利用來自單個(gè)傳感器的信號(hào)，在傳感器空間中直接分析腦電(EEG)和腦磁圖(MEG)的非侵入性記錄，是處理這類數(shù)據(jù)的一種方便和標(biāo)準(zhǔn)的方法。然而，容積傳導(dǎo)給傳感器空間分析帶來了相當(dāng)大的挑戰(zhàn)。雖然腦電圖/腦磁圖中由于容積傳導(dǎo)導(dǎo)致的信號(hào)混合的一般思想已經(jīng)被認(rèn)識(shí)，但其含義還沒有明確的例證。在這里，我們展示了不同類型的活動(dòng)如何在單個(gè)傳感器的水平上重疊。我們?cè)?/span>alpha節(jié)律的背景下展示了空間混合，已知alpha節(jié)律在大腦的不同區(qū)域有發(fā)生器。通過對(duì)逼真的3D頭部模型的模擬和大型靜息態(tài)腦電數(shù)據(jù)集的導(dǎo)程電場(chǎng)和數(shù)據(jù)分析，我們表明，通過計(jì)算傳感器復(fù)雜度測(cè)度，電極信號(hào)可以受到空間混合的不同影響。枕部alpha節(jié)律顯著導(dǎo)致后部電極的空間混合不均勻，而中心電極則表現(xiàn)出多樣性的節(jié)律。這使得個(gè)人的貢獻(xiàn)，如感覺運(yùn)動(dòng)節(jié)奏和時(shí)間alpha節(jié)奏，很難從支配的枕alpha中分離出來。此外，我們還展示了強(qiáng)烈的枕部節(jié)律如何影響前額通道的大部分活動(dòng)，這可能會(huì)影響僅在傳感器空間進(jìn)行的分析。我們還概述了信號(hào)混合在基礎(chǔ)研究和神經(jīng)反饋應(yīng)用中經(jīng)常使用的功率評(píng)估、功率比和連接特性的具體后果。通過這項(xiàng)工作，我們希望以一種具體的方式來說明容積傳導(dǎo)的影響，這樣提供的實(shí)用插圖可能有助于腦電圖研究人員，以評(píng)估傳感器空間是否適合他們的研究。本文發(fā)表在Neuroimage雜志。(可添加微信號(hào)siyingyxf或18983979082獲取原文，另思影提供免費(fèi)文獻(xiàn)下載服務(wù)，如需要也可添加此微信號(hào)入群，原文也會(huì)在群里發(fā)布)。 alpha節(jié)律(8-13Hz)是人類無創(chuàng)電生理記錄的一個(gè)顯著特征。在這一波段中發(fā)現(xiàn)了不同類型的節(jié)律，發(fā)生器位于枕葉、頂葉、顳葉和感覺運(yùn)動(dòng)皮層。不同的alpha節(jié)律表現(xiàn)出功能特異性，感覺運(yùn)動(dòng)節(jié)律因運(yùn)動(dòng)動(dòng)作而發(fā)生事件相關(guān)的去同步，枕骨alpha節(jié)律因睜眼或閉眼而發(fā)生強(qiáng)烈的調(diào)制。在每一種節(jié)律類型中，可能存在更精細(xì)的組織程度，通過手和腳的運(yùn)動(dòng)對(duì)感覺運(yùn)動(dòng)節(jié)奏進(jìn)行差異調(diào)制，或通過視野不同部位的刺激對(duì)枕alpha節(jié)律進(jìn)行差異調(diào)制。此外，alpha節(jié)律已被證明與注意力有關(guān)，在應(yīng)該抑制神經(jīng)元活動(dòng)的皮層區(qū)域顯示出更強(qiáng)的振幅。 在分析和解釋腦電圖(EEG)或腦磁圖(MEG)記錄的信號(hào)時(shí)，一個(gè)基本的挑戰(zhàn)是容積傳導(dǎo)。容積傳導(dǎo)導(dǎo)致來自不同發(fā)生器的信號(hào)在空間和時(shí)間上重疊。這種重疊對(duì)于傳感器或空間分析尤其成問題，在這種分析中，來自傳感器的信號(hào)是直接使用的，通過一個(gè)標(biāo)準(zhǔn)參考，例如，共同平均值，連接乳突或鼻子參考。然而，盡管容積傳導(dǎo)帶來了失真，傳感器空間分析仍然是腦電圖/MEG信號(hào)分析的流行方法。MEG研究使用傳感器空間作為第一遍分析，例如定義感興趣的區(qū)域，然后使用源分析技術(shù)進(jìn)行主要分析，而對(duì)于EEG，傳感器空間通常是分析數(shù)據(jù)的唯一方法。傳感器空間分析的廣泛應(yīng)用當(dāng)然是由于程序的便利。相對(duì)于傳感器空間，源分析需要： 1)在逆模型和理解其參數(shù)方面的數(shù)據(jù)分析訓(xùn)練； 3)在統(tǒng)計(jì)分析方面需要更多的訓(xùn)練，因?yàn)樾枰獙?duì)不同來源的多重比較進(jìn)行修正； 4)可能需要花費(fèi)更多的資源來獲取單個(gè)解剖-磁共振成像數(shù)據(jù)。然而，盡管傳感器空間分析可以相對(duì)容易地進(jìn)行，但它可能會(huì)模糊神經(jīng)元節(jié)律對(duì)行為的空間特異性的任何細(xì)微程度，特別是在腦電圖研究中。因此，更詳細(xì)地評(píng)估傳感器空間中的分析如何模糊不同類型節(jié)奏的貢獻(xiàn)是有意義的。 本文中，舉例說明了空間混合對(duì)神經(jīng)節(jié)律的影響，在傳感器空間水平上比源水平。許多研究已經(jīng)評(píng)估了在容積傳導(dǎo)和線性混合方面的連通性度量領(lǐng)域中傳感器與源空間測(cè)量的一致性和靈敏度。但這里我們關(guān)注的是神經(jīng)元節(jié)律的單變量特性，主要是alpha波段節(jié)律的帶功率。雖然以往的許多研究都承認(rèn)在傳感器空間中腦電圖/腦磁圖分析的容積傳導(dǎo)問題，但據(jù)我們所知，還沒有報(bào)告直接顯示單獨(dú)的組件/源實(shí)際上是如何在傳感器水平上混合的。