Elektroencefalografické koreláty výkonnostní motivace a únavy


Electroencephalographic Correlates of Performance Motivation and Fatigue

In this review article we deal with problem of registration and analysis of electric brain activities by electroencephalography (EEG). We give some information about brain mapping, which we can use to study of small fluctuations of electric brain activity during specific neuropsychological tasks. We show measurement of central fatigue in EEG and assessment of behavioral activation system.

Keywords:
evolution of rehabilitation, rehabilitation means, EEG, electroencephalography, fatigue, motivation, behavioral activation system.


Autoři: D. Pánek 1;  L. Kovářová 2;  D. Pavlů 1;  V. Krajča 3
Působiště autorů: Katedra fyzioterapie FTVS UK, Praha vedoucí katedry doc. PaeDr. D. Pavlů, CSc. 1;  Laboratoř sportovní motoriky FTVS UK, Praha 2;  Fakulta biomedicínského inženýrství, ČVUT, Kladno 3
Vyšlo v časopise: Rehabil. fyz. Lék., 21, 2014, No. 2, pp. 87-92.
Kategorie: Přehledový článek

Souhrn

V tomto přehledovém článku se zabýváme základní problematikou registrace a analýzy elektrické mozkové aktivity prostřednictvím elektroencefalografie (EEG). Seznamujeme s využitím mapování mozkové aktivity. Výsledky získané tímto matematickým zpracováním původního EEG signálu můžeme statisticky porovnávat a následně hodnotit změny v elektrické aktivitě, které jsou při prostém vizuálním hodnocení nezaznamenatelné. Tyto techniky se používají k vyhodnocení nejrůznějších neuropsychofyziologických parametrů. V tomto článku seznamujeme závěrem s problematikou hodnocení nástupu únavy v EEG obraze a možnostech hodnocení tzv. behaviorálního aktivačního systému (BAS).

Klíčová slova:
EEG, elektroencefalografie, únava, motivace, behaviorální aktivizační systém

ÚVOD

Elektroencefalografie je běžnou neurofyziologickou diagnostickou metodou, která sleduje elektrickou aktivitu mozku v definovaném pásmovém rozmezí. Její hlavní použití je v oblasti lékařské diagnostiky funkčních a morfologických lézí mozku. Velkou výhodou, oproti morfologickým vyšetřením (MR či CT mozku), je možnost opakovaného hodnocení mozkové funkce v průběhu delšího časového intervalu bez větší zátěže pacienta. Toto longitudinální hodnocení elektrické mozkové aktivity přináší nenahraditelné informace o funkčním stavu centrální nervové soustavy. Právě neinvazivnost tohoto vyšetření, spojená s možností sledování mozkové aktivity při různých pohybových činnostech, vedla ke studiu centrálních ukazatelů nástupu únavy a výkonnostní motivace ve sportu a rehabilitační medicíně. Tato práce je zaměřena na seznámení se základní problematikou hodnocení EEG signálu a informuje o nejdůležitějších parametrech používaných především v experimentální oblasti.

METODIKA EEG

EEG signál představuje sumační postsynaptické korové neurální potenciály, které můžeme zaznamenat z oblasti skalpu. V rutinním EEG, které registrujeme v pásmovém rozmezí 0,5-70 Hz při vzorkovací frekvenci 256 Hz (14), jsou definovány čtyři základní frekvence: alfa (8-12 Hz), beta (13-20Hz), theta (4-8 Hz) a delta (0-4 Hz). Pojmenování pásem není logické, ale historické, kdy frekvence alfa a beta byly pojmenovány Hansem Bergerem v roce 1929, termín gama byl určen Jasperem a Andrewsem v roce 1938 pro frekvenci nad 30 Hz, která je nyní součástí beta. Termín delta byl zaveden Walterem v roce 1936 pro frekvenci pod alfa pásmem. Walter později oddělil v tomto pásmu ještě theta frekvenci (22). Hodnocení vlastního EEG signálu vychází z okulometrického vyhodnocení charakteru křivek, které se kombinují s dalšími matematickými postupy, hodnotící frekvenční a výkonovou charakteristiku signálu v oblasti celého skalpu.

