθητικά. Αντίθετα τα ύστερα δυναμικά αντανακλούν την εγκεφαλική δραστηριότητα των περιοχών του φλοιού ως αντίδραση στην άφιξη της εξωτερικής πληροφορίας. Επιπλέον μπορούμε να χωρίσουμε τα ΠΔ σε ενδογενή και εξωγενή. Τα εξωγενή σχετίζονται άμεσα με την φύση του εκλυτικού ερεθίσματος, δηλαδή την ένταση, την συχνότητά του κ.τ.λ. και την ακεραιότητα των αισθητικών οδών. Τα ενδογενή ΠΔ από την άλλη, εξαρτώνται ουσιαστικά από την ψυχολογική κατάσταση του ατόμου και τα ψυχολογικά γνωρίσματα του απλού ή σύμπλοκου ερεθίσματος. Για παράδειγμα αν το ερέθισμα είναι γνωστό ή άγνωστο, αν προκαλεί δυσφορία ή ευχαρίστηση, αν είναι σημασιολογικά ορθό ή λάθος, ενδιαφέρον ή αδιάφορο κ.τ.λ. Ο λανθάνων 64

65 χρόνος εμφάνισής τους σε σχέση με το εκλυτικό ερέθισμα βρίσκεται συνήθως ανάμεσα στα 100 και 500 msec. Σε αυτό το σημείο θα πρέπει να τονιστεί ότι πέραν της διάκρισης που γίνεται ανάλογα με το είδος του ερεθίσματος, οι υπόλοιπες διακρίσεις των προκλητών δυναμικών δεν είναι απόλυτα σαφείς και μεταβάλλονται καθώς προχωρά η ιατρική έρευνα [2] [10] Χρήση των Βιωματικών Δυναμικών Λόγω της υψηλής χρονικής τους ανάλυσης, τα βιωματικά δυναμικά παρέχουν μοναδική και σημαντική χρονική πληροφόρηση σχετικά με την εγκεφαλική επεξεργασία. Διανοητικές λειτουργίες, όπως είναι αυτές που παίρνουν μέρος στην αντίληψη, στην επιλεκτική προσοχή, στην επεξεργασία της γλώσσας και στην μνήμη, απορρέουν από χρονικά διαστήματα της τάξης των δεκάδων msec. Πολλές άλλες λειτουργικές νοητικές τεχνικές, απαιτούν την ολοκληρωμένη εγκεφαλική λειτουργία για αρκετά δευτερόλεπτα. Οι καταγραφές των βιωματικών δυναμικών, ωστόσο, παρέχουν την από msec σε msec ανάκλαση της εγκεφαλικής δραστηριότητας. Για αυτό τον λόγο, τα βιωματικά δυναμικά είναι μια ιδανική μεθοδολογία, για την μελέτη όσο αφορά την χρονική όψη, τόσο των κανονικών όσο και των μη κανονικών γνωστικών επεξεργασιών. Από την άλλη μεριά όμως τα βιωματικά δυναμικά παρέχουν με λιγότερη ακρίβεια χωρικές πληροφορίες από ότι η PET (positron Emission Tomography) ή η fmri (functional Magnetic Resonance Imaging), οι οποίες στερούνται χρονικής ανάλυσης. Ως συμπέρασμα θα μπορούσαμε να πούμε ότι τα βιωματικά δυναμικά αποτελούν το φυσικό συμπλήρωμα των PET και fmri προκειμένου να μελετηθεί η ανθρώπινη γνώση. Δεδομένου ότι η PET και η fmri μπορούν να εντοπίσουν περιοχές κατά την διάρκεια μιας δοσμένης διανοητικής διεργασίας, τα βιωματικά δυναμικά μπορούν να βοηθήσουν στο να καθοριστεί η χρονική σειρά αυτής της ενεργοποίησης [10]. 65

66 5.1.3 Μέτρηση των βιωματικών δυναμικών Όπως αναφέραμε προηγουμένως, το πλάτος των προς μέτρηση δυναμικών είναι μικρό (0,1 ως 20 μv) σε σχέση με τα σήματα τα οποία μετρώνται κατά την διάρκεια μιας κοινής ηλεκτροεγκεφαλικής μέτρησης, τα οποία έχουν ένα μέσο όρο της τάξης των 50μV. Η μέτρηση των ΒΔ γίνεται με την ίδια αρχική διάταξη που χρησιμοποιείται στον ΗΕΓ. Κατά την διάρκεια των μετρήσεων όμως λειτουργούν, εκτός των εγκεφαλικών περιοχών που δέχονται και επεξεργάζονται το ερέθισμα, και όλες οι υπόλοιπες περιοχές οι οποίες ελέγχουν την γενικότερη λειτουργία του οργανισμού. Το επιθυμητό λοιπόν σήμα, το ΒΔ, είναι «βυθισμένο» μέσα στο συνολικό σήμα που ο ΗΕΓ καταγράφει. Το τμήμα της διαφοράς δυναμικού το οποίο δεν σχετίζεται με το εκλυτικό γεγονός, αποτελεί στην περίπτωση αυτή ανεπιθύμητο θόρυβο και αντιστοιχεί στη μέτρηση του ΗΕΓ αν δεν υπήρχε εκλυτικό γεγονός, την οποία μέτρηση μπορούμε να ονομάσουμε «συμβατικό» ΗΕΓ. Αφού λοιπόν ο θόρυβος, το συμβατικό ΗΕΓ, είναι σαφώς ισχυρότερος του επιθυμητού σήματος, του ΒΔ, η μέτρηση των ΒΔ καθίσταται προβληματική. Αυτός είναι ίσως και ο σημαντικότερος λόγος για τον οποίο η μελέτη των ΒΔ άργησε σε σχέση με τη συμβατική ηλεκτροεγκεφαλογραφία. Τα σωματοαισθητικά δυναμικά λόγω της ισχυρότητάς τους, ήταν από τα πρώτα που μετρήθηκαν από την εξωτερική επιφάνεια του ανθρώπινου κεφαλιού. Για να ξεπεραστεί το πρόβλημα που αναφέραμε χρησιμοποιούνται δύο τεχνικές. Η πρώτη είναι η μέτρηση των σημάτων να γίνεται σε χώρο κατά το δυνατόν προστατευόμενο από εξωτερικά ηλεκτρικά πεδία, όπως ήδη έχουμε αναφέρει σε προηγούμενο κεφάλαιο. Και η δεύτερη είναι η εξαγωγή του μέσου όρου. Σύμφωνα με αυτή, το προτυποποιημένο πείραμα, κατά την διάρκεια του οποίου χορηγείται το εκλυτικό ερέθισμα, επαναλαμβάνεται αρκετές φορές. Το συνολικό σήμα που μετράται μπορεί να θεωρηθεί ότι αποτελείται από δύο τμήματα, το επιθυμητό σήμα s i (t) και τον θόρυβο n i (t) που αντιπροσωπεύει το εξελισσόμενο «συμβατικό» ΗΕΓ και όλες τις υπόλοιπες πηγές εξωεγκεφαλικού θορύβου. Άρα θα έχουμε την σχέση : 66

67 r i (t) = s i (t) + n i (t) i = 1,,N (32) όπου Ν είναι ο αριθμός των επαναλήψεων και r η συνολική κυματομορφή δυναμικού που καταμετρείται κατά την διάρκεια της I επανάληψης του πειράματος. Υπερθέτουμε τις διάφορες καταγραφές και πάρνουμε τον μέσο όρο τους. Υποθέτουμε ότι κάθε φορά το ΠΔ το σχετιζόμενο με το εκλυτικό γεγονός αναπαράγεται πανομοιότυπα, αντίθετα ο θόρυβος από την στιγμή που δεν σχετίζεται με το εκλυτικό γεγονός, μπορεί να θεωρηθεί ασυσχέτιστη τυχαία διαδικασία από πείραμα σε πείραμα, με αποτέλεσμα το άθροισμα των ni(t) να είναι μηδενικό. Έτσι με αυτό τον τρόπο στο τέλος μπορεί το επιθυμητό σήμα ΒΔ να «αναδυθεί» από τον θόρυβο. Η μέθοδος αυτή εφαρμόζεται ευρύτατα, παρουσιάζει όμως περιορισμούς. Για παράδειγμα μεταβολές στο επίπεδο της κόπωσης, της προσαρμογής, της εξοικείωσης, του βαθμού ή της κατεύθυνσης της προσοχής του εξεταζόμενου επηρεάζουν τα ΒΔ, τόσο στην ένταση τόσο και στον χρόνο. Το φαινόμενο μάλιστα είναι εντονότερο για τα ενδογενή δυναμικά. Υπάρχει λοιπόν περιορισμός στον μέγιστο αριθμό επαναλήψεων του πειράματος (20<Ν<50) και επιβάλλεται ο έλεγχος της κατάστασης του εξεταζόμενου. Ιδιαίτερη προσοχή θα πρέπει να δοθεί όταν ο χρόνος μεταξύ των πειραμάτων είναι μικρός και ο θόρυβος από πείραμα σε πείραμα εμφανίζει υψηλή συσχέτιση. Για την αποφυγή του ανεπιθύμητου αυτού φαινομένου χρησιμοποιείται απεριοδικός χρονισμός των αλλεπάλληλων πειραμάτων. Ακόμη και όταν το πρότυπο του σταθερού σήματος και του ασυσχέτιστου θορύβου ισχύει, προβλήματα μπορεί να προκύψουν όταν το επιθυμητό σήμα διαφέρει ως προς την χρονική του εξέλιξη από πείραμα σε πείραμα. Τότε ο μέσος όρος έχει απολέσει μεγάλο ποσοστό πληροφορίας σχετικά με το ΒΔ, ως προς τις κορυφώσεις κυρίως. Για το λόγο αυτό χρησιμοποιούνται τεχνικές, οι οποίες προσεγγίζουν σε κάθε καμπύλη δυναμικού το χρονικό διάστημα το οποίο καταλαμβάνει το επιθυμητό σήμα. Κατόπιν οι καμπύλες μετατοπίζονται χρονικά ώστε το ΒΔ το οποίο μας ενδιαφέρει να συμπίπτει κατά το δυνατόν σε όλες, οπότε ο μέσος όρος θα περιέχει τη μέγιστη δυνατή πληροφορία [2]. 67

68 5.2 Έρευνα βιωματικών δυναμικών στην ψυχιατρική και την νευρολογία Η μελέτη των κυματομορφών των ΒΔ διεξάγεται στηριζόμενη κυρίως στα λεγόμενα συστατικά (components) του βιωματικού κύματος δυναμικού. Τα συστατικά είναι μερικές κυματομορφές του συνολικού σήματος, δηλαδή τμήματά του, τα οποία καθορίζονται βάση κορυφώσεων (αρνητικών ή θετικών) του πλάτους του δυναμικού, της χρονικής στιγμής στην οποία κατά προσέγγισα λαμβάνει χώρα η κορύφωση, καθώς και του χρονικού εύρους το οποίο καταλαμβάνει η μερική κυματομορφή που περιέχει την συγκεκριμένη κορύφωση. Το πλάτος του συστατικού συνήθως μετράται αναφορικά με την ισοηλεκτρική γραμμή (= 0 Volts) ή το επίπεδο δυναμικού στην έναρξη της διαδικασίας μέτρησης ή κάποια άλλη προγενέστερη κορύφωση. Οι χρόνοι, ως συνήθως, εκφράζονται με απαρχή την χρονική στιγμή που λαμβάνει χώρα το εκλυτικό γεγονός του συνολικού ΒΔ. Ενδιαφέρον ακόμα παρουσιάζει το εμβαδόν που περικλείεται από την γραμμή αναφοράς του δυναμικού και τη μερική κυματομορφή δυναμικού του συστατικού, ιδίως όταν δεν υπάρχει κάποια σαφώς διαχωριζόμενη κορύφωση, αλλά ένα μάλλον συνεχές «προφίλ» συγκεκριμένης πολικότητας με οριοθετημένα χρονικά όρια, όπως φαίνεται και στην Εικόνα [23]. Εικόνα [23] Σχηματική αναπαράσταση του καθορισμού του πλάτους, του χρονικού σημείου κορύφωσης και του «ενεργού» εμβαδού ενός συστατικού του ΠΔ [2]. 68

69 Στην περίπτωση των οπτικών προκλητών δυναμικών, τα δυναμικά που καταγράφονται στο κρανίο προέρχονται από την ενεργοποίηση πληθυσμών νευρώνων που βρίσκονται στον ινιακό φλοιό και αντιπροσωπεύουν την άθροιση συναπτικών δυναμικών των δεδτριτών αυτών των νευρώνων. Με αυτά τα δυναμικά άρα μπορούμε και ελέγχουμε την λειτουργία της οπτικής οδού από τον αμφιβληστροειδή μέχρι τον ινιακό λοβό. Παρά του ότι τα οπτικά προκλητά δυναμικά επιτρέπουν χρονική ανάλυση της γενικής ενεργοποίησης των οπτικά σχετιζόμενων περιοχών του φλοιού, δεν αντανακλούν υποχρεωτικά τι εμφανίζεται στον φλοιό του εγκεφάλου, μια και τα ηλεκτρόδια βρίσκονται σχετικά μακριά από τον γεννήτορα ή τους γεννήτορες των οπτικών προκλητών δυναμιικών αλλά και λόγω της μοναδικής ανατομικής διάταξης της ινιακής περιοχής. Συμπερασματικά λοιπόν θα μπορούσαμε να πούμε ότι η θέση τω πηγών των γεννητόρων των δυναμικών αυτών και ο χρόνος ενεργοποίησης των περιοχών του φλοιού που περιλαμβάνονται στην οπτική διαδικασία δεν είναι καλά καθορισμένα στον άνθρωπο [53][68]. Κλασικά οι πιο συνηθισμένες κυματομορφές που έχουν χαρακτηριστεί είναι η αρχική αρνητική κορυφή που ονομάζεται Ν1 ή Ν75, η οποία ακολουθείται από μια μεγάλη θετική κορυφή που ονομάζεται P1 ή P100 και με την σειρά της ακολουθείται από μια άλλη αρνητική κορυφή την ονομαζόμενη N2 ή N145 [53]. Η μέγιστη τιμή για την P100 κορύφωση είναι τα 115 msec σε ασθενής νεότερους από τα 60 έτη. Η παραπάνω τιμή ανέρχεται στα 120 msec σύμφωνα με αυτά στις γυναίκες και η τιμή είναι κατά 5msec μεγαλύτερη στους άντρες. Στα ύστερα δυναμικά αναφέρονται επίσης και οι κορυφώσεις P200,N200,P300,N400 όπου N και P σημαίνει αρνητική ή θετική κορύφωση και ο δείκτης αναφέρεται στον λανθάνοντα χρόνο εμφάνισης, κατά προσέγγιση, του μεγίστου, σε msec [10]. Υπάρχουν αποδείξεις που δείχνουν ότι οι κορυφώσεις των οπτικών προκλητών δυναμικών δεν οφείλονται σε έναν γεννήτορα. Για παράδειγμα με πειράματα που έγιναν οι ερευνητές κατέληξαν στο συμπέρασμα ότι οι κορυφώσεις N1 και P1 προέρχονται από διαφορετικούς γεννήτορες. Επίσης οι καταγραφές δείχνουν ότι ναι μεν τα δυναμικά αυτά δημιουργούνται στον 69

70 ινιακό λοβό, αλλά η χωρική διανομή και οι πηγές των γεννητόρων παραμένουν ασαφής [53]. Τα συστατικά που εμφανίζονται πριν από τα 100 msec συνήθως ανήκουν στα εξωγενή δυναμικά, για κάθε είδους ερεθισμό που εκλύει το ΠΔ. Όπως προαναφέρθηκε σχετίζονται με την ακεραιότητα των αισθητικών οδών και γι αυτό έχουν μεγάλο ενδιαφέρον και κλινικές εφαρμογές στη Νευρολογία. Χρησιμεύουν στη διάγνωση νευρολογικών νόσων, π.χ. απομυελινικές ασθένειες, εγκεφαλικοί όγκοι κ.ά., ειδικότερα δε, τα ακουστικά δυναμικά σε ασθένειες σχετιζόμενες με τον οπίσθιο κρανιακό βόθρο και τα οπτικά ΠΔ μονίμου καταστάσεως στη σκλήρυνση κατά πλάκας. Επίσης, τα ακουστικά ΠΔ επιτρέπουν τη μη επεμβατική διάγνωση ελαττωμάτων ακοής από μη συνεργάσιμα άτομα. Τέλος, τα σωματοαισθητικά δυναμικά χρησιμοποιούνται ευρέως σε νευρολογικές επεμβάσεις για τον έλεγχο των αντίστοιχων αισθητικών οδών και τις εγκεφαλικές απολήξεις τους. Τα ενδογενή ΠΔ συμπίπτουν εν πολλοίς με τα πέραν των 70 msec μετρούμενα δυναμικά. Αυτά τα δυναμικά έχουν άμεση σχέση με τα διάφορα στάδια νοητικής επεξεργασίας των εξωτερικών ερεθισμών στο Κεντρικό Νευρικό Σύστημα (ΚΝΣ). Μέσω της μελέτης των δυναμικών αυτών, τόσο στο φαινομενολογικό επίπεδο όσο και στο βαθύτερο αιτιακό επίπεδο, κατακτά η ιατρική έρευνα νέες γνώσεις σε σχέση με τις εξαιρετικά πολύπλοκες και «δυσπρόσιτες» γνωσιακές διαδικασίες του ανθρώπινου εγκεφάλου. Οι δυσκολίες που συνεπάγεται αυτή η μελέτη εξηγούν το σχετικά πρώιμο στάδιο στο οποίο βρίσκεται η έρευνα και η κλινική εφαρμογή των μεθόδων των ΒΔ στην Ψυχιατρική. Η εξαγωγή χρήσιμων πληροφοριών είναι μια μακρόχρονη και επίπονη διαδικασία. Κατ αρχήν πρέπει να «ανακαλυφθεί» το συστατικό. Αυτό σημαίνει να παρατηρηθεί κάτω από συγκεκριμένες συνθήκες, μέσω μιας καλά ελεγχόμενης πειραματικής διαδικασίας χορήγησης του ερεθισμού, η κορύφωση στη συνολική κυματομορφή. Πρέπει να έχει κάποιο περιορισμένο εύρος χρονικό, και το κυριότερο να είναι επαναλήψιμη η παρατήρησή της υπό αμετάβλητες συνθήκες. Για τα περισσότερα ενδογενή συστατικά των ΠΔ αυτή η ανακάλυψη συνέβη στις δεκαετίες του 1960 και του 1970, αλλά συνεχίζεται ακόμη. Ήδη σ αυτό το πρώτο στάδιο ανακύπτουν βασικά ζητήματα μεθοδολογίας: 70

71 α) Πώς είμαστε βέβαιοι ότι δύο κορυφώσεις, που διαφέρουν χρονικά μεταξύ τους, ανήκουν στο ίδιο συστατικό, ακόμη και υπό διαφορετικές συνθήκες ερεθισμού; Σε αυτή την περίπτωση η εποπτεία που παρέχουν χάρτες κατανομής των δυναμικών στην επιφάνεια του κεφαλιού μπορεί να βοηθήσει στη διαδικασία της κατηγοριοποίησης. β) Πότε παύει η δράση ενός συστατικού, ή αλλιώς, πότε αλληλοκαλύπτονται μερικώς δύο διαδοχικά συστατικά; Επιπλέον, η χρήση προχωρημένων ψηφιακών τεχνικών μέτρησης επιτρέπει τη λεπτομερέστερη μελέτη τους, με αποτέλεσμα πολλές φορές συστατικά να χωρίζονται σε «υποσυστατικά» κ.ο.κ. Εφόσον καθοριστεί η ύπαρξη ενός συστατικού ακολουθεί η χρήση πειραματικών διαδικασιών για τον καθορισμό της λειτουργικής σημασίας του συστατικού. Συλλέγεται πλήθος πληροφοριών για παράγοντες που μπορούν να επηρεάσουν το πλάτος, το χρόνο εμφάνισης, το συνολικό χρονικό εύρος του συστατικού κ.λπ. Αυτοί οι παράγοντες είναι συνήθως χαρακτηριστικά του ερεθίσματος που χορηγείται στον εξεταζόμενο, και εφόσον ασχολούμαστε με ενδογενή συστατικά, αφορούν κατά κύριο λόγο ψυχολογικά γνωρίσματα του ερεθίσματος, όπως σπανιότητα, σημαντικότητα, νοηματική πολυπλοκότητα, σχέση με προκαθορισμένες εργασίες και στόχους κ.ά. Καθώς οι πληροφορίες αυτού του είδους αυξάνονται, μπορεί να προχωρήσει ο ερευνητής στη διαμόρφωση μιας θεωρίας για την εξήγηση των νοητικών λειτουργιών, τις οποίες το συστατικό του ΠΔ, ή μία ομάδα συστατικών, αντικατοπτρίζει. Η διατυπωμένη θεώρηση ελέγχεται κατόπιν ως προς τη συνέπειά της σε σχέση με νέες πειραματικές διαδικασίες, που καλούνται να επιβεβαιώσουν ή να απορρίψουν προβλέψεις, οι οποίες στηρίζονται στη θεωρία για τα χαρακτηριστικά του συστατικού. Τεκμηριώνεται κατ αυτόν τον τρόπο η δυνατότητα χρήσης των διαφόρων συστατικών του ΠΔ ως δείκτες συγκεκριμένων ψυχικών λειτουργιών. Από τα παραπάνω είναι ήδη φανερή η δυσκολία, η βραδύτητα και η αβεβαιότητα που περικλείουν αυτού του είδους οι έρευνες. Ιδιαίτερα στην περίπτωση της Ψυχιατρικής, τα αντικειμενικά κριτήρια για τη μελέτη των ψυχικών διαδικασιών, τη διάγνωση των παθολογικών καταστάσεων και την αποτίμηση των μεθόδων θεραπείας αποτελούν πρώτιστη ανάγκη. Σε αυτή την προσπάθεια συμβάλλουν ψυχομετρικές 71

72 μέθοδοι, βιοχημικές μετρήσεις και ψυχοενδοκρινολογικές παρατηρήσεις. Τα ΠΔ, ως μετρήσιμες ποσότητες που εξάγονται κάτω από αυστηρά ελεγχόμενες πειραματικές συνθήκες, προσφέρονται ως σημαντικός παράγοντας στην προώθηση της ψυχιατρικής έρευνας και κλινικής εφαρμογής, τόσο στις διαγνωστικές διαδικασίες όσο και στην ψυχοφαρμακολογία. Σε αυτή την κατεύθυνση γίνεται προσπάθεια να μελετηθούν οι διαφορές που παρουσιάζουν άρρωστοι σε σχέση με υγιείς, όσον αφορά χαρακτηριστικά συστατικών των ΠΔ, όπως π.χ. πλάτος του N100 και του P300, καθυστέρηση του P300, μεταβολή των χρονικών διαστημάτων ανάμεσα στις κορυφώσεις των N100 και P200κ.ά. Ιδιαίτερο ενδιαφέρον φαίνεται να παρουσιάζεται για τη μελέτη της σχιζοφρένειας, της κατάθλιψης, της άνοιας, των ψυχαναγκαστικών νευρώσεων, των συνεπειών του γήρατος κ.ά. Οι κλινικές έρευνες για την εξαγωγή διαγνωστικών κριτηρίων και της επίδρασης της φαρμακευτικής αγωγής προχωρούν παράλληλα με θεωρητικότερες αναζητήσεις σχετικά με την ανακάλυψη μηχανισμών που προκαλούν ψυχοπαθολογικά φαινόμενα, όπως αυτοί οι μηχανισμοί μπορούν να αντικατοπτριστούν στα συστατικά των ΠΔ [2]. 5.3 Επεξεργασία Συναισθηματικών Εικόνων από τον εγκέφαλο Η επεξεργασία των συναισθημάτων στο ανθρώπινο εγκέφαλο αποκτά όλο και μεγαλύτερο ενδιαφέρον. Τα ΒΔ ενδυναμώνουν την επιβολή των νευρικών αποκρίσεων στα συναισθηματικά γεγονότα με msec χρονική ανάλυση. Εντούτοις, παρά του ότι τα ΒΔ αυτής της κατηγορίας έχουν συγκριτικά μεγάλη ιστορία, περίπου από το 1960, αναλογικά πολύ λίγα ευρήματα έχουν ανακαλυφθεί. Σύμφωνα με την βιβλιογραφία οι βασικοί στόχοι στην μελέτη των ΒΔ χρησιμοποιώντας την διέγερση μέσω εικόνων είναι: (1) να περιγράψουμε τα χαρακτηριστικά της ενέργειας των ΒΔ από την διέγερση λόγω συναισθηματικών εικόνων, (2) να αποτιμήσουμε την πιθανή εξάρτησή τους στην μεθοδολογία, στα χαρακτηριστικά της διέγερσης και στις διεργασίες. Οι επιδράσεις των ΒΔ συνήθως περιγράφονται με βάση τους όρους των βασικών διαστάσεων της συναισθηματικής διέγερσης, 72

