導(dǎo)讀

功能性磁共振成像(fMRI)和腦電圖(EEG)是用于測量人腦神經(jīng)活動的非侵入性技術(shù)。fMRI測量的是與神經(jīng)活動血流動力學(xué)變化相關(guān)的磁共振信號，具有良好的空間分辨率(2-3mm各向同性)和較低的時間分辨率(1-3s)。而EEG用于以毫秒級的時間分辨率記錄大腦中的電活動，但空間分辨率有限。通過fMRI和EEG的結(jié)合，可以生成人腦功能的高時空分辨率圖，這對于理解人腦的復(fù)雜動力學(xué)是至關(guān)重要的。此外，fMRI期間的EEG記錄可用于識別大腦中異常電活動的來源。本文探討了人類同步EEG-fMRI記錄的最新進(jìn)展；重點(diǎn)關(guān)注同步EEG-fMRI記錄存在的挑戰(zhàn)；去除偽影的技術(shù)；fMRI和EEG研究的實(shí)驗(yàn)設(shè)計；以及整合fMRI和EEG數(shù)據(jù)的方法。

前言

人腦是一個復(fù)雜而動態(tài)的網(wǎng)絡(luò)，在多個時空尺度上存儲和處理信息。這種信息處理是通過神經(jīng)元中電活動的產(chǎn)生和通過軸突通路的傳遞來實(shí)現(xiàn)的。神經(jīng)電活動的產(chǎn)生和傳遞的異常變化會導(dǎo)致大腦功能紊亂。功能性磁共振成像(fMRI)和腦電圖(EEG)可用于無創(chuàng)記錄大腦神經(jīng)活動。fMRI測量的是與神經(jīng)活動引起的血流動力學(xué)變化相關(guān)的磁共振信號強(qiáng)度的變化。fMRI具有比EEG更高的空間分辨率(2-3mm)，但時間分辨率有限(1-2s)。另一方面，EEG可以以高時間分辨率(毫秒)記錄神經(jīng)活動，但空間分辨率有限。同時記錄fMRI和EEG可用于結(jié)合兩種技術(shù)的優(yōu)點(diǎn)，并更好地了解大腦中異常神經(jīng)電活動的神經(jīng)來源(例如，在癲癇發(fā)作期間)或生成人腦功能的高時空分辨率圖。

本文重點(diǎn)介紹了使用同步fMRI-EEG對人腦功能進(jìn)行體內(nèi)成像，探論了基于fMRI和EEG同步成像的人腦功能的最新進(jìn)展，概述了同步fMRI-EEG記錄存在的挑戰(zhàn)，以及從MRI掃描儀內(nèi)記錄的EEG數(shù)據(jù)中去除偽影的技術(shù)。最后，給出了設(shè)計實(shí)驗(yàn)以提高fMRI和EEG實(shí)用性的技術(shù)指南，以及整合fMRI和EEG數(shù)據(jù)以實(shí)現(xiàn)高時空分辨率的各種方法。

血氧水平依賴(BOLD)fMRI

血氧水平依賴(BOLD)fMRI最早是由Ogawa等人(1990)通過對高磁場中的大鼠研究發(fā)現(xiàn)的。神經(jīng)元活動的增加需要更大的能量(圖1a)，這引起了血流、含氧(抗磁性)和脫氧(順磁性)血液、血容量和耗氧量之間的復(fù)雜相互作用。由于MRI掃描儀內(nèi)順磁性和抗磁性血液的不平衡，產(chǎn)生的小額外磁場會在磁場中產(chǎn)生局部不均勻性，從而導(dǎo)致MR信號的弛豫常數(shù)T2*降低。因此，對T2*敏感的MR脈沖序列在血液高度氧合時顯示出更多的MR信號，而在血液高度脫氧時顯示較少的MR信號。對短暫神經(jīng)元刺激的典型BOLD反應(yīng)一般伴隨著延遲開始、峰值和下降。這種BOLD反應(yīng)被稱為血流動力學(xué)響應(yīng)函數(shù)(HRF)。許多研究還報告了HRF在神經(jīng)元活動之后和HRF升高之前出現(xiàn)短暫(1-2s)的初始下降，稱為初始下降。

圖1.BOLD?fMRI信號生成示意圖。

fMRI生成時空數(shù)據(jù)(圖1b)。BOLD HRF的顯著增加僅發(fā)生在神經(jīng)元活動1-2s后，并在約5s時達(dá)到峰值。fMRI的采樣率為1-2s。因此，BOLD信號只是測量在毫秒級上發(fā)生的非常快速的神經(jīng)元活動。對于fMRI中使用的典型脈沖序列，每重復(fù)一次(TR)獲得一個volume。多波段fMRI技術(shù)的最新進(jìn)展允許以亞秒級的時間分辨率采集BOLD。

fMRI的空間分辨率由體素大小決定，體素大小通常在2-3mm各向同性范圍內(nèi)。較小的體素會降低信噪比(SNR)，而較大的體素則會引入較低的空間特異性和部分容積效應(yīng)。超高場MRI掃描儀中高空間分辨率fMRI的最新進(jìn)展允許以亞毫米空間分辨率記錄fMRI。例如，亞毫米分辨率fMRI可以揭示人體的層流和柱狀電路。然而，超高場MRI存在的困難包括，掃描成本，有限的可用性和安全問題，因而經(jīng)常使用這些掃描儀是不切實(shí)際的。

腦電圖(EEG)

EEG通過在頭皮上放置導(dǎo)電電極來測量大腦的電活動(圖2)。與fMRI相比，EEG可以以高時間分辨率捕獲電活動。因此，它在臨床上通常用于神經(jīng)系統(tǒng)疾病的診斷和評估，特別是癲癇。EEG也是對人類不同睡眠階段進(jìn)行分類的黃金標(biāo)準(zhǔn)方法。它通常用于睡眠障礙的評估，對此已有既定的臨床指南。

圖2.EEG記錄及其特點(diǎn)。

EEG測量的是由定位在相似空間方向上的神經(jīng)元集群產(chǎn)生的總同步電活動。因此，EEG的起源在很大程度上取決于潛在神經(jīng)元集群的功能和結(jié)構(gòu)連接。盡管如此，頭皮上記錄的大多數(shù)EEG信號來自皮層錐體神經(jīng)元，而在常規(guī)EEG記錄中，深部(皮層下區(qū)域)腦電信號源更容易被遺漏。

腦電波通常以＜4Hz（delta）、4-7Hz（theta）、7-13Hz（alpha）、13-30Hz（beta）和＞30Hz（gamma）的頻帶為特征。Delta波是深度睡眠的一個顯著特征，但在高認(rèn)知需求和某些腦部病變中也能觀察到。Theta波可在嗜睡時觀察到，經(jīng)常出現(xiàn)在睡眠不足的大腦中。Alpha波反映了閉上眼睛時放松的清醒狀態(tài)。Beta波和gamma波在執(zhí)行認(rèn)知任務(wù)時最為明顯。刺激鎖定神經(jīng)元放電(例如，聽覺或視覺刺激)在EEG數(shù)據(jù)中也表現(xiàn)為事件相關(guān)電位。