Registrace elektrické aktivity mozku z oblasti skalpu se provádí pomocí speciálních EEG čepic zhotovených z pružné tkaniny. V této čepici jsou již zabudované registrační elektrody tvořené umělohmotnými trubičkami ukončené plochými elektrodami s centrálním otvorem. Používají se elektrody nepolarizovatelné, potažené chloridem stříbřitým. Po navléknutí čepice se horními otvory elektrod aplikuje vodivý gel, který snižuje elektrodové odpory. Správná aplikace EEG čepice je nesmírně důležitá, protože elektrická aktivita mozku, která je převáděna na vstupy EEG zesilovačů, je velmi malá – proud řádově 10 mA a potenciál 5-100 µV. Z tohoto důvodů je nutné, aby nasazení čepice bylo provedeno vyškoleným laborantem.

Rozmístnění 19 elektrod na hlavě není náhodné, řídí se podle jednoduchého antropometrického měření, které navrhl H. Jasper. V roce 1957 byl tento systém sjednocen a schválen na mezinárodním kongresu EEG. Jedná se o tzv. systém 10-20, protože vzdálenost elektrod je 10 % nebo 20 % v obou rovinách, tj. v rovině sagitální (nasion-inion) i v rovině frontální (mezi oběma zvukovody). Spojení těchto 19 elektrod je pak různé, většinou podélné (longitudinální) nebo příčné (transverzální) (8). Rozmístění elektrod (obr. 1) je provedeno proporcionálně mezi čtyřmi body, které jsou v sagitálním směru nasion (kořen nosu) a inion (protuberantia occipitalis externa), v transverzálním směru jsou body těsně před ušními boltci. Těmito body proložená elipsa vymezuje prostor, který se rozdělí na úseky představující 10 % nebo 20 % z celkových 100 % vzdálenosti. Elektrody nejblíže k této elipse jsou vzdáleny 10 % celkové vzdálenosti, další elektrody pak 20 % celkové vzdálenosti.

Mezinárodní rozmístění EEG elektrod na skalpu nazývané systém 10-20.
Písmena označují lokalizaci elektrod: Fp- frontopolárně, F- frontálně, C- centrálně, P- parietálně, T- temporálně, O- okcipitálně. G- Goldmanova zemnící elektroda, A1, A2- ušní svody (http://www.immrama.org/eeg/electrode.html)
Obr. 1. Mezinárodní rozmístění EEG elektrod na skalpu nazývané systém 10-20. Písmena označují lokalizaci elektrod: Fp- frontopolárně, F- frontálně, C- centrálně, P- parietálně, T- temporálně, O- okcipitálně. G- Goldmanova zemnící elektroda, A1, A2- ušní svody (http://www.immrama.org/eeg/electrode.html)

Amplitudový brain mapping. Červený kurzor označuje místo výpočtu aktuální amplitudy.
Obr. 2. Amplitudový brain mapping. Červený kurzor označuje místo výpočtu aktuální amplitudy.

Frekvenční brain mapping vypočítaný z intervalu mezi kurzorem 1 a 2 pro alfa, beta, theta a delta pásmo.
Obr. 3. Frekvenční brain mapping vypočítaný z intervalu mezi kurzorem 1 a 2 pro alfa, beta, theta a delta pásmo.

Frekvenční brain mapping s číselnými hodnotami pro delta, theta, alfa a beta.
Obr. 4. Frekvenční brain mapping s číselnými hodnotami pro delta, theta, alfa a beta.

Skupina analýz korelující výskyt alfa aktivity a BOLD signálu v fMRI. Pozitivní korelace je červená a negativní korelace modrá barva (Omata K., 2013).
Obr. 5. Skupina analýz korelující výskyt alfa aktivity a BOLD signálu v fMRI. Pozitivní korelace je červená a negativní korelace modrá barva (Omata K., 2013).

Jednotlivé elektrody jsou pro usnadnění orientace označeny písmenem a číslem. Číslování elektrod je řazeno zleva doprava v každé rovině zvlášť. Lichá čísla jsou pro levou hemisféru, sudá pro pravou. Elektrody jsou uspořádány v řadách, v sagitální rovině odlišujeme část laterální, paramediální a mediální, v transverzální rovině potom oblasti frontopolární Fp, frontální F, centrální C, parietální P, temporální T a okcipitální O (obr. 1).