73 ειδικά συστατικά που καθορίζονται από το εύρος του λανθάνοντα χρόνου τους και την τομογραφία του κεφαλιού. Οι εικόνες από το σύστημα IAPS, που χρησιμοποιούνται και στην παρούσα μελέτη, βασίζονται σε μια διαστατική αντίληψη των συναισθημάτων η οποία μπορεί να οριστεί μέσω των τιμών δύο βασικών διαστάσεων. Η πρώτη είναι η τιμή του συναισθηματικού πεδίου (σθένος ή valence), που κυμαίνεται από την ευχαρίστηση (θετική τιμή) ως την δυσαρέσκεια (αρνητική τιμή). Η δεύτερη είναι η τιμή της έντασης (διέγερση ή arousal), που κυμαίνεται από την ηρεμία (χαμηλή τιμή) ως τον ενθουσιασμό (υψηλή τιμή). Αυτές οι δύο διαστάσεις έχουν βρεθεί ότι είναι σχετικά ανεξάρτητες και πολλά συναισθήματα μπορούν να διαχωριστούν με την χρήση αυτού του μοντέλου [52]. Για παράδειγμα ο θυμός μπορεί να περιγραφεί ως «αρνητικό valence και «υψηλό arousal» ενώ η ευχαρίστηση μπορεί να χαρακτηριστεί ως «θετικό valence» και «χαμηλό arousal». Λόγω της ευκολίας στη χρήση του αυτό το μοντέλο χρησιμοποιείται από τους ερευνητές των συναισθημάτων για να περιγράψουν την συναισθηματική εμπειρία [54][66]. Ο τρέχων ενθουσιασμός για την αποτίμηση της επεξεργασίας του συναισθήματος έρχεται σε αντίθεση με την ιστορία της πειραματικής ψυχολογίας στην οποία η μελέτη του συναισθήματος έχει αμεληθεί σε μεγάλο βαθμό, λόγω του ότι παραδοσιακά εστιάζαμε στις ατομικές συναισθηματικές καταστάσεις. Επιπροσθέτως έχει υποτεθεί ότι οι γνωστικές και οι συναισθηματικές διαδικασίες έχουν ξεχωριστές νευροανατομικές θέσεις στον νεοφλοιό και στο λιμβικό σύστημα, αντίστοιχα. Παρόλα αυτά, αυτός ο αρχικός διαχωρισμός έχει καταριφθεί λόγω της όλο και αυξανόμενης απόδειξης ότι αρκετές νεοφλοιϊκές (neocortical) περιοχές, είναι κρίσιμες για τις συναισθηματικές λειτουργίες. Η επεξεργασία της συναισθηματικής πληροφορίας μπορεί να αναλυθεί αναλύοντας τα πλάτη (μέγεθος) και τους λανθάνοντες χρόνους των ΒΔ συστατικών. Παρά του ότι ψυχοφυσιολογικές μετρήσεις όπως ο ρυθμός της καρδιάς και η δερματική επαφή προβάλουν χρήσιμους δείκτες για την συναισθηματική αντίδραση, το κύριο πλεονέκτημα από την χρήση των ΒΔ μετρήσεων, είναι ότι αυτές οι ηλεκτροφυσιολογικές διαδικασίες μπορούν να καθοριστούν χρονικά, σε αντίθεση με άλλες νευροαπεικονιστικές τεχνολογίες, όπως η fmri και η 73

74 PET. Η ταχεία επεξεργασία της συναισθηματικής διέγερσης, είναι η κρίσιμη όψη της συναισθηματικής ανταπόκρισης, η οποία διευκολύνεται από την γρήγορη επεξεργασία που περιλαμβάνει τις περιοχές του θαλάμου και της αμυγδαλής. Άρα τα δυναμικά που καταμετρούνται στην επιφάνεια της κεφαλής μας παρέχουν δυναμικά στοιχεία για να μπορέσουμε να χαρακτηρίσουμε την συναισθηματική επεξεργασία στο ανθρώπινο μυαλό[70][72] Σύγχρονες έρευνες για τα ΒΔ Short Latency ( ms) Πολλές διαμορφώσεις των ΒΔ για διέγερση από εικόνες έχουν καταγραφεί στην περιοχή των ms. Το P1 και το N1 συστατικό είναι ευαίσθητα σε φυσικούς παράγοντες διέγερσης και δεικτοδοτεί πρώιμη αισθητηριακή επεξεργασία στον παραισθητικό οπτικό φλοιό. Το P1 συστατικό επικρατεί σε μελέτες όπου η διέγερση από συναισθηματικές εικόνες ποικίλουν από το μη ευχάριστο στο ευχάριστο σθένος (valence). Πιο συγκεκριμένα το P1(117ms) συστατικό που εξάγεται από την παρατήρηση τω συναισθηματικών εικόνων βρέθηκε να είναι μεγαλύτερο για τις μη ευχάριστες διεγέρσεις παρά για τις ευχάριστες, στις ινιακές περιοχές. Και επειδή οι παραπάνω κατηγορίες του σθένους (valence) σχετίζονται και με τη διέγερση (arousal), τα ευρήματα έδειξαν ότι, οι μη ευχάριστες εικόνες ενεργοποιούν πιο εστιακές επεξεργασίες προσοχής από ότι οι ευχάριστες. Η ίδια επίδραση καταγράφηκε και όταν εικόνες μη ευχάριστες και ευχάριστες παρουσιαζόντουσαν σε μια ακολουθία στην οποία υπήρχαν και αδιάφορες εικόνες. Όλα τα ευρήματα συνηγορούν στο ότι οι μη ευχάριστες εικόνες ως προς το σθένος (valence), μπορούν να παράγουν μεγαλύτερα P1 πλάτη από ότι οι ευχάριστες και οι αδιάφορες, κάτι που είναι σύμφωνο με το σύστημα επεξεργασίας το οποίο είναι ευαίσθητο στις μη ευχάριστες διεγέρσεις. Ένα ύστερο N1 (176ms) συστατικό έχει βρεθεί να αντέχει στην συνήθεια με τις αυξήσεις των υψηλών διεγέρσεων (high arousing) μη 74

75 ευχάριστων εικόνων, συγκρινόμενα με άλλες κατηγορίες διέγερσης όπου μονές εικόνες από κάθε σθένος (valence) εμφανίζονται πολλές φορές. Συνεπώς τα ευρήματα των πρώιμων ΒΔ όσο αφορά τον λανθάνοντα χρόνο, υποδηλώνουν ότι οι διαμορφώσεις του πλάτους είναι μεγαλύτερες για τις μη ευχάριστες εικόνες ως προς το σθένος (valence), το οποίο πιθανόν να σημαίνει ότι το μη ευχάριστο σθένος (valence) προνομιακά προσελκύει προσοχή νωρίς στην ροή των πληροφοριών. Εθισμός στα πλάτη των ΒΔ δεν έχει βρεθεί σύμφωνα με το εύρος αυτού του λανθάνοντα χρόνου και μετά από 150 ms διέγερσης στο επίπεδο της διέγερσης (arousal) επίσης αρχίζει να επιδρά στην κυματομορφή του ΒΔ [52][69] Middle latency ( ms) Η επεξεργασία στους χρόνους ms απεικονίζει πρώιμη περιγραφή της διέγερσης και συλλεκτικές διαδικασίες απόκρισης. Μια «Πρώιμη Μεταγενέστερη Αρνητικότητα» (EPN) έχει καταγραφεί στα ms για τη διέγερση (arousal) συγκρινόμενη στις αδιάφορες διεγέρσεις. Το EPN αποτελείται από μια αρνητικού πλάτους παρεκτροπή στις frontocentral περιοχές και μια θετική κυματομορφή στις temporo-occibital περιοχές. Η βασική θεωρητική εξήγηση που δίνεται για το EPN είναι ότι δεικτοδοτεί την «φυσική επιλεκτική προσοχή», τέτοια ώστε η αποτίμηση των χαρακτηριστικών της εικόνας να καθοδηγείται από ποσότητες της αντίληψης, που συγκεντρώνει συναισθηματική διέγερση ως προς τη διέγερση (arousal) για περισσότερη επεξεργασία. Το ερέθισμα ως προς το επίπεδο της διέγερσης (arousal) συμβάλλει στο EPN από την στιγμή που από εικόνες με υψηλή διέγερση (arousal) εξάγονται υψηλότερα πλάτη EPNs από ότι για τις εικόνες με τη χαμηλή διέγερση (arousal) και για τις μη ευχάριστες και για τις ευχάριστες κατηγορίες. Τα ευρήματα δείχνουν ότι οι middle latency διαμορφώσεις ως προς τη διέγερση (arousal) μπορεί να εμφανιστεί αυτόματα κατά την διάρκεια παρουσίασης εικόνων με συναισθηματικό περιεχόμενο ακόμα και αν η διαθεσιμότητα της επεξεργασίας των εικόνων περιορίζεται από γρήγορο ρυθμό παρουσίασης. Αυτή η ευαισθησία των επιπέδων ως προς 75

76 τη διέγερση (arousal) απεικονίζει γρήγορη συναισθηματική επεξεργασία στην αμυγδαλή, της αποστρεφόμενης πληροφορίας. Το ερέθισμα ως προς το σθένος (valence), επίσης έχει δειχθεί ότι επιδρά στο middle latency N2 συστατικό, το οποίο επικαλύπτεται με το EPN. Η μη ευχάριστη διέγερση εξάγει μια μειωμένη N2 αρνητικότητα σε σύγκριση με την ευχάριστη διέγερση ως προς το σθένος (valence), ένα αποτέλεσμα το οποίο εντοπίζεται στην anterior cingulate περιοχή του φλοιού, με βάση τους αλγορίθμους της ανάλυσης πηγών. Αυτό το αποτέλεσμα, μοιάζει με την επίδραση του σθένους (valence) που βρέθηκε στους πρώιμους λανθάνοντες χρόνους ( ms) και στο EPN συστατικό, πάντως μεθοδολογικές διαφορές ανάμεσα στις μελέτες, αποκλείουν την εξαγωγή ισχυρών συμπερασμάτων. Δεδομένου ότι η διάκριση των ερεθισμάτων και η συλλογή των ανταποκρίσεων, εμφανίζεται στο εύρος των ms, φαίνεται σαν η συναισθηματική οπτική διέγερση θα επηρεάσει την νευρική διέγερση πρωτού ανταποκριθεί η βαθμίδα εκτέλεσης της συμπεριφοράς. Η μετατροπές του πλάτους του N2 μεταξύ των επιπέδων της διέγερσης (arousal) μερικές φορές επιδεικνύει μεγαλύτερες αλλαγές πλάτους στο δεξί ημισφαίριο από ότι στο αριστερό. Δείγματα εθισμού τα οποία διαφοροποιούνται μεταξύ των κατηγοριών τω συναισθηματικών εικόνων, μεταξύ αυτού του εύρους λανθάνοντος χρόνου δεν παρατηρούνται και υπάρχει μικρή απόδειξη των χρονικών αλλαγών του N2, που αποδίδονται στην κατηγορία στην οποία ανήκει η συναισθηματική εικόνα. Πάντως οι κλασικές μέθοδοι καταγραφής των ΒΔ βρήκαν ότι το P2 συστατικό και γειτονικό N2 συστατικό είναι ευαίσθητο στις διαμορφώσεις του πλάτους που σχετίζονται με τη διέγερση (arousal) στην διάρκεια της ευχαρίστησης που παραμένει σταθερό μέχρι την μετατόπιση της διέγερσης. Θεωρητικά, ο βασικός παράγοντας που καθορίζει τις διαμορφώσεις του middle latency πλάτους, είναι η επιλεκτική προσοχή σε αντικείμενα που βρίσκονται μέσα στην εικόνα, τα οποία θεωρούνται ότι βρίσκονται σε μπερδεμένη συνάφεια. Αυτή η εξήγηση έχει αποκτήσει άμεση υποστήριξη από μελέτες, παρουσιάζοντας την μη επηρεασμένη αντίληψη, και τις διαμορφώσεις των ΒΔ που εξαρτώνται από τις κατηγορίες στο εύρος των middle latency και αποδίδονται σε επιλεκτικούς μηχανισμούς προσοχής [52][69]. 76

77 Long Latency (>300ms) Το τελευταίο τμήμα των συναισθηματικών ΒΔ, κυριαρχείται από το P300 συστατικό και ακολουθείται από θετικό αργό κύμα. Αυτό το συστατικό αποτελειται από τα P3a και P3b υποσυστατικά τα οποία υποτίθεται να δεικτοδοτήσουν γεγονότα προσοχής και αρχικής αποθήκευσης μνήμης, όπου η δράση της υποακολουθίας του αργού κύματος εμφανίζεται σχετιζόμενη με το αίτημα καθήκοντος, περιλαμβάνοντας χειρισμούς λειτουργίας της μνήμης. Το P300/αργό κύμα που εξάγεται με τις συναισθηματικές εικόνες, μερικές φορές δηλώνεται ως «late positive potential» (LPP), με το εύρημα ότι το τελευταίο τμήμα της κυματομορφής του ΒΔ στο ευρύ διάστημα του λανθάνοντος χρόνου, διαμορφώνει υπερυψωμένη θετικότητα στη υψηλού arousal διέγερση. Παρακάτω θα δούμε τις διαδικασίες του συστατικού P300. Πρόσφατες έρευνες έχουν προτείνει ότι το P300 απεικονίζει διαμορφωτικά αποτελέσματα με την συντονιστική λειτουργία του συστήματος που συνδέεται με τις διεργασίες λήψης απόφασης. Τα συναισθηματικά αποτελέσματα του P300 όσο αφορά τη διέγερση (arousal), έχουν αποκτηθεί από παθητικές (παρακολούθηση) και ενεργητικές (διάκριση) διαδικασίες, όπως επίσης και από εικόνες. Τα συναισθηματικά αποτελέσματα των ΒΔ είναι τυπικά στο μεγαλύτερο πλάτος τους στην πλευρική περιοχή του φλοιού, υποδηλώνοντας ότι η συναισθηματική διέγερση (arousal) ενισχύει την δραστηριότητά του σε εγκεφαλικές περιοχές οι οποίες είναι κανονικά απασχολημένες για την επεξεργασία στόχων. Το επίπεδο του σθένους (Valence) επίσης μπορεί να διαμορφώσει το P300 όταν είναι ελεγχόμενο το επίπεδο της διέγερσης (arousal). Όσο αφορά τα δύο υποσυστατικά P3a και P3b έχει βρεθεί ότι οι ευχάριστες εικόνες εξάγουν μεγαλύτερα συστατικά από ότι οι μη ευχάριστες όταν οι εικόνες είναι σχετικές μεταξύ τους. Ωστόσο, όταν οι συναισθηματικές εικόνες είναι άσχετες τότε το πλάτος του P3a γίνεται μεγαλύτερο στις μετωπικές και τις κεντρικές περιοχές, για τα μη ευχάριστα και ευχάριστα ερεθίσματα σχετικά με τα αδιάφορα. Οι μελέτες έχουν δείξει ότι μόνο το P3b εμφανίζει ευαισθησία και στο σθένος (valence) και στη διέγερση (arousal), 77

78 κάτι που υποδεικνύει ότι αυτοί οι παράγοντες ειδικά επιδρούν στην επεξεργασία [52][69] Slow wave διεργασίες Αποδείξεις υποδεικνύουν ότι η θετικότητα του slow wave arousal εμπλέκεται στον σχηματισμό της μνήμης. Έχει αναφερθεί ότι ο ερεθισμός (ευχάριστος ή μη) εξάγει πιο θετικά ΒΔ στο εύρος των ms (περιλαμβανομένου και του P300) και ανακαλούνται πιο συχνά από ότι οι αδιάφοροι και οι σχετικά χαμηλής εξέγερσης ερεθισμοί. Επίσης έχει βρεθεί ότι τα ΒΔ της διαδοχικής μνήμης (υψηλότερη θετικότητα κατά την διάρκεια της κωδικοποίησης κομματιών που προηγούμενα είχαν ανακληθεί) στις κεντρικές και πλευρικές περιοχές, ήταν μεγαλύτερες για εικόνες με εξέγερση από ότι για αδιάφορες εικόνες ( ms). Το πλάτος αυξάνεται ανταποκρινόμενο στην βελτιωμένη απόδοση της μνήμης που αναγνωρίζει και τα αποτελέσματα μπορούν να διερμηνευτούν ως τα ΒΔ σχηματισμού της μνήμης να επιδρούν για την συναισθηματική διέγερση. Πρόσθετα ευρήματα επίσης υποδηλώνουν ότι οι διαμορφώσεις της διέγερσης (arousal) των ΒΔ στον λανθάνοντα χρόνο του slow wave (>500 ms ), είναι επιρρεπής στις από πάνω προς τα κάτω επεξεργασίες. Αυτό το αποτέλεσμα σχετίζεται με την αποτίμηση του συναισθηματικού ερεθίσματος. Όταν κατηγοριοποιούνται οι συναισθηματικές εικόνες κατά μια μη συναισθηματική διάσταση (για παράδειγμα το πλήθος των ατόμων στην εικόνα), η θετικότητα του ΒΔ για τις ευχάριστες ή μη εικόνες, μειώνεται κατά την διάρκεια του διαστήματος των ms συγκρινόμενο με το πότε οι συμμετέχοντες εκτελούν μια συναισθηματική κατηγοριοποίηση. Επιπροσθέτως η πειραματικά επηρεαζόμενη καταστολή των συναισθηματικών αντιδράσεων στους μη ευχάριστους ερεθισμούς, έχουν συνδεθεί με μείωση της θετικότητας του ΒΔ, σε σύγκριση με άλλες καταστάσεις παρακολούθησης. Σύμφωνα με μια άλλη μελέτη, παρουσιάστηκε ερεθισμός από συναισθηματικές εικόνες κατά την διάρκεια μη συναισθηματικής διάκρισης. Η άυξηση στο πλάτος του ΒΔ (680 ms) εμφανίζεται στους μη ευχάριστους ερεθισμούς. Οι συναισθηματικοί ερεθισμοί πιθανόν να εξάγουν όχι μόνο 78

79 διαδικασίες προσοχής και αντίληψης αλλά και κινητικά αποτελέσματα. Αν πάρουμε όλες μαζί τις από πάνω προς τα κάτω διαδικασίες όπως συναισθηματική αποτίμηση ή καταστολή φαίνεται να αλληλεπιδρούν με την ενεργοποίηση συναισθηματικών ερεθισμάτων, κατά την διάρκεια του slow wave ΒΔ όπως γίνεται και με τις διαδικασίες κωδικοποίησης της μνήμης [52][55]. Εντούτοις, αρκετές πρόσφατες μελέτες έδειξαν ότι τα θετικά centroparietal slow waves είναι ευαίσθητα στον επιδέξιο χειρισμό στο πεδίο της αντίληψης. Πιο συγκεκριμένα έχει προταθεί ότι, ενώ τα αρνητικά slow waves ενδέχεται να απεικονίζουν την υψηλής τάξης εγκεφαλική λειτουργία της σύλληψης, τα θετικά ποικίλουν ανάμεσα σε λειτουργίες αντίληψης και αποθήκευσης στην μνήμη. Σύμφωνα με αυτή την άποψη ο Kok το 1997, υπέθεσε ότι τα θετικά slow waves και τα P3s συστατικά απεικονίζουν πανομοιότυπες διαδικασίες. Αυτές οι απόψεις και τα ευρήματα υποδηλώνουν ότι εμπλουτισμένα slow waves πιθανόν να αναμένονται κατά την παρακολούθηση εικόνων. Το σίγουρο όμως είναι ότι επειδή η συναισθηματική απόκριση περιγράφεται από πολλούς παράγοντες, η αξιοπιστία της συναισθηματικής εισόδου αξιώνει και την εγκυρότητά τους. Αν τα ΒΔ είναι πράγματι συναισθηματικά από την προέλευσή τους, θα πρέπει να αποδειχθεί ότι το προκληθέν ερέθισμα έχει συστηματική σχέση με τις πολλαπλές καταγραφές συναισθημάτων στην έξοδο [56][73]. 5.4 Θεωρίες σχετικές με το συναίσθημα στο μυαλό Ολοκληρωτική επικράτηση του δεξιού ημισφαιρίου στο συναίσθημα Τα τελευταία σαράντα χρόνια έχουν γίνει έρευνες για τις ημισφαιρικές ιδιαιτερότητες κατά την διάρκεια της συναισθηματικής διαδικασίας. Μια από τις πιο παλιές θεωρίες όσο αφορά το συναίσθημα στο μυαλό είναι ότι το αριστερό ημισφαίριο εξειδικεύεται για έναν πλήθος γνωστικών διεργασιών, 79

80 ενώ το δεξί ημισφαίριο επικρατέστερα εμπλέκεται στην επεξεργασία του συναισθήματος. Μελέτες στις επιστήμες συμπεριφοράς έδειξαν ότι σε υγιείς ανθρώπους, η αριστερή πλευρά του προσώπου τους είναι συναισθηματικά πιο εκφραστική. Ακόμα έδειξε ότι ο κυματισμός της φωνής που προέρχεται από το συναίσθημα είναι πιο εύκολα αναγνωρίσιμος από το αριστερό αυτί όπως και το ότι το ερέθισμα που εμφανίζεται στο αριστερό οπτικό πεδίο (δηλαδή αρχικά στο δεξί ημισφαίριο) εκτιμάται ότι είναι πιο συναισθηματικό και παράγει μεγαλύτερες αυτόνομες αποκρίσεις [61] Το μοντέλο Valence Από τα πιο βασικά μοντέλα της συναισθηματικής επεξεργασίας, που έπονται του μοντέλου που μόλις περιγράφτηκε, είναι και το Valence. Στην παρούσα μελέτη θα αναφερθούμε και στο μοντέλο Valence. Παρά του ότι αποδείξεις για το προηγούμενο μοντέλο, (σύμφωνα με το οποίο το δεξί ημισφαίριο εξειδικεύεται για την αντίληψη, την έκφραση και την εμπειρία του συναισθήματος ανεξάρτητα από το valence), συνεχίζουν να συσσωρεύονται, έχουν βρεθεί ημισφαιρικές διαφορές ως συνάρτηση των θετικών έναντι των αρνητικών συναισθημάτων. Για παράδειγμα, σήμερα είναι γνωστό ότι ασθενείς είναι πολύ πιθανό να έχουν δυσκολία στην αντίληψη των αρνητικών έναντι των θετικών συναισθημάτων, ύστερα από βλάβη του δεξιού ημισφαιρίου. Επιπροσθέτως συναισθηματικά χαρούμενα πρόσωπα, αναγνωρίζονται πιο εύκολα από άλλα συναισθηματικά πρόσωπα και η αντίληψη των συναισθηματικά ευτυχισμένων προσώπων τυπικά διατηρείται όταν πάθει βλάβη το δεξί ημισφαίριο. Σύμφωνα με αυτό το μοντέλο, το δεξί ημισφαίριο εξειδικεύεται στα αρνητικά συναισθήματα και το αριστερό στα θετικά συναισθήματα. Θεωρείται ότι διαφορετική εξειδίκευση υπάρχει για την έκφραση και την εμπειρία του συναισθήματος ως συνάρτηση του Valence, αν και η διαδικασία της αντίληψης και των θετικών και των αρνητικών συναισθημάτων, είναι δεξιά εγκεφαλική λειτουργία. Αναφορικά λοιπόν καθορίζεται ότι οι δεξιές και οι αριστερές anterior περιοχές εξειδικεύονται για την έκφραση και την εμπειρία του θετικού και του αρνητικού Valence, 80

