導(dǎo)讀

高分辨率腦電圖記錄已成為許多人腦功能實(shí)驗(yàn)研究的標(biāo)準(zhǔn)，其主要目標(biāo)是使用越來(lái)越穩(wěn)健和精確的方法進(jìn)行源定位。然而，高分辨率EEG也允許在頭皮水平上對(duì)EEG和誘發(fā)電位進(jìn)行空間分析，從而識(shí)別頭皮電位場(chǎng)的地形特征，其在理解人腦大規(guī)模網(wǎng)絡(luò)動(dòng)力學(xué)以及作為神經(jīng)精神疾病標(biāo)志物方面的價(jià)值已得到證實(shí)。本文闡明了這種空間分析方法的優(yōu)點(diǎn)和局限性，以及可以從中獲得的信息。此外，頭皮電位場(chǎng)的空間頻率高于先前的假設(shè)，并討論了正確捕獲這些空間頻率所需通道數(shù)量的結(jié)果。

前言

由于硬件和軟件技術(shù)的進(jìn)步，從多通道陣列記錄腦電圖(EEG)已變得越來(lái)越流行。直覺(jué)上，人們會(huì)認(rèn)為放置在頭皮上的電極越多，從這些信號(hào)中獲得的信息就越豐富。同時(shí)進(jìn)行的顱內(nèi)和頭皮記錄表明，需要激活數(shù)(6-10)平方厘米的皮層才能在頭皮上產(chǎn)生信號(hào)，因此密集的電極間距只會(huì)對(duì)如此大面積活動(dòng)產(chǎn)生的電場(chǎng)進(jìn)行過(guò)采樣。然而，這種基于癲癇活動(dòng)的大小估計(jì)已被反復(fù)證明是不正確的。根據(jù)H?m?l?inen等人(1993)的計(jì)算，只有40-200mm2的皮層表面同時(shí)活躍才能產(chǎn)生不可忽略的顱外場(chǎng)。因此，根據(jù)所記錄的事件，頭皮電位場(chǎng)的空間頻率可以高得多，因此低密度記錄會(huì)導(dǎo)致空間混疊、錯(cuò)誤定位和焦點(diǎn)信號(hào)的丟失。許多研究者推薦電極間距離小于2cm的EEG陣列，如果要覆蓋整個(gè)頭部表面，則需要100?~?200個(gè)電極。
這種高密度記錄不可避免地導(dǎo)致了一個(gè)問(wèn)題，即如何正確地分析這些多重信號(hào)，因?yàn)樗鼈兗炔皇强臻g上獨(dú)立的，也不是時(shí)間上獨(dú)立的。研究人員在研究這種多通道記錄時(shí)引入了諸如大腦映射、EEG場(chǎng)映射或大腦地形圖等術(shù)語(yǔ)。這些術(shù)語(yǔ)指的是對(duì)大腦中活躍的神經(jīng)元群通過(guò)容積傳導(dǎo)產(chǎn)生的頭皮電位場(chǎng)的空間分布進(jìn)行分析。由于這些電位場(chǎng)或地形圖的變化是由大腦中活躍神經(jīng)元群分布的物理規(guī)律變化引起的，因此在多通道EEG分析中常用的方法是對(duì)不同條件下的EEG地形圖進(jìn)行描述和比較。在許多高密度EEG研究中，對(duì)誘發(fā)電位成分、癲癇棘波、特定頻段的功率或特定的特征振蕩(如紡錘波或慢波)進(jìn)行表征已成為一種常用的方法。EEG地形圖是源定位的前提，這些地形圖的結(jié)構(gòu)可以為潛在的源定位提供初步線索。如果隨著時(shí)間的推移，不同條件或不同臨床人群之間的地形圖存在統(tǒng)計(jì)學(xué)上的差異，那么不同大腦網(wǎng)絡(luò)活躍的結(jié)論是有效的。然而，需要適當(dāng)?shù)慕y(tǒng)計(jì)模式識(shí)別方法來(lái)區(qū)分地形圖構(gòu)型。
本文討論了高分辨率EEG的必要性，并描述和說(shuō)明了腦電圖和誘發(fā)電位的不同地形分析方法。探討了與經(jīng)典波形分析相比，可以從這種分析中獲得的信息，以及對(duì)所得結(jié)果進(jìn)行解釋的優(yōu)點(diǎn)和局限性。

EEG空間分析

對(duì)分布式電極陣列進(jìn)行采樣，可以從電位圖的角度揭示電場(chǎng)的地形分布?；谀X地形圖的視覺(jué)檢查對(duì)腦功能定位的過(guò)度解讀導(dǎo)致了該方法的可信度下降。然而，這些專注于頭皮電位場(chǎng)空間分布的初步努力引發(fā)了人們對(duì)定量空間分析方法的興趣高漲，最終導(dǎo)致了以EEG腦圖為先導(dǎo)的源成像技術(shù)。目前，基于高分辨率EEG的源定位已成為許多實(shí)驗(yàn)和臨床研究的標(biāo)準(zhǔn)，并且選擇可能用于定位腦功能改變的空間特征的方法已經(jīng)可用。多通道EEG空間分析技術(shù)已經(jīng)發(fā)展成為一種強(qiáng)大的定量腦成像技術(shù)。