Rutinní EEG vyšetření jsou prováděna registrací mozkové aktivity z 19 elektrod. Zásadně je spojení mezi dvěma elektrodami bipolární čili diferenční (tj. zapojení longitudinální či transverzální) nebo tzv. unipolární či referenční, kdy je spojena konkrétní elektroda s tzv. nulovou G (Goldmanovou), která představuje spojení všech elektrod přes odpor k zemi. Spojení elektrod k ušnímu lalůčku nazýváme pseudounipolární (A1+A2), je relativně málo poruchové a používá se i pro další zpracování EEG křivky různými programy v počítači (8).

PŘEVOD SPOJITÉHO SIGNÁLU DO DISKRÉTNÍHO

Registrovaná elektrická aktivita mozku, podobně jako elektrická aktivita ze svalu registrovaná pomocí EMG, přestavuje složitý biosignál, ve kterém je ukryta vlastní informace o činnosti sledovaného objektu. Ke správné extrakci obsažené informace musíme dodržet určitá metodická pra-vidla, protože v opačném případě může být des-interpretace velmi vysoká.

Původní naměřený signál - analogový signál - je spojitý a měřený v µV. Tento signál musíme převést do tzv. diskrétního signálu, neboli digitalizovaného výsledného signálu. Signál je však nutné před převodem filtrovat, a to ze dvou důvodů: 1. k potlačení artefaktů, 2. s ohledem na zvolení minimální nutné vzorkovací frekvence. Vlastní proces digitalizace probíhá prostřednictvím analogově/digitálního převodníku. Původní spojitý elektrický biosignál je převeden na diskrétní posloupnost vzorků signálu, vybraných v pravidelných časových intervalech. Velmi důležitým okamžikem je však výběr optimální vzorkovací frekvence FSAMP. Při příliš nízké vzorkovací frekvenci dochází k jevu nazývaném „aliasing“, tj. k maskování vyšších frekvencí jako nižší frekvence, které je způsobeno podvzorkováním. Vysoká vzorkovací frekvence pak neúměrně zatěžuje paměť počítače. Řešení problému přinesl Nyquistův teorém, který definuje minimální nutnou vzorkovací frekvenci jako alespoň dvojnásobnou k nejvyšší frekvenci obsažené v naměřeném signálu (Nyquistova frekvence FNY). Tuto nejvyšší frekvenci signálu určujeme, před převodem analogového signálu do diskrétního, nastavením pásmové propusti prostřednictvím analogových filtrů. Pro rutinní EEG vyšetření je dostačují vzorkovací frekvence 256 Hz (14, 20,24).

TOPOGRAFICKÉ MAPOVÁNÍ MOZKOVÉ AKTIVITY

Při topografickém mapování mozkové aktivity zjišťujeme její prostorové (plošné) projevy. Mezi tradiční metody patří brain mapping (BM) – mapa okamžitého rozložení amplitud potenciálů. Podstata spočívá v převedení číselných hodnot signálu do barevné škály. Nejčastěji se v rutinním EEG používá mapování amplitudy nebo frekvence, popřípadě koherence, kterou se v této práce nebudeme více zabývat.

Amplitudový brain mapping provádí pouze transformaci z jednodimenzionálního do dvojdimenzionálního prostoru, nepřináší tedy novou informaci, pouze ji názorně zobrazuje. V barevné škále vyhodnocuje amplitudu pod všemi elektrodami v jednom definovaném okamžiku. Na obrázku 2 vidíme amplitudový BM odpovídající situaci v místě červeného kurzoru.

Mapování frekvencí vychází ze stejných principů jako amplitudový BM, jediný rozdíl je v tom, že se použijí hodnoty z vybraného časového intervalu, který je pro všechny kanály stejný. V daném časovém intervalu vypočteme pro každý kanál výkonové spektrum. Vynesením amplitud spekter pro danou frekvenci ve všech kanálech získáme hodnoty, které jsou zobrazeny v barevné škále. Při frekvenčním brain mappingu tedy nemapujeme přímo originální EEG signál, ale výkon frekvenčních křivek, které jsou ze záznamu vypočítány pro určitou frekvenci (20).

