基于低频段光诱发的EEG和fMRI同步化特性分析

丁尚文，钱志余，李韪韬，陶 玲，郑 杨

(南京航空航天大学自动化学院，南京 210016)

Jena大学精神科教授 Hans Berger使用脑电图(electroencephalogram，EEG)首次发现并精确地描述了人脑存在电活动，并发现这种电活动以不同频率存在[1]．Adrian and Matthews 重复了 Berger的工作并验证结果正确性[2]．脑电研究结果表明θ波(4～7,Hz)在枕叶和顶叶比较明显[3-5]，且在困倦和睡眠阶段更多，δ波(1～4,Hz)在枕叶和颞叶比较明显[6-7]，正常成人在清醒状况下，几乎没有δ 波，只有在睡眠及深度麻醉、缺氧或者大脑在器质性病变时才出现[8-9]．国内外学者围绕外部刺激改善脑功能开展了大量的科研工作，但仅仅从EEG研究很难获得脑功能区激活的精确信息，而相应脑功能区的精确定位对于研究EEG的核心机理具有非常重要的意义[10-11]．

现代影像技术的发展，尤其是功能磁共振成像(functional magnetic resonance imaging，fMRI)技术，使得准确测定脑激活源位置成为可能．目前，国内外采用EEG与fMRI同步技术进行脑功能研究的工作非常少，典型的研究有 P300电位[12]、α波与血氧水平依赖信号的相关性[13]及棘波识别[14]等．

笔者利用EEG和fMRI同步记录外部刺激引起的相关信号，通过分析 2种信号的特征，研究二者可能的信息关联，为下一步探索二者关联机理提供可靠的实验依据．

1 材料与方法

(1) 任务设计．本实验共有 5名受试者参加，均为右利手(无任何精神病史，平均年龄24岁)．5名受试者中有2名进行1次实验，另3名受试者均进行2次实验，总计实验次数8次．每人进行6次光刺激组块设计实验，总计 48次刺激任务．刺激任务设计如图1所示，A为对照序列(静息序列)；B为5,Hz频率光刺激序列．

图1 光刺激组块设计(A表示静息，B表示光刺激)Fig.1 Block design of photon stimulation(A：the rest，B：photic stimulation)

(2) EEG记录及预处理．采用德国Brainproducts公司生产的32通道与磁共振环境兼容的脑电记录仪，2个心电极和1个眼电极.参考电极标志为Ref，接地电极标志为 GND．采样率为 5,kHz，采集脑电信号过程在功能磁共振扫描环境中进行，实验按照上述光刺激组块设计．使用德国Brainproducts公司的Brain Vision Analyzer 2.0软件消除脑电成像伪迹和搏动伪迹[7]，采用Allen提出的AAS(adaptive artifact subtraction)方法离线去除 EEG信号的核磁和心电伪迹[15]，将采样频率降至250,Hz并低通滤波至30,Hz以下．

(3) 磁共振数据记录及预处理：血氧水平依赖信号(BOLD)采集使用德国西门子公司的3-Tesla MR．志愿者佩戴耳塞，头周围放置气垫防止头动．采用梯度回波平面成像(EPI)采集功能像，各项参数 TR＝2,000,ms，TE＝30,ms，FP＝90,°，30 层，层厚 4,mm，FOV＝384×384，采集2段，每段240个TR．志愿者通过一副 LED眼镜接收光刺激，在整个实验过程中，志愿者佩戴内侧装有高亮度红、绿 2种颜色的LED灯的眼镜，身体放松．在测试期间，志愿者保持双眼闭合．数据预处理采用SPM8软件对fMRI数据进行预处理[16]．每个被试的fMRI数据首先进行时间校正，与第 1个体对齐，而后进行头动校正，以保证每个研究对象的头部平动在1,mm以下及转动在1°以下，然后将校正后的图像配准到 SPM8自带的MNI(montreal neurological institute)，并重新采样每个体素为 2,mm×2,mm×2,mm．用高通滤波器(截止频率为 1/128,Hz)除低频漂移及呼吸、心跳等高频噪声对结果的影响[16]．

2 数据分析方法

2.1 脑电信号分析

2.1.1 脑电信号处理

选用中心频率为 1,Hz，带宽系数为 2的 Morlet小波对光刺激 EEG信号进行二进离散小波变换(刺激30,s与静息30,s交替)，将其分解成不同尺度下的各个分量[17-18]，得到小波系数 Cj( k)．经过小波分解后，其小波分解尺度(采用频率为 250,Hz)与脑电节律的对应关系见表1．

表1 脑电信号小波分解的各尺度对应的频率范围Tab.1 Frequency ranges of wavelet coefficients in different resolutions for EEG

利用各个尺度的小波系数能够直接估计出不同尺度下的功率．不同分辨率 j = 0 ,1,2,… ,N 的细节信号功率为因此，不同频率段的信号功率成分为

2.1.2 EEG结果

利用式(3)，分别计算31个通道的脑电信号θ波的功率(PE)，发现脑电信号部分位置的θ波功率高于静息时的功率，经 T-检验( 0.05p＜ )发现θ波在枕部(O2)、顶部(P4)、中央(C3)和颞部(T6)等区域均有较明显的增强，具体位置详细参考见图2．