81 αντίστοιχα, ενώ οι δεξιές posterior πλευρικές, κροταφικές και ινιακές περιοχές επικρατούν στην αντίληψη του συναισθήματος. Οι περισσότερες αποδείξεις που επιβεβαιώνουν την Valence υπόθεση προέρχονται από την πληθώρα των μελετών των ΗΕΓ, που δείχνει ότι υπάρχει μια σχετικά αυξανόμενη ενεργοποίηση του αριστερού ημισφαιρίου στην περίπτωση των θετικών συναισθημάτων και μια σχετικά αυξανόμενη ενεργοποίηση του δεξιού ημισφαιρίου κατά την διάρκεια μη θετικών συναισθηματικών καταστάσεων. Για παράδειγμα πειράματα που έχουν γίνει με συμμετέχοντες ενήλικες και παιδιά, έχουν αποδείξει ότι παρατηρήθηκε μεγαλύτερη ενεργοποίηση στην αριστερή μπροστινή περιοχή ως απόκριση στην παρουσίαση ενός πορτραίτου ηθοποιού με χαρούμενο πρόσωπο. Αντίθετα κατά την διάρκεια της παρουσίασης του πορτραίτου με λυπημένη έκφραση, παρατηρήθηκε μεγαλύτερη ενεργοποίηση στην δεξιά περιοχή (Davidson and Fox 1982) [54] Approach Withdrawal μοντέλο Η υπόθεση ως προς το valence που αναφέραμε μόλις παραπάνω, κατά ένα μεγάλο ποσοστό εντάσσεται στο Approach _ Withdrawal μοντέλο της συναισθηματικής διαδικασίας, το οποίο επιβεβαιώνει το γεγονός ότι τα συναισθήματα που συνδέονται με συμπεριφορές προσέγγισης (approach) και συμπεριφορές αποχώρησης (withdrawal) επεξεργάζονται στις αριστερές και δεξιές anterior εγκεφαλικές περιοχές, αντίστοιχα. Η επικάλυψη ανάμεσα στο valence και στο approach withdrawal μοντέλο είναι εκτεταμένη, με τα πιο αρνητικά συναισθήματα (π.χ. φόβος, απέχθεια) να εξάγουν την συμπεριφορά αποχώρησης και τα πιο θετικά συναισθήματα (π.χ. χαρά, διασκέδαση) να εξάγουν τις συμπεριφορές προσέγγισης [54]. Μελέτες και αποδείξεις που συγκεντρώθηκαν για έτη από τον Davidson και τους συνεργάτες του, υποδεικνύουν ότι οι anterior περιοχές των δύο εγκεφαλικών ημισφαιρίων (frontal και anterior temporal) με διαφορετικό τρόπο εμπλέκονται στα θετικά και τα αρνητικά συναισθήματα (Davidson 1984a, 1984b, Davidson & Tomarken 1989, Kinsbourne & Bemporad 1984, Leventhal & Tomarken 1986, Silberman & Weingartner, 1986, Tucker & Frederick, 1989), με την αριστερή anterior περιοχή να εξυπηρετεί το 81

82 σύστημα της προσέγγισης και η ομόλογη δεξιά ημισφαιρική περιοχή να εξυπηρετεί το σύστημα της αποχώρησης. Και από την στιγμή που η προσέγγιση και η αποχώρηση είναι συστατικά διαφορετικών συναισθημάτων, τότε θα πρέπει τέτοια συναισθήματα να ενεργοποιούν διαφορετικές anterior εγκεφαλικές περιοχές [63]. Έτσι λοιπόν τα αποτελέσματα των μελετών με βάση αυτό το μοντέλο έδειξαν ότι οι αρνητικές επιδράσεις που σχετίζονται με την αποχώρηση συνοδεύονται με ενεργοποίηση της δεξιάς anterior περιοχής περισσότερο, σε σύγκριση με τις θετικές επιδράσεις οι οποίες σχετίζονται με την προσέγγιση και συνοδεύονται με ενεργοποίηση της αριστερής anterior περιοχής [63]. Αυτές και άλλες μελέτες (Harmon-Jones & Sigelman 2001, Jones & Fox 1992) εισηγούνται ότι η ενεργοποίηση της μετωπικής εγκεφαλικής περιοχής είναι ένα βασικό στοιχείο στην συλλογή προϋποθέσεων που περιλαμβάνουν το τι εμφανίζεται να είναι διαφορετικού συναισθήματος στις συναισθηματικές οικογένειες. Για παράδειγμα ας θεωρήσουμε πέντε από τα πιο συνηθισμένα συναισθήματα, θυμό, απέχθεια, φόβο, χαρά και λύπη. Με βάση αυτά που έχουμε ήδη αναφέρει, θα μπορούσαμε να πούμε ότι η απέχθεια, ο φόβος και η λύπη θα έχουν ως αποτέλεσμα σχετικά μεγαλύτερη δεξιά μετωπική ενεργοποίηση από ότι ο θυμός και η χαρά τα οποία θα έχουν σχετικά μεγαλύτερη αριστερή μετωπική ενεργοποίηση. Αυτό συμβαίνει γιατί τα τρία πρώτα συναισθήματα (η απέχθεια, ο φόβος και η λύπη) που θεωρούνται περισσότερο αρνητικού σθένους, μπορούν να θεωρηθούν και ως συναισθήματα αποχώρησης. Ενώ ο θυμός και η χαρά μπορούν να θεωρηθούν ως συναισθήματα προσέγγισης. Έτσι εξηγείται και το γεγονός του ότι με τον θυμό έχουμε ενεργοποίηση της αριστερής εγκεφαλικής περιοχής, ενώ με βάση το μοντέλο valence θα έπρεπε να έχουμε της δεξιάς. Αυτό αποτελεί και ένα μειονέκτημα του προηγούμενου μοντέλου, το οποίο δεν μπορούσε να διαχειριστεί τα πρόσφατα ευρήματα τα οποία παρουσίαζαν τον θυμό ως αρνητικού σθένους συναίσθημα να χαρακτηρίζεται από σχετικά αριστερά μετωπική ενεργοποίηση, κάτι που πλέον λύθηκε με την ανάπτυξη του approach withdrawal μοντέλου [64]. Συμπερασματικά λοιπόν το εν λόγω μοντέλο δεν είναι μόνο θεωρητικά σημαντικό, αλλά είναι και αυτό που ταιριάζει περισσότερο σε 82

83 δεδομένα που σχετίζονται με την συμπεριφορά και την εμπειρία. Σε αυτό το σημείο θα πρέπει να τονίσουμε ότι οι παλαιότερες θεωρίες, όπως αυτή του δεξιού ημισφαιρίου για παράδειγμα, κατά ένα μέρος κατασκευάστηκαν από δεδομένα αντίληψης, κάτι που αποτελεί μια πολύ διαφορετική φυσιολογική διαδικασία σε σχέση με την συναισθηματική εμπειρία ή την επίδειξη [54] Διαφορές ως προς το φύλο στην λειτουργική ανατομία του συναισθήματος Αρκετές μελέτες έχουν γίνει και έχουν δείξει ότι οι άντρες και οι γυναίκες επεξεργάζονται το συναίσθημα με διαφορετικό τρόπο. Οι γυναίκες έχει βρεθεί να είναι συναισθηματικά πιο εκφραστικές από ότι οι άντρες, πιθανόν λόγω των διαφορών στην κοινωνικοποίηση τους, και έχει δειχθεί ότι εμφανίζουν ισχυρότερες ψυχοφυσιολογικές αποκρίσεις σε συναισθηματικά ερεθίσματα. Αν και υπάρχουν αρκετές μελέτες οι οποίες άμεσα δείχνουν την βασική λειτουργική ανατομία αυτών των φαινομένων, μια πρόβλεψη είναι ότι οι γυναίκες εμφανίζουν ισχυρότερες αντιδράσεις σε συναισθηματικές διαδικασίες, ειδικά σε περιοχές που σχετίζονται με το υποκειμενικό αίσθημα [61]. 5.5 Συναισθηματική διαμόρφωση και εθισμός Ένα σημαντικό χαρακτηριστικό της βασικής συναισθηματικής διαδικασίας, είναι η αντίσταση στον εθισμό. Ο εθισμός περιγράφει την μείωση της φυσιολογικής ανταπόκρισης, η οποία εμφανίζεται με την επαναληπτική εμφάνιση του ίδιου ερεθίσματος. Μια θεωρητική απόδειξη δόθηκε από τον Sokolov το 1963, ο οποίος πρότεινε ότι κάθε ερέθισμα παράγει ένα νευρικό μοντέλο του εαυτού του που παραμένει στο νευρικό σύστημα. Όταν ένα άλλο ερέθισμα ταιριάζει με το προηγούμενο παρατηρημένο ερέθισμα, τότε η απόκριση δεν είναι τόσο μεγάλη και οι συνεχείς επαναλήψεις οδηγούν σε όλο και μικρότερες αποκρίσεις. Σε κάθε πείραμα η πρώτη φάση του έχει σχέση με την διαδικασία του εθισμού [62]. 83

84 Υπάρχει αξιοσημείωτη απόδειξη, ότι προηγούμενη έκθεση σε ερέθισμα επηρεάζει την διαδοχική διαδικασία της προσοχής και προσανατολίζει (προσαρμόζει ) την απόκριση, επιδρά στην διευκόλυνση της αντίληψης σε σχέση με την «νευρική καταστολή» και ηγείται των αλλαγών της υποκειμενικής αποτίμησης των συναισθημάτων. Αν και μια απλή επανάληψη του ερεθίσματος διευκολύνει την διαδοχική αναγνώριση, με την αύξηση των επαναλήψεων τα τμήματα που προεξέχουνε στο σήμα μειώνονται. Συμπερασματικά λοιπόν, ο εθισμός θα μπορούσε να οριστεί ως μια διαδικασία συμπεριφοράς η οποία δεν στηρίζεται στην μάθηση, που έχει σαν αποτέλεσμα την υποβάθμιση της απόκρισης, στο ερέθισμα το οποίο εμφανίζεται επαναληπτικά. Ο εθισμός στην συναισθηματική διαμόρφωση εξετάστηκε για πρώτη φορά το 1993 από τον Brandley και τους φοιτητές του. Στο πείραμά τους παρουσιάζονταν επαναληπτικά οι ίδιες ευχάριστες, αδιάφορες και μη ευχάριστες εικόνες. Τα αποτελέσματα έδειξαν ότι αν και όλες οι αποκρίσεις οδηγούσαν στο συμπέρασμα του γενικού εθισμού, το ανακλαστικό του ανοιγοκλεισίματος του ματιού δεν επηρεάστηκε από την επανάληψη των εικόνων. Και όπως αποδείχτηκε και σε προηγούμενες μελέτες, το ανοιγοκλείσιμο του ματιού αυξανόταν όταν ξαφνικά ερεθίσματα εμφανίζονταν κατά την διάρκεια της επεξεργασίας των μη ευχάριστων εικόνων και μειωνόταν όταν εμφανίζονταν ευχάριστες εικόνες και αυτό το δείγμα συνεχιζόταν και μετά από αρκετές επαναλήψεις του ίδιου ερεθίσματος. Πρόσφατα εξετάστηκε και η συναισθηματική διαμόρφωση των LPP δυναμικών, για το πώς ποικίλουν με την επανάληψη του ερεθίσματος. Τα αποτελέσματα έδειξαν ότι αν και το πλάτος των LPP κατά την διάρκεια επισκόπησης των εικόνων εξασθενίζει με την επανάληψη του ερεθίσματος, η συναισθηματική διαμόρφωση παραμένει ανέπαφη. Από την άλλη μεριά οι αυτόνομες αποκρίσεις εθίζονται ραγδαία με αυτή την επανάληψη. Αυτά τα ευρήματα αποδεικνύουν ότι οι επαναλήψεις του ερεθίσματος, δεν αλλάζουν την σχετιζόμενη ισχύ των συνδέσεων με το νευρικό κέντρο, αλλά αλλάζουν την έξοδο στα συστήματα που εμπλέκονται στον προσανατολισμό και στην δράση. 84

85 Επιπλέον έρευνα στον τομέα του συναισθηματικού εθισμού οδήγησε στο συμπέρασμα ότι θα έπρεπε να γίνουν μελέτες στις οποίες θα αποτιμούσαμε και τα πρώτιστα και τα ύστερα συστατικά των ΒΔ, χρησιμοποιώντας και επαναλαμβανόμενα ερεθίσματα και μικρότερους χρόνους μεταξύ των ερεθισμάτων. Με αυτό τον τρόπο μπόρεσαν να αποτιμήσουν τα ΒΔ τα οποία καταγράφηκαν και στην μετωπική και στην ινιακή περιοχή, με σκοπό την καταγραφή των διαφορών με προηγούμενες μελέτες και των LPP δυναμικών κατά μήκος των κεντρο-πλευρικών (centroparietal) περιοχών. Το αποτέλεσμα ήταν ότι τα ερεθίσματα με συναισθηματική εγρήγορση συνέχισαν να δίνουν μεγαλύτερα LPP δυναμικά από ότι οι αδιάφορες εικόνες, αδιάφορα από την επανάληψη. Παρόλα αυτά το μέγεθος των LPP δυναμικών μειώνεται σε κάποιο βαθμό, ύστερα από πολλαπλές επαναλήψεις. Από την άλλη μεριά δεν υπήρχαν επιδράσεις της επανάληψης στα ΒΔ που καταγράφηκαν σε πρώτιστους χρόνους, κάτι που σημαίνει ότι η επίδραση της πρωτίστης συναισθηματικής εγρήγορσης πιθανών να ενεργοποιεί μια διαδικασία καθοδήγησης του ερεθίσματος, η οποία εμφανίζεται αυτόματα [55]. 85

86 ΚΕΦΑΛΑΙΟ 6 ΤΟ ΠΕΙΡΑΜΑ 6.1 Ο στόχος Η παρούσα μελέτη σκοπό έχει να εντοπίσει και να απεικονίσει, κατά προσέγγιση, την ενεργοποίηση πηγών στον εγκέφαλο κατά την διάρκεια συναισθηματικών ερεθισμάτων, που προέρχονται από την παρατήρηση συναισθηματικών εικόνων. Οι συμμετέχοντες παρατηρούν μια σειρά εικόνων οι οποίες έχουν επιλεγεί με βάση το σύστημα IAPS, σε ίσες ποσότητες ανάλογα με το σθένος (valence) και τη διέγερση (arousal), ενώ ταυτόχρονα καταγράφονται τα εγκεφαλικά τους σήματα. Τα παραπάνω σήματα εξετάζονται ως προς τα συστατικά τους, με βάση αυτά που ειπώθηκαν στην προηγούμενο κεφάλαιο και επιχειρείται να βρεθεί συσχέτιση με τη συναισθηματική ενεργοποίησή τους. Με απεικονιστικό τρόπο και με την χρήση ενός λογισμικού θα δειχθεί ποιες περιοχές του εγκεφάλου ενεργοποιούνται στις χρονικές στιγμές που εμφανίζονται τα βασικά συστατικά που εξάγονται από την μελέτη του σήματος, κάθε φορά που παρουσιάζονται εικόνες συγκεκριμένου σθένους (valence) και διέγερσης (arousal) από τις τέσσερις κατηγορίες συναισθηματικού περιεχομένου που έχουν δημιουργηθεί. 6.2 Συμμετέχοντες Εικοσιοχτώ συμμετέχοντες εκ των οποίων τα δεκατέσσερα είναι γυναίκες και τα δεκατέσσερα άντρες, ήταν οι συμμετέχοντες σε αυτό το πείραμα. Οι ηλικίες τους ανήκουν μεταξύ των 18 και 40 ετών. Κριτήρια απόκλισης, άτομα με ψυχολογικές ή ψυχιατρικές ασθένειες, άτομα που 86

87 κάνουν χρήση φαρμάκων και αλκοόλ και βρίσκονται υπό ιατρική παρακολούθηση. 6.3 Το ερέθισμα Σύμφωνα με την θεωρία της Fredrickson (1998, 2001), το συναίσθημα (emotion) είναι μια πολυσύνθετη αντιδραστική τάση (action tendency) ως προς κάποιο ερέθισμα που εκδηλώνεται σε τακτά χρονικά διαστήματα. Η εκδήλωση του ερεθίσματος είναι η αρχή, ακολουθεί η πρόσληψη (συνειδητή ή ασυνείδητη) και η υποκειμενική ερμηνεία του ατόμου για το ερέθισμα αυτό, με αποτέλεσμα μια μορφή αντίδρασης σε διάφορα επίπεδα όπως το εκφραστικό, γνωσιακό, φυσιολογικό, νευρολογικό κ.ά. Συνεπώς το συναίσθημα είναι μια μορφή αντίδρασης του ανθρώπινου οργανισμού στις περιβαλλοντικές επιδράσεις και όχι μόνο. Απουσία συναισθήματος υπάρχει, όταν το άτομο δεν αντιδράσει σε κάποιο ερέθισμα. Χρησιμοποιώντας τις φωτογραφίες από το IAPS δημιουργούνται τέσσερις διαφορετικές κατηγορίες συναισθηματικού περιεχομένου. Όπως ήδη έχει αναφερθεί παραπάνω οι φωτογραφίες αυτού του συστήματος έχουν αξιολογηθεί και χωριστεί παίρνοντας ως βάση δύο διαστάσεις, το σθένος και την διέγερση. Η επιλογή των φωτογραφιών θα γίνει από το Affective Space παίρνοντας τον μέσο όρο των δύο διαστάσεων που προαναφέρθηκαν (σθένος και διέγερση). Οι κατηγορίες του συναισθηματικού χώρου που δημιουργήθηκαν είναι οι παρακάτω: Κατηγορίες υψηλός μέσος όρος έντασης-υψηλός μέσος όρος εγρήγορσης [HV-HA] υψηλός μέσος όρος έντασης - χαμηλός μέσος όρος εγρήγορσης [HV-LA] χαμηλός μέσος όρος έντασης-χαμηλός μέσος όρος εγρήγορσης [LV-LA] χαμηλός μέσος όρος έντασης- υψηλός μέσος όρος εγρήγορσης [LV-HA] 87

88 Κάθε φωτογραφία δεν θα παρουσιάζεται πάνω από δύο φορές ώστε να ελαχιστοποιηθεί η περίπτωση ο συμμετέχοντας να συνηθίσει τα ερεθίσματα. Οι φάσεις του πειράματος στις οποίες θα παρουσιάζονται οι εικόνες, θα είναι τρεις. Σε κάθε δοκιμασία το ερέθισμα παρουσιάζεται για ένα δευτερόλεπτο. Ανάμεσα σε κάθε δοκιμασία υπάρχει ένα σημείο αναφοράς το οποίο διαρκεί 1,5 sec. Για κάθε κατηγορία υπάρχουν 40 φωτογραφίες οι οποίες επιλέγονται τυχαία από ένα μεγαλύτερο σύνολο φωτογραφιών της κάθε συνθήκης του «affective space». Η διάρκεια κάθε κατηγορίας θα πρέπει να είναι 5 λεπτά συμπεριλαμβανομένης και της αυτοαξιολόγησης. Στη δεύτερη φάση οι ίδιες φωτογραφίες θα χρησιμοποιηθούν για μια οπτική χωρική άσκηση προσοχής, με σκοπό να ερευνήσουμε την επίδραση της συναισθηματικής διεργασίας στη γνωσιακή συμπεριφορά. Αυτή η φάση δεν αποτελεί χώρο μελέτης για την παρούσα εργασία, οπότε και δεν θα αναφερθούμε εκτενέστερα. Στην Τρίτη φάση οι συμμετέχοντες παρακολουθούν τις ίδιες φωτογραφίες που παρουσιάστηκαν στην προηγούμενη φάση, όπου η μεταβλητή του Affective Space κατανέμεται στις φωτογραφίες με τυχαίο τρόπο. Το σημείο αναφοράς παραμένει για 1,5 sec και η διάρκεια της κάθε φωτογραφίας είναι 1 sec. Κατά την διάρκεια του πειράματος παίρνονται καταγραφές από το ΗΕΓ. Επιπρόσθετα παίρνονται ταυτόχρονες καταγραφές από SCR, EOG, ECG. Παρακάτω παρουσιάζεται ολόκληρη η διαδικασία του πειράματος: Φάση 1 1. Καταγραφή με ανοιχτά μάτια (30) δευτερόλεπτα 2. Καταγραφή με κλειστά μάτια (30) δευτερόλεπτα 3. Καταγραφή της πρώτης κατηγορίας για (50) δευτερόλεπτα 4. Καταγραφή της δεύτερης κατηγορίας για (50) δευτερόλεπτα 5. Καταγραφή της τρίτης κατηγορίας για (50) δευτερόλεπτα 6. Καταγραφή της τέταρτης κατηγορίας για (50) δευτερόλεπτα 7. Καταγραφή δεύτερης φάσης περίπου (30) λεπτά 8. Καταγραφή τρίτης φάσης περίπου (10) λεπτά 9. Καταγραφή με ανοιχτά μάτια (30) δευτερόλεπτα 88

89 10. Καταγραφή με κλειστά μάτια (30) δευτερόλεπτα 11. Καταγραφή Θόρυβος περιβάλλοντος (30) δευτερόλεπτα 6.4 Η διαδικασία Από την στιγμή που θα συγκεντρωθούν οι καταγραφές των ΗΕΓ αρχίζει η επεξεργασία των σημάτων αυτών. Αρχικά φιλτράρονται με χρήση ενός κατωδιαβατού φίλτρου με συχνότητα 40 Hz και ενός υψηλοδιαβατού με συχνότητα 0,5Hz. Τα σήματα όμως περιέχουν και πολλά artifacts, όπως για παράδειγμα είναι οι κινήσεις των ματιών, το άνοιγμα και το κλείσιμο των ματιών, το καρδιακό σήμα και ο μυϊκός θόρυβος. Προκειμένου να απομακρυνθούν από τα δεδομένα τα artifacts που αναφέρθηκαν εφαρμόστηκε η τεχνική Independent Component Analysis (ICA) (Jung et al., 2000). Η ανάλυση και η εξαγωγή των artifacts πραγματοποιήθηκε offline σε Η/Υ με την χρήση του λογισμικού EEGLAB και κωδικοποίηση σε MATLAB (Delorme and Makeig, 2004). Αυτή η διαδικασία ακολουθήθηκε και για τις τυχαίες εικόνες αλλά και για αυτές που ανήκουν στις τέσσερις κατηγορίες. Κατόπιν ακολούθησε η εισαγωγή των παραπάνω σημάτων στο EEGFocus λογισμικό, για το οποίο θα ακολουθήσει μια σύντομη περιγραφή των δυνατοτήτων του για τις ανάγκες της παρούσας μελέτης, παρακάτω. Για κάθε συμμετέχοντα και για κάθε μια από τις τέσσερις κατηγορίες υπολογίζονται τα Averages. Επίσης για την εξαγωγή των αποτελεσμάτων υπολογίζονται και τα Grand Averages από το παραπάνω λογισμικό και η απεικόνιση των πηγών γίνεται στους μέσους χρόνους των λανθανόντων χρόνων που έδωσε η ανάλυση των ΗΕΓ, με βάση την μέθοδο που χρησιμοποιεί το EEGFocus, η οποία μελετήθηκε στο τέταρτο κεφάλαιο, στην παράγραφο Πακέτο Λογισμικού EEGFocus Γνωριμία με το περιβάλλον To EEGFocus είναι ένα πακέτο λογισμικού το οποίο παρέχει ψηφιακή ανασκόπηση ΗΕΓ σε συνδυασμό με προχωρημένης ανάλυσης 89