在MRI掃描儀中記錄EEG

90年代初，首次報告了在MRI掃描儀內(nèi)記錄的EEG信號。這些早期舉措主要是由于臨床需要使用MRI內(nèi)記錄的EEG來識別癲癇樣活動的空間來源。因此，EEG主要用于檢測癲癇發(fā)作，而fMRI則用于定位，使其具有良好的空間精度。從那時起，硬件和軟件的進(jìn)步使得同步fMRI-EEG在認(rèn)知和臨床神經(jīng)科學(xué)中的使用呈指數(shù)級增長。研究的重點(diǎn)已擴(kuò)大到包括理解放松時的清醒狀態(tài)、睡眠以及復(fù)雜認(rèn)知任務(wù)期間EEG活動的fMRI相關(guān)性。

由于MRI的電磁環(huán)境較差，同步fMRI-EEG記錄在技術(shù)上具有挑戰(zhàn)性。MRI掃描儀中的磁場梯度會產(chǎn)生時變電磁場，現(xiàn)代高場MRI掃描儀的磁場梯度最高可達(dá)200T/m/s。當(dāng)EEG電極被放置在MRI掃描儀內(nèi)時，時變磁場會在電極導(dǎo)線中誘發(fā)電流。這些電流在EEG中表現(xiàn)為大的梯度偽影。此外，由于患者運(yùn)動或心臟動脈搏動而引起的EEG電極運(yùn)動會在EEG中產(chǎn)生偽影，其振幅與實(shí)際EEG信號相似。早期同步fMRI-EEG記錄系統(tǒng)通過使用MRI兼容的EEG電極解決了這些技術(shù)挑戰(zhàn)，并且只有在EEG中發(fā)現(xiàn)感興趣的事件(例如癲癇樣尖峰)后才觸發(fā)fMRI數(shù)據(jù)采集。這允許在沒有梯度偽影的情況下獲得合理質(zhì)量的EEG。第一個真正同步的fMRI-EEG系統(tǒng)是在2000年代初報道的，該系統(tǒng)結(jié)合了EEG信號的模擬預(yù)處理和數(shù)字后處理來抑制MRI偽影。他們證明，通過采用適當(dāng)?shù)膾呙鑵f(xié)議和最小化梯度偽影的策略，可以在fMRI掃描期間持續(xù)監(jiān)測EEG。

MR兼容的EEG硬件

自90年代初首次在MRI掃描儀內(nèi)記錄EEG以來，在優(yōu)化EEG硬件方面已經(jīng)取得了相當(dāng)大的進(jìn)展。最新的商用硬件符合安全標(biāo)準(zhǔn)，并減少了與靜態(tài)磁場、梯度磁場和射頻場的相互作用。盡管如此，在MRI內(nèi)部建立EEG記錄系統(tǒng)時，仍應(yīng)考慮許多安全性和設(shè)計方面的因素(表1)。

表1.與MRI環(huán)境中的EEG記錄相關(guān)的重要考慮因素和設(shè)計挑戰(zhàn)。

注意事項

將EEG電極放置在MRI掃描儀中患者的頭部有幾個風(fēng)險，包括(1)金屬EEG電極附近組織的局部發(fā)熱，(2)電擊和(3)神經(jīng)刺激。當(dāng)暴露于射頻(RF)產(chǎn)生的時變磁場或不斷變化的梯度場時，在導(dǎo)電回路中誘發(fā)電流時，可能會發(fā)生局部加熱。當(dāng)由EEG放置形成的導(dǎo)電環(huán)在掃描儀內(nèi)輕微移動(如移動或心跳/呼吸相關(guān)的運(yùn)動)，并與空間變化的靜態(tài)磁場相互作用時，也可能發(fā)生加熱。磁場強(qiáng)度和頻率的增加會增加感應(yīng)電流。因此，在設(shè)計MR兼容的EEG系統(tǒng)時需要仔細(xì)考慮，以滿足所需的安全標(biāo)準(zhǔn)。

EEG硬件

通過仔細(xì)考慮EEG中使用的組件、印刷電路板(PCB)設(shè)計、集成電路的選擇以及數(shù)據(jù)傳輸和采集方法，可以最大限度地減少EEG硬件、MRI環(huán)境和患者之間的相互作用。目前有兩種設(shè)計已被廣泛用于在MRI掃描儀內(nèi)獲取EEG。第一種設(shè)計將所有有源電子元件(例如放大器和任何其他電子設(shè)備)放置在MRI掃描儀之外。EEG電極導(dǎo)線通過一根長碳線連接到放大器。電極是氯化銀電極。因?yàn)榉糯笃鞯挠性措娮悠骷挥趻呙鑳x外部，所以這種設(shè)計能最大限度地減少M(fèi)R圖像上的偽影。通過扭轉(zhuǎn)雙導(dǎo)線，導(dǎo)線中的射頻感應(yīng)電流也被最小化。Goldman等人提出了該系統(tǒng)的許多變體，包括使用高限流電阻器和金電極，以及通過穿過波導(dǎo)的長碳纖維導(dǎo)線將電極導(dǎo)線連接到位于MRI掃描儀室外的放大器。在微睡眠研究中，基于長碳導(dǎo)線的EEG系統(tǒng)已成功地用于3T MRI掃描儀內(nèi)進(jìn)行EEG記錄。

第二種設(shè)計將EEG放大器放置在MRI室內(nèi)。在這種設(shè)計中，放大器/數(shù)字轉(zhuǎn)換器被屏蔽并放置在靠近磁頭線圈的位置。放大器通常由電池供電，可減少與磁場的相互作用，最大限度地減少成像偽影，并提高患者的安全性。為了衰減MR信號采集過程中EEG誘發(fā)的大量高頻梯度偽影，通常還會使用耦合到低通電阻-電容(RC)濾波器(例如250Hz)的差分放大器。數(shù)字化的EEG信號通過光纖傳輸?shù)組RI掃描儀外部的采集系統(tǒng)。在這種設(shè)計中，通過將放大器放置在更靠近腦電帽的位置，可以將EEG信號損失降至最低。此外，放大器由非磁性材料制成，可以放置在掃描儀孔內(nèi)。

EEG+fMRI數(shù)據(jù)采集協(xié)議

EEG硬件設(shè)置

下面提供的方法學(xué)考慮因素有助于改進(jìn)EEG+fMRI研究的工作流程。

①大多數(shù)EEG硬件應(yīng)該安裝在控制室，盡管一些系統(tǒng)也允許將EEG放大器放置在更靠近參與者頭部(即MR孔的末端)的位置。

②MRI掃描儀需要發(fā)送slice/volume觸發(fā)器以供EEG系統(tǒng)檢測。TTL脈沖是同步MRI層采集與EEG記錄所必需的，這樣可以很容易地在EEG數(shù)據(jù)上定位梯度偽影的起始點(diǎn)。如果觸發(fā)時間太短，則可能需要外部硬件來擴(kuò)展觸發(fā)器脈沖。