我們?cè)谶@篇論文中使用了特別的alpha節(jié)律，而主要結(jié)論可以推廣到其他振蕩和誘發(fā)反應(yīng)。 以下文章的主要貢獻(xiàn)是在傳感器空間水平上量化節(jié)律的空間混合。首先，我們討論了一種易于使用的方法來評(píng)估提取的節(jié)律的起源和空間傳播的標(biāo)準(zhǔn)傳感器方案，通過空間模式的計(jì)算和實(shí)際應(yīng)用。然后，我們使用空間模式來評(píng)估神經(jīng)節(jié)律的空間混合在傳感器或空間水平與源水平的情況，在真實(shí)的頭部模型和腦電圖靜息狀態(tài)節(jié)律的大型數(shù)據(jù)集的模擬。在這里，我們說明了在單個(gè)傳感器的alpha波段中不同節(jié)律的組成波段功率貢獻(xiàn)。此外，由于振蕩的動(dòng)態(tài)特性，神經(jīng)元節(jié)律的高變幅調(diào)制，影響特定節(jié)律的相對(duì)貢獻(xiàn)，我們展示了當(dāng)使用振蕩的比率測(cè)量時(shí)，空間混合是如何更有問題的。我們希望我們的插圖為基礎(chǔ)和臨床研究人員提供直觀，以便評(píng)估傳感器空間分析是否適合于他們的用例。2.1 實(shí)驗(yàn)數(shù)據(jù) 分析使用python和MNE版本0.23進(jìn)行實(shí)證分析。再現(xiàn)分析和圖形所需的分析代碼可以在這里獲得:https: //github.com/nschawor/meg- eeg- leadfield-
mixed。雖然我們?cè)谙旅嬲故玖藛蝹€(gè)參與者的示例，但也可以使用提供的代碼為所有其他參與者生成這些類型的繪圖。 腦電圖數(shù)據(jù)收集自216名志愿者，他們沒有神經(jīng)系統(tǒng)疾病史，也沒有使用中樞神經(jīng)系統(tǒng)藥物。由于文件缺乏事件信息、采樣率不同、頭文件不匹配或數(shù)據(jù)質(zhì)量不足，13個(gè)參與者的數(shù)據(jù)被排除。此外，還有18名參與者的數(shù)據(jù)也被排除在外，因?yàn)槠?/span>alpha波段的信噪比較低。除此之外，還有一個(gè)參與者被排除在外，因?yàn)槲覀儜岩善渫ǖ烂Q的順序錯(cuò)誤，導(dǎo)致空間模式被破壞。最終產(chǎn)生了來自181名參與者的數(shù)據(jù)集(117名男性，64名女性，年齡范圍:20-77歲)。 204名志愿者的腦磁圖數(shù)據(jù)均為無神經(jīng)系統(tǒng)疾病史。有6個(gè)參與者沒有休息狀態(tài)數(shù)據(jù)。此外，還有57名參與者的數(shù)據(jù)被排除在外，原因是alpha波段的低信噪比，最終產(chǎn)生了來自141名參與者的數(shù)據(jù)集(75名男性，66名女性，年齡范圍:18-29歲)。 預(yù)處理簡(jiǎn)要描述如下：將原始數(shù)據(jù)從2500hz到250hz進(jìn)行下采樣，并在1-45hz的頻率范圍內(nèi)進(jìn)行帶通濾波。肉眼檢查原始活動(dòng)痕跡，排除電壓頻率偏移和信號(hào)質(zhì)量較差的異常電極。為了降低腦電信號(hào)的維數(shù)，采用主成分分析方法來保留解釋總方差95%的主成分。然后，基于Extended
Infomax算法進(jìn)行獨(dú)立成分分析。所有反映眼球運(yùn)動(dòng)、眨眼、肌肉活動(dòng)或心跳相關(guān)活動(dòng)的成分均被去除。剩余的獨(dú)立成分(平均數(shù)量:21.4)被投影回傳感器空間。重要的是，帶有alpha峰的成分通常沒有被去除。因此，剩下的成分代表了大量與alpha相關(guān)的活動(dòng)。 由于這里的重點(diǎn)是alpha頻段的振蕩活動(dòng)，我們只包括在alpha頻段超過信噪比的參與者。為確定alpha波段的信噪比，采用Welch方法(漢恩窗，2s窗長(zhǎng)，50%重疊)計(jì)算頻譜。為了從頻譜中減去1/f貢獻(xiàn)，我們使用頻譜參數(shù)化。使用的設(shè)置為：最大峰值數(shù)=5；非周期模式=固定，峰寬極限=(0.5,12)，最小峰高=0；峰值閾值=2，擬合頻率范圍=2-35hz。在整個(gè)記錄長(zhǎng)度內(nèi)，如果在中線上至少有一個(gè)電極在alpha波段顯示>5dB振蕩峰值，參與者被納入。 我們使用了空間-頻譜分解(SSD)，這是一種經(jīng)過充分驗(yàn)證的技術(shù)，允許我們提取特定頻段內(nèi)具有最大信噪比的神經(jīng)元活動(dòng)。該方法基于傳感器間協(xié)方差矩陣的廣義特征值分解，使某一分量在指定頻段的振蕩功率最大化，同時(shí)使側(cè)翼頻帶的振蕩功率最小化，得到具有最高信噪比的振蕩分量。 為了研究不同成分如何在選定的傳感器上混合，我們分析了與SSD(空間-頻譜分解)空間過濾器相關(guān)的空間模式系數(shù)。總體流程如圖1所示。空間模式以線性的方式描述源S對(duì)傳感器X記錄的活動(dòng)的貢獻(xiàn)：X = AS, A為空間模式矩陣，有時(shí)也稱為混合矩陣。在我們的約定中，矩陣的列包含單個(gè)源的空間模式，矩陣的行包含單個(gè)傳感器對(duì)每個(gè)源的貢獻(xiàn)。在Haufe et al的基礎(chǔ)上，在alpha波段濾波的活動(dòng)協(xié)方差乘以SSD獲得的空間濾波器。由于廣義特征值分解方法具有極性不變的特點(diǎn)，因此返回的空間模式的符號(hào)依賴于初始化，因此在評(píng)價(jià)各電極節(jié)律貢獻(xiàn)比例時(shí)，我們分析了空間模式的絕對(duì)值。