北京大學(xué)解萬澤研究員在《DCN》發(fā)文介紹腦電源空間功能連接分析方法及其在嬰幼兒中的應(yīng)用

本文來源：北大腦科學(xué)
 

近日，北京大學(xué)IDG麥戈文腦科學(xué)研究所、心理與認(rèn)知科學(xué)學(xué)院解萬澤研究員，于《Developmental Cognitive Neuroscience》發(fā)表題為“EEG functional connectivity analysis in the source space”的研究論文，介紹了兩種較新的源空間功能連接分析流程，并基于兩組嬰幼兒（1歲和3歲，各30人）腦電數(shù)據(jù)展示了兩種方法的使用，揭示了部分腦網(wǎng)絡(luò)連接從1歲到3歲的變化。

兩種分析流程所使用的全部程序和材料已公開，歡迎大家嘗試、交流：https://github.com/happytudouni/SourceSpaceFCAnalysis_DCN

腦電圖 (EEG) 具有高時間分辨率、非侵入性、使用便捷、佩戴迅速、受頭動影響相對較小、兒童容忍度高等優(yōu)點。這些優(yōu)點使得腦電技術(shù)在兒童認(rèn)知與腦發(fā)育的研究中備受歡迎。能否以及如何使用腦電來探究腦網(wǎng)絡(luò)在不同頻段上的功能連接、及其發(fā)展變化在近些年越來越受到關(guān)注。由于體積傳導(dǎo)效應(yīng)（volume conduction）的影響，僅通過計算頭皮上電極之間的功能性連接所能獲得的關(guān)于皮層腦網(wǎng)絡(luò)功能連接的信息十分有限。因此，研究者們開始嘗試結(jié)合MRI影像（模版）、腦電溯源技術(shù)、及源空間功能連接分析技術(shù)來評估不同頻段上的腦網(wǎng)絡(luò)連接狀態(tài)。由于某些影像學(xué)手段如PET、fMRI在嬰幼兒中使用所尚存局限性，此類腦電源空間腦網(wǎng)絡(luò)分析技術(shù)在嬰幼兒中受到了更大的關(guān)注。

方法總結(jié)

目前在源空間functional connectivity(FC)研究中廣泛采用兩個FC指標(biāo)：相間同步(phase-to-phase synchrony, PPC)和幅間相關(guān)(amplitude-to-amplitude correlation, AAC)，即分別將神經(jīng)元活動表示為相位和幅度動力學(xué)。本研究展示和比較了基于PPS和AAC兩個指標(biāo)的兩種源空間FC分析流程（pipeline），以下簡稱為“pl_pps”和“pl_aac”。兩種分析流程均在作者們近期的研究中被使用：“pl_pps”(Xie et al., 2019a,b, BMC Med, Dev Sci)和“pl_aac”(Toll et al.,2020, AJP; Zhang et al., Nat. Biomed. Eng.)。

 

本研究的樣本數(shù)據(jù)源自兩組不同年齡的兒童，分別為12個月和36個月，每組各30人。使用EGI NetAmps 300 放大器（Electrical Geodesic Inc.，Eugene，OR）和124 通道HydroCel Geodesic Sensor Net (HGSN)采集EEG數(shù)據(jù)。

源空間中的 EEG FC 分析步驟（圖2）：

pl_pps和pl_aac兩種分析流程的主要步驟與思路有很大重疊，但在頭模型構(gòu)建、頻率分析、FC計算和體素分割等過程中使用的具體方法上存在差異。具體步驟如下：

 

1) 使用高密度EEG數(shù)據(jù)和嬰幼兒MRI模版進(jìn)行大腦皮層源重建；

 圖1.  源重建過程
 

 2) 將重建的源活動（源體素/頂點）分割成大腦感興趣區(qū)域(ROI)；

本文中pl_pps使用LPBA40腦圖譜為例子，將3D源體素分割為48個ROI，這些ROI被進(jìn)一步分為四個主要的腦葉，即額葉、顳葉、頂葉和枕葉。

pl_aac則以數(shù)據(jù)為導(dǎo)向，對所有源頂點進(jìn)行分析，找到全局相關(guān)性更為顯著（重要連接中心）的相關(guān)源頂點，得到功能性ROI，排除先驗的影響。

3) 使用“穩(wěn)健的FC評估指標(biāo)”，即加權(quán)相位滯后指數(shù) (wPLI) 和正交功率包絡(luò)相關(guān)性(power envelope correlation between orthogonalized signals)來計算兩兩ROI之間或有限頻段中源體素/頂點之間的FC。