③同樣，EEG系統(tǒng)需要連接到刺激呈現(xiàn)計算機(jī)來接收刺激呈現(xiàn)的觸發(fā)器。

④任何其他外圍設(shè)備也可以通過額外的觸發(fā)器與EEG系統(tǒng)同步。

⑤采樣率的選擇對于EEG數(shù)據(jù)采集也至關(guān)重要。至少5000Hz或更高的采樣率應(yīng)該能捕獲與梯度偽影相關(guān)的動態(tài)范圍，以便在預(yù)處理步驟中使用自適應(yīng)減法去除偽影。

⑥EEG記錄可以是交流或直流耦合的，具體取決于研究的需求。

⑦此外，EEG電極可以根據(jù)參考或雙極配置。雙極配置是早期EEG+fMRI設(shè)置的首選方法。在這種設(shè)置中，使用雙極配置來顯著降低梯度噪聲。對于雙極配置，每個電極的參考電極是相鄰電極。相反，對于參考配置，中性電極被放置在耳垂后乳突或中央電極上。

參與者準(zhǔn)備

①標(biāo)準(zhǔn)操作程序、知情同意和定期檢查都是必要的，并確保參與者在MRI掃描儀內(nèi)處于舒適狀態(tài)。

②在招募參與者參加研究之前，應(yīng)對參與者進(jìn)行MR安全性篩查，特別是金屬植入物的存在。

③應(yīng)該要求他們用洗發(fā)水(不含護(hù)發(fā)素)洗頭，不要使用任何其他護(hù)發(fā)產(chǎn)品。使用護(hù)發(fā)素和其他護(hù)發(fā)產(chǎn)品可能會在頭皮表面和電極之間形成絕緣屏障。

④EEG電極帽必須根據(jù)參與者的頭部大小來選擇。將導(dǎo)電凝膠(腦電膏)注入每個電極內(nèi)，以確保與頭皮的導(dǎo)電接觸。

⑤測量腦電圖(ECG)或眼電圖(EOG)的電極也應(yīng)注入導(dǎo)電凝膠。電極阻抗應(yīng)盡可能低(＜10kΩ)，以確保高質(zhì)量的信號。注意不要使用過量的凝膠，因?yàn)檫@會導(dǎo)致電極之間的橋接。

⑥目視數(shù)據(jù)檢查對于確保EEG數(shù)據(jù)的質(zhì)量非常重要。這應(yīng)該首先在掃描儀外部完成。一種簡單的睜眼/閉眼協(xié)議可以在后部電極(例如，Oz，O1，O2)的閉眼期間顯示出alpha波。

采集方法

研究中常用的采集有兩種類型：交錯采集和連續(xù)采集。

①交錯采集

當(dāng)實(shí)驗(yàn)協(xié)議需要無梯度偽影的EEG數(shù)據(jù)epoch時，或者當(dāng)實(shí)驗(yàn)協(xié)議需要沒有MRI音頻噪聲的短暫間歇期(例如，在聽覺實(shí)驗(yàn)期間)時，則使用交錯采集。交錯采集是指fMRI以交錯方式采集，而EEG則是連續(xù)采集。交錯采集具有MRI靜默期，可作為聽覺刺激呈現(xiàn)的窗口。在典型的交錯采集中，首先呈現(xiàn)刺激，并在刺激呈現(xiàn)后立即采集無梯度偽影的干凈EEG窗口。未采集fMRI的腦電圖部分仍有與動脈搏動相關(guān)的偽影(心動圖(BCG))，應(yīng)使用偽影拒絕技術(shù)將其去除。這種技術(shù)的一個重要局限是刺激需要以相對較長(＞10s)的刺激間隔呈現(xiàn)，這將大大增加總掃描時間。

②連續(xù)采集

連續(xù)采集EEG和fMRI是大多數(shù)臨床同步fMRI-EEG研究(例如癲癇)和認(rèn)知神經(jīng)科學(xué)研究的首選方法。連續(xù)采集是同時采集EEG和fMRI。這對于事件相關(guān)研究和采用連續(xù)任務(wù)的研究來說非常重要，這些研究需要隨著時間的推移對神經(jīng)元活動進(jìn)行連續(xù)采樣。連續(xù)采集的另一個優(yōu)點(diǎn)是能夠捕獲不可預(yù)測的事件。例如，在臨床研究中，對于癲癇活動或睡眠階段的調(diào)查，感興趣的事件是不可預(yù)測的。因此，需要連續(xù)采集fMRI和EEG，并在事后識別EEG中感興趣的事件。連續(xù)采集的局限性是大的梯度偽影會淹沒感興趣的EEG信號。因此，為了避免在fMRI采集過程中出現(xiàn)飽和現(xiàn)象，擁有一個大動態(tài)范圍的EEG放大器是非常重要的。目前已經(jīng)開發(fā)了新的算法來去除EEG數(shù)據(jù)中的梯度和BCG偽影，這將在下文進(jìn)行討論。

偽影去除技術(shù)

①梯度偽影

MRI掃描儀使用由梯度和RF線圈產(chǎn)生的時變磁場對MR信號的空間信息進(jìn)行編碼并創(chuàng)建圖像。因此，當(dāng)EEG硬件(電極、電線和放大系統(tǒng))放置在MRI掃描儀內(nèi)時，時變電磁場會在被試頭部和EEG硬件形成的導(dǎo)電回路內(nèi)產(chǎn)生雜散電壓信號(梯度偽影)。與神經(jīng)生理EEG信號相比，梯度偽影的振幅非常大(＞100倍)。有幾種方法可以減少梯度偽影。這些方法大致可分為：(1)基于減法的去噪，(2)盲源噪聲分離和(3)基于硬件的技術(shù)。

A.基于減法的去噪

這種方法由Allen等人提出，從固定數(shù)量的樣本中計算出平均成像偽影模板，然后從每個樣本的EEG信號中減去該模板。減法包括以下步驟：

從EEG數(shù)據(jù)中去除低頻波動(使用1Hz的高通濾波器)。

梯度偽影的平均模板是通過對多個slices或volumes的偽影信號求平均值來創(chuàng)建的。

從信號中減去偽影模板以去除較大的梯度偽影。

采用自適應(yīng)降噪技術(shù)去除殘差噪聲。

自適應(yīng)偽影減法(AAS)方法正常工作的先決條件是必須準(zhǔn)確計算偽影模板。為了創(chuàng)建精確的偽影模板，重要的是EEG和fMRI采集之間的同步是精確的。同步中的任何時間抖動都會使該方法不可用?？梢允褂贸上駍lices或volumes來創(chuàng)建模板。根據(jù)在EEG數(shù)據(jù)上觀察到的trigger，fMRI掃描的時間段用于創(chuàng)建模板。結(jié)合基于slices或volumes的方法可以獲得最佳結(jié)果。因此，將每個成像層的層觸發(fā)器發(fā)送到EEG系統(tǒng)是非常重要的。

