Sinirsel sinyal işlemede analitik yöntemler, beyin bilimleri alanını ilerletmek için çok önemlidir, aynı zamanda verimli ve etkili veri analizi yöntemlerine ihtiyaç vardır. Geçen yüzyılın başlarında, sinirsel sinyaller, sinirsel aktivitenin üretildiği ve karşılık gelen davranışın üretildiği mekanizmaları keşfetmek için mühendislik alanında kullanılmıştır. Sinir sisteminin işlevi tespit edilmiş ve mühendislik metodolojileri kullanılarak incelenmiş ve bu arada, mühendislik metodolojileri sinir sistemlerinin özelliklerini ve işlevlerini anlamaya, onarmaya, değiştirmeye, geliştirmeye veya başka şekilde kullanmaya yardımcı oldu. 
Sinirsel sinyaller, gelişmiş sinir kayıt teknolojileri tarafından kaydedilir ve bilgi, davranışın sinirsel temsillerinin anlaşılmasında kullanılmak üzere çıkarılır. Bu sinyal alımına, sinyal işlemeye yönelik kullanılan harici cihazlarla yapılır. Hareket, günlük yaşamın önemli bir aktivitesi olduğundan, motor kontrol alanındaki bazı önemli nöral mühendislik uygulamaları, tipik olarak motor fonksiyon telafisi, hareket restorasyonu, rehabilitasyon, bozukluk tespiti vb. İçerir. Bir hareket süreci entegre edilir ve yukarıdan çevrilir. kontrol sisteminin seviyeleri ve çok yapılı kas-iskelet koordinasyonuna bir dizi aktarımı içerir.
Merkezi sinir sistemi (CNS), motor davranış karakterizasyonu ve yeniden düzenlenmesinde hesaplamalı bir kontrolör yapısı olarak çalışır. Beyindeki birden fazla yapı, motorla ilgili bilgileri birbirine bağlayarak, entegre ederek ve koordine ederek motor kontrolüne katkıda bulunur. Her yapı, belirli bir eylem gerçekleştirildiğinde bir motor komutunun formüle edilmesinde kullanılır ve CNS, komutu birden çok motorla ilgili yapı arasında değiştirir. Beyindeki bu yapıların koordinasyon ve işbirliği mekanizması, motor komut girdisi ile tahmin edilen davranış çıktısı arasındaki ilişkilerin sinirsel temsillerini sağlayan “kara kutu” modelleri olarak belirlenebilir. Bu modeller, birden çok beyin yapısını, özellikle de bilgi alıp gönderebilen sinaptik esnekliğe sahip bölgeleri temsil edebilir.
Nöral Kayıt
Nöron popülasyonları, toplam aktivitelerinde zamanla değişen dalgalanmalar sergiler. Şu anda, insan ve insan olmayan beyninden büyük miktarlarda uzaysal ve zamansal bilgiyi kaydedebilen çeşitli invazif veya invazif olmayan kayıtlar mevcuttur. Motorla ilgili bilgilerin nasıl üretildiğini ve belirli bir eylem sırasında belirli alanlarda ne tür modellerin bulunabileceğini araştırmak için birçok mühendislik yöntemi uygulanmaktadır.
İnsan beyninde, nöronlar birbirleriyle sinaps olarak bilinen bağlantılar yoluyla iletişim kurarlar. Sinapslar elektriksel veya kimyasal olabilir ve sinapsların uyarıcı veya engelleyici doğası bilgi aktarımına katkıda bulunur. Sodyum ve potasyumun akışı ve dışarı akışı, zar potansiyelinin hızla yükselip düşmesine neden olur. Membran potansiyellerindeki hızlı değişikliklere, hücreler arası veya hücre dışı kayıtlarla kaydedilebilen sivri uçlar denir. Çarpma oranından, yani ateşleme oranından değerli bilgiler keşfedilebilir. Derin beyne yerleştirilmiş elektrotlar, bireysel nöronlardan kayıt yapılmasına izin verir ve insanlarda değil uyanık hayvanlarda önemli sonuçlar sunabilir. 
