何かを理解しようと思ったら、まずそれを測定しなければならない、というのは科学における古くからの考え方です。 人間の行動を理解しようとすると、さまざまな生理的信号を測定することになりますが、脳に近づくにはその活動を記録する装置が必要です。
利用可能な神経画像装置はいくつかありますが、EEGほど高い時間分解能を持つものはありません。 受信する視覚情報のレベルは、他のニューロイメージング技術（fMRIや機能的磁気共鳴画像法など）ほど詳細ではありませんが、時間分解能に加え、携帯性、比較的安価で使いやすいことから、EEGは最もよく使用されるニューロイメージング方法の1つとなっています（最もとは言いませんが）。 これは特定の環境における脳活動を評価するのに理想的ですが、ときには別のアプローチが必要になることもあります。
Ambulatory EEGは、自然な環境で長期間（数時間から数日間）にわたってEEGデータを収集する方法です。 つまり、データが多くなるだけでなく、動きも多くなり、（おそらく）さまざまな相互作用因子がデータに影響を与えることになります。
歩行型脳波計を使用する理由は何ですか。
- てんかんの検出とモニタリング
- 発作の調査
- 睡眠の研究
- 自然行動の研究（例…
Embulatory EEGは通常次の理由で実施されます。前者2つの例は、主に医学的な理由によるもので、1日を通して異常な神経活動を検出または測定するために、外来法を適用しています。 後者の 2 つは、正常な集団における脳のプロセスが時間とともにどのように変化するかを理解することに重点を置いています (また、異なるコンテキストで変化する可能性もあります)。
以下では、自然な行動で生じる脳のプロセスを、歩行脳波計を使ってどのように測定できるかと、データの収集と分析で生じる一般的な落とし穴について具体的に説明します。
多くの場合、歩行型EEGは通常のEEG実験のセットアップと基本的に同じです。参加者はEEGヘッドセットを頭に装着し、電極は何らかの導電性ゲルを使って皮膚に接触させ、コンダクタンスをテストし、接続したソフトウェアでセットアップ全体をチェックするのですが、極めて類似性がある一方で極めて異なる点もあります。 EEGのセットアップには、簡単に動き回ることができない（あるいは不可能な）機器を必要とするものもあるが、歩行型EEGでは、動きやすさと携帯性を備えた機器が必要である。
さらに、データの行き先（大量のデータを収集するには、もちろん効率的に保存する必要があります）だけでなく、データをどのように収集するかについても考慮する必要があります。
信号とノイズ
ノイズは、それが EEG データの収集であろうと、その他のものであろうと、基本的にあらゆる測定で常に存在します (EEG はノイズの存在に対して特に敏感ですが)。 ノイズの量は微々たるものかもしれませんが、あるレベルのノイズは常に予想されます。
このことは、参加者が歩き回ったり、頭の上の電極の位置に干渉するような動きをすることがある、外来脳波測定においてより顕著に現れます。 下の EEG 録音の画像でわかるように、これはデータの品質に深刻な影響を与えます。
これは、歩き回る必要のあるシナリオでデータ収集を行ってはいけないということではなく、新しい戦略が必要であるということです。
Experimental design for ambulatory EEG
ノイズの多いデータの問題を回避するには、記録中に「アーチファクトのない」時間窓を確保することが最良の方法であることが多い。 たとえば、外来脳波の一般的なシナリオは、参加者が動き回り、物品と相互作用している間に脳波データを記録することです（スーパーマーケットでの買い物行動の研究、または子供の発達研究を思い浮かべてみてください）。 したがって、実験デザインでは、たとえば参加者がスーパーマーケットの棚を見るために立ち止まるときや、子供が（やっと！）じっとしているときなど、記録するための活動が少ない瞬間を確保することができます。 Neuroelectrics ヘッドセットは、ヘッドキャップを装着することで、電極への移動量を多少制限できるという利点があります。 また、さまざまな種類の電極を取り付けることができ、アプリケーションの速度や信号の質を向上させることができます。
ABM (Advanced Brain Monitoring) と Emotiv ヘッドセットも携帯可能で、キャップ内に構成されていませんが、Bluetooth 接続によりデータを収集することができます。
参加者が同じ刺激に曝露され、毎回データの異なる部分を収集できる反復測定は、刺激曝露期間全体を通して神経反応の全体像を生成するために使用することが可能である。 十分な試行回数と参加者の平均をとれば、参加者の反応の全体像を確実に構築できます。
これは参加者内実験デザインにも当てはまり、実験では同種のものを比較する方が有効です。 これは要するに、刺激Aに対する参加者の反応と刺激Bに対する参加者の反応を比較することは、2つの異なるグループの参加者の反応を比較するよりも有効であるということです。 データ解析の最初のステップは、多くの場合、視覚的な検査です。ノイズの影響を受けているのは、実験（または電極）において調査されていない瞬間（たとえば、子供が刺激に注意を払っていないとき／人が棚の間を歩いているとき）だけということもあり得ます。
データの重要な部分にノイズが残っている場合、次のステップはフィルタリングを適用することである。 この場合、ハイパスフィルター（カットオフ値以下のアーティファクトを抑制）またはローパスフィルター（カットオフ値以上のアーティファクトを抑制）をデータに適用することが可能である。 たとえば、研究課題がアルファ活動 (8～12 Hz の周波数帯の活動) に関係する場合、高周波のノイズはローパス フィルターを使用して安全に除去できることがよくあります。 iMotions では、「生のデータ」または「測定基準」を扱うかどうかを区別することが重要です。 iMotions を記録ツールとして使用するユーザーは、EEGLAB、Fieldtrip、BCILAB、BESA、Cartool などの特殊な EEG ソフトウェアでさらに処理するために「生のデータ」をエクスポートします。 他のユーザーは、ハードウェア（ABMまたはEmotivの場合）またはiMotions（たとえば、「前頭部の非対称性」）によって提供される「測定基準」を使用して作業します。 その場合、信号の汚染除去はメトリクスの計算ですでに処理されます。
結論
Ambulatory EEG は、リアルで動的な環境における脳の働きを理解することを期待できます。 また，その代償として（しばしば）データ品質が低下します。 これは残念ながら完全に回避できるものではありませんが，適切な実験アプローチ，研究設定，データ処理によって，その影響を緩和することができます。 上記の方法は、外来脳波実験から収集したデータの処理に役立ちますが、どのような実験でも（外来であるかどうかにかかわらず）最も重要で有益な点は、より多くの参加者に展開する前にアプローチを試験的に実施することにあります。 何がうまくいき、何がうまくいかないのかを理解することができるため、試験を行うことは、研究を成功させるために非常に重要です。 EEGについてより深く知りたい方は、以下の無料ガイドをダウンロードしてください。