基于減法去噪的第二個重要考慮因素是第一次去噪后的殘差噪聲。由于平均模板減法是一種線性方法，因此任何非線性和隨機(jī)噪聲都將持續(xù)存在于EEG數(shù)據(jù)中。為了消除這種殘差噪聲，已經(jīng)開發(fā)了一種基于特征值分解的方法。該方法采用基于主成分分析(PCA)的殘差信號分解方法。然后可以使用自適應(yīng)降噪(ANC)濾波器來解釋與殘差噪聲相關(guān)的最大方差的成分。另一種方法是直接對EEG數(shù)據(jù)應(yīng)用PCA，從信號中分離噪聲成分。但是，這種方法也需要ANC濾波器來去除殘差噪聲。第三種方法使用迭代減法，其中梯度模板的振幅通過線性回歸優(yōu)化調(diào)整。

為了捕獲和去除偽影模板中與運(yùn)動相關(guān)的方差，已經(jīng)提出了基于加權(quán)、聚類和回歸的方法。偽影模板可以根據(jù)時間或頻譜相似性對每個事件進(jìn)行加權(quán)，從而調(diào)整與運(yùn)動相關(guān)的噪聲。此外，基于聚類的方法可以根據(jù)為每個聚類計算的偽影模板之間的相似性測量對偽影進(jìn)行聚類。其他基于fMRI時間序列的頭部運(yùn)動估計方法也被提出并應(yīng)用。

B.梯度偽影的盲源分離

盲源分離技術(shù)，如獨(dú)立成分分析(ICA)，已被成功地用于從EEG數(shù)據(jù)中提取噪聲污染。

ICA試圖從M個線性組合的源信號中分離出N個統(tǒng)計上相互獨(dú)立的源信號。ICA可用于原始EEG數(shù)據(jù)，將EEG分為信號源和噪聲源。然后通過成分回歸從信號中去除噪聲成分。自動化技術(shù)使用監(jiān)督學(xué)習(xí)通過識別類似于偽影模板的獨(dú)立成分(IC)來識別偽影相關(guān)的信號，也可用于從MRI掃描儀內(nèi)部識別EEG記錄中的偽影(圖3)。

圖3.從EEG數(shù)據(jù)中去除梯度(GA)和心動圖(BCG)偽影的管道概覽。

C.基于硬件的方法

基于硬件的方法使用額外的硬件組件來捕獲、表征和去除EEG數(shù)據(jù)中的梯度偽影。將單獨(dú)的EEG電極層作為參考層放置在頂部。參考層下方的電極通過導(dǎo)電凝膠連接到頭皮上。這些電極記錄大腦信號以及梯度和運(yùn)動偽影，而參考層中的電極與頭皮隔離，僅記錄MRI偽影。然后通過從累積EEG和偽影信號(通過頭皮電極記錄)中去除偽影信號(通過新的參考電極記錄)來估計無偽影的EEG信號。

在另一種稱為“碳線環(huán)”的方法中，將四個碳線環(huán)縫合在腦電帽的外表面，并將兩個碳線環(huán)縫合在從腦電帽到腦電放大器的連線上(圖4)。這四根碳絲的內(nèi)阻為160Ω/m，分別位于左額、左后、右額和右后位置。然后，這些碳線記錄的噪聲信號從腦電帽記錄的大腦信號中回歸出來。該方法已被證明適用于去除任何與運(yùn)動相關(guān)的偽影，以及脈沖和梯度偽影。

圖4.為基于硬件去除MR偽影而開發(fā)的碳線環(huán)配置。

②心沖擊圖(BCG)偽影

由于在MRI掃描儀的強(qiáng)磁場中，脈動使頭皮擴(kuò)張或收縮時，頭皮電極上會產(chǎn)生雜散電壓，以及傳導(dǎo)血液的脈動而引起的霍爾效應(yīng)。即使是由于脈動運(yùn)動引起EEG電極的微小運(yùn)動也可以轉(zhuǎn)化為電信號，該電信號可能比感興趣的EEG信號大幾倍。由于心搏的時間變異性，BCG偽影很難從EEG數(shù)據(jù)中完全去除。

A.BCG偽影的自適應(yīng)減法

BCG偽影可以通過使用自適應(yīng)降噪技術(shù)去除：

心動周期的開始通過QRS檢測技術(shù)檢測。QRS復(fù)合波是在心電圖軌跡中觀察到的三個波的組合。為此需要單獨(dú)的ECG記錄。

偽影模板是通過對多個心動周期求平均值而形成的。

使用奇異值分解計算偽影的所有鎖時出現(xiàn)的時域主成分。這將生成一個最優(yōu)基集(OBS)，其中包括解釋BCG隨時間變化方差的主成分。

然后，從每次出現(xiàn)的BCG偽影中回歸出OBS。

B.BCG偽影的盲源分離

BCG偽影也可以通過使用基于ICA的盲源分離技術(shù)來去除。ICA將EEG數(shù)據(jù)分解成源成分，其中一些將是噪聲，另一些將是感興趣的大腦信號。由于ICA能夠識別噪聲源，可以簡單地從原始EEG數(shù)據(jù)中回歸出噪聲源，從而得到更清晰的EEG信號。其他幾種方法也已用于基于ICA的BCG偽影去除，包括：(1)時域ICA和(2)混合AAS+ICA方法。在時域ICA方法中，將ICA算法應(yīng)用于連續(xù)的EEG數(shù)據(jù)，得到與噪聲和大腦信號相對應(yīng)的成分時程。在這種方法中，必須準(zhǔn)確識別噪聲成分，才能有效地去除它們。然而，對BCG成分進(jìn)行客觀和有效的鑒別是困難的。為了識別噪聲成分，通常采用基于ECG信號相關(guān)性的方法。目前還提出并使用了其他更先進(jìn)的方法，用于檢測每個IC中與心動周期相關(guān)峰值的自相關(guān)或使用成分的頻譜分析。混合AAS+ICA方法利用了基于AAS和ICA方法的優(yōu)點(diǎn)。該方法首先從心臟周期鎖定的EEG數(shù)據(jù)生成的偽影模板中計算最優(yōu)基集。使用這種方法可以刪除大部分BCG偽影。然后使用ICA去除殘留的BCG偽影。

C.基于硬件的方法

基于硬件的方法也可用于從EEG數(shù)據(jù)中去除BCG偽影。這種方法使用額外的傳感器來監(jiān)測同步EEG-fMRI采集期間與心臟脈搏相關(guān)的運(yùn)動和頭動。也有人提出使用碳線環(huán)來記錄和去除EEG數(shù)據(jù)中的BCG偽影。運(yùn)動和BCG偽影也可以通過將腦電帽上的幾個電極絕緣，并相對于參考電極測量這些電極上的信號來記錄。然后，將這些偽影信號從EEG數(shù)據(jù)中回歸出來。

同步fMRI-EEG數(shù)據(jù)分析

同步fMRI-EEG分析的方法可分為模型驅(qū)動技術(shù)和數(shù)據(jù)驅(qū)動技術(shù)(圖5)。模型驅(qū)動技術(shù)旨在將源自EEG的大腦信號擬合到fMRI數(shù)據(jù)(EEG-informed fMRI)，或者相反，將源自fMRI的大腦信號擬合到EEG數(shù)據(jù)(fMRI-informed EEG)，從而提高時空分辨率，循證神經(jīng)過程。相比之下，數(shù)據(jù)驅(qū)動技術(shù)旨在整合fMRI和EEG數(shù)據(jù)，并對潛在神經(jīng)活動進(jìn)行最少的預(yù)先假設(shè)。