我們計(jì)算了Nikulin等人定義的空間模式的絕對(duì)余弦距離，從數(shù)據(jù)計(jì)算到最擬合的前沿場(chǎng)模型(如下所述)。這種方法可以評(píng)估獲得的空間模式與單極子模型的接近程度。我們計(jì)算了所有參與者的測(cè)量值，我們根據(jù)alpha波段的低絕對(duì)余弦距離和信噪比為圖6和圖7選擇了樣本參與者。圖1 分析量化獨(dú)立節(jié)律對(duì)傳感器活動(dòng)的貢獻(xiàn)A.兩組數(shù)據(jù)包括睜眼和閉眼時(shí)62通道靜息狀態(tài)EEG記錄和睜眼時(shí)275通道靜息狀態(tài)MEG記錄。B.空間濾波器和模式是通過空間頻譜分解(SSD)計(jì)算的。C.提取每個(gè)傳感器的空間模式條目并歸一化，取絕對(duì)值計(jì)算每個(gè)傳感器的傳感器復(fù)雜度。 為了評(píng)估節(jié)律對(duì)每個(gè)傳感器的影響，我們隨后計(jì)算了一個(gè)量化偏離情況的方法，在這種情況下，所有成分對(duì)給定傳感器的信號(hào)的貢獻(xiàn)都是相等的功率。這種測(cè)量方法在下文中被稱為傳感器復(fù)雜性，它允許我們?cè)u(píng)估每個(gè)源對(duì)所觀察到的腦電圖活動(dòng)的相對(duì)貢獻(xiàn)： 傳感器的復(fù)雜性：
在模擬中，我們?cè)谝粋€(gè)真實(shí)的3D頭部模型中，在alpha波段的特定皮層位置分布了幾個(gè)節(jié)律源。然后，我們提取了每個(gè)腦電電極的前導(dǎo)場(chǎng)系數(shù)，并計(jì)算了每個(gè)傳感器的傳感器復(fù)雜度，這使我們能夠研究每個(gè)傳感器基礎(chǔ)上的節(jié)律空間混合。 我們使用了Huang等人和Haufe等人的一個(gè)逼真的預(yù)計(jì)算場(chǎng)模型New York Head。完整的細(xì)節(jié)在上述文章中給出。簡(jiǎn)單地說，該模型的解剖學(xué)基礎(chǔ)是詳細(xì)的ICBM152頭部模型，基于152個(gè)成人大腦的平均值，通過磁共振成像得到。針對(duì)該頭部模型，給出了分布在皮層表面網(wǎng)格上的231個(gè)標(biāo)準(zhǔn)電極位置和75000個(gè)節(jié)點(diǎn)的有限元場(chǎng)解。我們提取的場(chǎng)入口，偶極子方向是假設(shè)垂直于皮層表面。對(duì)于圖4中的演示，我們使用了MNE提供的“fsaaverage”示例數(shù)據(jù)和頭部模型。在MEG模擬中，我們對(duì)頭部模型使用了與腦電圖相同的ICBM152基礎(chǔ)。將腦磁圖傳感器的坐標(biāo)與頭部模型對(duì)齊。圖4 改變中心alpha源的偶極子方向會(huì)影響前額電極上的傳感器空間活動(dòng)。A .三維灰質(zhì)模型顯示了不同的偶極子方向。顏色與B.中地形的顏色相對(duì)應(yīng)。C.在不同偶極方向下，一個(gè)感應(yīng)電極的絕對(duì)引線場(chǎng)貢獻(xiàn)。傳感器的活動(dòng)高度依賴于偶極子方向。 根據(jù)Hindriks等人的研究，在每個(gè)半球放置了16個(gè)鄰近位置的源。我們考慮了6個(gè)枕部、2個(gè)頂下、3個(gè)體感和5個(gè)顳alpha源。偶極方向垂直于最接近所選偶極位置的三角面表面。對(duì)位置進(jìn)行調(diào)整，使偶極指向反映出相關(guān)的空間模式的多樣性，例如，感覺運(yùn)動(dòng)節(jié)律具有更徑向和更切向偶極的混合。眾所周知，生理節(jié)律有不同的振幅，例如，更明顯的視覺alpha節(jié)律，不同的節(jié)律類型乘以指定的增益因子，如表1所示，枕部、頂葉和感覺運(yùn)動(dòng)源的功率較高，顳源的功率較低。由于源位置的參考表明，顳皮層的源比感覺運(yùn)動(dòng)皮層的源更多，因此我們選擇了一個(gè)較低的增益因子來平衡它們與感覺運(yùn)動(dòng)源的總功率。此外，我們模擬了眼睛從睜開到閉上的狀態(tài)變化，在此期間，枕區(qū)源的強(qiáng)度增加，而其他源保持不變。表1 alpha活性源類型的因子，表明它們的相對(duì)強(qiáng)度和狀態(tài)變化特性。
如您對(duì)腦電等數(shù)據(jù)處理感興趣，可點(diǎn)擊以下鏈接了解（可添加微信號(hào)siyingyxf或18983979082咨詢，另思影提供免費(fèi)文獻(xiàn)下載服務(wù)，如需要也可添加此微信號(hào)入群)：
北京：
更新：第十三屆眼動(dòng)數(shù)據(jù)處理班（北京，8.9-14）
第二十四屆近紅外腦功能數(shù)據(jù)處理班（北京，8.23-28）
第二十三屆近紅外腦功能數(shù)據(jù)處理班（南京，7.13-18）
第二十三屆腦電數(shù)據(jù)處理入門班（南京，7.28-8.1）
上海：
第三屆腦電機(jī)器學(xué)習(xí)數(shù)據(jù)處理班（Matlab版，上海，7.14-19）
更新：第三屆R語言統(tǒng)計(jì)班（上海，7.27-31）
重慶：
第三十七屆腦電數(shù)據(jù)處理中級(jí)班(重慶，7.21-26）
第十一屆腦電信號(hào)數(shù)據(jù)處理提高班（重慶，8.9-14）
第四屆R語言統(tǒng)計(jì)班（重慶，8.19-23）
數(shù)據(jù)處理業(yè)務(wù)介紹：
思影科技EEG/ERP數(shù)據(jù)處理業(yè)務(wù)
思影科技近紅外腦功能數(shù)據(jù)處理服務(wù)