90 χαρακτηριστικά, τέτοια όπως 3D whole head mapping, brain source montages και εικόνες, spike pattern search και averaging, spectral analysis, DSA trend analysis, on line correction of eye and EKG artifacts κ.α, που σκοπό έχουν την όσο το δυνατόν καλύτερη επεξεργασία του σήματος, ώστε να εξαχθούν και τα καλύτερα αποτελέσματα. Το ψηφιακό ΗΕΓ μας επιτρέπει να συνδέσουμε τα καταγεγραμμένα κανάλια του ΗΕΓ σε νέα μοτίβα (montages) χωρίς να χρειάζεται να καταγράψουμε τα δεδομένα εκ νέου. Με την τεχνική των Spherical splines, τα δυναμικά μπορούν να προσεγγιστούν σε κάθε σημείο του κεφαλιού. Αυτό μας επιτρέπει να παράγουμε ποικιλία από μοτίβα (montages) με τα καταγεγραμμένα ή τα εικονικά ηλεκτρόδια σε καθορισμένες θέσεις και να παράγουμε τοπογραφικούς χάρτες σε όλο το κεφάλι. Προσομοιώσεις της δράσης του ΗΕΓ που προέρχεται από διάφορες εγκεφαλικές περιοχές, χρησιμοποιούνται για να δείξουν εμφανώς τις επιδράσεις γνωστών γεννητόρων σε διάφορα μοτίβα (montages) και σε χάρτες ολόκληρου του κεφαλιού. Επίσης υπάρχει η δυνατότητα χωρικού φιλτραρίσματος, του οποίου η χρήση μπορεί να αναπτύξει τα πηγαία μοτίβα (montages) με σήματα που εκτιμούν την λειτουργία συγκεκριμένων περιοχών του εγκεφάλου. Επιπρόσθετα εργαλεία όπως cross-correlation ανάμεσα στα κανάλια, FFT, και χάρτες φάσεων, είναι διαθέσιμα. Αυτά τα εργαλεία είναι χρήσιμα στην εκτίμηση των χρονικών καθυστερήσεων ανάμεσα στα πηγαία κανάλια και στην μετάδοση της λειτουργίας των αιχμών και της αντίληψης που διερμηνεύεται. Σε συνδυασμό, αυτά τα εργαλεία βοηθούν στο να αναλύσουμε και να εμπλουτίσουμε λειτουργίες οι οποίες είναι δύσκολο να εντοπιστούν από το ΗΕΓ των κλασσικών μοτίβων (montages) [57][58]. Η επεξεργασία των δεδομένων του ΗΕΓ ακολουθεί την ακόλουθη σειρά βημάτων : Τα πρωτότυπα ΗΕΓ δεδομένα διαβάζονται από τον δίσκο. Τα ψηφιακά αναγνωρίζονται αυτόματα. Όλα τα κανάλια είναι σωστά στοιχισμένα κατά όλο το μήκος του ΗΕΓ που επιδεικνύονται και ψηφιακά φιλτραρισμένα σύμφωνα με τις τρέχουσες ρυθμίσεις από το αντίστοιχο menu επιλογών. Σύμφωνα με το μοτίβο (montage) που έχει επιλεγεί τα δεδομένα μετασχηματίζονται χωρικά και επιδεικνύονται. Τα κανάλια χωρίζονται σε 5 βασικές ομάδες καναλιών, οι οποίες είναι οι παρακάτω: 90

91 Scalp channels Intracranial channels Polygraphic channels MEG channels Selected channels Όλες οι παραπάνω κατηγορίες εκτός από τα Selected channels έχουν κοινά menu που τους επιτρέπουν να παρουσιάσουμε μόνο ένα υποσύνολο των καναλιών που διατίθενται από το αρχείο δεδομένων. Ενώ η κατηγορία των Selected channels, μας επιτρέπει να παρουσιάσουμε επιλεγμένα, χαρακτηριστικά κανάλια στο κάτω μέρος της οθόνης. Αυτά τα κανάλια παρουσιάζονται μαζί με το τρέχων μοτίβο (montage) που έχει επιλεγεί, και έτσι μας επιτρέπει έναν πιο εύκολο τρόπο να παρουσιάσουμε κανάλια όπως τα EOG και ECG και άλλα πολυγραμμικά κανάλια μαζί με το ΗΕΓ. Επιπροσθέτως μας δίνεται η δυνατότητα να παρουσιάσουμε ένα κλασικό ή ένα πηγαίο μοτίβο (montage) μαζί με άλλα σήματα ηλεκτροδίων όπως τα intracranial ή τα sphenoidal ηλεκτρόδια. Αυτό μας επιτρέπει να κάνουμε συγκρίσεις, όπως και αναζήτηση ή και εξαγωγή μέσων όρων των τμημάτων του ΗΕΓ χρησιμοποιώντας αυτά τα επιπρόσθετα ηλεκτρόδια ως αναφορά των γεγονότων (triggers) Αυτός ο συνδυασμός των κατηγοριών των καναλιών, των μοτίβων (montages) και των selected channels μας παρέχει έναν άνετο τρόπο για να προσαρμόσουμε την οθόνη που βλέπουμε στις απαιτήσεις του κάθε χρήστη [59] Απεικόνιση πηγών Το EEGFocus μπορεί να μετασχηματίσει τα ΗΕΓ σε σήματα της δραστηριότητας των πηγών οι οποίες επικρατέστερα απεικονίζουν την ηλεκτρική δραστηριότητα συγκεκριμένων περιοχών στον εγκέφαλο. Αυτά τα ειδικά «source montages» που μας παρέχει το λογισμικό είναι σταθμισμένοι (weighted) συνδυασμοί των καταγεγραμμένων σημάτων. Τα βάρη επιλέγονται με βάση το μοντέλο των πολλαπλών διπόλων για να προάγουν 91

92 την δραστηριότητα μιας εγκεφαλικής περιοχής, ενώ εξαφανίζουν την συνεισφορά άλλων εγκεφαλικών περιοχών, όπως έχει ήδη αναφερθεί στο Κεφάλαιο 4 στην παράγραφο Κάθε νέα κυματομορφή είναι ένας βελτιστοποιημένος γραμμικός συνδυασμός των μετρούμενων ΗΕΓ καναλιών με σκοπό να εστιάσουμε σε ιδιαίτερη εγκεφαλική περιοχή ενδιαφέροντος. Στο κρανίο, οι ηλεκτρικές δραστηριότητες των διαφορετικών εγκεφαλικών περιοχών επικαλύπτονται. Τα μοτίβα (montages) του EEGFocus λογισμικού παρέχει έναν σημαντικό διαχωρισμό αυτής της επικάλυψης. Λόγω του ότι υπάρχει ένας πεπερασμένος αριθμός ηλεκτροδίων στο κεφάλι, αυτός ο διαχωρισμός δεν μπορεί ποτέ να είναι πλήρης. Εν τούτοις όμως, ο διαχωρισμός μπορεί να είναι αρκετά ισχυρός, για να κάνει την εστιακή λειτουργία στον εγκέφαλο ορατή, απεικονίζοντας αυτή την δραστηριότητα επικρατέστερα στα πηγαία ίχνη που συνεργάζονται με τις περιοχές του εγκεφάλου που παράγουν την εστιακή ηλεκτρική δραστηριότητα όπως φαίνεται και στην Εικόνα [24] [59]. Εικόνα [24] EEGFocus source montage με selected channels και απεικόνιση πηγής [58]. 92

93 Οι περιοχές διαφορετικού χρώματος που εμφανίζονται στις εικόνες των κεφαλιών απεικονίζουν τις εγκεφαλικές περιοχές στις οποίες τα πηγαία ίχνη εστιάζονται. Με άλλα λόγια κάθε πηγαίο ίχνος αντιπροσωπεύει ένα εικονικό ηλεκτρόδιο το οποίο τοποθετήθηκε στην αντίστοιχη επιφάνεια του φλοιού. Το μέγεθος αυτών των περιοχών υποδηλώνουν ότι η θέση και η έκταση της δραστηριότητας της πηγής δεν μπορεί να καθοριστεί ακριβώς λόγω της περιορισμένης χωρικής ανάλυσης. Ωστόσο, οι περιοχές αυτές απεικονίζουν με μεγάλη πιθανότητα ότι η δραστηριότητα της πηγής υπάρχει σε αυτή την εγκεφαλική περιοχή, εξασφαλίζοντας ότι μια εγκεφαλική περιοχή είναι επικρατέστερα ενεργή. Στην περίπτωση όπου πολλές εγκεφαλικές περιοχές εμφανίζονται να είναι ενεργές, η διανομή της δραστηριότητας των πηγών στον εγκέφαλο μπορεί να είναι πιο σύνθετη. Για παράδειγμα θα μπορούσε να είναι πιο κατανεμημένη ή πολυεστιακή και αυτή η κατανομή θα πρέπει να διερμηνευτεί με πολλή προσοχή. Τα μοτίβα (montages) των πηγών είναι διαφορετικά από τις κλασικές παραγωγές πηγών, οι οποίες αφαιρούν τα πλάτη των σημάτων των γειτονικών ηλεκτροδίων από τα δεδομένα ενός δοθέντος ηλεκτροδίου. Το EEGFocus παρέχει τις κλασικές παραγωγές πηγών εξίσου καλά, αλλά με την μορφή του Laplacian ή του Current Source Density CSD (Πυκνότητα πηγαίων ηλεκτρικών ρευμάτων) montage. H Laplacian σε αυτό το λογισμικό, υπολογίζεται με τnν μέθοδο παρεμβολής Spherical Splines. Αυτή η μέθοδος παρέχει μια πιο ακριβή εκτίμηση, της τρέχουσας ροής μέσα και έξω από το κρανίο στο συγκεκριμένο ηλεκτρόδιο, από ότι με την μέθοδο της αφαίρεσης των 3-4 περιβαλλόντων ηλεκτροδίων. Η διευθέτηση των κλασικών και των EEGFocus μοτίβων (montages) αποδίδουν μια ολοκληρωτικά νέα προοπτική της απεικόνισης του ΗΕΓ, η οποία δεν ήταν διαθέσιμη προηγουμένως [59] Μέθοδος παρεμβολής Spherical Spline Η μέθοδος της παρεμβολής με Spline αναπτύχθηκε αρχικά για τον χώρο της γεωφυσικής και αργότερα εισήχθηκε ως έννοια και στον χώρο του ΗΕΓ. Η πιο απλή μαθηματικά είναι η Spherical Spline, για την οποία 93

94 απαιτείται το σφαιρικό γεωμετρικό μοντέλο. Μια πιο γενική μορφή είναι η Twin-Plate Splines, η οποία επεκτάθηκε στην Three-Dimensional Scalp Surfaces [60]. Με βάση αυτή την μέθοδο παρέχεται μια καταλληλότερη παρεμβολή στην περιοχή η οποία καλύπτεται από ηλεκτρόδια στο κεφάλι, όπως επίσης και μια καταλληλότερη εξαγωγή συμπερασμάτων για το μέρος εκείνο της σφαίρας που δεν καλύπτεται από ηλεκτρόδια. Η ισχύς της παραπάνω μεθόδου αντικρούεται από την θεμελιώδη φυσική οριακή κατάσταση, η οποία λέει ότι τα δυναμικά στο χαμηλότερο κομμάτι πρέπει να προστεθούν με αυτά στο ανώτερο κομμάτι, στο μηδέν. Εξασφαλίζοντας ότι οι συντεταγμένες των ηλεκτροδίων είναι κατάλληλα εκχωρημένες σε ισοδύναμες θέσεις πάνω στη σφαίρα, η μεγαλύτερη λείανση (smoothness) πετυχαίνεται με τα χαρακτηριστικά των splines, τα οποία μπορούν να συγκριθούν με το να δέσουμε μια ελαστική ράβδο γύρω από πολλούς πόλους όπως φαίνεται και στην Εικόνα [25], όπου γίνεται σύγκριση των αποτελεσμάτων των Spherical Splines και της γραμμικής παρεμβολής. Εικόνα [25] Σύγκριση των αποτελεσμάτων των Spherical Splines και της γραμμικής παρεμβολής [58]. Η μέθοδος των Spherical Splines επιτρέπουν την παρεμβολή και ολοκλήρωση των διαφορών του δυναμικού κατά μήκος της σφαίρας σε όλο το κεφάλι. Συγκρίθηκαν οι χάρτες που παράγονται με αυτή την μέθοδο, με τα προσομοιωμένα δίπολα που παράγονται με την χρήση του σφαιρικού μοντέλου πολλαπλών κελυφών. Τα αποτελέσματα της σύγκρισης έδειξαν ότι, παρά τον μικρό αριθμό των ηλεκτροδίων τα οποία τοποθετούνται στο πάνω μισό της κεφαλής, πολύ ακριβής αποτίμηση του αναφερόμενου 94

95 σήματος μπορεί να επιτευχθεί. Στην χειρότερη περίπτωση των κάθετων διπόλων, η αρνητική κορύφωση στο χαμηλότερο μισό του κεφαλιού μπορεί να αποτιμηθεί με αρκετή ακρίβεια. Συμπερασματικά λοιπόν θα μπορούσαμε να πούμε ότι με την χρήση αυτής της μεθόδου παρεμβολής πετυχαίνουμε την μέγιστη παρεμβολή μεταξύ των ηλεκτροδίων και είναι ικανή να εξάγει τα μέγιστα δυναμικά μέσα και έξω από το κεφάλι. Ουσιαστικά, η μέθοδος Spherical Splines παρέχει και μια καταλληλότερη αποτίμηση της Current Source Density - CSD (Πυκνότητα πηγαίων ηλεκτρικών ρευμάτων), η οποία απεικονίζει την τρέχουσα ροή από τον εγκέφαλο δια μέσου του κρανίου, για κάθε θέση του κεφαλιού [58][59]. 6.6 Αποτελέσματα Γενικά Όπως ήδη αναφέρθηκε η επεξεργασία των δεδομένων, των πειραματοπροσώπων, δηλαδή των ΗΕΓ, έγινε με την χρήση των λογισμικών Matlab και EEGLab, προκειμένου να υπολογιστούν τα πλάτη και οι λανθάνοντες χρόνοι των κορυφώσεων των Β.Δ. Οι κορυφώσεις που εξετάστηκαν είναι οι P100,N100,P200,N200 και P300 ως προς τις τρεις περιοχές ενδιαφέροντος που είναι οι Fz, Cz και Pz και ως προς τις τέσσερις συναισθηματικές καταστάσεις (HVHA,HVLA,LVHA,LVLA). Κατόπιν υπολογίστηκαν οι μέσοι όροι των παραπάνω κορυφώσεων ανά περιοχή ενδιαφέροντος, ανά φύλο και ανά συναισθηματική κατάσταση, ενώ η χρήση του λογισμικού EEGFocus, βοήθησε προκειμένου να γίνει η απεικόνιση των πηγών που ενεργοποιούνται στους μέσους όρους αυτών των χρόνων. Με βάση αυτήν την απεικόνιση πηγών έγινε η καταγραφή της ύπαρξης ή μη (1 ή 0 αντίστοιχα) της κάθε πηγής ανά περιοχή ενδιαφέροντος, ανά συναισθηματική κατάσταση και ανά φύλο. Η καταγραφή έγινε σε πίνακες αφού προηγήθηκε η ονοματοδοσία των πηγών ανά περιοχή ενδιαφέροντος. Ακολούθησε με την ίδια λογική η καταγραφή σε πίνακα, των εντάσεων των 95

96 πηγών ανά περιοχή ενδιαφέροντος, ανά συναισθηματική κατάσταση και ανά φύλο. Η καταγραφή έγινε με την χρήση μιας κλίμακας διαβάθμισης της έντασης από το 1 ως το 3, όπου η υψηλότερη ένταση αντιστοιχεί στην τιμή 3, η μεσαία στην τιμή 2 και η χαμηλή στην τιμή 1. Φυσικά στην περίπτωση όπου δεν ενεργοποιείται μια πηγή η αντίστοιχη τιμή της έντασής της είναι 0. Η ονοματοδοσία των πηγών ανά περιοχή ενδιαφέροντος καθώς και η διαβάθμιση της έντασης αυτών, παρουσιάζονται με απεικονιστικό τρόπο στις Εικόνες [26],[27],[28],[29] που υπάρχουν παρακάτω. Οι εικόνες που χρησιμοποιούνται είναι screenshots από το λογισμικό EEGFocus. SF3 SF6 SF1 SF4 SF2 SF5 Εικόνα [26] ΟΝΟΜΑΣΙΑ ΤΩΝ (FRONTAL REGION). ΠΗΓΩΝ ΤΗΣ ΜΕΤΩΠΙΚΗΣ ΠΕΡΙΟΧΗΣ 96

97 SC3 SC6 SC1 SC5 SC2 Εικόνα [27] ΟΝΟΜΑΣΙΑ ΤΩΝ (CENTRAL REGION). SC4 ΠΗΓΩΝ ΤΗΣ ΚΕΝΤΡΙΚΗΣ ΠΕΡΙΟΧΗΣ SP6 SP3 SP4 SP1 SP5 SP2 Εικόνα [28] ΟΝΟΜΑΣΙΑ ΤΩΝ ΠΗΓΩΝ ΤΗΣ ΠΛΕΥΡΙΚΗΣ ΠΕΡΙΟΧΗΣ (PARIETAL REGION). 97

98 ΜΕΣΑΙΑ=2 ΧΑΜΗΛΗ=1 ΥΨΗΛΗ=3 Εικόνα [29] ΔΙΑΒΑΘΜΙΣΗ ΤΗΣ ΕΝΤΑΣΗΣ ΤΩΝ ΠΗΓΩΝ. Επίσης στους Πίνακες [2] και [3] που ακολουθούν φαίνονται ενδεικτικά μερικές καταγραφές όπως αυτές έγιναν για την ύπαρξη ή μη των πηγών καθώς και για την διαβάθμιση της έντασης αυτών, ανά κορύφωση και ανά περιοχή ενδιαφέροντος, για κάθε συναισθηματική κατάσταση και των δύο φύλων. Τέτοιοι πίνακες δημιουργήθηκαν και στις δύο φάσεις του πειράματος, δηλαδή και στην περίπτωση όπου το ερέθισμα παρουσιάζεται κατά ομάδες και στην περίπτωση όπου το ερέθισμα παρουσιάζεται με τυχαίο τρόπο. Πιο συγκεκριμένα στον Πίνακα [2] βλέπουμε τις καταγραφές που έγιναν για την ενεργοποίηση των πηγών λόγω της κορύφωσης P1 στην μετωπική περιοχή, και όσο αφορά την ύπαρξη τους (αριστερά) και όσο αφορά την διαβάθμιση των εντάσεών τους (δεξιά), στην περίπτωση όπου το ερέθισμα παρουσιάζεται κατά ομάδες. Ενώ στον Πίνακα [3] παρουσιάζονται οι καταγραφές που έγιναν για την ίδια κορύφωση και περιοχή, αλλά για την περίπτωση όπου το ερέθισμα παρουσιάζεται με τυχαίο τρόπο. 98

99 ΕΝΕΡΓΟΠΟΙΗΣΗ ΠΗΓΩΝ ΛΟΓΩ ΤΗΣ ΚΟΡΥΦΩΣΗΣ P1 ΣΤΗΝ ΜΕΤΩΠΙΚΗ ΠΕΡΙΟΧΗ ΠΗΓΕΣ ΕΝΤΑΣΗ ΠΗΓΩΝ SF1 SF2 SF3 SF4 SF5 SF6 SF1 SF2 SF3 SF4 SF5 SF6 HVHA MALE HVHA FEMALE HVLA MALE HVLA FEMALE LVHA MALE LVHA FEMALE LVLA MALE LVLA FEMALE Πίνακας [2] Καταγραφές για την ύπαρξη ή μη των πηγών της κορύφωσης P1 στην μετωπική περιοχή (αριστερά) και της διαβάθμισης της έντασης αυτών (δεξιά) στην περίπτωση της παρουσίασης του ερεθίσματος κατά ομάδες. ΕΝΕΡΓΟΠΟΙΗΣΗ ΠΗΓΩΝ ΛΟΓΩ ΤΗΣ ΚΟΡΥΦΩΣΗΣ P1 ΣΤΗΝ ΜΕΤΩΠΙΚΗ ΠΕΡΙΟΧΗ ΠΗΓΕΣ ΕΝΤΑΣΗ ΠΗΓΩΝ SF1 SF2 SF3 SF4 SF5 SF6 SF1 SF2 SF3 SF4 SF5 SF6 HVHA MALE HVHA FEMALE HVLA MALE HVLA FEMALE LVHA MALE LVHA FEMALE LVLA MALE LVLA FEMALE Πίνακας [3] Καταγραφές για την ύπαρξη ή μη των πηγών της κορύφωσης P1 στην μετωπική περιοχή (αριστερά) και της διαβάθμισης της έντασης αυτών (δεξιά) στην περίπτωση της παρουσίασης του ερεθίσματος με τυχαίο τρόπο. Προκειμένου να εξαχθούν συμπεράσματα που σχετίζονται με την ενεργοποίηση των πηγών και με την έντασή τους ανά περιοχή ενδιαφέροντος και ανά συναισθηματική κατάσταση και ανά φύλο, έγινε μια μελέτη με την χρήση πινάκων συχνοτήτων από το λογισμικό SPSS, από όπου και εξήχθησαν οι αντίστοιχοι πίνακες συχνοτήτων. Στις επόμενες ενότητες παρουσιάζονται για κάθε κορύφωση του Β.Δ. και για κάθε μια από τις περιοχές ενδιαφέροντος, τα αποτελέσματα της παραπάνω μελέτης, με την παρουσίαση των πινάκων συχνοτήτων οι οποίοι βοήθησαν ώστε να εντοπιστούν και κατ επέκταση να παρουσιαστούν οι διαφορές με τον απεικονιστικό τρόπο. Περισσότερο πρόκειται λοιπόν για μια ποιοτική μελέτη παρά ποσοτική, όπου όμως οι πίνακες βοήθησαν ώστε 99