圖5.用于分析同步fMRI-EEG數(shù)據(jù)的過程概覽圖。

①模型驅(qū)動技術(shù)

模型驅(qū)動技術(shù)使用線性或非線性模型來結(jié)合EEG和fMRI中固有的時域、頻譜或時空活動。該方法已被用于研究在個體被試水平上，EEG數(shù)據(jù)中的振蕩和事件相關(guān)神經(jīng)元活動的fMRI相關(guān)性。為了研究特定頻段(例如，7-13Hz alpha)振蕩EEG活動的空間fMRI相關(guān)關(guān)系，可以通過視覺(使用主觀知識)或使用時頻分析將該活動標(biāo)記為感興趣的事件。特定頻段內(nèi)EEG功率的滑動窗口時間序列可用作一般線性模型(GLM)分析中的回歸量，其中fMRI時間序列是結(jié)果變量，EEG功率是預(yù)測因子。在事件相關(guān)設(shè)計中，可以使用EEG的不同特征，例如EEG相干性、特定頻率的EEG功率以及ERP振幅或潛伏期。然后將這些特征用于事件相關(guān)或epoch模型中，以模擬神經(jīng)活動對fMRI的瞬態(tài)/相位效應(yīng)。然后將該設(shè)計與血流動力學(xué)響應(yīng)函數(shù)進(jìn)行卷積，以模擬與EEG變化相關(guān)的fMRI的時間波動。這種方法的基本假設(shè)是，EEG特征的時間波動與fMRI的波動共變。

②數(shù)據(jù)驅(qū)動技術(shù)

數(shù)據(jù)驅(qū)動技術(shù)可以融合fMRI和EEG數(shù)據(jù)，提供高分辨率的腦功能圖。數(shù)據(jù)驅(qū)動技術(shù)可以在沒有先驗(yàn)?zāi)Ｐ偷那闆r下分析fMRI數(shù)據(jù)。這在一些行為驅(qū)動的實(shí)驗(yàn)中尤其重要，例如靜息態(tài)，在靜息態(tài)下沒有明確的數(shù)據(jù)模型。然而，由于EEG信號本質(zhì)上是皮層信號，數(shù)據(jù)驅(qū)動技術(shù)的實(shí)用性受到了限制。最常用的數(shù)據(jù)驅(qū)動技術(shù)是獨(dú)立成分分析(ICA)和聚類。

使用獨(dú)立成分分析進(jìn)行融合。ICA在fMRI中用于識別數(shù)據(jù)中空間或時間上獨(dú)立的結(jié)構(gòu)。ICA在fMRI中的大多數(shù)應(yīng)用都尋求空間上最大獨(dú)立的成分。ICA假設(shè)觀察到的信號是獨(dú)立信號源的線性組合，并使用高階統(tǒng)計量來識別它們。聯(lián)合ICA已被用于提取與運(yùn)動序列學(xué)習(xí)、目標(biāo)識別和靜息態(tài)網(wǎng)絡(luò)相關(guān)的BOLD信號的時空模式。例如，一種基于ICA的聯(lián)合方法融合了多模態(tài)EEG和fMRI數(shù)據(jù)，可以在沒有ERP振幅或相位的先驗(yàn)信息情況下將單試次EEG和fMRI結(jié)合起來。在這種方法中，單試次EEG響應(yīng)和fMRI響應(yīng)可以合并到一個矩陣中，并進(jìn)行聯(lián)合時空分解。另一種方法是使用ICA源來融合EEG+fMRI數(shù)據(jù)。該方法還結(jié)合了約束和基于滯后的信號分解方法來演示電生理信號和BOLD信號之間的可變滯后結(jié)構(gòu)。

同步fMRI-EEG實(shí)驗(yàn)技術(shù)

同步fMRI-EEG已被廣泛用作回答大腦功能相關(guān)問題的工具，近年來其使用呈指數(shù)級增長。這些研究大多數(shù)使用高度受控的實(shí)驗(yàn)操作，比較受控刺激呈現(xiàn)期間的fMRI或EEG活動。然而，在沒有任何實(shí)驗(yàn)輸入(例如，自發(fā)行為)的情況下研究大腦的必要性也得到了廣泛認(rèn)可。因此，近年來出現(xiàn)了對睡眠和其他現(xiàn)象的同步fMRI-EEG研究。下面概述了使用EEG+fMRI研究人腦的各種實(shí)驗(yàn)方法(圖6)。

圖6.同步記錄系統(tǒng)示意圖。

①對照實(shí)驗(yàn)

對照實(shí)驗(yàn)是通過在同步fMRI-EEG研究中呈現(xiàn)預(yù)定持續(xù)時間的實(shí)驗(yàn)刺激來進(jìn)行的。刺激類型和實(shí)驗(yàn)條件取決于被調(diào)查的研究問題，實(shí)驗(yàn)至少需要兩種類型的條件：基線和任務(wù)條件。這是必需的，因?yàn)閒MRI BOLD信號不是神經(jīng)元活動的絕對測量值。因此，所有研究都必須具備將感興趣的神經(jīng)元活動與合適的背景(即基線)條件進(jìn)行統(tǒng)計對比的能力。大多數(shù)同步fMRI-EEG研究使用事件相關(guān)設(shè)計，并消除潛在的混淆因素，如習(xí)慣化、預(yù)期、假定或其他策略效應(yīng)。假設(shè)每個事件產(chǎn)生的神經(jīng)元活動會導(dǎo)致短暫的BOLD和EEG反應(yīng)。通過比較不同類型事件之間的同步fMRI-EEG活動，可以回答神經(jīng)活動變化作為自變量函數(shù)的研究問題。事件相關(guān)設(shè)計還允許分析個體對試次的反應(yīng)，從而提供了識別行為反應(yīng)的神經(jīng)相關(guān)性的方法。

以block形式呈現(xiàn)相同類型刺激的實(shí)驗(yàn)稱為block設(shè)計研究。該模式假設(shè)每個block內(nèi)都能獲得穩(wěn)定的神經(jīng)元活動和血流動力學(xué)?；旌显O(shè)計結(jié)合了事件相關(guān)和block設(shè)計方法。與block設(shè)計類似，有控制block和任務(wù)block。但與block設(shè)計不同的是，每個任務(wù)block試次之間的間隔時間不同，就像事件相關(guān)設(shè)計中的那樣。該方法允許估計與每個試次相關(guān)活動的時間變化，以及估計整個任務(wù)block中的持續(xù)活動。

②行為驅(qū)動實(shí)驗(yàn)

在行為驅(qū)動實(shí)驗(yàn)中，同步fMRI-EEG用于研究自發(fā)行為的變化。簡單的行為驅(qū)動實(shí)驗(yàn)是一種靜息態(tài)實(shí)驗(yàn)，其中被試躺在MRI掃描儀內(nèi)，除了靜態(tài)視覺注視外什么都不做，測量與靜息行為相關(guān)的EEG和BOLD?fMRI活動。從這個角度來看，靜息態(tài)下的自發(fā)活動可以揭示大腦的功能組織。第二種行為驅(qū)動的fMRI研究是研究與生理活動自發(fā)波動相關(guān)的BOLD和EEG信號。通常，這些研究記錄了fMRI掃描期間的生理活動，例如皮膚電反應(yīng)、EEG和ECG，這些變化是在事后發(fā)現(xiàn)的，并與BOLD反應(yīng)相關(guān)。