Çok elektrotlu diziler, birden çok nörondan gelen voltaj salınımlarını kaydedebilir. Büyük bir yerel nöron popülasyonundan eşzamanlı kayıt, tek birimli kayıtların aksine, karmaşık bilgilerin çıkarılmasında uzamsal çözünürlük yararlarını artırır. Yukarıda bahsedilen invazif kayıt teknolojileri, yapaylıklara karşı önemli ölçüde daha az savunmasızlık ve ilgili olarak daha yüksek çözünürlük ve daha büyük genlikler (voltajlar) sağlar ve dolayısıyla performans, elektrot teknolojilerine çok daha fazla dayanır. Bununla birlikte, klinik ortamlarla sınırlı olanlar ve ameliyat ve implantasyon riskleri dahil olmak üzere bu invazif kayıt teknolojilerinin bazı sınırlamaları vardır. İnvazif kayıt teknolojileri, yapaylıklara karşı önemli ölçüde daha az savunmasızlık ve ilgili olarak daha yüksek çözünürlük ve daha büyük genlikler (voltajlar) sağlar ve dolayısıyla performans, elektrot teknolojilerine çok daha fazla dayanır.
Kısıtlı invaziv teknolojilere bir alternatif olarak, insan çalışmalarında elektroensefalografi ve manyetoensefalografi gibi çeşitli invazif olmayan kayıt teknolojileri kullanılmıştır. Gelişmiş hesaplama algoritmaları, sinyal işlemeyi ve sinyal filtrelemeyi teşvik etmeyi vaat ediyor; bu nedenle, insan çalışmalarında giderek daha fazla invazif olmayan kayıt teknolojileri dikkate alınmaktadır. Bazı teknikler kafa derisindeki nöronal potansiyelleri kaydeder ve bu tür kayıtlar, kayıt seviyesine bağlı olarak binlerce nöronun popülasyon aktivitesini yakalar. Çoklu katmanlar, beyin korteksinden kafa derisine bilgi aktarımını kısıtlayarak sinyalin daha düşük genliklerine ve daha düşük uzaysal çözünürlüğe yol açar. Ek olarak, elektrotlar göz hareketleri, yüz hareketleri, çiğneme, yutma vb. Gibi çevredeki etkileşimlere karşı hassastır. 
Noninvazif teknolojiler altında, nöronların aktivitesi veya nöron popülasyonu yerine beyindeki metabolik aktiviteye odaklanan görüntüleme yöntemleri vardır. Belirli bir görevi yerine getirirken, beyin nöronlarının aktivasyonu artar ve böylece daha fazla oksijen gerekir ve çevrelenmiş kan damarlarından emilir. Artan bir akış ve daha yüksek oksijen seviyesi tespit edilebilir. Bu hemodinamik yanıt, birkaç saniyede zirveye ulaşacak ve orijinal seviyeye geri dönmesi daha uzun zaman alacak şekilde nispeten yavaştır. Bu nedenle, bu tür bir kayıt teknolojisi iyi uzamsal çözünürlük sağlar, ancak çok zayıf zamansal çözünürlük sağlar.
Nöral kayıt teknolojilerine ek olarak, klinik tedavilerde (koklear implantlar ve derin beyin stimülatörleri) ve yeni ortaya çıkan nöroprotetiklerde kullanılan nöral stimülasyon teknolojileri de vardır. Bu, sensorimotor geri beslemeyi taklit etmek için beynin belirli bir bölgesine elektriksel veya manyetik stimülasyon verilmesini içerir. Çoğu kayıt elektrotu, stimülasyonlar için de kullanılabilir. Beyin stimülasyonlarının klinik tedavilerde etkili olduğu kanıtlanmıştır. Bu metodolojiler ayrıca ideal uyarım modellerinin belirlenmesinde sinyal işleme metodolojilerinin kullanılmasını içerir.
Kaynakça:
https://pubmed.ncbi.nlm.nih.gov/18429704/
https://www.sciencedirect.com/science/article/pii/B9780128130681000130
Yazar: Özlem Güvenç Ağaoğlu