Na obrázku 3 vidíme čtyři frekvenční BM pro všechny základní frekvence z intervalu daném kurzory. Na následujícím obrázku 4 je pak barevné zobrazení frekvenčního BM doplněno číselnými hodnotami. Jednou ze velkých výhod počítačového zobrazování dat je možnost efektivní manipulace se signálem, jeho zpracování, úprava a zobrazení. Velmi důležitým faktem je i možnost doplnit subjektivní vizuální hodnocení různých částí EEG objektivními statistickými metodami, které umožňují např. mapování statistických rozdílů ve spektru (nazývané SPM - significance probability mapping). Princip spočívá v tom, že se porovná, zda se statisticky liší průměr a směrodatná odchylka dvou souborů, v našem případě frekvenčních map, jejichž rozdíly se testují bod po bodu pomocí Studentova T-testu. Uvedeným způsobem je možné kvantifikovat jemné rozdíly ve spektrálním obsahu EEG (7, 14, 20). A právě tyto možnosti otevřely cestu k podrobnější analýze EEG signálu ve vztahu k dalším psychologickým a fyziologickým změnám zabývajících se např. problematikou centrálního nástupu únavy či motivace.

EEG koreláty únavy

Definice mentální únavy je doposud nejednoznačná, velmi záleží na úhlu pohledu autorů. Únavu obecně můžeme definovat jako centrální a periferní. Z pohledu funkce pohybového aparátu zahrnuje volní svalová kontrakce řetězec dílčích kroků od úrovně cerebrální po vlastní svalovou kontraktilní tkáň. Každá úroveň může ve svém konečném důsledku vést ke snížení výstupní svalové síly, a tím i nástupu svalové únavy (25). Parametry periferního nástupu únavy v EMG signálu jsou definovány tzv. únavovým indexem, který je provázen změnami ve výstupní svalové síly. Nástup centrální únavy je však doposud otázkou řady studií, které prokazují různé parametrické změny. Z pohledu psychologického je únava považována za pozvolný a kumulativní proces spojený s neochotou (odporem) pokračovat v dané činnosti, redukcí efektivnosti a pozornosti a zhoršením mentálního výkonu (15, 16, 19). V řadě studií, které se zabývají změnami v EEG, korelujících s nástupem centrální únavy, se prokazuje nárůst theta a delta aktivity především ve frontálních a centrálních oblastech jako projev usínání spojený s únavou. Současně dochází ke snížení výskytu beta aktivity nad zadními kvadranty, které odpovídají poklesu pozornosti (2, 6, 19, 30). Výskyt a rozložení maxima alfa aktivity je více variabilní. Byl prokázán pokles i nárůst alfa na začátku usínání a snížení pozornosti (4, 18, 31). Pravidelně však dochází v průběhu usínání a poklesu pozornosti k posunu alfa aktivity z okcipitálních do centrální a frontální oblasti (2, 15). Tento posun alfa ze zadní do předních regionů je považován za tzv. index mentální únavy (2).

Okcipitální alfa aktivita v EEG je spojena s mozkovou aktivitou cerebrálního kortexu a hlubokých mozkových struktur. Fluktuace alfa rytmu v průběhu klidové fáze (zavřené oči a relaxovaný stav) můžeme rozdělit na rychlou fluktuační komponentu (0,04- 0,167 Hz) a pomalou fluktuační komponentu (0-0,04 Hz). Bylo prokázáno (obr. 5) pomocí fMRI (BOLD signál), že přítomnost pomalé komponenty alfa je vázána na mozkový kmen, mediální část thalamu a přední cingulární kortex, zatímco rychlá fluktuační komponenta je vázána na laterální část thalamu a přední cingulární kortex (není zde korelace s mozkovým kmenem) (23).

Řada předchozích studií sledovala korelace mezi mozkou aktivitou a alfa rytmem (9, 10, 17, 21, 27, 32). Souhrnem můžeme říci, že negativní korelace (nepřímý vztah) je mezi alfa rytmem a cerebrálním neokortexem, především okcipitálním, parietálním a inferiorní částí frontálních laloků. Pozitivní korelace se vyskytuje mezi alfa aktivitou a hlubokými strukturami mozku jako je thalamus, amygdala a insula a přední cingulární kůra a mozeček.