思影科技眼動(dòng)數(shù)據(jù)處理服務(wù)
3.1 空間模式作為研究空間相關(guān)性的工具 首先，我們討論空間模式的概念。通過觀察不同傳感器之間的相關(guān)性，空間模式是評(píng)估與某個(gè)特定傳感器或空間濾波器信號(hào)相關(guān)的活動(dòng)空間分布的一種簡(jiǎn)單方法。在EEG/MEG分析中，由于容積傳導(dǎo)，相鄰傳感器之間總是存在很大程度的相關(guān)性。空間模式顯示了大腦中源/成分的神經(jīng)元激活如何映射到腦電圖/腦磁圖傳感器。 為了計(jì)算空間模式，首先需要定義一個(gè)空間filter。空間filter是一個(gè)與傳感器一樣多的向量，每個(gè)傳感器有一個(gè)數(shù)值權(quán)重值。每個(gè)傳感器在空間filter矢量中都有一定的權(quán)值，這些權(quán)值也可以為零。參考可以看作是空間filter與數(shù)據(jù)的矩陣乘法，它產(chǎn)生活動(dòng)跟蹤。同樣，對(duì)于公共平均參考和拉普拉斯參考，可以很容易地構(gòu)建一個(gè)空間filter向量(見圖2a)?？臻g模式與頭皮電位地圖不同，因?yàn)榭臻g模式反映了源自特定空間濾波向量的活動(dòng)的空間分布，所以在單個(gè)傳感器的最簡(jiǎn)單情況下，頭皮電位地圖反映了特定時(shí)間點(diǎn)所有活動(dòng)的疊加。圖2 空間模式有助于評(píng)估節(jié)點(diǎn)和提取傳感器信號(hào)的來源。
A.三種不同參考場(chǎng)景的空間filter：參考電極FCz(信號(hào)采集時(shí)的參考)；共平均參考，filter權(quán)重= 1/N, N為傳感器數(shù)量；拉普拉斯參考。
B.演示如何通過不同的參考方案來減弱活動(dòng)擴(kuò)散。參考類型從左到右，如A中所示。與參考電極FCz或共同平均參考相比，用拉普拉斯filter在電極C3周圍提取的活性顯示感興趣區(qū)域周圍的空間擴(kuò)散減少。
C.展示了即使是一個(gè)拉普拉斯也不能提取活動(dòng)中心下方的活動(dòng)，這個(gè)參與者的枕葉alpha活動(dòng)如此強(qiáng)烈，以至于枕葉活動(dòng)出現(xiàn)在拉普拉斯參考電極C3中。
D.演示theta波活動(dòng)如何顯示一個(gè)讓人聯(lián)想到眼球運(yùn)動(dòng)類型活動(dòng)的地形，而不是更多的額葉中部分布。
然后，通過將特定的空間濾波向量與跨傳感器活動(dòng)的協(xié)方差矩陣相乘來計(jì)算空間模式。在此過程中，根據(jù)空間filter權(quán)重的極性和強(qiáng)度加入?yún)f(xié)方差項(xiàng)。如果傳感器的活動(dòng)是不相關(guān)的，協(xié)方差矩陣是一個(gè)單位矩陣，那么空間filter就等于空間模式。但對(duì)于腦電圖/腦磁圖數(shù)據(jù)卻不是這樣，因此我們需要將空間filter轉(zhuǎn)換為空間模式，以便對(duì)提取的信號(hào)的位置做出聲明。例如，對(duì)于一個(gè)非重新參考的傳感器的空間模式將恰好是該傳感器對(duì)其他傳感器的協(xié)方差，反映了信號(hào)在傳感器之間的傳播。信號(hào)活動(dòng)通常是帶通濾波，然后計(jì)算協(xié)方差矩陣。可以使用不同的約束來計(jì)算空間模式，例如，當(dāng)需要強(qiáng)制空間模式的稀疏性時(shí)，可以使用正則化。一般來說，當(dāng)使用SSD(空間-頻譜分解)返回的源時(shí)間序列來擬合數(shù)據(jù)時(shí)間序列時(shí)，空間模式可以被視為最小二乘系數(shù)。 空間模式可以幫助驗(yàn)證和檢查感興趣信號(hào)的位置，例如，幫助檢查是否存在適當(dāng)?shù)恼袷帲蕴岣邷y(cè)量的有效性。在圖2b中，我們展示了與左側(cè)感覺運(yùn)動(dòng)皮層上的電極C3相關(guān)的空間模式，這有三種不同的參考方法:使用FCZ參考(信號(hào)采集時(shí)的參考)，共同平均參考和拉普拉斯參考，頻段選擇為8-13Hz。可以看到，信號(hào)的焦點(diǎn)變化，取決于各自的參考。在理想情況下，遠(yuǎn)離所選區(qū)域的區(qū)域的貢獻(xiàn)應(yīng)最小化，空間格局系數(shù)的值應(yīng)接近0?？梢钥闯?，在FCZ參考的情況下，空間擴(kuò)散比較廣泛，而在Laplacian的情況下，空間擴(kuò)散更加集中。盡管總體上改進(jìn)了拉普拉斯引用的聚焦性，但在所有使用拉普拉斯引用的情況下，信號(hào)不會(huì)有一個(gè)局部原點(diǎn)。在圖2c中，我們展示了一個(gè)參與者的例子，該參與者在電極C3上應(yīng)用拉普拉斯filter，確實(shí)產(chǎn)生了起源于感覺運(yùn)動(dòng)皮層附近的信號(hào)，但后部活動(dòng)的貢獻(xiàn)最強(qiáng)。在上述情況下，與感覺運(yùn)動(dòng)節(jié)律相比，后alpha活動(dòng)非常強(qiáng)烈，而感覺運(yùn)動(dòng)節(jié)律在這個(gè)特定的參與者身上并沒有被真正檢測(cè)到。圖2d展示了一個(gè)示例，目的是使用正面?zhèn)鞲衅魈崛?/span>4-7hz頻帶的theta波活動(dòng)，但沒有對(duì)眼動(dòng)偽跡進(jìn)行足夠的數(shù)據(jù)清理。因此，從反映眼球運(yùn)動(dòng)的地形圖可以明顯看出，theta波段中提取的活性被偽跡污染了。 