100 να εντοπιστούν με πιο ακριβή και σαφή τρόπο οι ποιοτικές διαφορές, τόσο όσο αφορά την ενεργοποίηση κάποιας πηγής όσο και την έντασή της. Οι εικόνες που παρουσιάζονται και σε αυτήν την περίπτωση αποτελούν screenshots του λογισμικού EEGFocus. Επίσης όλες οι εικόνες που απεικονίζουν τις πηγές που ενεργοποιούνται στον εγκέφαλο, στους χρόνους που έχει υπολογιστεί ότι παρουσιάζεται κορύφωση κατά μέσο όρο και καταδεικνύεται από τον κέρσορα, παρατίθενται στο παράρτημα εικόνων που ακολουθεί, για περεταίρω μελέτη από τον αναγνώστη της παρούσας εργασίας. Σύμφωνα με τις φάσεις του πειράματος, όπως ήδη έχει αναφερθεί σε παραπάνω ενότητα, αρχικά το ερέθισμα παρουσιαζόταν στον εξεταζόμενο κατά ομάδες (blocks) εικόνων με το ίδιο συναισθηματικό περιεχόμενο, και σε επόμενη φάση παρουσιαζόντουσαν οι εικόνες με τυχαία σειρά χωρίς να τηρείται κάποια ομαδοποίησή τους. Τα αποτελέσματα αυτών των δύο φάσεων παρατίθενται ξεχωριστά στις παρακάτω παραγράφους Αποτελέσματα φάσης όπου το ερέθισμα παρουσιάζεται κατά ομάδες (Blocks) Μετωπική Περιοχή (Frontal Region) Κορύφωση P1 Στην κορύφωση P1 η μελέτη του Πίνακα Συχνοτήτων, έδειξε ότι έχουμε διαφορές ως προς το φύλο για τις πηγές SF3 και SF4 οι οποίες παρουσιάζονται στην Εικόνα [30], όπου στην πάνω σειρά εμφανίζονται τα δεδομένα των αντρών και στην κάτω των γυναικών, με τις συναισθηματικές καταστάσεις να ακολουθούν την σειρά HVHA,HVLA,LVHA,LVLA. Πιο συγκεκριμένα η πηγή SF3 εμφανίζεται ενεργοποιημένη σε όλες τις συναισθηματικές καταστάσεις των ανδρών ενώ στο 75% των περιπτώσεων των γυναικών δεν εμφανίζεται και εμφανίζεται μόνο στην περίπτωση του υψηλού σθένους και της υψηλής διέγερσης (HVHA), ποσοστό 25%. Όσο αφορά τις διαφορές που παρατηρούνται στην ένταση της πηγής SF3 ο πίνακας συχνοτήτων έδειξε ότι από το 100% των περιπτώσεων των 100

101 αντρών όπου εμφανίζεται η εν λόγω πηγή, στο 75% αυτών η έντασή της είναι υψηλή και μόνο στο 25% είναι χαμηλή. Ενώ στις γυναίκες όπου εμφανίζεται κατά το 25% των περιπτώσεων η έντασή της είναι μεσαίας στάθμης, κάτι που αποδεικνύεται και απεικονιστικά από την παρακάνω Εικόνα [30]. Στην περίπτωση της πηγής SF4 παρατηρήθηκε ότι η εν λόγω πηγή δεν εμφανίζεται καθόλου στις περιπτώσεις των ανδρών ενώ αντίθετα εμφανίζεται κατά το 75% στις περιπτώσεις των γυναικών ενώ δεν εμφανίζεται στην περίπτωση του υψηλού σθένους και της υψηλής διέγερσης (HVHA), ποσοστό δηλαδή 25%. Η έντασή της δε, στην περίπτωση των γυναικών κυμαίνεται μεταξύ της υψηλής στάθμης κατά 50% και της χαμηλής κατά το 25%. Στους άντρες δεν εμφανίζεται ένταση μια και όπως είπαμε δεν εμφανίζεται ενεργοποιημένη η πηγή. Χαρακτηριστικό είναι μάλιστα το γεγονός ότι στην μοναδική συναισθηματική κατάσταση όπου εμφανίζεται η πηγή SF3 δεν εμφανίζεται η πηγή SF4. Για την κορύφωση P1 η μελέτη των πινάκων συχνοτήτων έδειξε ότι η ένταση της πηγής SF5, η οποία εμφανίζεται ενεργοποιημένη στους άντρες κατά 100% και στις γυναίκες κατά 75%, παρουσιάζει διαφορές ως προς το φύλο. Συγκεκριμένα στο 100% των περιπτώσεων των αντρών η έντασή της είναι υψηλή, κάτι που συμβαίνει μόνο στο 25% των περιπτώσεων των γυναικών, ενώ στο υπόλοιπο 50% των περιπτώσεων η έντασή της είναι μεσαίας στάθμης. Όλα τα παραπάνω αποδεικνύονται με απεικονιστικό τρόπο στην παρακάτω Εικόνα[30], ενώ προηγούνται οι πίνακες συχνότητας. SF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF ,25 0,625 Total Πίνακας [4] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF3 της P1 κορύφωσης. 101

102 SF4 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 1 0,25 0,625 SF4 1 0,75 0,375 Total Πίνακας [5] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF4 της P1 κορύφωσης. ESF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 LOW 0,25 0,125 MEDIUM 0,25 0,125 ESF3 HIGH 0,75 0,375 Total Πίνακας [6] Πίνακας συχνότητας για την ένταση της πηγής SF3 της P1 κορύφωσης. ESF4 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 1 0,25 0,625 LOW 0,25 0,125 ESF4 HIGH 0,5 0,25 Total Πίνακας [7] Πίνακας συχνότητας για την ένταση της πηγής SF4 της P1 κορύφωσης. ESF5 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,25 0,125 MEDIUM 0,5 0,25 ESF5 HIGH 1 0,25 0,625 Total Πίνακας [8] Πίνακας συχνότητας για την ένταση της πηγής SF5 της P1 κορύφωσης. 102

103 SF3 SF5 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ SF4 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [30] Η πηγή SF3 παρουσιάζεται ενεργοποιημένη σε όλες τις καταστάσεις των αντρών με ένταση ως επί το πλείστον υψηλή, αλλά μόνο σε μία των γυναικών με ένταση μεσαία, αντίθετα η πηγή SF4 παρουσιάζεται ενεργοποιημένη στις περισσότερες καταστάσεις των γυναικών με ένταση ως επί το πλείστον υψηλή, και σε καμία των αντρών. Επίσης η ένταση της SF5 πηγής εμφανίζεται υψηλή σε όλες τις καταστάσεις των αντρών αλλά όχι και των γυναικών Κορύφωση Ν1 Η μελέτη της κορύφωσης Ν1, με βάση τους πίνακες συχνοτήτων της, εμφάνισε διαφορά στην ένταση της πηγής SF4 ως προς το σθένος. Παρατηρήθηκε δηλαδή ότι η συγκεκριμένη πηγή κατά ποσοστό 50% στις περιπτώσεις όπου το σθένος είναι χαμηλό δεν ενεργοποιείται, άρα και η έντασή της είναι 0, ενώ κατά το υπόλοιπο 50% η έντασή της είναι υψηλή. Σε αντίθεση με τις περιπτώσεις του υψηλού σθένους όπου εκεί η πηγή αφενός μεν ενεργοποιείται παντού (ποσοστό εμφάνισης 100%), αφετέρου η έντασή της, που είναι και το χαρακτηριστικό που μας ενδιαφέρει στην προκειμένη περίπτωση, κατά το μεγαλύτερο ποσοστό είναι χαμηλή (ποσοστό 75%) και κατά το υπόλοιπο μόνο είναι υψηλή (ποσοστό 25%). Η Εικόνα [31] που ακολουθεί αποδεικνύει την παραπάνω παρατήρηση ενώ ο 103

104 πίνακας που προηγείται είναι ο πίνακας συχνοτήτων στον οποίο κάνουμε ανφορά. Εδώ στην επάνω σειρά παρατίθενται οι εικόνες από τις καταστάσεις χαμηλού σθένους (LV), ενώ στην κάτω σειρά έχουμε τις εικόνες από τις καταστάσεις του υψηλού σθένους (HV), με την σειρά HA-άντρες, HA-γυναίκες, LA- άντρες, LA- γυναίκες αντίστοιχα. ESF4 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total NONE 0,5 0,25 LOW 0,75 0,375 ESF4 HIGH 0,5 0,25 0,375 Total Πίνακας [9] Πίνακας συχνότητας για την ένταση της πηγής SF4 της N1 κορύφωσης. SF4 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες Χαμηλό Σθένος - Low Valence HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες Υψηλό σθένος - High Valence Εικόνα [31] Η πηγή SF4 παρουσιάζει διαφορετική ένταση μεταξύ του χαμηλού όπου σε δύο περιπτώσεις που υπάρχει είναι υψηλή και του υψηλού σθένους όπου μόνο σε μια περίπτωση είναι υψηλή και στις άλλες τρεις χαμηλή. 104

105 Κορύφωση P2 Οι περισσότερες διαφορές σύμφωνα με τα στοιχεία των πινάκων συχνοτήτων εμφανίζονται ως προς το φύλο. Οι πηγές SF3 και SF4 παρουσιάζουν διαφορές όσο αφορά την ενεργοποίησή τους μεταξύ ανδρών και γυναικών. Επίσης και οι εντάσεις των αντίστοιχων πηγών παρουσιάζουν διαφορές μεταξύ των δύο φύλων. Πιο συγκεκριμένα η πηγή SF3 ενώ εμφανίζεται στο 100% των περιπτώσεων των γυναικών, στους άντρες εμφανίζεται μόνο κατά το 25%, ενώ κατά το υπόλοιπο 75% δεν εμφανίζεται ενεργοποιημένη. Όσο αφορά την έντασή της, όταν εμφανίζεται στους άντρες στην κατάσταση του χαμηλού σθένους και της χαμηλής διέγερσης (LVLA-ποσοστό 25%) έχει υψηλή ένταση, όπως παρατηρείται και στο 75% των καταστάσεων των γυναικών, όπου και εκεί η έντασή της είναι υψηλή, εκτός από την κατάσταση του υψηλού σθένους και υψηλής διέγερσης (HVHA-ποσοστό 25%). Στην περίπτωση της SF4 πηγής έχουμε μια παρόμοια εικόνα με την πηγή να εμφανίζεται ενεργοποιημένη σε ποσοστό 100% στις γυναίκες και μόνο κατά το 25% στους άντρες στην περίπτωση του χαμηλού σθένους και της υψηλής διέγερσης (LVHA). Όπως και παραπάνω η έντασή της όταν εμφανίζεται στους άντρες παρουσιάζεται υψηλή, κάτι που συμβαίνει και στο 75% των περιπτώσεων των γυναικών, εκτός από τις περιπτώσεις του χαμηλού σθένους και της χαμηλής διέγερσης (LVLA-ποσοστό 25%), όπου εκεί η έντασή της παρουσιάζεται να είναι μεσαίας στάθμης. Η παρακάτω Εικόνα [32] παρουσιάζει αυτές τις διαφορές σε άντρες και γυναίκες, με τις καταστάσεις να ακολουθούν την σειρά HVHA, HVLA, LVHA, LVLA. Οι πίνακες που προηγούνται περιέχουν τα δεδομένα που σχολιάσαμε μόλις παραπάνω. SF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF3 1 0,25 1 0,625 Total Πίνακας [10] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF3 της P2 κορύφωσης. 105

106 SF4 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF4 1 0,25 1 0,625 Total Πίνακας [11] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF4 της P2 κορύφωσης. SF5 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total 0 0,75 0,375 SF ,25 0,625 Total Πίνακας [12] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF5 της P2 κορύφωσης. ESF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 MEDIUM 0,25 0,125 ESF3 HIGH 0,25 0,75 0,5 Total Πίνακας [13] Πίνακας συχνότητας για την ένταση της πηγής SF3 της P2 κορύφωσης. ESF4 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 LOW 0,25 0,125 ESF4 HIGH 0,25 0,75 0,5 Total Πίνακας [14] Πίνακας συχνότητας για την ένταση της πηγής SF4 της P2 κορύφωσης. 106

107 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ SF4 SF3 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [32] Η πηγή SF3 παρουσιάζεται ενεργοποιημένη σε όλες τις καταστάσεις των γυναικών αλλά μόνο σε μία των αντρών(lvla), όπως και η SF4 που εμφανίζεται σε όλες τις καταστάσεις των γυναικών και μόνο στην κατάσταση LVHA των αντρών. Διαφορές ως προς το φύλο παρατηρούνται και στις εντάσεις αυτών των πηγών με τις γυναίκες να παρουσιάζουν στις περισσότερες καταστάσεις υψηλή ένταση. Στην κορύφωση P2 βρέθηκε ακόμη ότι έχουμε διαφορά στην εμφάνιση της πηγής SF5 ως προς τη διέγερση. Οι πίνακες έδειξαν ότι στο 100% των περιπτώσεων της χαμηλής διέγερσης εμφανίζεται ενεργοποιημένη η εν λόγω πηγή. Αυτό δεν ισχύει όμως για την περίπτωση της υψηλής διέγερσης όπου μόνο κατά το 25% εμφανίζεται ενεργοποιημένη και κατά το υπόλοιπο 75% δεν παρατηρείται η ενεργοποίησή της. Αυτό το γεγονός φαίνεται στην Εικόνα [33] που ακολουθεί όπου στην πάνω σειρά υπάρχουν οι καταστάσεις της χαμηλής διέγερσης (LA) και στην κάτω σειρά οι καταστάσεις της υψηλής διέγερσης (HA) με την σειρά HV-άντρες, HVγυναίκες, LV-άντρες, LV-γυναίκες, αντίστοιχα. 107

108 SF5 HV-άντρες HV-γυναίκες LV-άντρες LV-γυναίκες Χαμηλή Διέγερση - Low Arousal HV-άντρες HV-γυναίκες LV-άντρες LV-γυναίκες Υψηλή Διέγερση - High Arousal Εικόνα [33] Η πηγή SF5 παρουσιάζεται ενεργοποιημένη σε όλες τις καταστάσεις Low Arousal, αλλά μόνο σε μία High Arousal (HV-άντρες) Κορύφωση Ν2 Για την κορύφωση Ν2 οι πίνακες συχνότητας έδειξαν ότι υπάρχει διαφορά ως προς την εμφάνιση της πηγής SF3 σε σχέση με το φύλο. Δηλαδή ενώ στο 100% των καταστάσεων των ανδρών δεν εμφανίζεται ενεργοποιημένη η παραπάνω πηγή, αντίθετα σε όλες τις καταστάσεις των γυναικών (ποσοστό 100%) εμφανίζεται ενεργοποιημένη και μάλιστα η έντασή της είναι παντού υψηλή (ποσοστό 100%). Έχουμε λοιπόν διαφοροποίηση μεταξύ ανδρών και γυναικών και ως προς την ενεργοποίηση και ως προς την ένταση της πηγής SF3. Η παρακάτω Εικόνα [34] αποδεικνύει με απεικονιστικό τρόπο την παραπάνω διαπίστωση, όπου στην πάνω σειρά παρουσιάζονται οι καταστάσεις των αντρών και στην κάτω των γυναικών, με την σειρά HVHA, HVLA, LVHA, LVLA.. Ακόμα βρέθηκε ότι η ένταση της πηγής SF5, πάλι μεταξύ ανδρών και γυναικών παρουσιάζει διαφορές. Πιο συγκεκριμένα βρέθηκε, με βάση την ανάλυση που πραγματοποιήθηκε, ενώ εμφανίζεται με ποσοστό 100% και στους άντρες και στις γυναίκες, στο 100% των καταστάσεων των γυναικών η έντασή της είναι υψηλή, ενώ στους άντρες βρέθηκε ότι κατά 50% είναι 108

109 μεσαίας στάθμης και κατά 50% χαμηλής, δηλαδή δεν είναι ποτέ υψηλής έντασης. Το γεγονός αυτό επαληθεύεται από τα στοιχεία που παρουσιάζονται στην Εικόνα [---] με απεικονιστικό τρόπο ενώ τα αριθμητικά δεδομένα ενπεριέχονται στον παρακάτω πίνακα. SF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 1 0,5 SF ,5 Total Πίνακας [15] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF3 της Ν2 κορύφωσης. ESF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 1 0,5 ESF3 HIGH 1 0,5 Total Πίνακας [16] Πίνακας συχνότητας για την ένταση της πηγής SF3 της Ν2 κορύφωσης. ESF5 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total LOW 0,5 0,25 MEDIUM 0,5 0,25 ESF5 HIGH 1 0,5 Total Πίνακας [17] Πίνακας συχνότητας για την ένταση της πηγής SF5 της Ν2 κορύφωσης. HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ 109

110 SF5 SF3 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [34] H SF3 πηγή εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των γυναικών και σε καμία των αντρών (διαφορά ως προς το φύλο). Ομοίως και η ένταση της πηγής SF5 παρατηρήθηκε υψηλή σε όλες τις καταστάσεις των γυναικών ενώ στις καταστάσεις των αντρών παρουσίασε διακύμανση μεταξύ της μεσαίας και της χαμηλής στάθμης Κορύφωση P3 Σύμφωνα με τα αποτελέσματα που παρατίθενται στους πίνακες συχνοτήτων παρακάτω, φαίνεται ότι για την κορύφωση P3 υπάρχουν διαφορές όσο αφορά την ενεργοποίηση της πηγής SF2 καθώς και την έντασή της, σε σχέση με το φύλο. Η μελέτη έδειξε ότι στους άντρες η πηγή εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των ανδρών ποσοστό που αντιστοιχεί στο 100% των καταγραφών, ενώ στις γυναίκες εμφανίζεται ενεργοποιημένη μόνο κατά το 25% των καταστάσεων τους, στην κατάσταση χαμηλού σθένους και χαμηλής διέγερσης και στο υπόλοιπο 75% δεν εμφανίζεται ενεργοποιημένη. Η έντασή της δε, ενώ στους άντρες είναι υψηλής και μεσαίας στάθμης σε ποσοστό 50% αντίστοιχα, στην μοναδική κατάσταση που εμφανίζεται στις γυναίκες η έντασή της είναι χαμηλής στάθμης. Στην Εικόνα [35] μπορούμε να δούμε τις παραπάνω διαφορές που παρουσιάστηκαν σε άντρες (πάνω) και γυναίκες (κάτω) με τις καταστάσεις να ακολουθούν τη σειρά HVHA, HVLA, LVHA, LVLA. 110

111 SF2 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF ,25 0,625 Total Πίνακας [18] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF2 της P3 κορύφωσης. ESF2 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 LOW 0,25 0,125 MEDIUM 0,5 0,25 ESF2 HIGH 0,5 0,25 Total Πίνακας [19] Πίνακας συχνότητας για την ένταση της πηγής SF2 της P3 κορύφωσης. SF2 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [35] Η ενεργοποίηση της πηγής SF2 παρουσιάζει διαφορές ως προς το φύλο, όπου ενώ εμφανίζεται σε όλες τις καταστάσεις των ανδρών, 111

112 στις γυναίκες εμφανίζεται μόνο σε μία (LVLA). Αλλά και η έντασή της παρουσιάζει διαφορές γιατί ενώ στους άντρες εμφανίζεται με υψηλή ή μεσαία ένταση στις γυναίκες εμφανίζεται μόνο με χαμηλή Κεντρική Περιοχή (Central Region) Για τις κορυφώσεις P1, N2 και P3 οι πίνακες συχνότητας δεν έδωσαν καμία σημαντική διαφορά, οπότε και δεν αναφέρονται στις παρακάτω παραγράφους Κορύφωση Ν1 Η κορύφωση Ν1 στην κεντρική περιοχή παρουσιάζει διαφορές στην ενεργοποίηση της πηγής SC5, καθώς και στην ένταση των πηγών SC2 και SC5. Με βάση τους πίνακες συχνοτήτων που ακολουθούν, παρατηρούμε ότι η πηγή SC5 εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των γυναικών, και μόνο στο 25% των καταστάσεων των αντρών και πιο συγκεκριμένα στην υψηλού σθένους και υψηλής διέγερσης (HVHA). Στις υπόλοιπες καταστάσεις που αποτελούν και το 75% των καταγραφών δεν εμφανίζεται ενεργοποιημένη. Όσο αφορά την έντασή της ο πίνακας μας δείχνει ότι στην περίπτωση των γυναικών είναι υψηλής και μεσαίας στάθμης με ποσοστό 50% αντίστοιχα, ενώ στην περίπτωση των αντρών όπου και εμφανίζεται έχει χαμηλή ένταση. Επίσης η ένταση της πηγής SC2 παρουσιάζει διαφορές, μια και στις γυναίκες εμφανίζεται υψηλή σε όλες τις καταστάσεις όπου είναι ενεργοποιημένη η πηγή ( ποσοστό 100% των καταστάσεων), ενώ στους άντρες ή δεν θα εμφανίζεται ενεργοποιημένη, κάτι που αντιστοιχεί σε ποσοστό 50%, ή θα εμφανίζεται με χαμηλή ένταση στο 50% των καταστάσεων τους. Στην παρακάτω Εικόνα [36] μπορούμε να δούμε αυτές τις διαφορές μεταξύ αντρών (πάνω) και γυναικών (κάτω). Η σειρά των καταστάσεων είναι ίδια όπως και παραπάνω, δηλαδή HVHA, HVLA, LVHA, LVLA. 112

113 SC5 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SC5 1 0,25 1 0,625 Total Πίνακας [20] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SC5 της N1 κορύφωσης. ESC2 * GENDER Crosstab within GENDER GENDER MALE FEMALE Total NONE 0,5 0,25 LOW 0,5 0,25 ESC2 HIGH 1 0,5 Total Πίνακας [21] Πίνακας συχνότητας για την ένταση της πηγής SC2 της N1 κορύφωσης. ESC5 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 LOW 0,25 0,125 MEDIUM 0,5 0,25 ESC5 HIGH 0,5 0,25 Total Πίνακας [22] Πίνακας συχνότητας για την ένταση της πηγής SC5 της N1 κορύφωσης. 113

114 SC5 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ SC5 SC2 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [36] Διαφορές στην ενεργοποίηση και στην ένταση της πηγής SC5 ως προς το φύλο, αφού εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των γυναικών, με υψηλή ένταση στις δύο (HVHA,HVLA) και μεσαία στις άλλες δύο (LVHA,LVLA), αλλά μόνο σε μια των αντρών (HVHA) και μάλιστα με χαμηλή ένταση. Επίσης η ένταση της πηγής SC2 σε όλες τις καταστάσεις των γυναικών εμφανίζεται με υψηλή, ενώ στους άντρες στις καταστάσεις HVHA,LVHA όπου και εμφανίζεται η πηγή, είναι χαμηλή Κορύφωση P2 Διαφορές ως προς το φύλο σε ότι αφορά την ένταση των πηγών SC3 και SC4 βρέθηκαν από την μελέτη των πινάκων συχνοτήτων για την κορύφωση P2. Πιο συγκεκριμένα η ένταση της πηγής SC3 στις γυναίκες, εμφανίζεται να έχει υψηλή και μεσαία στάθμη με ποσοστό 75% και 25% αντίστοιχα. Στους άντρες κατά 50% των καταστάσεων δεν έχουμε ενεργοποίηση της πηγής οπότε και η ένταση είναι μηδέν αλλά στο υπόλοιπο 50% που αντιστοιχεί στις καταστάσεις HVLA και LVLA, δηλαδή στη χαμηλή διέγερση ανεξάρτητα από το σθένος έχουμε χαμηλή ένταση. Όσο αφορά την ένταση της πηγής SC4, όπως φαίνεται και στον παρακάτω πίνακα συχνότητας, στις γυναίκες εμφανίζεται ενεργοποιημένη με υψηλή ένταση σε όλες τις καταστάσεις, κάτι που αντιστοιχεί σε ποσοστό 100%, ενώ στους άντρες στο μεγαλύτερο μέρος των καταστάσεων, 114

115 ποσοστό 75%, εμφανίζεται με ένταση χαμηλή και μόνο στην κατάσταση υψηλού σθένους και χαμηλής διέγερσης εμφανίζεται με ένταση μεσαίας στάθμης, ποσοστό που αναλογεί στο 25% των καταστάσεων των αντρών. Η Εικόνα [37] παρουσιάζει με απεικονιστικό τρόπο τις παραπάνω διαφορές με την σειρά των καταστάσεων HVHA, HVLA, LVHA, LVLA, σε άντρες (πάνω) και γυναίκες (κάτω). ESC3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,5 0,25 LOW 0,5 0,25 MEDIUM 0,25 0,125 ESC3 HIGH 0,75 0,375 Total Πίνακας [23] Πίνακας συχνότητας για την ένταση της πηγής SC3 της P2 κορύφωσης. ESC4 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total LOW 0,75 0,375 MEDIUM 0,25 0,125 ESC4 HIGH 1 0,5 Total Πίνακας [24] Πίνακας συχνότητας για την ένταση της πηγής SC4 της P2 κορύφωσης. HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ 115