图2 光刺激与休息的脑电信号θ波功率比较Fig.2 Power change of EEGθrhythm during photic stimulation and during rest

图 2是从脑电信号绝对功率变化分析光驱动脑电信号功率的变化，对于脑电信号而言，脑电信号相对功率成分变化往往与人的精神状态有密切的关系．为了比较光刺激条件下θ波相对的功率成分变化，使用式(3)计算31个通道的脑电信号θ波功率成分，为了更直观地观察刺激与休息时低频率脑电信号θ波功率成分的变化，应用刺激与静息时的8个志愿者的48次实验的平均功率成分相对差值绘制脑电地形图．从脑电地形图(图 3)可以发现在枕部(O2)、中央额(FC2)、前额(F8)、顶部(P4)和颞部(T6)等部位光刺激时的θ波功率明显高于休息时的功率．

图3 光刺激与休息时的脑电信号θ功率能量成分相对差值的地形图分布Fig.3 Relative difference distribution of EEG θ power during photic stimulation and during rest in topographic map

2.1.3 个体化差异性分析

由于不同志愿者对光刺激响应存在个体化差异，以枕部(O2)为例将各志愿者的脑电信号θ波功率进行个体化分析，表 2中数据为θ波功率平均值，经小波分解得到的θ波段，从结果发现，不同志愿者的平均功率相差非常大，数据相差有十几倍，刺激和静息有明显的规律，表2中只有C6号结果相反，也就是说大约实验结果的1/8(12.5%)θ波段减小，大部分变大，刺激和静息的数据变化范围很大，最小的减小0.5%，最大的减小96%，刺激与静息相比平均减小23%．表明个体差异性相关度较低，有明显的变化规律．

表2 志愿者脑电信号θ波平均功率Tab.2 Average powers of θwave of EEG

2.2 功能磁共振处理

2.2.1 激活区检测与GLM算法

fMRI的脑激活区检测是对数据相关联的模型或基于数据的分析，找到相应的某种刺激状态的脑激活源．通常的方法是采用线性模型(general linear model，GLM)法[19]，其基本理论的表达式为

式中：Y为K个像素在N个时间序列点上的信号值；X为对应L种状态下的基函数矩阵(设计矩阵)；β为L种状态分别对应K个像素的待估计参数；ε 表示残差．统计参数图(SPM8)[19]是在已知响应信号Y和设计矩阵X的条件下，对每个像素逐点进行参数估计，得到估计参数β和残差ε ，最后逐点对参数进行假设检验，拒绝零假设的被判断为激活点．2.2.2 功能磁共振分析结果

功能磁共振图像数据分析采用SPM8软件，统计分析使用T-检验，结果采用FDR校验(P＜0.01，体素数＞10)，并将结果叠加在MNI 152,T1平均像上，最终得到被试者的脑区激活信息(图 4)．通过 Fixed effects模型分析发现志愿者在枕叶(-3.42，-92.98，-4.77)、后扣带回(-8.00，-65.72，11.17)有较明显的正激活，在前额叶(7.97，42.21，39.63)、顶叶(-8.00，-54.36，49.87)、颞叶(-39.84，3.59，-22.98)、中脑(-3.42，-25.95，-7.04)等有明显的负激活．为了形象地反映光刺激所诱发结果空间位置，给出了光刺激结果的立体显示(见图4)．

图4 光刺激组分析结果Fig.4 Analysis results based no photic stimulation group

通过分析光刺激前后的功能磁共振扫描图像序列，发现志愿者在枕叶位置有较明显的正激活(图4)，该激活部位与脑电信号测量得到枕部宏观位置(图 3)有较强的一致性．然而，后扣带回位置的正激活，顶叶、颞叶和中脑等有明显的负激活(图 4)与脑电信号测量得到宏观位置(图 3)具有明显的位置差异性．

3 结 语

通过脑电同步功能磁共振成像技术针对性地设计了光刺激组块实验方案，分别对被试者的脑电EEG和fMRI数据进行分析，得到如下结论：低频(θ波段)调整光刺激信号使脑电信号相关位置θ波的功率明显增加，同时脑局部区域发生同步激活(正或负)，区域主要集中在枕叶、后扣带回、中脑、颞叶等部位．

(1) 经光刺激，相对强度增强的相关区域对比如下：

fMRI 区域、EEG 区域

枕叶(-3.42，-92.98，-4.77)、枕部(O2)

后扣带回(-8.00，-65.72，11.17)、中前额(FC2)．

(2) 经光刺激，相对强度减弱的相关区域对比如下：

fMRI 区域、EEG 区域

前额叶(7.97，42.21，39.63)、额部(F4，Fp1)

顶叶(-8.00，-54.36，49.87)、顶部(P7，P8)

颞叶(-39.84，3.59，-22.98)、颞部(T4)

中脑(-3.42，-25.95，-7.04)、中央(CP2)．该结果表明脑电信号的变化可能是大脑功能区综合作用的结果，其相关机制有待进一步证明．

致谢：感谢南京军区南京总医院影像科提供了磁共振成像的实验设备并协助完成了相关实验．

［1］ Adrian E D，Matthews B H C. The Berger rhythm：Potential changes from the occipital lobes in man[J].Brain，1934，57(4)：355-384.