結(jié)論

同步fMRI-EEG是一種先進(jìn)的腦成像技術(shù)，可用于更好地了解人類大腦活動的時空動態(tài)。這種模式提供了研究大腦網(wǎng)絡(luò)功能的能力，并能夠以高時間和空間分辨率提供有關(guān)大腦電活動來源的信息。然而，在計劃同步fMRI-EEG研究之前，應(yīng)該考慮到一些技術(shù)挑戰(zhàn)。預(yù)處理方法的選擇取決于硬件類型和數(shù)據(jù)中的噪聲量。然而，該領(lǐng)域仍然缺乏一種可靠的、可重復(fù)的最佳綜合和標(biāo)準(zhǔn)化分析方案。未來的研究需要對EEG+fMRI研究的數(shù)據(jù)采集，預(yù)處理和分析管道進(jìn)行標(biāo)準(zhǔn)化。盡管如此，認(rèn)知神經(jīng)科學(xué)領(lǐng)域從這種技術(shù)的可用性中獲益良多。

相關(guān)文章推薦 (點(diǎn)擊鏈接查看)

EEG-fMRI 融合相關(guān)軟件推薦

EEG-fMRI同步記錄的偽影去除法

基于聯(lián)合獨(dú)立成分分析(jICA)的EEG與fMRI耦合與解耦

資源分享 | 腦影像數(shù)據(jù)分析工具匯總

參考文獻(xiàn)（上下滑動查看）：

1. Ives, J.R., et al.: Monitoring the patient’s EEG during echo planar MRI. Electroencephalogr.?Clin. Neurophysiol. 87(6), 417–420 (1993)

2. Goldman, R.I., et al.: Acquiring simultaneous EEG and functional MRI. Clin. Neurophysiol.?111(11), 1974–1980 (2000)

3. Abreu, R., Leal, A., Figueiredo, P.: EEG-informed fMRI: a review of data analysis methods.?Front. Hum. Neurosci. 12, 29 (2018)

4. Simoes, M., et al.: Correlated alpha activity with the facial expression processing network in?a simultaneous EEG-fMRI experiment. Conf. Proc. IEEE Eng. Med. Biol. Soc. 2017, 2562–2565 (2017)

5. Poudel, G.R., et al.: Losing the struggle to stay awake: divergent thalamic and cortical activity?during microsleeps. Hum. Brain Mapp. 35(1), 257–269 (2014)

6. Noth, U., et al.: Simultaneous electroencephalography-functional MRI at 3 t: an analysis of?safety risks imposed by performing anatomical reference scans with the EEG equipment in?place. J. Magn. Reson. Imaging. 35(3), 561–571 (2012)

7. Huster, R.J., et al.: Methods for simultaneous EEG-fMRI: an introductory review. J. Neurosci.?32(18), 6053–6060 (2012)

8. Michels, L., et al.: Simultaneous EEG-fMRI during a working memory task: modulations in?low and high frequency bands. PLoS One. 5(4), e10298 (2010)

9. Kaufmann, C., et al.: Brain activation and hypothalamic functional connectivity during human?non-rapid eye movement sleep: an EEG/fMRI study. Brain. 129(Pt 3), 655–667 (2006)

10. Laufs, H., et al.: EEG-correlated fMRI of human alpha activity. NeuroImage. 19(4), 1463–1476 (2003)

11. Goldman, R.I., et al.: Simultaneous EEG and fMRI of the alpha rhythm. NeuroReport. 13(18),?2487–2492 (2002)

12. Liu, Z.M., He, B.: FMRI-EEG integrated cortical source imaging by use of time-variant?spatial constraints. NeuroImage. 39(3), 1198–1214 (2008)

13. Poudel, G.R., Innes, C.R.H., Jones, R.D.: Distinct neural correlates of time-on-task and?transient errors during a visuomotor tracking task after sleep restriction. NeuroImage. 77,?105–113 (2013)

14. Poudel, G.R., Innes, C.R.H., Jones, R.D.: Temporal evolution of neural activity and connectivity during microsleeps when rested and following sleep restriction. NeuroImage. 174,?263–273 (2018)

15. Ogawa, S., et al.: Brain magnetic resonance imaging with contrast dependent on blood?oxygenation. Proc. Natl. Acad. Sci. 87, 9868–9872 (1990)

16. Arthurs, O.J., Boniface, S.: How well do we understand the neural origins of the fMRI bold?signal? Trends Neurosci. 25(3), 169–169 (2002)

17. Salek-Haddadi, A., et al.: Studying spontaneous EEG activity with fMRI. Brain Res. Rev.?43(1), 110–133 (2003)

18. Buxton, R.B., Wong, E.C., Frank, L.R.: Dynamics of blood flow and oxygenation changes?during brain activation; the balloon model. Magn. Reson. Med. 39, 855–864 (1998)

19. Logothetis, N.K., et al.: Neurophysiological investigation of the basis of the fMRI signal.?Nature. 412(6843), 150–157 (2001)

20. Lindquist, M.A., et al.: Modeling the hemodynamic response function in fMRI: efficiency,?bias and mis-modeling. NeuroImage. 45(1 Suppl), S187–S198 (2009)

21. Menon, R.S., et al.: BOLD based functional MRI at 4 Tesla includes a capillary bed?contribution: echo-planar imaging correlates with previous optical imaging using intrinsic?signals. Magn. Reson. Med. 33(3), 453 (1995)

22. Hu, X., Yacoub, E.: The story of the initial dip in fMRI. NeuroImage. 62(2), 1103–1108?(2012)

23. Gras, V., et al.: Optimizing bold sensitivity in the 7t human connectome project resting-state?fMRI protocol using plug-and-play parallel transmission. NeuroImage. 195, 1–10 (2019)

24. Kim, S.-G., Ogawa, S.: Insights into new techniques for high resolution functional MRI. Curr.?Opin. Neurobiol. 12(5), 607–615 (2002)

25. Kashyap, S., et al.: Resolving laminar activation in human v1 using ultra-high spatial?resolution fMRI at 7t. Sci. Rep. 8, 17063 (2018)

26. Tsuchida, T.N., et al.: American clinical neurophysiology society: EEG guidelines introduction. J. Clin. Neurophysiol. 33(4), 301–302 (2016)

27. Kirschstein, T., Kohling, R.: What is the source of the EEG? Clin. EEG Neurosci. 40(3),?146–149 (2009)

28. Buzsaki, G., Anastassiou, C.A., Koch, C.: The origin of extracellular fields and currents–EEG,?ECOG, LFP and spikes. Nat. Rev. Neurosci. 13(6), 407–420 (2012)

29. Cajochen, C., Foy, R., Dijk, D.J.: Frontal predominance of a relative increase in sleep delta?and theta EEG activity after sleep loss in humans. Sleep Res. Online. 2(3), 65–69 (1999)

