Store:EEMIes09

Discusión

En el estudio actual, investigamos la extensión espacial y las propiedades de transición asociadas de la actividad neuronal en el cerebro durante las condiciones activas y de reposo, y si existen propiedades de red subyacentes similares. Descubrimos que aplicar la transformación de Hilbert a los datos de EEG y normalizarlos (Ec. 2) impone una estructura probabilística a la señal de EEG en el cerebro (Ec. 3), que usamos para identificar la probabilidad de patrones espaciales de actividad junto con transiciones en actividad a través del cuero cabelludo. Encontramos más actividad anterior durante el descanso en relación con la visualización de películas, tanto en amplitud como en espacio de fase. Este hallazgo está en línea con los resultados anteriores que muestran una mayor activación en la región anterior durante el reposo.

Además, al normalizar las señales EEG transformadas de Hilbert y extraer valores promedio similares a los de la formulación de la función de onda de la mecánica cuántica, pudimos calcular la incertidumbre en la 'posición' y el 'momento' durante el descanso y la visualización de películas, que es establecido por la nueva constante $K_{brain}=0,78\pm 0,41{\tfrac {cm^{2}}{4ms}}$.

Es atractivo asociar la constante relacionada con la 'posición' y el 'momento' de la actividad neuronal a un principio fundamental, como el principio de incertidumbre de Heisenberg. Sin embargo, aún no está claro qué significa esta incertidumbre. Podría implicar límites al grado de accesibilidad del cerebro; aumentar la información sobre la ubicación precisa del estado del cerebro (como lo describen nuestras "funciones de onda" cuasi-cuánticas) producirá una mayor incertidumbre sobre dónde estará en un momento posterior. Estos resultados ofrecen una perspectiva interesante sobre el vínculo entre la función neuronal y los procesos cognitivos. Por ejemplo, cuando la 'función de onda' se localiza en el espacio a lo largo de un tren de pensamientos, nos distraemos para aumentar la incertidumbre, lo que puede explicar por qué las mentes divagan y los pensamientos son fugaces.

¿El valor $K_{b}$ que encontramos es constante en diferentes condiciones de estímulo e independiente de la cantidad de electrodos utilizados para adquirir los datos? Para probar esto, tomamos muestras de los electrodos EEG de 92 a 20 y realizamos el mismo análisis que en el texto principal. En línea con 92 canales, encontramos la tendencia anterior en reposo, pero descubrimos que reducir los electrodos a 20 resultó en una constante $K_{b}=0,03\pm 0,02{\tfrac {cm^{2}}{4ms}}$ diferente (ver material complementario). Esto demuestra que el modelo es capaz de capturar las diferencias de descanso/tarea, pero es posible que sea necesario introducir una condición de normalización dependiente del montaje.

Es importante señalar que los valores de incertidumbre de esta forma son inherentes a cualquier variable conjugada de Fourier, ya que un valor se dispersa en una variable y se localiza en la otra. Esto sugiere que después de definir el cuadrado del curso de tiempo del electrodo EEG transformado de Hilbert como la probabilidad e imponer las propiedades de un espacio de Hilbert a las señales del electrodo, se pueden extraer valores de incertidumbre. En mecánica cuántica, esta incertidumbre marca el límite de las escalas que no se pueden observar. Este enfoque se inspiró en la necesidad de la neurociencia de modelos novedosos para ayudar a interpretar los datos de neuroimagen. Si bien este es un paso metodológico interesante, todavía debemos determinar si la incertidumbre observada en los datos del EEG está respaldada por un nuevo principio fundamental como en la mecánica cuántica, o si es solo el resultado de haber construido dos nuevas variables conjugadas de Fourier a partir de la señal EEG.

Se debe seguir trabajando para explorar esta constante con respecto a la rica taxonomía de tareas y estímulos y los diversos estados de conciencia que se utilizan habitualmente en la neurociencia cognitiva. Esta metodología podría extenderse a fMRI, donde los cursos de tiempo BOLD podrían transformarse Hilbert creando un análogo tridimensional del modelo EEG presentado en este documento.

En última instancia, este documento presentó una metodología novedosa para analizar datos de EEG. Normalizar los datos y tratarlos como una amplitud de probabilidad condujo a parámetros que cambiaron con la presencia o ausencia de estímulo, al mismo tiempo que establecían un valor constante independiente del estímulo. Hemos aplicado con éxito un marco matemático basado en los formalismos de la mecánica cuántica al paradigma de reposo y tarea en EEG (sin afirmar que el cerebro es un objeto cuántico). A medida que la neurociencia continúa evolucionando, las herramientas analíticas a su disposición también deben progresar en consecuencia. Esperamos que esta herramienta analítica, junto con los avances en modelado y aprendizaje automático, nos ayuden a comprender la naturaleza de la conciencia.