［2］ Walter V J，Walter W G. The central effects of rhythmic sensory stimulation[J].Electroencephalogr Clin Neurophysiol，1949，1(1/2/3/4)：57-86.

［3］ Morikawa T，Hayashi M，Hori T. Auto power and coherence analysis of delta-theta band EEG during the waking-sleeping transition period[J].Electroencephalography and Clinical Neurophysiology，1997，103(6)：633-641.

［4］ Ferria R，Cosentino F，Eliab M，et al. Relationship between Delta，Sigma，Beta，and Gamma EEG bands at REM sleep onset and REM sleep end[J].Clinical Neurophysiology，2001，112(11)：2046-2052.

［5］ Vladyslav V V，Yazovskiy T I. Theta activity in the waking EEG is a marker of sleep propensity in the rat[J].Brain Research，2005，1050(1/2)：64-71．

［6］ Landolt H P，Dijk D J，Achermann P，et al. Effect of age on the sleep EEG：Slow-wave activity and spindle frequency activity in young and middle-aged men[J].Brain Research，1996，738(2)：205-212．

［7］ Durka P J，Malinowska U，Szelenberger W，et al.High resolution parametric description of slow wave sleep[J].Journal of Neuroscience Methods，2005，147(1)：15-21.

［8］ Molaee A B，Shamsollahi M B，Tirel O，et al. Investigation of the modulation between EEG alpha waves and slow/fast delta waves in children in different depths of Desflurane anesthesia[J].IRBM，2010，31(1)：55-66.

［9］ 葛家怡. 睡眠分期及低频磁场睡眠诱导的研究[D]. 天津：天津大学精密仪器与光电子工程学院，2008.

Ge Jiayi. The Research of Sleep Staging and Sleep Induce by Low Frequency Magnetic Field [D]. Tianjin：School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，2008(in Chinese).

［10］ Cvetkovic D，Cosic I. EEG inter/intra-hemispheric coherence and asymmetric responses to visual stimulations[J].Med Biol Eng Comput，2009，47(10)：1023-1034.

［11］ Lazarev V V，Pontes A，Mitrofanov A A，et al. Inter-hemispheric asymmetry in EEG photic driving coherence in childhood autism[J].Clinical Neurophysiology，2010，121(2)：145-152.

［12］ 李岳峙，王力群，王明时. P300电位中p3b成分的脑电同步功能磁共振研究[J]. 科学通报，2005，50(19)：209-217.

Li Yuezhi，Wang Liqun，Wang Mingshi. Component p3b in P300 potential based on simultaneous EEG and fMRI[J].Chinese Science Bulletin，2005，50(19)：209-217(in Chinese).

［13］ Goncalves S I，Munck J C，Pouwels P J W，et al. Correlating the alpha rhythm to BOLD using simultaneous EEG/fMRI：Inter-subject variability[J].Neuro Image，2006，30(1)：203-213.

［14］ Moeller F，Siebner H R，Ahlgrimm N，et al. fMRI activation during spike and wave discharges evoked by photic stimulation[J].Neuro Image，2009，48(2)：682-695.

［15］ Allen P J，Josephs O，Turner R. A method for removing imaging artifact from continuous EEG recorded during functional MRI[J].Neuro Image，2000，12(2)：230-239.

［16］ Friston K J，Josephs O，Zarahn E，et al. To smooth or not to smooth? Bias and efficiency in fMRI time series analysis[J].Neuro Image，2000，12(2)：196-208.

［17］ Glover G H. Deconvolution of impulse response in eventrelated BOLD fMRI[J].Neuro Image，1999，9(4)：416-429.

［18］ 郁洪强，赵 欣，詹启生，等. 基于小波熵的网络成瘾脑电复杂性分析[J]. 天津大学学报，2008，41(6)：542-548.

Yu Hongqiang，Zhao Xin，Zhan Qisheng，et al. Analysis of EEG complexity of internet addicted young people by wavelet entropy method[J].Journal of Tianjin University，2008，41(6)：542-548(in Chinese).

［19］ 张晓京，包尚联. 不同持续时间的短暂视觉刺激引起的 BOLD响应在初级皮层区的时间特性[J]. 中国医学影像学杂志，2001，9(5)：348-351.

Zhang Xiaojing，Bao Shanglian. Temporal characteristics of BOLD response to brief visual stimuli of varying duration in human V1[J].Chinese Journal of Medical Imaging，2001，9(5)：348-351(in Chinese).