Negativní korelace mezi kortikální aktivitou a alfa rytmem v EEG je relativně společným znakem většiny předchozích studií. Je obecně známo, že se zvýšením aktivity okcipitální kůry (při otevřených očí) dojde ke snížení alfa aktivity, nazývané jako alfa atenuace, a po zavření očí dochází k nárůstu alfa aktivity nazývané jako rebound fenomén. Pozitivní korelace mezi alfa rytmem a mozkovou aktivitou v fMRI obraze však není doposud zcela objasněna.

Spontánní fluktuace ve výkonovém spektru alfa aktivity je pravděpodobně vyvolána více faktory, které mají různé dynamické charakteristiky. Produkce a modulace alfa rytmu pochází z různých mozkových regionů. Salek-Haddadi a spol. (28) předpokládali, že oscilace alfa aktivity může vycházet ze tří odlišných oblastí: 1. kortikální ge-neratory alfa aktivity, především okcipitální lalok, 2. vnitří okruhy generující alfa v hlubokých mozkových strukturách (např. thalamus) a 3. oblasti, které se aktivují pouze při některých činnostech (např. probouzecí reakce). Šíření alfa aktivity vede k oscilaci alfa rytmu v závislosti na synchronní či asynchronní aktivitě jednotlivých mozkových generátorů tohoto rytmu.

EEG a behaviorální aktivační systém

V literatuře se popisuje vzájemné spojení mezi frontální kortikální alfa aktivitou a tzv. behavi-orální aktivační systém BAS (behavioral activation systém). BAS z neuropsychologického pohledu odpovídá základnímu systému, který reaguje na přícházející vnější podněty, které mají pozitivní vliv pro jedince (29). Řada studií (1, 5, 12, 13) předpokládá, že zvýšená BAS senzitivita souhlasí s přítomností frontální kortikální asymetrie alfa aktivity, typicky se zvýšenou aktivitou levého frontálního kortexu nad pravým. Tento fenomém byl zkoumán také v experimentech zaměřených na pozitivní efekt cvičení u dospělých zdravých jedinců (11, 26). Opětovně se shodovala přítomnost asymetrické frontální aktivity s převahou nad levým kortexem a aktivací BAS, tedy s pozitivním efektem proběhlé fyzické aktivity (pozitivní emoční odpověď na cvičení). Obdobný fenomén je naznačen i ve studiích sledujících vliv fyzické aktivity na frontální alfa aktivitu u adolescentů. I zde byla zachycena obdobná reakce, ale vlastní emoční odpověď na fyzické cvičení je více závislá na řadě dalších faktorů, které tyto adolescenty ovlivňují (29).

ZÁVĚR

Rutinní hodnocení elektroencefalografické aktivity patří do oboru neurologie, kde má stále své důležité místo při diagnostice a léčbě epileptických, zánětlivých, poúrazových a celé řady dalších stavů. V oblasti sportovní a fyzioterapeutické diagnostiky je použití EEG prozatím omezeno na oblast experimetnální, která je většinou spojena se studiem motivačních faktorů či nástupu centrální únavy. Domníváme se, že rozšířením současného studia elektrické mozkové a svalové aktivity můžeme v budoucnu dospět k mnoha důležitým poznatkům, týkajících se řízení pohybu a vlastního pohybového chování jedince.

Tento článek byl napsán za podpory grantového projektu GAČR 13-07776P a PRVOUK č. 38.

Adresa pro korespondenci:

MUDr. David Pánek, Ph.D.

Katedra fyzioterapie FTVS UK

J. Martího 31

162 52 Praha 6

e-mail. panek@ftvs.cuni.cz


Zdroje

1. AMODIO, D. M., MASTER, S. L., YEE, C. M., TAYLOR, S. E.: Neurocognitive components of the behavioral inhibition and activation systems: Implications for theories of self-regulation. Psychophysiology , roč. 45, 2008, č. 1, s. 11-19.

2. BARWICK, F., ARNETT, P., SLOBOUNOV, S.: EEG correlates of fatigue during administration of a neurophysiological test battery. Clin. Neurophysiol., roč. 123, 2012, č. 2, s. 278-284.