綜上所述，空間模式可能是一種易于使用的腦電分析數(shù)據(jù)探索工具。請(qǐng)注意，圖2中提出的所有這些考慮通常適用于不同頻率范圍的神經(jīng)元活動(dòng)，因此這些例子可以推廣到其他波段，即delta、theta、beta和gamma波段的節(jié)律。3.1 模擬:不同的alpha節(jié)律對(duì)傳感器信號(hào)的貢獻(xiàn) 之前我們研究了與特定組成部分相關(guān)的空間模式，接下來我們將說明如何通過分析多種空間模式來評(píng)估節(jié)奏的空間混合。為此，我們使用逼真的頭部模型進(jìn)行模擬。根據(jù)Hindriks等人的研究，我們將16個(gè)源放置在每個(gè)半球的皮層位置，見圖3A，對(duì)應(yīng)的場(chǎng)繪制在圖3B中。這里的自由參數(shù)是源的數(shù)量以及每個(gè)源相對(duì)于其他源的強(qiáng)度。圖3 不同的alpha節(jié)律影響每個(gè)傳感器記錄的活動(dòng)。A.頭部和皮層灰質(zhì)三維模型，配有腦電圖電極和對(duì)應(yīng)alpha源的位置(藍(lán)色:枕區(qū)alpha源，橙色:頂葉alpha源，綠色:顳區(qū)alpha源，紅色:感覺運(yùn)動(dòng)源)。B.每種alpha源的場(chǎng)圖，顯示每種alpha源的每個(gè)電極的正極性(紅色)和負(fù)極性(藍(lán)色)對(duì)信號(hào)的貢獻(xiàn)。C.模擬每個(gè)傳感器的節(jié)律貢獻(xiàn)，眼睛睜開的情況。如圖B所示，所顯示的比例是根據(jù)節(jié)律類型著色的，顏色越淺表明來自右半球的來源，顏色越飽和表明來自左半球的來源。D.閉眼狀態(tài)下，對(duì)單個(gè)傳感器的節(jié)律貢獻(xiàn)，枕骨alpha貢獻(xiàn)增加。 在圖3C中，我們通過顯示從場(chǎng)中獲取的絕對(duì)空間格局系數(shù)來可視化每個(gè)節(jié)律的貢獻(xiàn)。對(duì)于每個(gè)傳感器，我們繪制一個(gè)圖，圖的位置根據(jù)各自傳感器的坐標(biāo)。所有alpha源對(duì)一個(gè)特定傳感器的貢獻(xiàn)產(chǎn)生了圖的整個(gè)區(qū)域，如圖3b所示，由絕對(duì)場(chǎng)值的總和測(cè)量。不同類型的alpha源的貢獻(xiàn)以特定的分類顏色顯示，根據(jù)源的半球起源以更飽和和更微弱的顏色細(xì)分。這里沒有顯示的一個(gè)維度是絕對(duì)的alpha功率，在最突出的節(jié)律起源的后部電極中，alpha功率較大，而在沒有局部alpha功率貢獻(xiàn)的額電極中，alpha功率較小。 在圖3C中可以注意到幾個(gè)觀察結(jié)果： 首先，相當(dāng)數(shù)量的信號(hào)來自于對(duì)半球，這可能會(huì)使側(cè)化效應(yīng)的評(píng)估復(fù)雜化； 第二，可以看到，大部分在額傳感器的alpha活動(dòng)來自傳播的后部alpha源。在很大程度上，這是由于偶極子的取向，以及存在更多的后alpha源而不是中央源(每個(gè)半球6個(gè)vs 3個(gè))。 第三，在中部傳感器上，只有一小部分alpha波段的活動(dòng)是由感覺運(yùn)動(dòng)源貢獻(xiàn)的。在圖3D中，我們展示了通過增加后alpha節(jié)律的強(qiáng)度來改變一種類型的節(jié)律(后alpha節(jié)奏)的信噪比的影響。例如，這可能發(fā)生在閉眼的情況下，后alpha源的功率急劇增加?？梢钥闯觯曈Xalpha活動(dòng)的相對(duì)貢獻(xiàn)增加，構(gòu)成了alpha波段的大部分信號(hào)。 為了進(jìn)一步說明改變中心alpha源的方向如何改變正面?zhèn)鞲衅鞯呢暙I(xiàn)，我們提供了圖4。在這里，我們?cè)趫D4A中展示了位置和三種不同的可能的偶極子方向，在圖4A中展示了對(duì)應(yīng)的場(chǎng)地形，在圖4C和D中展示了每個(gè)偶極子方向的絕對(duì)場(chǎng)系數(shù)?？梢钥吹?，雖然對(duì)于偶極子徑向方向，對(duì)正面?zhèn)鞲衅鞯呢暙I(xiàn)最小，但對(duì)于偶極子切向方向，貢獻(xiàn)增加。圖5顯示了MEG與圖3對(duì)應(yīng)的仿真。雖然腦磁圖的空間傳播不那么廣泛，但前額通道的傳感器空間活動(dòng)仍然顯示出潛在alpha源的大量貢獻(xiàn)。圖5 不同的alpha節(jié)律影響每個(gè)MEG傳感器記錄的活動(dòng)。A.頭部和皮層灰質(zhì)的3D模型，帶有MEG傳感器和對(duì)應(yīng)alpha源的位置(藍(lán)色:枕區(qū)alpha源，橙色:頂葉alpha源，綠色:顳區(qū)alpha源，紅色:感覺運(yùn)動(dòng)源)。B.每種alpha源的場(chǎng)地形圖，顯示每種alpha源的每個(gè)MEG傳感器信號(hào)的正極性(紅色)和負(fù)極性(藍(lán)色)貢獻(xiàn)。C.模擬每個(gè)傳感器的節(jié)律貢獻(xiàn)，眼睛睜開的情況。每個(gè)圖代表一個(gè)MEG傳感器。如圖B所示，所顯示的比例是根據(jù)節(jié)奏類型著色的，顏色越淺表明來自右半球的來源，顏色越飽和表明來自左半球的來源。D.閉眼狀態(tài)下，對(duì)單個(gè)傳感器的節(jié)律貢獻(xiàn)，枕alpha貢獻(xiàn)增加。 獲得的節(jié)奏貢獻(xiàn)傳感器的比例取決于使用的參考方案，在我們的情況下是共同平均參考，因?yàn)闃?biāo)準(zhǔn)化的leadfield是在這個(gè)配置中提供的。