30. Accolla, E.A., et al.: Clinical correlates of frontal intermittent rhythmic delta activity?(FIRDA). Clin. Neurophysiol. 122(1), 27–31 (2011)

31. Makeig, S., Jung, T.P., Sejnowski, T.J.: Awareness during drowsiness: dynamics and electrophysiological correlates. Can. J. Exp. Psychol. 54(4), 266–273 (2000)

32. Makeig, S., Jung, T.P.: Tonic, phasic, and transient EEG correlates of auditory awareness in?drowsiness. Brain Res. Cogn. Brain Res. 4(1), 15–25 (1996)

33. Brueggen, K., et al.: Early changes in alpha band power and dmn bold activity in Alzheimer’s?disease: a simultaneous resting state EEG-fMRI study. Front. Aging Neurosci. 9, 319 (2017)

34. Dang-Vu, T.T., et al.: Spontaneous neural activity during human slow wave sleep. Proc. Natl.?Acad. Sci. U. S. A. 105(39), 15160–15165 (2008)

35. Liu, Y., et al.: Top-down modulation of neural activity in anticipatory visual attention: control?mechanisms revealed by simultaneous EEG-fMRI. Cereb. Cortex. 26(2), 517–529 (2016)

36. Mullinger, K., et al.: Effects of simultaneous EEG recording on MRI data quality at 1.5, 3 and?7 tesla. Int. J. Psychophysiol. 67(3), 178–188 (2008)

37. Hawsawi, H.B., Carmichael, D.W., Lemieux, L.: Safety of simultaneous scalp or intracranial?EEG during MRI: a review. Front. Phys. 5, 42 (2017)

38. Lemieux, L., et al.: Recording of EEG during fMRI experiments: patient safety. Magn. Reson.?Med. 38(6), 943–952 (1997)

39. Salek-Haddadi, A., et al.: EEG quality during simultaneous functional MRI of interictal?epileptiform discharges. Magn. Reson. Imaging. 21(10), 1159–1166 (2003)

40. Srivastava, G., et al.: Ica-based procedures for removing ballistocardiogram artifacts from?EEG data acquired in the MRI scanner. NeuroImage. 24(1), 50–60 (2005)

41. Jonmohamadi, Y., et al.: Source-space ICA for EEG source separation, localization, and timecourse reconstruction. NeuroImage. 101, 720–737 (2014)

42. Toppi, J., et al.: Time-varying effective connectivity of the cortical neuroelectric activity?associated with behavioural microsleeps. NeuroImage. 124(Pt A), 421–432 (2016)

43. Bayer, M., Rubens, M.T., Johnstone, T.: Simultaneous EEG-fMRI reveals attention-dependent?coupling of early face processing with a distributed cortical network. Biol. Psychol. 132, 133–142 (2018)

44. Bonmassar, G., et al.: Spatiotemporal brain imaging of visual-evoked activity using interleaved EEG and fMRI recordings. NeuroImage. 13(6), 1035–1043 (2001)

45. Portas, C.M., et al.: Auditory processing across the sleep-wake cycle: simultaneous EEG and?fMRI monitoring in humans. Neuron. 28(3), 991–999 (2000)

46. Menon, V., Crottaz-Herbette, S.: Combined EEG and fMRI studies of human brain function.?Neuroimaging. 66(Pt A), 291 (2005)

47. Hall, D.A., et al.: “Sparse” temporal sampling in auditory fMRI. Hum. Brain Mapp. 7(3),?213–223 (1999)

48. Schwarzbauer, C., et al.: Interleaved silent steady state (ISSS) imaging: a new sparse imaging?method applied to auditory fMRI. NeuroImage. 29(3), 774–782 (2006)

49. Poudel, G.R., et al.: Neural correlates of decision-making during a Bayesian choice task.?NeuroReport. 28(4), 193–199 (2017)

50. McGlashan, E.M., et al.: Imaging individual differences in the response of the human?suprachiasmatic area to light. Front. Neurol. 9, 1022 (2018)

51. Schabus, M., et al.: Neural correlates of sleep spindles as revealed by simultaneous electroencephalography (EEG) and functional magnetic resonance imaging (fMRI). J. Sleep Res. 15,?50–51 (2006)

52. Fang, L., et al.: Simultaneous EEG-fMRI reveals spindle-related neural correlates of human?intellectual abilities during NREM sleep. Sleep Med. 40, E99–E99 (2017)

53. Mullinger, K.J., Castellone, P., Bowtell, R.: Best current practice for obtaining high quality?EEG data during simultaneous fMRI. J. Vis. Exp. (76) (2013)

54. Allen, P.J., Josephs, O., Turner, R.: A method for removing imaging artifact from continuous?EEG recorded during functional MRI. NeuroImage. 12(2), 230–239 (2000)

55. Negishi, M., et al.: Removal of time-varying gradient artifacts from EEG data acquired during?continuous fMRI. Clin. Neurophysiol. 115(9), 2181–2192 (2004)

56. Niazy, R.K., et al.: Removal of fMRI environment artifacts from EEG data using optimal?basis sets. NeuroImage. 28(3), 720–737 (2005)

57. Ritter, P., Villringer, A.: Simultaneous EEG-fMRI. Neurosci. Biobehav. Rev. 30(6), 823–838?(2006)

58. Chowdhury, M.E.H., et al.: Simultaneous EEG-fMRI: evaluating the effect of the EEG capcabling configuration on the gradient artifact. Front. Neurosci. 13, 690 (2019)

59. Cunningham, C.J.B., et al.: Simultaneous EEG-fMRI in human epilepsy. Can. J. Neurol. Sci.?35(4), 420–435 (2008)

60. Sartori, E., et al.: Gradient artifact removal in co-registration EEG/fMRI. World Congress?on Medical Physics and Biomedical Engineering, Vol 25, Pt 4: Image Processing, Biosignal?Processing, Modelling and Simulation. Biomechanics. 25, 1143–1146 (2010)

61. Freyer, F., et al.: Ultrahigh-frequency EEG during fMRI: pushing the limits of imagingartifact correction. NeuroImage. 48(1), 94–108 (2009)

62. de Munck, J.C., et al.: The hemodynamic response of the alpha rhythm: an EEG/fMRI study.?NeuroImage. 35(3), 1142–1151 (2007)

63. Moosmann, M., et al.: Realignment parameter-informed artefact correction for simultaneous?EEG-fMRI recordings. NeuroImage. 45(4), 1144–1150 (2009)

64. Ryali, S., et al.: Development, validation, and comparison of ICA-based gradient artifact?reduction algorithms for simultaneous EEG-spiral in/out and echo-planar fMRI recordings.?NeuroImage. 48(2), 348–361 (2009)

65. Mantini, D., et al.: Complete artifact removal for EEG recorded during continuous fMRI using?independent component analysis. NeuroImage. 34(2), 598–607 (2007)

66. Chechile, R.A.: Independent component analysis: a tutorial introduction. J. Math. Psychol.?49(5), 426–426 (2005)

67. Islam, M.K., Rastegarnia, A., Yang, Z.: Methods for artifact detection and removal from scalp?EEG: a review. Clin. Neurophysiol. 46(4-5), 287–305 (2016)