3. BERGER, H.: Arch. Psychiat., 1929, č. 87, s. 527.

4. CAJOCHEN, C., BRUNNER, D. P., KRÄUCHI, K., GRAW, P., WIRZ-JUSTICE, A.: Power density in theta/alpha frequencies of the waking EEG progressively increases during sustained wakefulness. Sleep, roč. 181, s. 890-894.

5. COAN, J. A., ALLEN, J. J.: Frontal EEG asymmetry and the behavioral activation and inhibition systems. Psychophysiology, roč. 40, 2003, č. 1, s. 106-114.

6. DE GRENARO, L., MAZANO, C., VENIERO, D., MORONI, F., FRATELLO, F., CURCIO, G.: Neurophysiological correlates of sleepiness: a combined TMS and EEG study. NeuroImage, roč. 33, 2007, s. 1277-1287.

7. DUFFY, F. H., IYER V. G., SURWILLO W. W. : Clinical electroencephalography and topographic brain mapping. Technology and practice. Heidelberg, Springer-Verlag, 1989.

8. FABER, J.: Elektroencefalografie. Praha, Univerzita Karlova, 1992.

9. GOLDMAN, R. I., STERN, J. M., ENGEL, J., COHEN, M. S.: (2002). Simultaneous EEG and fMRI of the alpha rhytm. NeuroReport, roč. 13, 2002 , s. 2487–2492.

10. GONCALVES, S. I., DE MUNCK, J. C., POUWELS, P. J., SCHOONHOVEN, R., KUIJER, J. P. et al.: Correlating the alpha rhythm to BOLD using simultaneous EEG/fMRI: inter-subject variability. NeuroImage, roč. 30, 2006, s. 203-213.

11. HALL, E. E., EKKEKAKIS, P., PETRUZZELLO, S. J.: Regional brain activity and strenuous exercise: predicting affective responses using EEG asymmetry. Biological. Psychology, roč. 75, 2007, s. 194-200.

12. HEWIG, J., HAGEMANN, D., SEIFERT, J., NAUMANN, E., BARTUSSEK, D.: On the selective relation of frontal cortical asymmetry and anger-out versus anger-control. Journal of Personality and Social Psychology, roč. 87, 2004, č. 6, s. 926-939.

13. HEWIG, J., HAGEMANN, D., SEIFERT, J., NAUMANN, E., BARTUSSEK, D.: The relation of cortical activity and BIS/BAS on the trait level. Biological Psychology, roč. 71, 2006, č. 1, s. 42-53.

14. KRAJČA, V., PETRÁNEK, S.: Počítačová elektroencefalografie: Úvod do problematiky. Česká a slovenská neurologie a neurochirurgie, roč. 58, 1995, č. 1, s. 1-38.

15. LAL, S. K. L., CRAIG, A.: A critical review of the psychophysiology of driver fatigue. Biol. Psych., roč. 55, 2001, s. 173-191.

16. LAL, S. K. L., CRAIG A.: Driver fatigue: Electroence-phalography and psychological assesment. Psychophysiol., roč. 39, 2002, s. 313-321.

17. LAUFS, H., KLEINSCHMIDT, A., BEYERLE, A., EGER, E., SALEK-HADDAD, I. A. et al.: EEG-correlated fMRI of human alpha activity. NeuroImage, roč. 19, 2003, s. 1463-1476.

18. MAKEING, S., JUNG, T. P.: Changes in alertness are a principal component of a variance in the EEG spectrum. NeuroReport, roč. 7, 1995, s. 213-216.

19. MATOUSEK, M., PETERSON I.: A method for assessing alertness fluctuations from EEG spectra. Electroencephalogr. Clin. Neurophysiol., roč. 55, 1983, s. 108-113.

20. MOHYLOVÁ, J., KRAJČA, V.: Zpracování signálu v lékařství. Žilina, ŽU Žilina, 2004.

21. MOOSMANN, M., RITTER, P., KRASTEL, I., BRINK, A., THEES, S. et al.: Correlates of alpha rhythm in functional magnetic resonance imaging and near infrared spectroscopy. NeuroImage, roč. 20, 2003, s. 145-158.