改變參考點(diǎn)將改變空間模式的空間分布，如圖2b所示，這反過來將導(dǎo)致對(duì)特定電極的不同貢獻(xiàn)。在給定的傳感器附近，能夠最大限度地發(fā)揮源作用的基準(zhǔn)類型將取決于偶極子的方向以及其他節(jié)律的存在。在進(jìn)行傳感器空間分析并確定參考方案時(shí)，建議對(duì)感興趣的傳感器計(jì)算圖2b中不同參考的空間模式。3.3 靜息狀態(tài)數(shù)據(jù)：不同的alpha節(jié)律對(duì)傳感器信號(hào)的貢獻(xiàn) 為了說明alpha波段的節(jié)律在經(jīng)驗(yàn)數(shù)據(jù)中的傳感器上是如何在空間上重疊的，我們?cè)趫D6中展示了兩個(gè)個(gè)體參與者的數(shù)據(jù)。這幅圖的構(gòu)造類似于圖3C和D所示的模擬圖。由我們使用一種基于空間頻譜分解(SSD)的統(tǒng)計(jì)方法來估計(jì)成分和空間模式。圖6a所示為成分的示例拓?fù)浣Y(jié)構(gòu)，按alpha頻段的信噪比排序。可以看到反映典型枕alpha和感覺運(yùn)動(dòng)節(jié)律的成分。在圖6B中，顯示了每個(gè)成分對(duì)單個(gè)傳感器的貢獻(xiàn)，以帶功率的方式進(jìn)行評(píng)估。圖6C和D是不同參與者的模擬圖。生成的圖形是固定數(shù)量的成分(N = 10)。圖6 不同的alpha節(jié)律影響感知空間活動(dòng)，以兩個(gè)參與者為例。A.前十個(gè)SSD（空間頻譜分解）空間模式在alpha波段的情況。每個(gè)節(jié)律都被分配一個(gè)顏色，與下一個(gè)子情節(jié)中的顏色相對(duì)應(yīng)。B. 10個(gè)SSD成分在每個(gè)腦電電極上的比例，通過相對(duì)貢獻(xiàn)來評(píng)估。雖然感覺運(yùn)動(dòng)區(qū)域的傳感器顯示出最高比例的感覺運(yùn)動(dòng)節(jié)律，源自枕骨區(qū)域的alpha節(jié)律也影響了這些傳感器記錄的活動(dòng)。 與模擬相似的是，很明顯，對(duì)于額部傳感器而言，alpha波段的大部分活動(dòng)來自于對(duì)枕部和頂葉傳感器貢獻(xiàn)最強(qiáng)的后alpha分量。在感覺運(yùn)動(dòng)傳感器中，枕骨alpha活動(dòng)也是傳感器空間alpha活動(dòng)的重要組成部分。我們?cè)趫D7中展示了alpha節(jié)律對(duì)MEG傳感器的貢獻(xiàn)。此外，在這里，存在的alpha節(jié)奏導(dǎo)致復(fù)雜的相對(duì)貢獻(xiàn)傳感器。由于空間模式是一個(gè)估計(jì)過程的結(jié)果，比例可能會(huì)根據(jù)用于分解的方法而改變。但總體結(jié)果與模擬結(jié)果是一致的，這暗示了在EEG中某些節(jié)律和現(xiàn)象可能更容易被檢測(cè)到。這也應(yīng)該取決于腦電或腦磁圖傳感器的配置，以及腦電圖中的雙極性衍生或腦磁圖中的平面重力直徑，它們可能檢測(cè)到來自遠(yuǎn)程源的較小的場(chǎng)傳播。圖7 不同的alpha節(jié)律影響腦磁圖傳感器空間活動(dòng)，以一個(gè)參與者為例。
A.一名MEG參與者在alpha波段的前十個(gè)SSD空間模式。每個(gè)節(jié)律都被分配一個(gè)顏色，與下一個(gè)子情節(jié)中的顏色相對(duì)應(yīng)。
B.每個(gè)MEG傳感器上10個(gè)SSD成分的比例，根據(jù)相對(duì)貢獻(xiàn)進(jìn)行評(píng)估。
3.4 靜息狀態(tài)數(shù)據(jù):參與者之間的空間混合 在證明了單個(gè)參與者的空間混合的定性效應(yīng)之后，我們的目標(biāo)是看看我們是否能看到不同參與者的空間混合的共性。例如，我們能否識(shí)別不同節(jié)律混合特別明顯的傳感器或位置，從而對(duì)電生理結(jié)果的解釋提出挑戰(zhàn)。我們計(jì)算了所有腦電圖電極和不同狀態(tài)(眼睛睜開/閉上)的傳感器復(fù)雜性度量，以量化空間混合的程度。 圖8A和B表示EEG在睜眼和閉眼兩種情況下的平均傳感器復(fù)雜度。閉眼狀態(tài)下枕骨alpha源的功率更大，而枕骨-頂骨傳感器的功率則有較大的偏離。這是意料之中的，因?yàn)橹挥猩贁?shù)幾個(gè)源貢獻(xiàn)了alpha波段的很大一部分功率。對(duì)于中樞感覺運(yùn)動(dòng)傳感器來說，有一個(gè)相對(duì)較高的復(fù)雜性，因?yàn)檫@里有感覺運(yùn)動(dòng)的節(jié)律和枕部的alpha節(jié)律的貢獻(xiàn)。在眼睛睜開的情況下，情況改變了，因?yàn)?span style="color: rgb(192, 0, 0);">枕葉源現(xiàn)在更弱，我們?cè)谥醒雮鞲衅魃峡吹礁俚目臻g混合。在腦磁圖數(shù)據(jù)中(圖8C)，睜眼狀態(tài)下，復(fù)雜性圖在量級(jí)和地形分布上與腦電圖眼睛睜開情況相似。此外，我們還在圖8D和圖8E中分別展示了枕部和感覺運(yùn)動(dòng)腦電傳感器的個(gè)體參與者的復(fù)雜性值，以證明參與者之間空間混合的高可變性。圖8 參與者的平均腦電圖傳感器復(fù)雜度表明后部通道的空間混合較少。A.閉眼條件下參與者的平均傳感器復(fù)雜度。在閉眼狀態(tài)下，感覺運(yùn)動(dòng)傳感器的復(fù)雜性更高，表明空間混合程度更高。B.睜眼條件下參與者的平均腦電圖傳感器復(fù)雜度。C.