                                              圖2. pl_pps（左）和 pl_aac（右）的步驟

結(jié)果概述

pl_pps的分析結(jié)果發(fā)現(xiàn)大腦FC在不同頻段和年齡間呈現(xiàn)不同的模式（圖3）。在兩個年齡組的θ頻段中都發(fā)現(xiàn)了遠(yuǎn)程和短程的相關(guān)；α頻段FC中心區(qū)域在中央、頂葉和枕葉腦區(qū)；β頻段FC在額顳腦區(qū)最為明顯；在γ頻段發(fā)現(xiàn)了類似的FC模式，此外，枕葉也顯示出強(qiáng)的γFC�？傮w而言，F(xiàn)C自12個月到36個月下降，這可能反映了童年時期腦區(qū)神經(jīng)元功能連接的修剪。

圖3. pl_pps 的大腦 FC 結(jié)果
 

FC的強(qiáng)弱由連線的粗細(xì)表示，不同葉的大腦ROI用不同的顏色繪制，藍(lán)色為額葉ROI，綠色為顳葉ROI，黃色為中央和頂葉ROI，紅色為枕葉ROI。

使用wPLI時，每個大腦FC圖的鄰接矩陣如（圖4）所示。pl_pps還使用了正交功率包絡(luò)相關(guān)（AAC），如（圖5）所示，與使用wPLI的結(jié)果相比，中心點呈現(xiàn)更分離的腦網(wǎng)絡(luò)組織，即中心點更局部化的趨勢。

 圖4. 使用wPLI時四個頻段中FC鄰接矩陣

圖5. 使用正交功率包絡(luò)相關(guān)性時四個頻段中FC鄰接矩陣

 

 pl_aac的分析結(jié)果與任何先驗?zāi)Ｐ突驁D譜完全無關(guān)，結(jié)果發(fā)現(xiàn)，每個頻段中都出現(xiàn)了不同的FC拓?fù)�。�?theta;帶發(fā)現(xiàn)了成人研究中常觀察到的hub區(qū)域，包括執(zhí)行和顯著網(wǎng)絡(luò)（executive and salience networks）的主要節(jié)點(如前額葉、頂葉后部和額島)。兩組被試在α頻段中的拓?fù)浣Y(jié)構(gòu)差異最大，相較于12個月被試組，36個月被試組，在顳葉表現(xiàn)出更高的FC。
 

圖6. pl_aac中不同頻段FC中心腦區(qū)
 

紅色表示具有相對較大t值的頂點簇，即大腦中每個頻段連接的重要中心區(qū)域；藍(lán)色表示具有相對較小的t值統(tǒng)計量的頂點簇，即與其他腦區(qū)連接較弱的區(qū)域。

pl_pps和pl_aac結(jié)果的對比與討論詳見文章。兩種方法總體上呈現(xiàn)了較為一致的結(jié)果，但主要區(qū)別之一在于pl_pps的結(jié)果沒有pl_aac結(jié)果顯示的偏側(cè)化(右半球)。這可能與頭模型創(chuàng)建過程(BEM vs. FEM;表面vs.體積模型)、皮層切割方法(頂點vs. roi)和FC估計方法(PPS vs. AAC)的不同有關(guān)，這些差異可能會導(dǎo)致源空間FC分析得出不同結(jié)果。

解萬澤研究員為文章第一及通訊作者，另外兩位作者為德克薩斯大學(xué)西南醫(yī)學(xué)中心（UTSW）的助理教授Russell T. Toll和哈佛大學(xué)醫(yī)學(xué)院(HMS)的Charles A. Nelson教授。

 

參考論文

1. Toll, R. T., Wu, W., Naparstek, S., Zhang, Y., Narayan, M., Patenaude, B., ... & Etkin, A. (2020). An electroencephalography connectomic profile of posttraumatic stress disorder. American Journal of Psychiatry, 177(3), 233-243.

2. Xie, W., & Nelson, C. A. (2021). A state-of-the-art methodological review of pediatric EEG. Advances in Magnetic Resonance Technology and Applications, 2, 373-391.

3. Xie,W., Toll,R.T., & Nelson,C.A.(2022). EEG functional connectivity analysis in the source space. Developmental Cognitive Neuroscience, 56, 101119. https://doi.org/10.1016/j.dcn.2022.101119.

4. Zhang, Y., Wu, W., Toll, R. T., Naparstek, S., Maron-Katz, A., Watts, M., ... & Etkin, A. (2021). Identification of psychiatric disorder subtypes from functional connectivity patterns in resting-state electroencephalography. Nature biomedical engineering, 5(4), 309-323.

原文鏈接

https://doi.org/10.1016/j.dcn.2022.101119

以上內(nèi)容來源北大腦科學(xué)，供學(xué)習(xí)參考，如有疑問，請后臺聯(lián)系我們！