22. MORÁŇ, M.: Praktická elektroencefalografie. Brno, Vydavatelství IPVZ, Brno.

23. OMATA, K., HANAKAWA, T., MORIMOTO, M., HONDA, M.: Spontaneous slow fluctuation of EEG alpha rhythm reflects activity in Deep-brain structure: A simultaneous EEG-fMRI study. PloS ONE, roč. 8, 2013, č. 6, s. e66869.

24. PÁNEK, D., PAVLŮ, D., ČEMUSOVÁ J.: Počítačové zpracování dat získaných pomocí povrchového EMG. Rehabil. fyz Lék , roč. 16, 2009, č. 4, s. 177-180.

25. PÁNEK, D., PAVLŮ, D., ČEMUSOVÁ J.: Rychlost vedení akčního potenciálu svalu jako identifikátor nástupu svalové únavy v povrchové elektromyografii. Rehabil. fyz. Lek., roč. 16, 2009, č. 3, s. 96-101.

26. PETRUZZELLO, S. J., HALL, E. E., EKKEKAKIS, P.: Regional brain activation as a biological marker of affective responsivity to acute exercise: influence of fitness. Psychophysiology, roč. 38, 2001, č. 1, s. 99-106.

27. SADATO, N., NAKAMURA, S., OOHASHI, T., NISHINA, E., FUWAMOTO, Y. et al.: Neural networks for generation and suppression of alpha rhythm: a PET study. NeuroReport, roč. 9, s. 893-897.

28. SALEK-HADDADI, A., FRISTON, K. J., LEMIEUX, L., FISH, D. R.: Studying spontaneous EEG activity with fMRI. Brain Res. Brain Res Rev., č.43, s.110-133.

29. SCHNEIDER, M., GRAHAM, D., GRANT, A., KING, P., COOPER, D.: Regional brain activation and affective response to physical activity among healthy adolescents. Biol. Psychol., roč.82, 2009, č. 3, s. 246-252.

30. TINGUELY, G., FINELLI, L. A., LANDOLT, H. P., BORBÉLY, A. A., ACHERMANN, P.: Functional EEG topography in sleep and walking: State-dependent and state-independent features. NeuroImage, roč. 32, 2006, s. 283-292.

31. TORSVALL, L., AKERSTEDT, T.: Sleepiness on the job: Continuously measured EEG changes in train drivers. Electroencephalogr. Clin. Neurophysiol., 1987, č. 66, s. 502-511.

32. TYVAERT, L., LEVAN, P., GROVA, C., DUBEAU, F., GOTMAN, J.: Effects of fluctuating physiological rhythms during prolonged EEG-fMRI studies. Clin. Neurophysiol, 2008, č. 119, s. 2762-2774.

Štítky
Fyzioterapie Rehabilitační a fyzikální medicína Tělovýchovné lékařství

Článek vyšel v časopise

Rehabilitace a fyzikální lékařství

Číslo 2

2014 Číslo 2

Nejčtenější v tomto čísle

Tomuto tématu se dále věnují…


Kurzy

Zvyšte si kvalifikaci online z pohodlí domova

Antiseptika a prevence ve stomatologii
nový kurz
Autoři: MUDr. Ladislav Korábek, CSc., MBA

Citikolin v neuroprotekci a neuroregeneraci: od výzkumu do klinické praxe nejen očních lékařů
Autoři: MUDr. Petr Výborný, CSc., FEBO

Zánětlivá bolest zad a axiální spondylartritida – Diagnostika a referenční strategie
Autoři: MUDr. Monika Gregová, Ph.D., MUDr. Kristýna Bubová

Diagnostika a léčba deprese pro ambulantní praxi
Autoři: MUDr. Jan Hubeňák, Ph.D

Význam nemocničního alert systému v době SARS-CoV-2
Autoři: doc. MUDr. Helena Lahoda Brodská, Ph.D., prim. MUDr. Václava Adámková

Všechny kurzy
Kurzy Doporučená témata Časopisy
Přihlášení
Zapomenuté heslo

Nemáte účet?  Registrujte se

Zapomenuté heslo

Zadejte e-mailovou adresu, se kterou jste vytvářel(a) účet, budou Vám na ni zaslány informace k nastavení nového hesla.

Přihlášení

Nemáte účet?  Registrujte se