在睜眼條件下，參與者的平均MEG傳感器復(fù)雜性。D.枕部電極Oz和E.感覺運(yùn)動(dòng)電極Cz的傳感器復(fù)雜性。3.5 再加一個(gè)維度腦電圖alpha節(jié)律的時(shí)間波動(dòng) 到目前為止，我們的計(jì)算是不考慮時(shí)間波動(dòng)的，按時(shí)間計(jì)算平均功率。但神經(jīng)元振蕩在快時(shí)間尺度和慢時(shí)間尺度上也顯示出顯著的波動(dòng)。因此，在下面的圖9A和B中，為了展示個(gè)體節(jié)律對(duì)不同腦電電極隨時(shí)間變化的貢獻(xiàn)，我們簡(jiǎn)要地說明了個(gè)體參與者隨時(shí)間的振蕩波動(dòng)。相應(yīng)的地形圖如圖9C所示，顯示了感覺運(yùn)動(dòng)節(jié)律和后alpha節(jié)律。當(dāng)將SSD成分的alpha功率表示為SSD組件#2與組件#1的比值時(shí)，可以看到成分之間的功率比隨時(shí)間變化的范圍，見圖9D和E。注意，在不同的時(shí)間段，不同節(jié)律的比例/比率可能會(huì)發(fā)生變化。如果一個(gè)傳感器在一個(gè)頻帶內(nèi)檢測(cè)振幅的變化，這種變化可以反映不同的底層空間。例如，只有一個(gè)源在變化，或者多個(gè)源同時(shí)變化。這可能取決于不同的因素，從振幅包絡(luò)相關(guān)性的強(qiáng)度或其他時(shí)域特性，例如，節(jié)奏是出現(xiàn)在爆發(fā)還是具有更連續(xù)的性質(zhì)。 一般來說，給定傳感器上的空間混合越強(qiáng)，就越難以從特定的單腦電圖電極上記錄的活動(dòng)中推斷出特定的節(jié)律。當(dāng)我們?cè)谶@里展示一個(gè)參與者的例子時(shí)，alpha節(jié)律振幅的動(dòng)態(tài)變化是一個(gè)普遍的現(xiàn)象，并且在某種程度上存在于所有其他參與者中，如果他們?cè)?/span>alpha波段顯示振蕩節(jié)律。 通過這篇文章，我們旨在提高人們對(duì)空間混合對(duì)腦電圖/腦磁圖檢測(cè)到的alpha節(jié)律的影響的認(rèn)識(shí)。本文首先闡述了利用空間模式來分析腦電活動(dòng)的焦點(diǎn)和來源。利用這個(gè)工具，我們?cè)u(píng)估了不同的alpha節(jié)律對(duì)腦電圖電極和腦磁圖傳感器的貢獻(xiàn)。首先，我們?cè)谡鎸?shí)頭部模型中模擬了不同的alpha發(fā)生器，并利用相應(yīng)的前導(dǎo)場(chǎng)計(jì)算了它們的貢獻(xiàn)。模擬分析與兩個(gè)大型數(shù)據(jù)集的實(shí)證數(shù)據(jù)分析相補(bǔ)充，其中我們分析了SSD提取的alpha節(jié)律的空間模式系數(shù)。定義了單個(gè)傳感器水平的復(fù)雜度量，并用于說明alpha源如何根據(jù)狀態(tài)映射到腦電和腦磁圖傳感器。4.1.1 節(jié)律振幅和alpha不對(duì)稱測(cè)量 迄今為止，許多腦電圖/腦磁圖的研究都是在傳感器空間進(jìn)行的。這種方法的一個(gè)明顯優(yōu)勢(shì)是它在技術(shù)上相對(duì)簡(jiǎn)單，不需要使用生物物理或統(tǒng)計(jì)約束進(jìn)行源分析(例如使用獨(dú)立成分分析或SSD)。典型的例子包括頻譜分析、幅度動(dòng)力學(xué)，如與事件相關(guān)的去同步/同步、微狀態(tài)、多種復(fù)雜性測(cè)度、近似熵和樣本熵。這類研究的典型方法是根據(jù)傳感器的空間位置來定義感興趣區(qū)域，如額區(qū)、中央顳區(qū)、頂葉區(qū)和枕葉區(qū)。這樣做通常是希望這些感興趣區(qū)域的傳感器捕捉到的活動(dòng)能反映出這些傳感器附近產(chǎn)生的皮層過程。然而，如圖3所示的腦電圖和圖5所示的腦磁圖所示的模擬可以看出，額部傳感器檢測(cè)到的很大一部分活動(dòng)可以來源于枕部源。這種情況對(duì)于根據(jù)腦電圖電極F3和F4的傳感器空間活動(dòng)計(jì)算的alpha源推斷特別重要。 此外，使用真實(shí)數(shù)據(jù)，圖6顯示許多枕部和中央源影響了額部腦電圖電極的alpha節(jié)律。一方面，研究alpha不對(duì)稱是有可能的——嘗試不同的電極對(duì)，以表明主要是前額電極的不對(duì)稱最符合接近/回避特征的行為量化。然而，這樣的結(jié)論并不一定是正確的，因?yàn)榕c額葉節(jié)律相比，枕葉節(jié)律的混合可能更復(fù)雜/不同，因此額葉區(qū)域外的alpha源的不對(duì)稱仍然是額葉電極的alpha不對(duì)稱的主要因素。一般情況下，我們建議用獨(dú)立分量分析或SSD對(duì)alpha源進(jìn)行簡(jiǎn)單的分解，以計(jì)算出具有明顯中央和枕部特征的分量占正面電極總功率的比例。如果這一比例超過50%，在解釋額alpha不對(duì)稱時(shí)應(yīng)謹(jǐn)慎。即使記錄由大約20個(gè)腦電圖電極組成，這種分解也可以進(jìn)行，因?yàn)槌煞值目臻g模式可以被識(shí)別為具有中央源、額源或枕源。 類似的邏輯可以應(yīng)用于電極的其他位置和其他現(xiàn)象，振蕩的功率或他們的不對(duì)稱性應(yīng)該被推斷。例如，對(duì)于感覺運(yùn)動(dòng)節(jié)律，兩個(gè)半球之間的循環(huán)能力差異可以表明兩個(gè)半球之間的興奮/抑制平衡的不對(duì)稱性，據(jù)此可以制定一定的經(jīng)顱磁刺激治療方案。