116 SC3 SC4 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [37] Διαφορές στην ένταση των πηγών SC3 και SC4 σε σχέση με το φύλο. Η πηγή SC3 είναι σε όλες τις καταστάσεις των γυναικών ενεργοποιημένη με ένταση υψηλή στις τρεις περιπτώσεις (HVHA,HVLA,LVHA) και μεσαία μόνο σε μία (LVLA), ενώ στους άντρες στις δυο καταστάσεις που εμφανίζεται (HVHA,LVLA) έχει ένταση χαμηλή. Ομοίως και η πηγή SC4 εμφανίζει υψηλή ένταση σε όλες τις καταστάσεις των γυναικών ενώ στους άντρες μόνο σε μια κατάσταση (HVLA) εμφανίζει μεσαία ένταση, στις υπόλοιπες είναι χαμηλή Πλευρική Περιοχή (Parietal Region) Για την κορύφωση Ν1 δεν έχει βρεθεί καμία σημαντική διαφορά από την μελέτη των πινάκων συχνοτήτων, για αυτό και δεν αναφέρεται στις παρακάτω παραγράφους Κορύφωση P1 Για την κορύφωση P1 η μελέτη των πινάκων συχνότητας έδειξε διαφορές ως προς τη διέγερση στην ενεργοποίηση και στην ένταση των πηγών SP2 και SP5. Πιο αναλυτικά παρατηρώντας και τα αποτελέσματα στους πίνακες που παρατίθενται παρακάτω βλέπουμε ότι η πηγή SP2 δεν εμφανίζεται ενεργοποιημένη όταν έχουμε χαμηλή διέγερση σε ποσοστό 100%, ενώ αντίθετα είναι ενεργοποιημένη όταν η διέγερση είναι υψηλή σε ποσοστό 75%, που αντιπροσωπεύει όλες τις καταστάσεις της υψηλής διέγερσης πλην της κατάστασης χαμηλού σθένους στους άντρες με ποσοστό 25%. Η ένταση δε της εν λόγω πηγής στις καταστάσεις της υψηλής διέγερσης που εμφανίζεται είναι υψηλής έντασης, όπως βλέπουμε και στον πίνακα συχνότητας της έντασης που ακολουθεί. 116

117 Ομοίως και στην περίπτωση της πηγής SP5 στις καταστάσεις της χαμηλής διέγερσης δεν εμφανίζεται ενεργοποιημένη, ενώ στις καταστάσεις της υψηλής με ποσοστό 75% εμφανίζεται ενεργοποιημένη, και με ποσοστό 25%, που αντιστοιχεί στο χαμηλό σθένος στους άντρες, δεν εμφανίζεται. Στο 75% των καταστάσεων της υψηλής διέγερσης που εμφανίζεται η έντασή της είναι υψηλή, όπως και στην παραπάνω πηγή. Παρατηρείται λοιπόν μια αντιστοιχία μεταξύ των δύο αυτών πηγών, που η μια ενεργοποιείται στο αριστερό ημισφαίριο (SP2) και η άλλη (SP5) ενεργοποιείται στην αντίστοιχη θέση του δεξιού ημισφαιρίου, ως προς τα ποσοστά ενεργοποίησής τους και ως προς την έντασή τους. Η Εικόνα [38] που ακολουθεί παρουσιάζει τα παραπάνω αποτελέσματα με τις εικόνες υψηλής διέγερσης (πάνω) και τις εικόνες χαμηλής διέγερσης (κάτω) και με την σειρά των καταστάσεων HVάντρες, HV-γυναίκες, LV- άντρες, LV- γυναίκες, αντίστοιχα. SP2 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total 0 1 0,25 0,625 SP2 1 0,75 0,375 Total Πίνακας [25] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SP2 της P1 κορύφωσης. SP5 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total 0 1 0,25 0,625 SP5 1 0,75 0,375 Total Πίνακας [26] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SP5 της P1 κορύφωσης. ESP2 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total NONE 1 0,25 0,625 ESP2 HIGH 0,75 0,375 Total Πίνακας [27] Πίνακας συχνότητας για την ένταση της πηγής SP2 της P1 κορύφωσης. 117

118 ESP5 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total NONE 1 0,25 0,625 ESP5 HIGH 0,75 0,375 Total Πίνακας [28] Πίνακας συχνότητας για την ένταση της πηγής SP5 της P1 κορύφωσης. SP2 SP5 HV-άντρες HV-γυναίκες LV- άντρες LV- γυναίκες High Arousal (HA) HV-άντρες HV-γυναίκες LV- άντρες LV- γυναίκες Low Arousal (LA) Εικόνα[38] Η πηγή SP2 όπως και η πηγή SP5 εμφανίζονται ενεργοποιημένες και με υψηλή ένταση στις τρεις καταστάσεις της υψηλής διέγερσης, εκτός από την κατάσταση (LV-άντρες). Στις καταστάσεις της χαμηλής διέγερσης όπως μπορούμε να διαπιστώσουμε δεν εμφανίζονται οι παραπάνω πηγές Κορύφωση P2 Οι πίνακες συχνότητας που ακολουθούν, για την ενεργοποίηση και την ένταση των πηγών, εμφάνισαν σημαντικές διαφορές ως προς το φύλο, για την ενεργοποίηση και την ένταση της πηγής SP1, καθώς και για την ένταση των πηγών SP3 και SP6. 118

119 Η πηγή SP1 εμφανίζεται ενεργοποιημένη σε ποσοστό 100% στους άντρες, δηλαδή σε όλες τις καταστάσεις τους, ενώ στις γυναίκες εμφανίζεται ενεργοποιημένη μόνο κατά το 25% των καταστάσεών τους που αντιστοιχεί στην κατάσταση χαμηλού σθένους και χαμηλής διέγερσης και δεν εμφανίζεται σε όλες τις υπόλοιπες. Όσο αφορά την έντασή της, όπου εμφανίζεται και σε άντρες και σε γυναίκες, είναι υψηλή. Επίσης η ένταση της πηγής SP3 η οποία εμφανίζεται ενεργοποιημένη και στους άντρες και στις γυναίκες σε όλες τις καταστάσεις τους, δεν έχει την ίδια στάθμη. Έτσι ενώ σε όλες τις γυναίκες (ποσοστό 100%) παρουσιάζεται υψηλή η στάθμη της στους άντρες μόνο κατά το 25% είναι υψηλή (κατάσταση LVLA) ενώ για το υπόλοιπο των καταστάσεων εμφανίζεται με μεσαία στάθμη. Ομοίως και για την πηγή SP6 παρατηρήθηκε διαφορά στην έντασή της μεταξύ γυναικών και αντρών. Πιο συγκεκριμένα ενώ στις γυναίκες είναι σε όλες τις καταστάσεις ενεργοποιημένη (ποσοστό 100%) και εμφανίζει υψηλή στάθμη, στην περίπτωση των αντρών στο 50% των περιπτώσεων που εμφανίζεται έχει χαμηλή ένταση και στο υπόλοιπο 50% δεν εμφανίζεται άρα η ένταση έχει τιμή μηδενική. Παρατηρείται το γεγονός δηλαδή, ότι η πηγή SP3 με την πηγή SP6, οι οποίες ενεργοποιούνται στο αριστερό και στο δεξί ημισφαίριο αντίστοιχα, και στις αντίστοιχες θέσεις, ενώ στις γυναίκες έχουν υψηλή ένταση, στους άντρες η έντασή τους παρουσιάζει διακυμάνσεις. Στην Εικόνα [39] μπορούμε να παρατηρήσουμε τις παραπάνω διαφορές ανάμεσα στους άντρες (πάνω) και στις γυναίκες (κάτω) με τις καταστάσεις να έχουν την σειρά HVHA, HVLA, LVHA, LVLA. SP1 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SP ,25 0,625 Total Πίνακας [29] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SP1 της P2 κορύφωσης. 119

120 ESP1 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 ESP1 HIGH 1 0,25 0,625 Total Πίνακας [30] Πίνακας συχνότητας για την ένταση της πηγής SP1 της P2 κορύφωσης. ESP3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total MEDIUM 0,75 0,375 ESP3 HIGH 0,25 1 0,625 Total Πίνακας [31] Πίνακας συχνότητας για την ένταση της πηγής SP3 της P2 κορύφωσης. ESP6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,5 0,25 LOW 0,5 0,25 ESP6 HIGH 1 0,5 Total Πίνακας [32] Πίνακας συχνότητας για την ένταση της πηγής SP6 της P2 κορύφωσης. SP1 SP3 SP6 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ 120

121 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [39] Η πηγή SP1 εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των αντρών με ένταση υψηλή αλλά μόνο σε μία των γυναικών (LVLA) με ένταση υψηλή. Η πηγή SP3 παρουσιάζει επίσης διαφορά ως προς το φύλο, αφού σε όλες τις καταστάσεις των γυναικών έχει υψηλή τιμή, ενώ στων αντρών μόνο στην κατάσταση LVLA εμφανίζεται με υψηλή τιμή στις υπόλοιπες έχει μεσαία τιμή. Ομοίως και για την SP6 πηγή όπου η έντασή της έχει υψηλή τιμή σε όλες τις καταστάσεις των γυναικών, ενώ στους άντρες όπου υπάρχει (καταστάσεις HVLA, LVHA) έχει μεσαία τιμή Κορύφωση Ν2 Οι διαφορές που παρατηρήθηκαν στην συγκεκριμένη κορύφωση έχουν σχέση και πάλι με το φύλο και αφορούν τις πηγές SP5 ως προς την ενεργοποίηση και την έντασή της, καθώς και την SP6 όσο αφορά την έντασή της μόνο. Τα αποτελέσματα που βρίσκονται στους παρακάτω πίνακες δείχνουν ότι η πηγή SP5 εμφανίζεται σε όλες τις καταστάσεις των αντρών ενεργοποιημένη (ποσοστό 100%) και δεν εμφανίζεται ενεργοποιημένη σε καμία κατάσταση των γυναικών, ενώ η έντασή της όπου εμφανίζεται στους άντρες είναι υψηλή. Επίσης η ένταση της πηγής SP6 η οποία εμφανίζεται και στους άντρες και στις γυναίκες σε όλες τους τις καταστάσεις, παρουσιάζει διαφορετική ένταση μεταξύ των δύο φύλων. Συγκεκριμένα στις γυναίκες η έντασή της είναι υψηλή με ποσοστό 100% ενώ στους άντρες είναι μεσαία ομοίως με ποσοστό 100%. Όλα τα παραπάνω μπορούμε να τα διαπιστώσουμε από την Εικόνα [40] που ακολουθεί με τις καταστάσεις των αντρών πάνω και των γυναικών κάτω. Η σειρά τους είναι HVHA, HVLA, LVHA, LVLA. 121

122 SP5 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 1 0,5 SP ,5 Total Πίνακας [33] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SP5 της Ν2 κορύφωσης. ESP5 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 1 0,5 ESP5 HIGH 1 0,5 Total Πίνακας [34] Πίνακας συχνότητας για την ένταση της πηγής SP3 της Ν2 κορύφωσης. ESP6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total MEDIUM 1 0,5 ESP6 HIGH 1 0,5 Total Πίνακας [35] Πίνακας συχνότητας για την ένταση της πηγής SP6 της Ν2 κορύφωσης. SP5 SP6 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ 122

123 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [40] Η ενεργοποίηση και η ένταση της πηγής SP5 παρουσιάζει διαφορές ως προς το φύλο αφού όπως παρατηρούμε εμφανίζεται σε όλες τις καταστάσεις των αντρών με υψηλή ένταση αλλά όχι στων γυναικών. Καθώς και η ένταση της πηγής SP6, ενώ στους άντρες σε όλες τις καταστάσεις εμφανίζεται με μεσαία τιμή, στις γυναίκες εμφανίζεται με υψηλή σε όλες τις καταστάσεις Κορύφωση P3 Η μελέτη των πινάκων συχνοτήτων για την κορύφωση P3 έδειξε ότι παρουσιάστηκε σημαντική διαφορά στην ένταση της πηγής SP6. Στον πίνακα βλέπουμε ότι η ένταση της συγκεκριμένης πηγής στις γυναίκες είναι σε όλες τις καταστάσεις τους υψηλή, ενώ στην περίπτωση των αντρών εμφανίζεται μεσαία στις μισές καταστάσεις (ποσοστό 50%) και χαμηλή στις άλλες μισές (ποσοστό 50%). Στην Εικόνα [41] μπορούμε να παρατηρήσουμε τις παραπάνω διαφορές ανάμεσα στους άντρες (πάνω) και στις γυναίκες (κάτω) με τις καταστάσεις να έχουν την σειρά HVHA, HVLA, LVHA, LVLA. ESP6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total LOW 0,5 0,25 MEDIUM 0,5 0,25 ESP6 HIGH 1 0,5 Total Πίνακας [36] Πίνακας συχνότητας για την ένταση της πηγής SP6 της P3 κορύφωσης. 123

124 SF6 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [41] Η ένταση της πηγής SP6 στις γυναίκες εμφανίζεται με υψηλή τιμή σε όλες τις καταστάσεις, ενώ στους άντρες με μεσαία (καταστάσεις HVLA, LVLA) και χαμηλή τιμή (καταστάσεις HVHA, LVHA) Αποτελέσματα από την φάση του πειράματος όπου το ερέθισμα παρουσιάζεται με τυχαίο τρόπο (Random) Μετωπική Περιοχή (Frontal Region) Κορύφωση P1 Τα αποτελέσματα των πινάκων συχνότητας, που ακολουθούν, για την κορύφωση P1 έδειξαν αρκετές διαφορές και όσο αφορά την ενεργοποίηση πηγών, αλλά και όσο αφορά την έντασή τους. Οι πηγές στις οποίες παρουσιάστηκαν διαφορές είναι η SF1 σε σχέση με την ενεργοποίησή της, και οι SF3, SF4, SF6 σε σχέση με την ενεργοποίησή τους και την έντασή τους. Πιο αναλυτικά για την πηγή SF1, με βάση πάντα τα στοιχεία του πίνακα συχνοτήτων, φαίνεται να έχουμε διαφορά ως προς το σθένος. Όταν το σθένος είναι χαμηλό (LV) τότε η πηγή δεν εμφανίζεται ενεργοποιημένη σε καμία από τις καταστάσεις, κάτι που αντιστοιχεί σε ποσοστό 100%. Στην 124

125 περίπτωση του υψηλού σθένους (HV) όμως, στο 75% των καταστάσεων εμφανίζεται ενεργοποιημένη και μόνο στο 25% αυτών δεν εμφανίζεται. Συγκεκριμένα δεν εμφανίζεται στην κατάσταση υψηλής διέγερσης στις γυναίκες. Ως προς το σθένος παρουσιάζει διαφορά και η πηγή SF4. Στην κατάσταση του χαμηλού σθένους (LV), όπως φαίνεται και από τον πίνακα συχνοτήτων, η πηγή δεν εμφανίζεται ενεργοποιημένη σε καμία κατάσταση (ποσοστό 100%), σε αντίθεση με την κατάσταση του υψηλού σθένους (HV) όπου εκεί εμφανίζεται παντού ενεργοποιημένη (ποσοστό 100%). Η έντασή της επίσης εμφανίζει διαφορές ως προς το σθένος, μια και αφού δεν εμφανίζεται στις καταστάσεις χαμηλού σθένους (LV) η τιμή της είναι μηδέν, ενώ στις καταστάσεις υψηλού σθένους (HV) κατά ένα ποσοστό 75% εμφανίζεται μεσαία, ενώ κατά ένα ποσοστό 25% εμφανίζεται υψηλή. Αυτό το ποσοστό αντιστοιχεί στην κατάσταση της υψηλής διέγερσης στις γυναίκες εκεί όπου η πηγή SF1 δεν εμφανιζόταν ενεργοποιημένη. Η εν λόγω πηγή είναι η αντίστοιχη της SF1, στο δεξί ημισφαίριο, μια και η SF1 ενεργοποιείται στο αριστερό ημισφαίριο. Οπότε φαίνεται ότι αυτές οι δύο πηγές στις καταστάσεις του χαμηλού σθένους (LV) δεν ενεργοποιούνται, ενώ ενεργοποιούνται ως επί το πλείστον στις καταστάσεις του υψηλού σθένους (HV). Η πηγή SF6 παρουσιάζει διαφορές ως προς το σθένος και στην περίπτωση της ενεργοποίησής της και στην περίπτωση της έντασής της. Οι πίνακες συχνοτήτων που υπάρχουν παρακάτω και που σχετίζονται με την πηγή δείχνουν ότι στις καταστάσεις του χαμηλού σθένους (LV) η πηγή δεν ενεργοποιείται (ποσοστό 100%), άρα και η έντασή της έχει τιμή μηδέν, ενώ στις καταστάσεις του υψηλού σθένους (HV), στο 75% αυτών εμφανίζεται ενεργοποιημένη με ένταση υψηλή. Στο 25% των καταστάσεων του υψηλού σθένους που δεν εμφανίζεται η τιμή της όπως αναμένεται είναι μηδέν. Η κατάσταση που αντιστοιχεί το παραπάνω ποσοστό, είναι η υψηλής διέγερσης στις γυναίκες, κατάσταση για την οποία έγιναν και παραπάνω παρατηρήσεις για άλλες πηγές. Η SF3 πηγή διαφοροποιείται ως προς τη διέγερση σε ότι αφορά την ενεργοποίησή της και την έντασή της. Από τα αποτελέσματα των πινάκων που σχετίζονται με αυτή την πηγή, βλέπουμε ότι στις καταστάσεις της 125

126 χαμηλής διέγερσης (LA) δεν εμφανίζεται ενεργοποιημένη (ποσοστό 100%) και συνεπώς η έντασή της έχει την τιμή μηδέν, ενώ στις καταστάσεις της υψηλής διέγερσης (HA) εμφανίζεται ενεργοποιημένη στο 75% των καταστάσεων με ένταση υψηλή και δεν εμφανίζεται ενεργοποιημένη στις καταστάσεις που σχετίζονται με το υψηλό σθένος στις γυναίκες, κάτι που αντιστοιχεί σε ποσοστό 25%. Η έντασή της σε αυτή την περίπτωση όπως αναμένεται είναι μηδέν. Όλα τα παραπάνω συμπεράσματα και οι παρατηρήσεις παρουσιάζονται, εκτός από τους πίνακες, στις Εικόνα [42] και Εικόνα [43]. Στην Εικόνα [42] φαίνονται οι διαφορές μεταξύ των καταστάσεων του υψηλού σθένους (πάνω) και του χαμηλού σθένους (κάτω) στις πηγές που αναφέραμε, με την σειρά των καταστάσεων HA-άντρες, HA-γυναίκες, LA- άντρες,la- γυναίκες. Στην Εικόνα [43] φαίνονται οι διαφορές με μεταξύ των καταστάσεων της υψηλής (πάνω) και της χαμηλής διέγερσης (κάτω) για την πηγή SF3, με την σειρά των καταστάσεων HV- άντρες,hv-γυναίκες,lv άντρες -,LV- γυναίκες. SF1 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total 0 1 0,25 0,625 SF1 1 0,75 0,375 Total Πίνακας [37] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF1 της P1 κορύφωσης. SF4 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total 0 1 0,5 SF ,5 Total Πίνακας [38] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF4 της P1 κορύφωσης. 126

127 ESF4 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total NONE 1 0,5 MEDIUM 0,75 0,375 ESF4 HIGH 0,25 0,125 Total Πίνακας [39] Πίνακας συχνότητας για την ένταση της πηγής SF4 της P1 κορύφωσης. SF6 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total 0 1 0,25 0,625 SF6 1 0,75 0,375 Total Πίνακας [40] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF6 της P1 κορύφωσης. ESF6 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total NONE 1 0,25 0,625 ESF6 HIGH 0,75 0,375 Total Πίνακας [41] Πίνακας συχνότητας για την ένταση της πηγής SP6 της P1 κορύφωσης. SF1 SF4 SF6 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες High Valence (HV) 127

128 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες Low Valence (LV) Εικόνα [42] Διαφορές ως προς το σθένος στην ενεργοποίηση των πηγών SF1, SF4, SF6 και στις εντάσεις των SF4, SF6. Η πηγή SF1 εμφανίζεται στις τρεις καταστάσεις του υψηλού σθένους, εκτός από την κατάσταση HAγυναίκες, αλλά σε καμία του χαμηλού σθένους. Το ίδιο ακριβώς ισχύει και για την εμφάνιση της πηγής SF6, ενώ η πηγή SF4 εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις του υψηλού σθένους όχι όμως του χαμηλού. και στις εντάσεις των SF4, SF6. SF3 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total 0 1 0,25 0,625 SF3 1 0,75 0,375 Total Πίνακας [42] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF3 της P1 κορύφωσης. ESF3 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total NONE 1 0,25 0,625 ESF3 HIGH 0,75 0,375 Total Πίνακας [43] Πίνακας συχνότητας για την ένταση της πηγής SF3 της P1 κορύφωσης. 128

129 SF3 HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες High Arousal (HA) HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες Low Arousal (LA) Εικόνα [43] Η πηγή SF3 παρουσιάζει διαφορές ως προς την διέγερση στην ενεργοποίηση της πηγής SF3 καθώς και στην έντασή της, αφού παρατηρείται ότι εμφανίζεται σε τρεις καταστάσεις στην περίπτωση της υψηλής διέγερσης (εκτός από την HV-γυναίκες), αλλά σε καμία της χαμηλής Κορύφωση Ν1 Λιγότερες διαφορές σε σχέση με την προηγούμενη κορύφωση παρατηρήθηκαν στην κορύφωση Ν1. Η πρώτη διαφορά παρατηρήθηκε ως προς το σθένος στην ενεργοποίηση της πηγής SF4 και η δεύτερη παρατηρήθηκε στην ένταση της πηγής SF6 ως προς το φύλο. Πιο αναλυτικά όπως φαίνεται και στους πίνακες συχνοτήτων που ακολουθούν, η πηγή SF4 εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις του υψηλού σθένους (ποσοστό 100%), αλλά μόνο στην κατάσταση του χαμηλού σθένους και υψηλής διέγερσης στους άντρες εμφανίζεται ενεργοποιημένη (ποσοστό 25%). Σε όλες τις άλλες καταστάσεις του χαμηλού σθένους δεν είναι ενεργοποιημένη (ποσοστό 75%). Όσο αφορά την ένταση της πηγής SF6 τα ποσοτικά δεδομένα δείχνουν ότι υπάρχει διαφορά ως προς το φύλο. Ενώ δηλαδή στους άντρες η τιμή της έντασης της είναι υψηλή σε όλες τις καταστάσεις που εμφανίζεται η πηγή 129

130 (ποσοστό 100%) στις γυναίκες κατά 50% δεν εμφανίζεται καθόλου, άρα όπως είναι αναμενόμενο η τιμή της είναι μηδέν, ενώ εκεί όπου εμφανίζεται ενεργοποιημένη κατά το υπόλοιπο 50% των καταστάσεων (καταστάσεις όπου το σθένος έχει ίδια τιμή με τη διέγερση), η τιμή της έντασης της είναι μεσαία. Στην Εικόνα [44] παρουσιάζονται με απεικονιστικό τρόπο οι διαφορές ως προς το σθένος για την πηγή SF4 με την σειρά των καταστάσεων HAάντρες, HA-γυναίκες, LA- άντρες,la- γυναίκες, για το υψηλό σθένος (πάνω) και το χαμηλό (κάτω). Ενώ στην Εικόνα [45] παρουσιάζονται οι διαφορές ως προς το φύλο για την ένταση της πηγής SF6, με τις καταστάσεις να έχουν τη σειρά HVHA, HVLA, LVHA, LVLA, για άντρες (πάνω) και γυναίκες (κάτω) SF4 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total 0 0,75 0,375 SF4 1 0,25 1 0,625 Total Πίνακας [44] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF4 της Ν1 κορύφωσης. SF4 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες High Valence (HV) 130

