Obwohl wir glauben, dass unser Manuskript faszinierende vorläufige Beweise für die Stärkung sich wiederholender Muster enthält und ähnliche Beweise im visuellen Kortex der Maus zuvor so interpretiert wurden, dass es plastizitätsabhängige Mechanismen beinhaltet (Han et al., Neuron60, 2008), verstehen wir die Besorgnis der Rezensenten in diesem Punkt voll und ganz und stimmen darin überein, dass die Anpassung des Titels die in dem Papier vorgestellten Analysen genauer widerspiegeln kann. In Übereinstimmung mit diesem Vorschlag haben wir den Titel in unserer überarbeiteten Vorlage aktualisiert: Während der Überwachungsphase für spontane Anfälle schliefen die Probanden in der klinischen Umgebung und drückten relativ normale Schlafmuster aus. ECoG-Aufnahmen, die in den vorhergehenden oder folgenden 12 Stunden keinen Anfall hatten, wurden von einem Fachrater nach der Standard-Schlafstufenklassifizierung visuell bewertet (Silber et al., 2007). Für jeden Patienten erhielten wir von 15 bis 101,5 min NREM Stadium 2 Schlaf, wenn die Spindeln am weitesten verbreitet sind. Einzelne Schlafspindeln wurden dann während des Schlafes der Stufe 2 mit einer von mehreren komplementären Methoden nachgewiesen, entweder auf der Grundlage der Amplitudendauerschwelle (Gais et al., 2002; Warby et al., 2014) oder ein ähnlicher Wavelet-basierter Ansatz mit zusätzlichen Verifizierungsschritten (Hagler et al., 2016). Die Anzahl der entdeckten Spindeln stimmte mit früheren Berichten über die Spindeldichte überein (Gais et al., 2002; Warby et al., 2014). Um die raumzeitliche Dynamik in diesen neuronalen Aufnahmen zu untersuchen, haben wir unsere zuvor eingeführte Methode zur Detektion willkürlich geformter Wanderwellen (Muller et al., 2014) an multisitene ECoG-Arrays angepasst (Abbildung 1 – Abbildung Ergänzungen 2 und 3). Dieser Ansatz ermöglichte es uns, die raumzeitliche Dynamik während Tausender Episoden von Spindling-Aktivität in vielen Stunden Schlafaufnahmen zu charakterisieren und zu klassifizieren. Die Methode verläuft in drei Schritten: (1) analytische Signaldarstellung zur Charakterisierung der momentanen Signaleigenschaften an jeder Elektrode, (2) Mittellokalisierung bei jedem einzelnen Schwingungszyklus und (3) Quantifizierung des raumzeitlichen Musters in jedem Schwingungszyklus als Funktion der Entfernung vom (oder der Rotation) des isolierten Mittelpunkts. Im Folgenden beschreiben wir detailliert die Methode zur Isolierung expandierender und rotierender Wellen in Mehrkanaldaten.