在這種情況下，如果使用標(biāo)準(zhǔn)參考方案，如基于普通平均、連接乳突等，仔細(xì)評(píng)估alpha波段混合復(fù)雜度也很重要。再次強(qiáng)調(diào)，對(duì)于更精細(xì)的空間估計(jì)，首選源分析。對(duì)于MEG來說，由于MEG分析中很少有單獨(dú)的傳感器空間分析，因此在解釋第一次通過的傳感器空間活動(dòng)時(shí)，主要需要考慮MEG傳感器上的空間混合，例如對(duì)感興趣區(qū)域的選擇。 另一個(gè)利用在傳感器空間中獲得的alpha能量的重要例子是神經(jīng)反饋。在這里，主要的想法是在特定的傳感器位置上有意識(shí)地上調(diào)或下調(diào)振蕩的功率。主要的前提是，alpha功率的變化很可能與相應(yīng)神經(jīng)元網(wǎng)絡(luò)的功能變化有關(guān)。通常，alpha節(jié)律的功率與產(chǎn)生這些alpha節(jié)律的空間受限神經(jīng)元網(wǎng)絡(luò)之間存在某種關(guān)系。然而，我們的模擬表明，給定傳感器的功率反映了不同大腦區(qū)域發(fā)生器的活動(dòng)。重要的是，傳感器空間腦磁圖被用于神經(jīng)反饋的應(yīng)用中，因此，上述對(duì)腦電圖神經(jīng)反饋的所有考慮仍然與腦磁圖有關(guān)。此外，不同SSD(空間-頻譜分解)成分的功率比隨時(shí)間的變化而變化(見圖9)，從而進(jìn)一步模糊了alpha節(jié)律變化與潛在神經(jīng)元處理之間的關(guān)系。這種空間混合的復(fù)雜性必然會(huì)導(dǎo)致學(xué)習(xí)神經(jīng)反饋效果的下降。這可能是觀察到許多參與者不能有效學(xué)習(xí)神經(jīng)反饋的原因之一。事實(shí)上，基于我們的結(jié)果，我們假設(shè)alpha節(jié)律空間復(fù)雜性較低的參與者在神經(jīng)反饋過程中表現(xiàn)更可靠。這可以在未來的研究中直接驗(yàn)證。由于神經(jīng)反饋通常需要多個(gè)會(huì)話，這是一個(gè)耗時(shí)的過程，作為一個(gè)實(shí)用的建議，我們建議使用大量傳感器(例如腦電圖60個(gè))進(jìn)行至少一次記錄，以量化不同傳感器的alpha節(jié)律的存在和空間復(fù)雜性。然后，我們可以確定足夠低復(fù)雜性的傳感器，或者在參與者的空間復(fù)雜性較高的情況下，我們可以繼續(xù)使用更多的電極，以實(shí)現(xiàn)與空間受限的神經(jīng)元活動(dòng)相對(duì)應(yīng)的空間模式的可視化，以驗(yàn)證范式。
歡迎瀏覽思影的數(shù)據(jù)處理業(yè)務(wù)及課程介紹。（請(qǐng)直接點(diǎn)擊下文文字即可瀏覽思影科技所有的課程，歡迎添加微信號(hào)siyingyxf或18983979082進(jìn)行咨詢，所有課程均開放報(bào)名，報(bào)名后我們會(huì)第一時(shí)間聯(lián)系，并保留已報(bào)名學(xué)員名額）：
腦電及紅外、眼動(dòng)：
北京：
更新：第十三屆眼動(dòng)數(shù)據(jù)處理班（北京，8.9-14）
第二十四屆近紅外腦功能數(shù)據(jù)處理班（北京，8.23-28）
第二十三屆近紅外腦功能數(shù)據(jù)處理班（南京，7.13-18）
第二十三屆腦電數(shù)據(jù)處理入門班（南京，7.28-8.1）
上海：
第三屆腦電機(jī)器學(xué)習(xí)數(shù)據(jù)處理班（Matlab版，上海，7.14-19）
更新：第三屆R語言統(tǒng)計(jì)班（上海，7.27-31）
重慶：
第三十七屆腦電數(shù)據(jù)處理中級(jí)班(重慶，7.21-26）
第十一屆腦電信號(hào)數(shù)據(jù)處理提高班（重慶，8.9-14）
第四屆R語言統(tǒng)計(jì)班（重慶，8.19-23）
北京：
第二十二屆腦影像機(jī)器學(xué)習(xí)班（北京，7.17-22）
更新：第二十屆磁共振腦影像結(jié)構(gòu)班（北京，7.26-31)
更新：第六十二屆磁共振腦影像基礎(chǔ)班（北京，8.2-7)
更新：第十三屆任務(wù)態(tài)功能磁共振數(shù)據(jù)處理班（8.18-23)
上海：
第二十八屆磁共振腦網(wǎng)絡(luò)數(shù)據(jù)處理班（上海，7.8-13）
第四屆影像組學(xué)班（上海，7.21-24)
第二十四屆腦影像機(jī)器學(xué)習(xí)班（上海，8.7-12）
第三十一屆磁共振腦網(wǎng)絡(luò)數(shù)據(jù)處理班（上海，8.19-24）
南京：
第六十四屆磁共振腦影像基礎(chǔ)班（南京，8.7-12）
第二十四屆彌散成像數(shù)據(jù)處理班（南京，8.26-31）
第六十六屆磁共振腦影像基礎(chǔ)班（重慶，8.26-31）
數(shù)據(jù)處理業(yè)務(wù)介紹：
思影科技功能磁共振(fMRI)數(shù)據(jù)處理業(yè)務(wù)
思影科技嚙齒類動(dòng)物（大小鼠）神經(jīng)影像數(shù)據(jù)處理業(yè)務(wù)
思影科技靈長(zhǎng)類動(dòng)物fMRI分析業(yè)務(wù)
思影科技微生物菌群分析業(yè)務(wù)
思影科技EEG/ERP數(shù)據(jù)處理業(yè)務(wù)
思影科技近紅外腦功能數(shù)據(jù)處理服務(wù)
思影科技眼動(dòng)數(shù)據(jù)處理服務(wù)
此處給個(gè)“在看”及“點(diǎn)贊”，讓更多朋友關(guān)注思影
