浅论脑电溯源成像原理及两类脑源模型

黎 峰，高军峰*

（中南民族大学生物医学工程学院，湖北 武汉 430074）

0 引言

脑电图（Electroencephalography，EEG）是一种直接记录头皮神经电活动的电生理监测方法，目前已经被广泛地应用于认知神经科学，疾病诊断与预测等领域，例如对癫痫、阿兹海默症、忧郁症、帕金森病等疾病的诊断治疗。EEG所测量的是众多锥体细胞兴奋时的突触后电位的同步总和，但由于大脑的特殊结构所导致的体积传导效应，使得这些总和电信号在通过大脑，脑脊液，颅骨及头皮后，其空间分辨率大大降低，从而限制了EEG在脑网络功能定位领域的进一步分析及应用[1]。如果直接在头皮电极间进行功能连接的构建，那么该功能连接矩阵无法有效揭示大脑内部源之间的交互作用。因此，通过对已测量的EEG信号进行适当的溯源处理并提取相关空间信息，经处理后的EEG信号便可以为构建皮层脑功连接能网络提供丰富的空间先验信息，从而能帮助研究人员更深入探索大脑的认知功能。

基于EEG信号的溯源定位算法是指根据头皮表面所采集的电位信号进而反向推导出脑内皮层神经活动源的位置、方向和强度信息，这种反向推算的过程也被称为脑电逆问题或脑电源重建[2]。本质上，EEG溯源就是对脑电逆问题这一非线性优化问题进行求解。由于该类算法可以定位到任务相关的关键脑区，并且还能捕捉到皮层区域内脑功能网络动态变化性进而进一步揭示认知的神经机制。因此，EEG溯源算法目前被广泛应用于研究酒精中毒，癫痫及其他神经退行性疾病等认知疾病中。

脑电源重建问题在其求解原理上有两大难点：其一是解的非唯一性，即对于已给定的头皮分布电信号，存在多个皮层源信号的逆解，皮层的电流分布并不能由头皮所测得的信号唯一确定，从而导致定位问题在本质上是不适定的；其二是解的不稳定性，又称病态特性，即模型中求解过程中额外的极小噪声或扰动都会引起解值分布的振荡，并且这种病态趋势随解的参数量数目增加而上升，即脑电源越复杂其病态特性越严重。由于容积传导效应（Volume conduction effect）的存在，皮层活动源的电信号不仅向其正上方传导，也会向头皮的其他位置传导，导致其他位置的源活动也包含临近源甚至远端源的信号。因此，多导联的各个电极所记录到的电信号是不同源的不同程度的贡献的综合表征。对某一个头皮电极来说，不同的源对其信号贡献的大小取决于源与电极的距离，以及等效偶极子源（Equivalentdipolesource）的方向。总而言之，当前的溯源算法存在上诉这些不足之处，即估计偶极子的强度欠定性，当脑内存在同步性活动源时定位精度较差，所以当下大部分研究是对溯源算法的持续改进，或者通过高密度脑电图（HighdensityEEG，HD-EEG）或结合功能性近红外光谱技术（functional Near Infrared Spectroscopy，fNIRS），功能性磁共振成像（functional Magnetic Resonance Imaging，fMRI）等空间先验信息[3]，共同求解溯源问题的逆解，力求定位精度达到最优。

1 脑电溯源分析步骤

脑电溯源定位需要以下多项数据才能有效进行求解[4]。首先是经过仔细预处理过的头皮EEG信号。预处理步骤包括降采样，0.01Hz～40Hz带通滤波，ICA去除伪影等。

同时，溯源分析还需要EEG各电极位于头皮上的三维坐标值。当前实验室大多采用Colin27等Brainstorm或FieldTrip工具包所自带的MRI脑部模板结构，各EEG电极在MRI结构上的相对位置也可一一设定；但精确的溯源求解可能需要单独针对每个被试的每次实验分别扫描其脑结构。对于不同的MRI模板，分析前需要对EEG电极坐标要进行相应的坐标转换，以满足实际情况需求。

经MRI坐标配准步骤之后，研究人员需要借助边界元算法（Boundary Element Method，BEM）或有限元算法（Finite Element Method，FEM）并结合被试的MRI图像结构计算头模型（brain model）。如此，则新建立的头模型内包含被试大脑内部各脑区的解剖学和电学传导特性，在进行逆解计算时可以增加源定位结果的精确度。一旦建立了正确的头部模型，下一步则需建立源模型（source model），也称为引导矩阵。该源模型提供待估计偶极子源的位置和方向等多方面先验信息[5]。但是，需要明确指出的是，源模型所提供的溯源方案仍然是一个估计值。

2 等效偶极子模型

等效偶极子模型（Equivalent Dipole Model）通过将局部的源活动等效为一个或是一群同属性的电流偶极子，然后根据头皮EEG电位的分布，并结合头模型的相关先验数据及预设定好的容积传导效应参数值，推断出脑电源活动的位置及大小。

偶极子的形成源于人脑的神经电活动：在神经冲动的传导过程中，两个神经元之间用于信息传递的突触结构聚集大量的负离子，从而在下一个神经元的顶树突处形成一个膜外负电位，同时在此神经元的其他部分（细胞体与基底树突）产生一个正电位区域。此时，顶树突处与该正电位区域之间就构成了一个微小的电流偶极子（dipole），并且该电流偶极子可以用来表征处于兴奋或抑制状态的锥体细胞。而当位于脑皮层一个小区域内（通常为1～2cm2）的锥体细胞群同时兴奋或抑制时，也就是它们同一时刻同方向放电，那么将会在该区域形成一个平面偶极层，此时，该小块皮层也可用一个具备大偶极矩的偶极子模型来等效替代。

3 分布式源模型

分布式源模型（DistributedSourceModels，DSM）是近些年来的一种新提出来的一种源模型[6]，通过分布在三维大脑整体结构或二维皮层表面的大数量的电流偶极子进行建模。目前多使用二维皮层进行逆解运算，在减少计算复杂度的同时，能更准确的定位活动脑源。分布式源模型原理大致如下：首先在皮层表面基于锥体细胞的形态预设出极大量的网格点，并且每个网格点中都含有一个三维矩阵表征电流强度的偶极子源，然后通过不断减少最低电流密度区域的网格点的权重，来迭代寻找最高电流密度的大脑区域。该模型在实际应用过程中，基于实际扫描得到的头部模型创建源分布空间并重建大脑皮层结构，在皮质表面上模拟大量单位偶极子来计算逆解的源分布。理论上讲，该模型的源定位算法通过调整单位偶极子的强度和方向使模拟源属性与扫描源属性保持一致，可以基于EEG数据的任一时间点计算源分布模式，并可以基于该分布模式创建脑区的动态激活图。因此，该类模型相较于上文提及的等效偶极子模型，其优点在于无须假设偶极子数目和似然估计的参数阈值。但同时，该类算法也进一步增加了计算难度，降低了逆向解的数据拟合性。并且，及时是不同的实验数据，偶极子源有可能重建生成相似的源分布图，因此，这类模型在应用时，常需要结合进一步的先验假设信息。

4 总结与展望

脑电溯源定位问题是脑认知科学研究和脑功能病变损伤定位研究中的一个重要问题，有利于推动脑电磁功能技术与脑功能成像技术的结合。同时，通过结合多模态成像技术，该类技术正努力促使着神经影像学提升脑功能成像的时空分辨率。未来，功能神经成像技术的前沿领域将聚焦于设计更好更优异的源成像算法及将 EEG/MEG等与其他神经成像技术相结合方面的研究[7]。