131 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες Low Valence (LV) Εικόνα [44] Διαφορές στης ενεργοποίηση της πηγής SF4 ως προς το σθένος, μια και εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις του υψηλού σθένους αλλά μόνο σε μία του χαμηλού (HA-άντρες). ESF6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,5 0,25 MEDIUM 0,5 0,25 ESF6 HIGH 1 0,5 Total Πίνακας [45] Πίνακας συχνότητας για την ένταση της πηγής SF6 της Ν1 κορύφωσης. SF6 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [45] Διαφορά ως προς το φύλο για την ένταση της πηγής SF6, όπου ενώ στους άντρες εμφανίζεται σε όλες τις καταστάσεις με υψηλή ένταση στις γυναίκες εμφανίζεται με μεσαία στις καταστάσεις HVHA και LVLA 131

132 Κορύφωση P2 Στη παρούσα κορύφωση όλες οι διαφορές που παρατηρήθηκαν από την μελέτη των πινάκων συχνοτήτων αφορούν το φύλο. Οι πηγές SF3 και SF6 που ενεργοποιούνται στο αριστερό και στο δεξί ημισφαίριο αντίστοιχα, στις αντίστοιχες θέσεις, παρουσίασαν διαφορές και ως προς την ενεργοποίησή τους και ως προς την έντασή τους. Πιο συγκεκριμένα, όπως φαίνεται και στους πίνακες που ακολουθούν, η πηγή SF3 εμφανίζεται ενεργοποιημένη στο 100% των καταστάσεων των γυναικών, αλλά μόνο στο 25% των καταστάσεων των αντρών (κατάσταση LVHA) ενώ στο υπόλοιπο 75% δεν εμφανίζεται ενεργοποιημένη. Η έντασή της σε αυτήν την περίπτωση όπως αναμένεται έχει τιμή μηδέν ενώ σε όλες τις άλλες περιπτώσεις όπου εμφανίζεται έχει υψηλή τιμή. Το ίδιο ακριβώς αποτέλεσμα έχουμε και για την πηγή SF6, με τα ίδια ποσοστά μεταξύ αντρών και γυναικών και όσο αφορά την ενεργοποίησή της και την έντασή της. Όλα τα παραπάνω φαίνονται στην Εικόνα [46] που ακολουθεί με τις καταστάσεις των αντρών (πάνω) και των γυναικών (κάτω) να έχουν την σειρά HVHA,HVLA,LVHA,LVLA. SF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF3 1 0,25 1 0,625 Total Πίνακας [46] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF3 της P2 κορύφωσης. SF6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF6 1 0,25 1 0,625 Total Πίνακας [47] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF6 της P2 κορύφωσης. 132

133 ESF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 ESF3 HIGH 0,25 1 0,625 Total ESF6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,75 0,375 ESF6 HIGH 0,25 1 0,625 Total Πίνακας [48] Πίνακας συχνότητας για την ένταση των πηγών SF3 και SF6 της P2 κορύφωσης. SF6 SF3 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [46] Η πηγή SF3 εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των γυναικών με ένταση υψηλή ενώ στους άντρες εμφανίζεται μόνο σε μια κατάσταση (LVHA) με υψηλή ένταση. Το ίδιο παρατηρείται και για την πηγή SF6 η οποία εμφανίζεται σε όλες τις καταστάσεις των γυναικών με υψηλή ένταση αλλά μόνο σε μία των αντρών (HVLA) με την ίδια ένταση. 133

134 Κορύφωση N2 Αρκετές διαφορές βρέθηκαν ότι παρουσιάζονται στην συγκεκριμένη κορύφωση, ως προς το σθένος για τις πηγές SF1 και SF4 και ως προς το φύλο για τις πηγές SF5 και SF6. Η πηγή SF1 όπως μπορούμε να διαπιστώσουμε και στους πίνακες που ακολουθούν, εμφανίζεται μη ενεργοποιημένη σε όλες τις καταστάσεις όπου το σθένος είναι χαμηλό (LV) (ποσοστό 100%), ενώ στις καταστάσεις όπου το σθένος είναι υψηλό (HV), με ποσοστό 75% εμφανίζεται να είναι ενεργοποιημένη. Στο υπόλοιπο 25% που αντιστοιχεί στην κατάσταση χαμηλής διέγερσης στις γυναίκες δεν είναι ενεργοποιημένη. Η έντασή της στο χαμηλό σθένος έχει τιμή μηδέν που αντιστοιχεί σε ποσοστό 100%, μια και η πηγή δεν είναι ενεργοποιημένη, ενώ στο υψηλό στο 75% των καταστάσεων που είναι ενεργοποιημένη η τιμή της είναι υψηλή. Στην πηγή SF4 που ενεργοποιείται στο αντίθετο ημισφαίριο από την παραπάνω πηγή στην αντίστοιχη θέση όμως, η κατάσταση είναι διαφορετική. Εδώ παρατηρούμε ότι η πηγή είναι ενεργοποιημένη σε όλες τις καταστάσεις του υψηλού σθένους κάτι που αντιστοιχεί σε ποσοστό 100%, ενώ μόνο κατά το 25% των καταστάσεων του χαμηλού σθένους είναι ενεργοποιημένη (κατάσταση υψηλής διέγερσης στους άντρες). Κατά το υπόλοιπο 75% των καταστάσεων η πηγή δεν εμφανίζεται, οπότε και η έντασή της έχει την τιμή μηδέν. Σε όλες τις άλλες περιπτώσεις η τιμή της έντασης είναι υψηλή. Η παρακάτω Εικόνα [47] αποδεικνύει τις παραπάνω διαπιστώσεις με απεικονιστικό τρόπο ανάμεσα στις καταστάσεις του υψηλού σθένους (πάνω) και του χαμηλού (κάτω). Οι καταστάσεις δίνονται με την σειρά HAάντρες,HA-γυναίκες,LA- άντρες,la- γυναίκες. 134

135 SF1 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total 0 1 0,25 0,625 SF1 1 0,75 0,375 Total Πίνακας [49] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF1 της Ν2 κορύφωσης. SF4 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total 0 0,75 0,375 SF4 1 0,25 1 0,625 Total Πίνακας [50] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF4 της Ν2 κορύφωσης. ESF1 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total NONE 1 0,25 0,625 ESF1 HIGH 0,75 0,375 Total Πίνακας [51] Πίνακας συχνότητας για την ένταση της πηγής SF1 της Ν2 κορύφωσης ESF4 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total NONE 0,75 0,375 ESF4 HIGH 0,25 1 0,625 Total Πίνακας [52] Πίνακας συχνότητας για την ένταση της πηγής SF4 της Ν2 κορύφωσης. 135

136 SF1 SF4 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες High Valence (HV) HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες Low Valence (LV) Εικόνα [47] Διαφορές μεταξύ των καταστάσεων υψηλού σθένους και χαμηλού για την ενεργοποίηση και την ένταση των πηγών SF1,SF4. Παρατηρείται ότι η πηγή SF1 εμφανίζεται ενεργοποιημένη στις τρεις καταστάσεις του υψηλού σθένους (εκτός από την LA-γυναίκες) με υψηλή ένταση ενώ στου χαμηλού σθένους δεν εμφανίζεται σε καμία. Ομοίως και η πηγή SF4 εμφανίζεται ενεργοποιημένη με υψηλή ένταση σε όλες τις καταστάσεις του υψηλού σθένους αλλά μόνο σε μία του χαμηλού (HAάντρες) με την ίδια ένταση. Η πηγή SF6, όπως φαίνεται και στον πίνακα που ακολουθεί εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των αντρών με ποσοστό 100%, ενώ μόνο στο 25% των καταστάσεων των γυναικών εμφανίζεται (κατάσταση HVLA). Στο υπόλοιπο 75% η πηγή είναι ανενεργή. Άρα για την εν λόγω πηγή η διαφορά που σημειώθηκε είναι ως προς το φύλο. Ως προς την ίδια παράμετρο έχει διαφορά και η ένταση της πηγής SF5. Συγκεκριμένα βρέθηκε ότι ενώ σε όλες τις καταστάσεις των γυναικών όπου είναι ενεργή η έντασή της είναι υψηλή (ποσοστό 100%), αντίθετα στις καταστάσεις των αντρών παρουσιάστηκε διακύμανση στις τιμές της από την μεσαία έως και την μηδενική μια και στο 50% των καταστάσεων είναι ανενεργή. Όλα τα παραπάνω παρουσιάζονται στην Εικόνα [48] που 136

137 ακολουθεί ανάμεσα στους άντρες (πάνω) και στις γυναίκες (κάτω), όπου η σειρά των καταστάσεων είναι HVHA, HVLA, LVHA, LVLA. SF6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF ,25 0,625 Total Πίνακας [53] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF6 της Ν2 κορύφωσης. ESF5 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total NONE 0,5 0,25 LOW 0,25 0,125 MEDIUM 0,25 0,125 ESF5 HIGH 1 0,5 Total Πίνακας [54] Πίνακας συχνότητας για την ένταση της πηγής SF5 της Ν2 κορύφωσης. SF6 SF5 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ 137

138 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [48] Διαφορές μεταξύ αντρών και γυναικών όσο αφορά την ενεργοποίηση της πηγής SF6 η οποία εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις των αντρών αλλά μόνο στην κατάσταση HVLA των γυναικών και την ένταση της πηγής SF5 η οποία είναι υψηλή σε όλες τις καταστάσεις των γυναικών, ενώ είναι μεσαία ή χαμηλή στις καταστάσεις των αντρών που εμφανίζεται ενεργοποιημένη (LVHA, LVLA) Κορύφωση P3 Η πηγή SF3 όπως μπορούμε να διαπιστώσουμε και από τον πίνακα συχνοτήτων της, είναι ενεργή σε όλες τις καταστάσεις των αντρών, γεγονός που αντιστοιχεί στο ποσοστό 100%. Στην περίπτωση των γυναικών όμως μόνο για ένα ποσοστό 25% (κατάσταση LVHA) εμφανίζεται ενεργοποιημένη, ενώ για το υπόλοιπο 75% είναι ανενεργή. Το γεγονός αυτό μας οδηγεί στο συμπέρασμα ότι υπάρχει διαφορά ως προς το φύλο για την εν λόγω πηγή, κάτι που αποδεικνύεται και στην εικόνα που ακολουθεί, όπου πάνω παρατίθενται οι καταστάσεις των αντρών και κάτω των γυναικών με την σειρά HVHA, HVLA, LVHA, LVLA. SF3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total 0 0,75 0,375 SF ,25 0,625 Total Πίνακας [55] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SF3 της P3 κορύφωσης. 138

139 SF3 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [49] Διαφορές ως προς το φύλο για την πηγή SF3 η οποία παρατηρείται ενεργοποιημένη σε όλες τις καταστάσεις των αντρών αλλά μόνο σε μία των γυναικών (LVHA) Κεντρική Περιοχή (Central Region) Κορύφωση P1 Οι πίνακες συχνότητας για την κορύφωση P1 έδειξαν ότι παρουσιάζεται διαφορά στην πηγή SC3 ως προς τη διέγερση και στην ενεργοποίησή της αλλά και στην έντασή της. Πιο συγκεκριμένα στις καταστάσεις της υψηλής διέγερσης η πηγή είναι ενεργοποιημένη σε ποσοστό 100%, ενώ στις καταστάσεις της χαμηλής διέγερσης μόνο κατά το 25% αυτών είναι ενεργή (κατάσταση υψηλού σθένους στους άντρες), κατά το υπόλοιπο 75% παραμένει ανενεργή. Η ένταση της πηγής παρουσιάζει διακυμάνσεις και στη χαμηλή και στην υψηλή διέγερση. Στην μεν υψηλή όπου εμφανίζεται με ποσοστό 100% το 75% έχει υψηλή ένταση και το 25% χαμηλή, στην δε χαμηλή στο 25% των καταστάσεων που εμφανίζεται η τιμή της είναι χαμηλή. Στις υπόλοιπες καταστάσεις ως αναμένεται η τιμή της είναι μηδενική. Άρα υπάρχει και εδώ διαφορά ως προς την διέγερση. Τα παραπάνω φαίνονται στην Εικόνα [50] που ακολουθεί τους πίνακες συχνότητας, όπου απεικονίζονται οι διαφορές 139

140 ανάμεσα στις υψηλές διεγέρσεις και στις χαμηλές με τις καταστάσεις να έχουν την σειρά HV-άντρες,HV-γυναίκες,LV- άντρες,lv- γυναίκες. SC3 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total 0 0,75 0,375 SC3 1 0,25 1 0,625 Total Πίνακας [56] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SC3 της P1 κορύφωσης. ESC3 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total NONE 0,75 0,375 LOW 0,25 0,25 0,25 ESC3 HIGH 0,75 0,375 Total Πίνακας [57] Πίνακας συχνότητας για την ένταση της πηγής SC3 της P1 κορύφωσης. SC3 HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες High Arousal (HA) HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες Low Arousal (LA) Εικόνα [50] Διαφορές ως προς την διέγερση για την ενεργοποίηση και την ένταση της πηγής SC3, που όπως παρατηρείται εμφανίζεται ενεργοποιημένη 140

141 σε όλες τις καταστάσεις της υψηλής διέγερσης, με ένταση υψηλή εκτός από την κατάσταση HV-άντρες, αλλά μόνο σε μία της χαμηλής με ένταση χαμηλή (LV-άντρες) Κορύφωση P2 Η ένταση της πηγής SC3 παρουσιάζει διαφορές ως προς την διέγερση σύμφωνα με τα δεδομένα του πίνακα που ακολουθεί. Μάλιστα στην περίπτωση των καταστάσεων της υψηλής διέγερσης, όπου και εμφανίζεται παντού, η έντασή της είναι μεσαίας στάθμης σε ποσοστό 100%, ενώ στις καταστάσεις της χαμηλής διέγερσης στο 75% των περιπτώσεων όπου και εμφανίζεται ενεργή η έντασή της είναι χαμηλή. Στο υπόλοιπο 25% είναι ανενεργή και έτσι η τιμή της έντασης είναι μηδενική. Στην Εικόνα [51] που ακολουθεί παρουσιάζεται η παραπάνω διαφορά της ένταση ανάμεσα στις καταστάσεις υψηλής διέγερσης (πάνω) και χαμηλής (κάτω), με την σειρά HV-άντρες,HV-γυναίκες,LV- άντρες,lvγυναίκες. ESC3 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total NONE 0,25 0,125 LOW 0,75 0,375 ESC3 MEDIUM 1 0,5 Total Πίνακας [58] Πίνακας συχνότητας για την ένταση της πηγής SC3 της P2 κορύφωσης. SC3 HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες High Arousal (HA) 141

142 HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες Low Arousal (LA) Εικόνα [51] Διαφορά ως προς το σθένος για την ένταση της πηγής SC3, που εμφανίζεται με μεσαία ένταση σε όλες τις καταστάσεις του υψηλού σθένους, ενώ με χαμηλή ένταση στις καταστάσεις του χαμηλού σθένους όπου υπάρχει ενεργοποιημένη (HV-άντρες, LV-άντρες, LV-γυναίκες) Κορύφωση P3 Η κορύφωση P3 εμφάνισε διαφορά ως προς τη διέγερση, στην πηγή SC5 και όσο αφορά την ενεργοποίησή και όσο αφορά την έντασή της. Όπως μπορούμε να δούμε και στους πίνακες συχνοτήτων που ακολουθούν η πηγή εμφανίζεται ενεργή στο 100% των καταστάσεων της χαμηλής διέγερσης, και μόνο στο 25% των καταστάσεων της υψηλής διέγερσης. Στο υπόλοιπο 75% αυτών είναι ανενεργή. Όσο αφορά την έντασή της, αυτή φαίνεται ότι στο 100% των καταστάσεων της χαμηλής διέγερσης έχει χαμηλή τιμή, ενώ στο 25% των καταστάσεων της υψηλής διέγερσης όπου και εμφανίζεται όπως είδαμε παραπάνω, έχει μεσαία τιμή και στις υπόλοιπες μηδενική. Οι διαφορές παρουσιάζονται στην Εικόνα [52] με τις καταστάσεις να έχουν την σειρά HVάντρες,HV-γυναίκες,LV- άντρες,lv- γυναίκες, για την υψηλή διέγερση (πάνω) και την χαμηλή (κάτω). SC5 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total 0 0,75 0,375 SC ,25 0,625 Total Πίνακας [59] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SC5 της P3 κορύφωσης. 142

143 ESC5 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total NONE 0,75 0,375 LOW 1 0,5 ESC5 MEDIUM 0,25 0,125 Total Πίνακας [60] Πίνακας συχνότητας για την ένταση της πηγής SC5 της P3 κορύφωσης. SC5 HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες High Arousal (HA) HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες Low Arousal (LA) Εικόνα [52] Διαφορές ως προς τη διέγερση για την πηγή SC5 όσο αφορά την ενεργοποίησή της και την έντασή της, μια και εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις της χαμηλής διέγερσης με ένταση χαμηλή, αλλά μόνο σε μία της υψηλής διέγερσης (LV-γυναίκες) με ένταση μεσαία Πλευρική Περιοχή (Parietal Region) Κορύφωση P1 Οι διαφορές για την κορύφωση που εξετάζουμε παρατηρήθηκαν στην ενεργοποίηση και στην ένταση της πηγής SP4 καθώς και στην ένταση της 143

144 πηγής SP3. Αναλυτικότερα με βάση τα στοιχεία των πινάκων συσχέτισης βρέθηκε ότι στις καταστάσεις της χαμηλής διέγερσης η πηγή SP4 είναι ανενεργή με ποσοστό 100%, ενώ στις καταστάσεις της υψηλής διέγερσης είναι ενεργή με ποσοστό 100%. Η έντασή της στις καταστάσεις της χαμηλής διέγερσης, όπου και δεν εμφανίζεται έχει μηδενική τιμή, αντίθετα στις καταστάσεις της υψηλής διέγερσης η τιμή της έντασης είναι υψηλή κατά 75% και χαμηλή κατά 25%. Επίσης η ένταση της πηγής SP3 παρουσιάζει διαφορές ως προς τη διέγερση. Έτσι όπως φαίνεται και στον αντίστοιχο πίνακα στις καταστάσεις της υψηλής διέγερσης η ένταση είναι υψηλή με ποσοστό 100%, ενώ στις καταστάσεις της χαμηλής διέγερσης κυμαίνεται μεταξύ της μεσαίας στάθμης (ποσοστό 75%) και της χαμηλής (ποσοστό 25%). Τα παραπάνω μπορούμε να τα διαπιστώσουμε και από την Εικόνα [53] που ακολουθεί. Οι καταστάσεις ακολουθούν τη σειρά HV-άντρες,HVγυναίκες,LV- άντρες,lv- γυναίκες, για την υψηλή διέγερση (πάνω) και την χαμηλή (κάτω). SP4 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total 0 1 0,5 SP ,5 Total Πίνακας [61] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SP4 της P1 κορύφωσης. ESP4 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total NONE 1 0,5 LOW 0,25 0,125 ESP4 HIGH 0,75 0,375 Total Πίνακας [62] Πίνακας συχνότητας για την ένταση της πηγής SP4 της P1 κορύφωσης. 144

145 ESP3 * AROUSAL Crosstab % within AROUSAL AROUSAL LOW HIGH Total LOW 0,25 0,125 MEDIUM 0,75 0,375 ESP3 HIGH 1 0,5 Total Πίνακας [63] Πίνακας συχνότητας για την ένταση της πηγής SP3 της P1 κορύφωσης. SP3 SP4 HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες High Arousal (HA) HV- άντρες HV-γυναίκες LV-άντρες LV- γυναίκες Low Arousal (LA) Εικόνα [53] Διαφορές ως προς τη διέγερση για τις πηγές SP3,SP. Πιο συγκεκριμένα η πηγή SP3 έχει υψηλή ένταση σε όλες τις καταστάσεις της υψηλής διέγερσης, ενώ στις τρεις καταστάσεις της χαμηλής έχει μεσαία και στην μία (HV-γυναίκες) χαμηλή. Η SP6 πηγή εμφανίζεται ενεργοποιημένη σε όλες τις καταστάσεις της υψηλής διέγερσης με ένταση υψηλή στις περισσότερες (εκτός από την LV-άντρες), αλλά δεν εμφανίζεται ενεργοποιημένη σε καμία από της χαμηλής διέγερσης. Βρέθηκε ακόμη ότι και η πηγή SP6 παρουσιάζει διαφορές ως προς το σθένος. Τα ποσοστά που έδωσε ο υπολογισμός του πίνακα συχνοτήτων της δείχνουν ότι κατά το 100% η πηγή είναι ενεργή στις καταστάσεις του υψηλού σθένους, ενώ στις καταστάσεις του χαμηλού είναι μόνο κατά το 145

146 25% (κατάσταση LV-άντρες). Στο υπόλοιπο ποσοστό είναι ανενεργή. Η διαφορά φαίνεται και στην Εικόνα [54] που ακολουθεί, με τις καταστάσεις της υψηλής διέγερσης πάνω και της χαμηλής κάτω, με σειρά HA-άντρες,HAγυναίκες,LA- άντρες,la- γυναίκες. SP6 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total 0 0,75 0,375 SP6 1 0,25 1 0,625 Total Πίνακας [64] Πίνακας συχνότητας για την ενεργοποίηση της πηγής SP6 της P1 κορύφωσης. SP6 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες High Valence (HV) HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες Low Valence (LV) Εικόνα [54] Διαφορές ως προς το σθένος για την ενεργοποίηση της πηγής SP6, που όπως φαίνεται εμφανίζεται σε όλες τις καταστάσεις του υψηλού σθένους αλλά μόνο σε μία του χαμηλού σθένους (LA-άντρες). 146

147 Κορύφωση Ν1 Στην κορύφωση Ν1 παρατηρήθηκε διαφορά στην ένταση της πηγής SP6, ως προς το σθένος. Ο πίνακας συχνότητας της έντασης δείχνει ότι στις καταστάσεις του υψηλού σθένους έχουμε μεσαία τιμή της έντασης με ποσοστό 100%, ενώ στις καταστάσεις του χαμηλού σθένους το μεγαλύτερο ποσοστό (75%) έχει υψηλή τιμή και μόνο το 25% (κατάσταση LA-άντρες), έχει μεσαία τιμή. Αυτό αποδεικνύεται και από την Εικόνα [55] που ακολουθεί με τις καταστάσεις υψηλού σθένους (πάνω) και χαμηλού (κάτω) με σειρά HA-άντρες,HA-γυναίκες,LA- άντρες,la- γυναίκες. ESP6 * VALENCE Crosstab % within VALENCE VALENCE LOW HIGH Total MEDIUM 0,25 1 0,625 ESP6 HIGH 0,75 0,375 Total Πίνακας [65] Πίνακας συχνότητας για την ένταση της πηγής SP6 της Ν1 κορύφωσης. SP6 HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες High Valence (HV) HA-άντρες HA-γυναίκες LA- άντρες LA- γυναίκες Low Valence (LV) Εικόνα [55] Διαφορές ως προς το σθένος για την ένταση της πηγής SP6, η οποία εμφανίζεται μεσαία σε όλες τις καταστάσεις του υψηλού σθένους 147