68. Acharjee, P.P., et al.: Independent vector analysis for gradient artifact removal in concurrent?EEG-fMRI data. IEEE Trans. Biomed. Eng. 62(7), 1750–1758 (2015)

69. Chowdhury, M.E.H., et al.: Reference layer artefact subtraction (RLAS): a novel method of?minimizing EEG artefacts during simultaneous fMRI (vol 84, pg 307, 2014). NeuroImage.?98, 547–547 (2014)

70. Maziero, D., et al.: Towards motion insensitive EEG-fMRI: correcting motion-induced?voltages and gradient artefact instability in EEG using an fMRI prospective motion correction?(PMC) system. NeuroImage. 138, 13–27 (2016)

71. van der Meer, J.N., et al.: Carbon-wire loop based artifact correction outperforms postprocessing EEG/fMRI corrections-a validation of a real-time simultaneous EEG/fMRI?correction method. NeuroImage. 125, 880–894 (2016)

72. Abbott, D.E., et al.: Constructing carbon fiber motion-detection loops for simultaneous EEGfMRI. Front. Neurol. 5, 260 (2015)

73. Debener, S., et al.: Properties of the ballistocardiogram artefact as revealed by EEG recordings?at 1.5, 3 and 7 t static magnetic field strength. Int. J. Psychophysiol. 67(3), 189–199 (2008)

74. Grouiller, F., et al.: A comparative study of different artefact removal algorithms for EEG?signals acquired during functional MRI. NeuroImage. 38(1), 124–137 (2007)

75. Wang, K., et al.: Clustering-constrained ICA for ballistocardiogram artifacts removal in?simultaneous EEG-fMRI. Front. Neurosci. 12, 59 (2018)

76. Mayeli, A., et al.: Real-time EEG artifact correction during fMRI using ICA. J. Neurosci.?Methods. 274, 27–37 (2016)

77. Masterton, R.A.J., et al.: Measurement and reduction of motion and ballistocardiogram?artefacts from simultaneous EEG and fMRI recordings. NeuroImage. 37(1), 202–211 (2007)

78. Valdes-Sosa, P.A., et al.: Model driven EEG/fMRI fusion of brain oscillations. Hum. Brain?Mapp. 30(9), 2701–2721 (2009)

79. Dong, L., et al.: Simultaneous EEG-fMRI: trial level spatio-temporal fusion for hierarchically?reliable information discovery. NeuroImage. 99, 28–41 (2014)

80. Daunizeau, J., et al.: Symmetrical event-related EEG/fMRI information fusion in a variational?Bayesian framework. NeuroImage. 36(1), 69–87 (2007)

81. Singh, M., Patel, P., Al-Dayeh, L.: FMRI of brain activity during alpha rhythm. International?Society for Magnetic Resonance in Medicine, Concord, CA (1998)

82. Omata, K., et al.: Spontaneous slow fluctuation of EEG alpha rhythm reflects activity in deepbrain structures: a simultaneous EEG-fMRI study. PLoS One. 8(6), e66869 (2013)

83. Ragazzoni, A., et al.: “Hit the missing stimulus”. A simultaneous EEG-fMRI study to localize?the generators of endogenous ERPs in an omitted target paradigm. Sci. Rep. 9, 3684 (2019)

84. Scheeringa, R., et al.: Frontal theta EEG activity correlates negatively with the default mode?network in resting state. Int. J. Psychophysiol. 67(3), 242–251 (2008)

85. Jann, K., et al.: Bold correlates of EEG alpha phase-locking and the fMRI default mode?network. NeuroImage. 45(3), 903–916 (2009)

86. Calhoun, V.D., et al.: Neuronal chronometry of target detection: fusion of hemodynamic and?event-related potential data. NeuroImage. 30(2), 544–553 (2006)

87. Moosmann, M., et al.: Joint independent component analysis for simultaneous EEG-fMRI:?principle and simulation. Int. J. Psychophysiol. 67(3), 212–221 (2008)

88. McKeown, M.J., et al.: Analysis of fMRI data by blind separation into independent spatial?components. Hum. Brain Mapp. 6(3), 160–188 (1998)

89. Kincses, Z.T., et al.: Model-free characterization of brain functional networks for motor?sequence learning using fMRI. NeuroImage. 39(4), 1950–1958 (2008)

90. Habas, C., Cabanis, E.A.: Dissociation of the neural networks recruited during a haptic objectrecognition task: complementary results with a tensorial independent component analysis.?Am. J. Neuroradiol. 29(9), 1715–1721 (2008)

91. Damoiseaux, J.S., et al.: Consistent resting-state networks across healthy subjects. Proc. Natl.?Acad. Sci. U. S. A. 103(37), 13848–13853 (2006)

92. Jonmohamadi, Y., et al.: Constrained temporal parallel decomposition for EEG-fMRI fusion.?J. Neural Eng. 16(1), 016017 (2019)

93. Laufs, H., et al.: Where the BOLD signal goes when alpha EEG leaves. NeuroImage. 31, 1408?(2006)

94. Spiers, H.J., Maguire, E.A.: Neural substrates of driving behaviour. NeuroImage. 36(1), 245–255 (2007)

95. Hutchison, K., et al.: Cortical activation can be visualized during sleep using simultaneous?EEG-fMRI. Sleep. 30, A36–A37 (2007)

96. Culham, J.C.: Functional neuroimaging: experimental design and analysis. In: Handbook of?Functional Neuroimaging of Cognition, pp. 53–82. MIT Press, Cambridge, MA (2006)

97. Dale, A.M.: Optimal experimental design for event-related fMRI. Hum. Brain Mapp. 8(2-3),?109–114 (1999)

98. Hopfinger, J.B., Buonocore, M.H., Mangun, G.R.: The neural mechanisms of top-down?attentional control. Nat. Neurosci. 3, 284–291 (2000)

99. Weissman, D., et al.: The neural bases of momentary lapses in attention. Nat. Neurosci. 9,?971–978 (2006)

100. Mechelli, A., et al.: Comparing event-related and epoch analysis in blocked design fMRI.?NeuroImage. 18(3), 806–810 (2003)

101. Visscher, K.M., et al.: Mixed blocked/event-related designs separate transient and sustained?activity in fMRI. NeuroImage. 19(4), 1694–1708 (2003)

102. Fox, M.D., et al.: The human brain is intrinsically organized into dynamic, anticorrelated?functional networks. Proc. Natl. Acad. Sci. 102(27), 9673–9678 (2005)

103. Critchley, H.D., et al.: Neural activity relating to generation and representation of galvanic?skin conductance responses: a functional magnetic resonance imaging study. J. Neurosci.?20(8), 3033 (2000)

104. Spiers, H., Maguire, E.: Decoding human brain activity during real-world experiences. Trends?Cogn. Sci. 11(8), 356–365 (2007)

小伙伴們點(diǎn)個“在看”，加

(星標(biāo))關(guān)注茗創(chuàng)科技，將第一時間收到精彩內(nèi)容推送哦～