148 όπως και στην κατάσταση LA-άντρες του χαμηλού σθένους. Στις άλλες καταστάσεις του χαμηλού σθένους εμφανίζεται υψηλή Κορύφωση P2 Η πηγή SP6 στην κορύφωση P2 παρουσίασε διαφορά ως προς την έντασή της. Στις καταστάσεις των γυναικών εμφανίστηκε με ποσοστό 75% με υψηλή ένταση και με ποσοστό 25% με μεσαία. Αντίθετα στις καταστάσεις των αντρών μόνο το 25% είχε μεσαία ένταση και το υπόλοιπο 75% παρουσίασε χαμηλή. Και στις δύο περιπτώσεις (άντρες-γυναίκες) η πηγή είναι ενεργή με ποσοστό 100%. Η Εικόνα [56] παρουσιάζει την διαφορά που μόλις αναφέραμε μεταξύ αντρών (πάνω) και γυναικών (κάτω), με σειρά καταστάσεων HVHA, HVLA, LVHA, LVLA. ESP6 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total LOW 0,75 0,375 MEDIUM 0,25 0,25 0,25 ESP6 HIGH 0,75 0,375 Total Πίνακας [66] Πίνακας συχνότητας για την ένταση της πηγής SP6 της P2 κορύφωσης. HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ 148

149 SP6 HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [56] Διαφορές μεταξύ αντρών και γυναικών για την ένταση της πηγής SP6, που όπως διαπιστώνουμε εμφανίζεται στις γυναίκες παντού υψηλή εκτός από την κατάσταση HVHA, ενώ στους άντρες μόνο στην κατάσταση LVHA εμφανίζεται μεσαία στις υπόλοιπες εμφανίζεται χαμηλή Κορύφωση P3 Η ένταση της πηγής SP3 παρουσίασε διαφορά μεταξύ των δύο φύλων. Πιο συγκεκριμένα όπως φαίνεται και στον πίνακα συχνοτήτων παρακάτω στις καταστάσεις των αντρών η τιμή της έντασης της πηγής στο 100% των περιπτώσεων είναι μεσαία, ενώ στις καταστάσεις των γυναικών στο 75% των περιπτώσεων είναι υψηλή και μόνο στο 25% (κατάσταση LVHA) μεσαία όπως και στους άντρες. Τα αποτελέσματα φαίνονται και με απεικονιστικό τρόπο στην Εικόνα [57] όπου πάνω παρατίθενται οι καταστάσεις των αντρών και κάτω των γυναικών με τη σειρά HVHA, HVLA, LVHA, LVLA. ESP3 * GENDER Crosstab % within GENDER GENDER MALE FEMALE Total MEDIUM 1 0,25 0,625 ESP3 HIGH 0,75 0,375 Total Πίνακας [67] Πίνακας συχνότητας για την ένταση της πηγής SP3 της P3 κορύφωσης. 149

150 SP3 HVHA HVLA LVHA LVLA ΑΝΤΡΕΣ HVHA HVLA LVHA LVLA ΓΥΝΑΙΚΕΣ Εικόνα [57] Διαφορές μεταξύ των δύο φύλων για την ένταση της πηγής SP3. Σε όλες τις καταστάσεις των αντρών η έντασή της είναι μεσαία, ενώ μόνο στην κατάσταση LVHA των γυναικών έχει αυτή την ένταση. Στις υπόλοιπες καταστάσεις των γυναικών η ένταση εμφανίζεται υψηλή. 150

151 7. ΣΥΖΗΤΗΣΗ Η παρούσα διπλωματική εργασία σκοπό είχε την απεικόνηση των πηγών που ενεργοποιούνται, κατά την παρατήρηση εικόνων με συναισθηματικό περιεχόμενο. Γι αυτό τον λόγο αρχικά μελετήθηκαν θέματα με σκοπό την κατανόηση της ηλεκτροφυσιολογίας του εγκεφάλου, καθώς και θέματα που σχετίζονται με το ηλεκτροεγκεφαλογράφημα, μια και αποτελεί την τεχνική με την οποία μπορούμε να εξετάσουμε τον τρόπο με τον οποίο γίνεται η μέτρηση των ηλεκτρικών πεδίων στον εγκέφαλο, άρα και της εγκεφαλικής δραστηριότητας. Επίσης συζητήθηκε το αντίστροφο πρόβλημα της ηλεκτροεγκεφαλογραφίας και μελετήθηκαν οι παραμετρικές και απεικονιστικές μέθοδοι που εφαρμόζονται για την επίλυση του προβλήματος αυτού. Επιπλέον επειδή το ερέθισμα που χρησιμοποιήθηκε για το πείραμα ήταν συναισθηματικού περιεχομένου και σκοπός μας ήταν η καταγραφή ηλεκτροεγκεφαλογραφημάτων και η απεικόνηση των πηγών που ενεργοποιούνται σε αυτή την περίπτωση, μελετήθηκαν και θέματα που σχετίζονται με τα βιωματικά δυναμικά, καθώς και θέματα που σχετίζονται με την θεωρία του συναισθήματος, με σκοπό την κατανόηση τους. Είναι γεγονός ότι η επεξεργασία του συναισθήματος από το ανθρώπινο μυαλό παρουσιάζει αυξανόμενο ενδιαφέρον τα τελευταία 40 χρόνια (Calder et al., 2001; LaBar and Cabeza, 2006; LeDoux, 2000). Τα βιωματικά δυναμικά ενδυναμώνουν την αποτίμηση των νευρικών αποκρίσεων, σε συναισθηματικά γεγονότα με ανάλυση χιλιοστών του δευτερολέπτου. Παρά του ότι όμως η μελέτη των βιωματικών δυναμικών έχει συγκριτικά μεγάλη ιστορία, εδώ και τέσσερις δεκαετίες, παρόλα αυτά σχετικά μικρή πρόοδος στα ευρήματα έχει επιτευχθεί. Η επεξεργασία της συναισθηματικής πληροφορίας μπορεί να αναλυθεί αναλύοντας τα μεγέθη και τους χρόνους των βιωματικών δυναμικών (Rugg and Coles, 1995). Το βασικό πλεονέκτημα από την χρήση 151

152 των μετρήσεων των παραπάνω δυναμικών είναι το ότι αυτές οι ηλεκτροφυσιολογικές διαδικασίες μπορούν να καθοριστούν χρονικά, σε αντίθεση με άλλες νευροαπεικονιστικές τεχνικές όπως είναι η fmri και η PET. Συμπερασματικά, τα δυναμικά του εγκεφάλου τα οποία καταγράφονται στο κρανίο, μας προσφέρουν ένα ισχυρό μέσο για να χαρακτηρίσουμε την συναισθηματική επεξεργασία στον εγκέφαλο (Batty and Taylor, 2003; Britton et al., 2006; Maratos and Ragg, 2001; Smith et al.,2004) [52]. Έχοντας υπόψιν όλα τα παραπάνω, χρησιμοποιήθηκαν πραγματικά δεδομένα (ΗΕΓ) για την απεικόνιση των εγκεφαλικών πηγών που ενεργοποιούνται κατά την διάρκεια της παρουσίας οπτικού ερεθίσματος (εικόνων) σε εικοσιοκτώ συμμετέχοντες, εκ των οποίων τα δεκατέσσερα ήταν άντρες και τα υπόλοιπα γυναίκες. Αφού έγινε η καταγραφή των ηλεκτροεγκεφαλογραφημάτων, ακολούθησε η επεξεργασία των σημάτων με την χρήση ειδικών λογισμικών, προκειμένου να εξαχθούν πληροφορίες σχετικά με το μέγεθος (amplitude) και τον λανθάνοντα χρόνο (latencies) των σημάτων, για περεταίρω ανάλυση. Η ανάλυση αυτή αφενός αποσκοπούσε στο να εξαχθούν στατιστικά στοιχεία, στα οποία παρατηρήθηκαν διαφορές μεταξύ των συναισθηματικών καταστάσεων (πχ υψηλού σθένους ή χαμηλού σθένους) και μεταξύ των δύο φύλων ανά περιοχή ενδιαφέροντος, αφετέρου δε στο να δημιουργηθούν τα επεξεργασμένα σήματα τα οποία εισήχθησαν στο λογισμικό EEGFocus. Για το εν λόγω λογισμικό, όπως ήδη είδαμε προηγήθηκε μια μικρή περιγραφή σε παράγραφο προηγούμενου κεφαλαίου. Με την χρήση του υπολογίστηκαν τα Grand Averages, με σκοπό να πραγματοποιηθούν και οι απεικονίσεις των πηγών, στους μέσους όρους των χρόνων που ήδη είχαν υπολογιστεί από την παραπάνω ανάλυση των ΗΕΓ. Επιπλέον οι εν λόγω απεικονίσεις έγιναν ανά περιοχή ενδιαφέροντος (μετωπική, κεντρική, πλευρική) και ανά κορύφωση (P1,N1,P2,N2,P3). Αποτελέσματα εξήχθησαν και για την περίπτωση όπου το οπτικό ερέθισμα παρουσιαζόταν στα συμμετέχοντες κατά ομάδες με βάση την συναισθηματική κατάσταση (για παράδειγμα κατάσταση υψηλού σθένους και υψηλής διέγερσης HVHA) αλλά και τυχαία, δηλαδή ανεξαρτήτου συναισθηματικής κατάστασης. 152

153 Για την εξαγωγή των αποτελεσμάτων δόθηκαν ονόματα στις πηγές, και έγινε καταγραφή σε πίνακες, της ενεργοποίησης ή μη της κάθε μιας από αυτές τις πηγής, ανά περιοχή ενδιαφέροντος. Εκτός όμως από την ενεργοποίηση ή μη της πηγής μας ενδιέφερε και η έντασή της, γι αυτό τον λόγο, ακολουθήθηκε η ίδια λογική προκειμένου να γίνει και η καταγραφή των εντάσεων των πηγών. Με την χρήση λογισμικού δημιουργήθηκαν οι πίνακες συχνοτήτων, οι οποίοι βοήθησαν να εντοπιστούν και να καταγραφούν πιο εύκολα οι διαφορές, στο σύνολο των απεικονήσεων, και όσο αφορά την ενεργοποίηση των πηγών και όσο αφορά την έντασή τους. Με αυτό τον τρόπο επιτεύχθηκε μια πιο καλή ποιοτική μελέτη των αποτελεσμάτων. Η μελέτη των αποτελεσμάτων στην περίπτωση της παρουσίασης κατά ομάδες, έδειξε ότι οι περισσότερες διαφορές εμφανίζονται μεταξύ των δύο φύλων. Πιο συγκεκριμένα, όπως προκύπτει και από τις απεικονίσεις που ήδη μελετήθηκαν παραπάνω, φαίνεται ότι στις περισσότερες κορυφώσεις των τριών περιοχών ενδιαφέροντος και όσο αφορά την ενεργοποίηση κάποιων πηγών και όσο αφορά την έντασή τους, στις γυναίκες εμφανίζονται πιο έντονα αποτελέσματα, από ότι στους άντρες. Αυτό επαληθεύεται και από την βιβλιογραφία όπου, όπως αναφέραμε σε προηγούμενο κεφάλαιο, οι γυναίκες φαίνεται να επεξεργάζονται το συναίσθημα με διαφορετικό τρόπο, κάνοντάς τες συναισθηματικά πιο εκφραστικές από ότι τους άντρες. Λιγότερες ήταν οι περιπτώσεις όπου εμφανίστηκαν στους άντρες εντονότερα αποτελέσματα και ακόμα λιγότερες όπου εμφανίστηκαν διαφορές λόγω άλλου χαρακτηριστικού όπως το σθένος και η διέγερση. Αντίθετα στην περίπτωση όπου το ερέθισμα παρουσιαζόταν τυχαία, χωρίς να ακολουθείται κάποια σειρά ως προς τη συναισθηματική κατάσταση, οι περισσότερες διαφορές παρατηρήθηκαν ως προς το σθένος και τη διέγερση και λιγότερες ως προς το φύλο με υπεροχή και σε αυτή την περίπτωση στις γυναίκες. Πιο συγκεκριμένα παρατηρήθηκαν στις περισσότερες κορυφώσεις και σε κάποιες πηγές και εντάσεις αυτών, όπως αναλύσαμε παραπάνω στα αποτελέσματα, πιο έντονες διαφορές ως προς το υψηλό σθένος και λιγότερες ως προς το χαμηλό. Επίσης παρατηρήθηκαν σε αρκετές περιπτώσεις πιο έντονες διαφορές ως προς την υψηλή διέγερση και 153

154 λιγότερες ως προς την χαμηλή. Και τέλος όπως ήδη αναφέρθηκε παραπάνω, οι περιπτώσεις όπου οι διαφορές είναι ως προς το φύλο, εμφανίζουν εντονότερες διαφορές στις γυναίκες. Σε αυτό το σημείο θα πρέπει να επισημάνουμε και την διαδικασία του εθισμού στην διαμόρφωση του συναισθήματος. Όπως ήδη έχει αναφερθεί σε προηγούμενο κεφάλαιο, με τον εθισμό περιγράφεται η μείωση της φυσιολογικής απόκρισης, η οποία εμφανίζεται με την επαναληπτική εμφάνιση του ίδιου ερεθίσματος. Ο εθισμός είναι μια διαδικασία συμπεριφοράς η οποία δεν στηρίζεται στη μάθηση αλλά οδηγεί στην υποβάθμιση της απόκρισης στο ερέθισμα που εμφανίζεται επαναληπτικά. Και στην προκειμένη περίπτωση του πειράματος μας, θα μπορούσαμε να πούμε ότι όταν το ερέθισμα παρουσιαζόταν κατά ομάδες ανάλογα με την συναισθηματική κατάσταση, δηλαδή υπήρχε η διαδικασία του εθισμού, δεν παρατηρήσαμε τόσες διαφορές ως προς το σθένος και τη διέγερση, αλλά περισσότερο ως προς το φύλο, κάτι που μπορεί να δικαιολογείται από το γεγονός ότι η προηγούμενη έκθεση στο ερέθισμα επηρεάζει την διαδοχική διαδικασία της προσοχής και προσανατολίζει (προσαρμόζει ) την απόκριση, επιδρώντας στην διευκόλυνση της αντίληψης. Με αυτό τον τρόπο ο εθισμός ηγείται των αλλαγών της υποκειμενικής αποτίμησης των συναισθημάτων. Αντίθετα όταν το ερέθισμα παρουσιαζόταν τυχαία, και συνεπώς δεν υπήρχε σχέση με την διαδικασία του εθισμού, δεν επηρεάζονταν οι αλλαγές της υποκειμενικής αποτίμησης των συναισθημάτων, για αυτό και πιθανόν να είχαμε περισσότερες διαφορές ως προς τα άλλα χαρακτηριστικά, δηλαδή το σθένος και τη διέγερση και όχι μόνο ως προς το φύλο. 154

155 8. ΠΑΡΑΡΤΗΜΑ ΕΙΚΟΝΩΝ 8.1 Απεικόνιση πηγών από την φάση όπου το ερέθισμα παρουσιάζεται κατά ομάδες (blocks) ΜΕΤΩΠΙΚΗ ΠΕΡΙΟΧΗ (FRONTAL REGION) ΚΟΡΥΦΩΣΗ P1 Εικόνα [1] Κατάσταση HVHA στους ΑΝΤΡΕΣ 155

156 Εικόνα [2] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ Εικόνα [3] Κατάσταση HVLA στους ΑΝΤΡΕΣ 156

157 Εικόνα [4] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ Εικόνα [5] Κατάσταση LVHA στους ΑΝΤΡΕΣ 157

158 Εικόνα [6] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ Εικόνα [7] Κατάσταση LVLA στους ΑΝΤΡΕΣ 158

159 Εικόνα [8] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 159

160 ΚΟΡΥΦΩΣΗ Ν1 Εικόνα [9] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [10] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 160

161 Εικόνα [11] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [12] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 161

162 Εικόνα [13] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [14] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 162

163 Εικόνα [15] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [16] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 163

164 ΚΟΡΥΦΩΣΗ P2 Εικόνα [17] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [18] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 164

165 Εικόνα [19] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [20] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 165

166 Εικόνα [21] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [22] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 166

167 Εικόνα [23] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [24] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 167

168 ΚΟΡΥΦΩΣΗ Ν2 Εικόνα [25] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [26] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 168

169 Εικόνα [27] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [28] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 169

170 Εικόνα [29] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [30] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 170

171 Εικόνα [31] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [32] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 171

172 ΚΟΡΥΦΩΣΗ P3 Εικόνα [33] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [34] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 172

173 Εικόνα [35] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [36] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 173

174 Εικόνα [37] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [38] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 174

175 Εικόνα [39] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [40] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 175

176 ΚΕΝΤΡΙΚΗ ΠΕΡΙΟΧΗ (CENTRAL REGION) ΚΟΡΥΦΩΣΗ P1 Εικόνα [41] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [42] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 176

177 Εικόνα [43] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [44] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 177

178 Εικόνα [45] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [46] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 178

179 Εικόνα [47] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [48] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 179

180 ΚΟΡΥΦΩΣΗ Ν1 Εικόνα [49] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [50] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 180

181 Εικόνα [51] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [52] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 181

182 Εικόνα [53] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [54] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 182

183 Εικόνα [55] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [56] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 183

184 ΚΟΡΥΦΩΣΗ P2 Εικόνα [57] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [58] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 184

185 Εικόνα [59] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [60] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 185

186 Εικόνα [61] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [62] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 186

187 Εικόνα [63] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [64] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 187

188 ΚΟΡΥΦΩΣΗ Ν2 Εικόνα [65] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [66] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 188

189 Εικόνα [67] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [68] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 189

190 Εικόνα [69] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [70] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 190

191 Εικόνα [71] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [72] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 191

192 ΚΟΡΥΦΩΣΗ P3 Εικόνα [73] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [74] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 192

193 Εικόνα [75] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [76] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 193

194 Εικόνα [77] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [78] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 194

195 Εικόνα [79] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [80] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 195

196 ΠΛΕΥΡΙΚΗ ΠΕΡΙΟΧΗ (PARIETAL REGION) ΚΟΡΥΦΩΣΗ P1 Εικόνα [81] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [82] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 196

197 Εικόνα [83] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [84] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 197

198 Εικόνα [85] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [86] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 198

199 Εικόνα [87] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [88] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 199

200 ΚΟΡΥΦΩΣΗ Ν1 Εικόνα [89] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [90] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 200

201 Εικόνα [91] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [92] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 201

202 Εικόνα [93] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [94] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 202

203 Εικόνα [95] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [96] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 203

204 ΚΟΡΥΦΩΣΗ P2 Εικόνα [97] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [98] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 204

205 Εικόνα [99] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [100] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 205

206 Εικόνα [101] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [102] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 206

207 Εικόνα [103] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [104] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 207

208 ΚΟΡΥΦΩΣΗ Ν2 Εικόνα [105] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [106] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 208

209 Εικόνα [107] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [108] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 209

210 Εικόνα [109] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [110] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 210

211 Εικόνα [111] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [112] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 211

212 ΚΟΡΥΦΩΣΗ P3 Εικόνα [113] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [114] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 212

213 Εικόνα [115] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [116] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 213

214 Εικόνα [117] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [118] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 214

215 Εικόνα [119] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [120] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 215

216 8.2 Απεικόνιση πηγών από την φάση όπου το ερέθισμα παρουσιάζεται με τυχαίο τρόπο (Random) ΜΕΤΩΠΙΚΗ ΠΕΡΙΟΧΗ (FRONTAL REGION) ΚΟΡΥΦΩΣΗ P1 Εικόνα [121] Κατάσταση HVHA στους ΑΝΤΡΕΣ 216

217 Εικόνα [122] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ Εικόνα [123] Κατάσταση HVLA στους ΑΝΤΡΕΣ 217

218 Εικόνα [124] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ Εικόνα [125] Κατάσταση LVHA στους ΑΝΤΡΕΣ 218

219 Εικόνα [126] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ Εικόνα [127] Κατάσταση LVLA στους ΑΝΤΡΕΣ 219

220 Εικόνα [128] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 220

221 ΚΟΡΥΦΩΣΗ Ν1 Εικόνα [129] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [130] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 221

222 Εικόνα [131] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [132] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 222

223 Εικόνα [133] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [134] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 223

224 Εικόνα [135] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [136] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 224

225 ΚΟΡΥΦΩΣΗ P2 Εικόνα [137] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [138] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 225

226 Εικόνα [139] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [140] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 226

227 Εικόνα [141] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [142] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 227

228 Εικόνα [143] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [144] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 228

229 ΚΟΡΥΦΩΣΗ Ν2 Εικόνα [145] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [146] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 229

230 Εικόνα [147] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [148] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 230

231 Εικόνα [149] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [150] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 231

232 Εικόνα [151] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [152] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 232

233 ΚΟΡΥΦΩΣΗ P3 Εικόνα [153] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [154] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 233

234 Εικόνα [155] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [156] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 234

235 Εικόνα [157] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [158] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 235

236 Εικόνα [159] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [160] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 236

237 ΚΕΝΤΡΙΚΗ ΠΕΡΙΟΧΗ (CENTRAL REGION) ΚΟΡΥΦΩΣΗ P1 Εικόνα [161] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [162] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 237

238 Εικόνα [163] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [164] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 238

239 Εικόνα [165] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [166] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 239

240 Εικόνα [167] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [168] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 240

241 ΚΟΡΥΦΩΣΗ Ν1 Εικόνα [169] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [170] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 241

242 Εικόνα [171] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [172] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 242

243 Εικόνα [173] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [174] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 243

244 Εικόνα [175] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [176] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 244

245 ΚΟΡΥΦΩΣΗ P2 Εικόνα [177] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [178] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 245

246 Εικόνα [179] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [180] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 246

247 Εικόνα [181] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [182] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 247

248 Εικόνα [183] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [184] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 248

249 ΚΟΡΥΦΩΣΗ Ν2 Εικόνα [185] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [186] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 249

250 Εικόνα [187] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [188] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 250

251 Εικόνα [189] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [190] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 251

252 Εικόνα [191] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [192] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 252

253 ΚΟΡΥΦΩΣΗ P3 Εικόνα [193] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [194] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 253

254 Εικόνα [195] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [196] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 254

255 Εικόνα [197] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [198] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 255

256 Εικόνα [199] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [200] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 256

257 ΠΛΕΥΡΙΚΗ ΠΕΡΙΟΧΗ (PARIETAL REGION) ΚΟΡΥΦΩΣΗ P1 Εικόνα [201] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [202] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 257

258 Εικόνα [203] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [204] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 258

259 Εικόνα [205] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [206] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 259

260 Εικόνα [207] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [208] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 260

261 ΚΟΡΥΦΩΣΗ Ν1 Εικόνα [209] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [210] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 261

262 Εικόνα [211] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [212] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 262

263 Εικόνα [213] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [214] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 263

264 Εικόνα [215] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [216] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 264

265 ΚΟΡΥΦΩΣΗ P2 Εικόνα [217] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [218] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 265

266 Εικόνα [219] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [220] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 266

267 Εικόνα [221] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [222] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 267

268 Εικόνα [223] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [224] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 268

269 ΚΟΡΥΦΩΣΗ Ν2 Εικόνα [225] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [226] Κατάσταση HVHAστις ΓΥΝΑΙΚΕΣ 269

270 Εικόνα [227] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [228] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 270

271 Εικόνα [229] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [230] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 271

272 Εικόνα [231] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [232] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 272

273 ΚΟΡΥΦΩΣΗ P3 Εικόνα [233] Κατάσταση HVHA στους ΑΝΤΡΕΣ Εικόνα [234] Κατάσταση HVHA στις ΓΥΝΑΙΚΕΣ 273

274 Εικόνα [235] Κατάσταση HVLA στους ΑΝΤΡΕΣ Εικόνα [236] Κατάσταση HVLA στις ΓΥΝΑΙΚΕΣ 274

275 Εικόνα [237] Κατάσταση LVHA στους ΑΝΤΡΕΣ Εικόνα [238] Κατάσταση LVHA στις ΓΥΝΑΙΚΕΣ 275

276 Εικόνα [239] Κατάσταση LVLA στους ΑΝΤΡΕΣ Εικόνα [240] Κατάσταση LVLA στις ΓΥΝΑΙΚΕΣ 276