腦電地形圖的參考獨(dú)立性

傳統(tǒng)上，腦電和誘發(fā)電位是通過(guò)表征波形特征來(lái)分析的，如自發(fā)腦電圖的振幅和頻率、峰值潛伏期或誘發(fā)電位成分的極性和振幅等。由于EEG是一個(gè)雙極信號(hào)，這些特征取決于記錄參考的選擇。在給定電極上記錄的信號(hào)總是反映目標(biāo)和參考點(diǎn)的局部活動(dòng)。據(jù)此，電生理學(xué)家提高了對(duì)感興趣信號(hào)空間分布的認(rèn)識(shí)。腦電圖具有相同的目的：它能夠可視化給定的電生理事件的空間分布。重要的是，腦電地形圖與參考無(wú)關(guān)。參考只改變零電平(DC-shift)，但地形圖的地形特征不受影響。因此，EEG的地形分析是無(wú)參考的，消除了腦電信號(hào)的參考問(wèn)題。腦電源成像也是如此，它完全基于電場(chǎng)的空間分布，也不受參考電極位置的影響。

雖然與波形分析相比，EEG和誘發(fā)電位圖的參考獨(dú)立性是EEG地形圖分析的一個(gè)重要優(yōu)勢(shì)，但要注意的是，這并不適用于頻域轉(zhuǎn)換的數(shù)據(jù)：使用FFT或時(shí)頻分析的頻率轉(zhuǎn)換計(jì)算給定電極信號(hào)相對(duì)于參考電極的幅值和相位。改變參考電極會(huì)改變目標(biāo)位置的振幅和相位，從而改變給定頻率下功率的地形分布。因此，時(shí)域的地形分析是無(wú)參考的，而頻域的地形分析則不然。圖1說(shuō)明了這一重要事實(shí)，它對(duì)腦電信號(hào)的頻域分析(包括越來(lái)越多地使用EEG傳感器之間的功能連接分析)具有重要影響。

全局地形圖描述符

在給定時(shí)刻記錄的電場(chǎng)全局強(qiáng)度的一個(gè)公認(rèn)描述符是全局場(chǎng)功率(GFP)。全局場(chǎng)功率是平均參考圖中所有電極電活動(dòng)的標(biāo)準(zhǔn)偏差。它被定義為：

其中，ui為u在電極i處的電壓，u為地形圖u上所有電極的平均電壓(平均參考)，N為地形圖u上的電極數(shù)量。頭皮電位場(chǎng)具有顯著的正負(fù)峰，會(huì)導(dǎo)致較高的GFP值，而梯度平緩的“平坦”地形圖，則顯示GFP值較低。
為了比較不受場(chǎng)強(qiáng)影響的兩張地形圖之間的差異，Lehmann和Skrandies(1980)引入了全局地形圖差異(GMD)的計(jì)算方法。GMD的公式為：

其中，ui為地形圖u在電極i處的電壓，vi為地形圖v在電極i處的電壓，u為地形圖u上所有電極的平均電壓(平均參考)，v為地形圖v上所有電極的平均電壓，N為電極總數(shù)。由于只對(duì)地形而不是強(qiáng)度差異感興趣，因此要比較的兩張地形圖首先通過(guò)給定地形圖的每個(gè)電極的電壓值除以其GFP來(lái)進(jìn)行歸一化。當(dāng)兩張地形圖相等時(shí)，GMD為0，當(dāng)兩張地形圖具有相同的地形且極性相反時(shí)，GMD最大可達(dá)到2。GMD等價(jià)于兩張地形圖電位之間的空間Pearson積矩相關(guān)系數(shù)(GMD2=2*(1-r))。
如前所述，如果兩張圖在地形上的差異與其強(qiáng)度無(wú)關(guān)，這直接表明這兩張地形圖是由大腦中不同的源產(chǎn)生的。因此，GMD計(jì)算是確定被比較的兩張地形圖是否涉及不同源的第一步。當(dāng)計(jì)算后續(xù)兩張地形圖之間的GMD時(shí)，有人注意到GMD與GFP呈負(fù)相關(guān)：當(dāng)GFP較低時(shí)，GMD較高，反之亦然。這一有趣的觀察結(jié)果表明，在GFP較高的時(shí)段，地形圖往往具有穩(wěn)定的地形，而在GFP較低的時(shí)段，地形圖的構(gòu)型會(huì)發(fā)生變化(圖2)。
GMD本身并不是一個(gè)統(tǒng)計(jì)指標(biāo)。它只給出一個(gè)空間相關(guān)性值。然而，GMD可作為一個(gè)參數(shù)來(lái)統(tǒng)計(jì)比較組間或?qū)嶒?yàn)條件之間的地形圖。這是通過(guò)基于GMD值進(jìn)行非參數(shù)隨機(jī)化檢驗(yàn)來(lái)實(shí)現(xiàn)的，稱為地形方差分析(tANOVA)。地形方差分析按以下方式進(jìn)行：(1)將單個(gè)被試的地形圖以隨機(jī)方式分配到不同的實(shí)驗(yàn)條件或組(即數(shù)據(jù)的排列)；(2)計(jì)算排列后組或條件的平均腦電地形圖及其之間的GMD；(3)將實(shí)際組或條件的GMD值與隨機(jī)數(shù)據(jù)分布的GMD值進(jìn)行比較，以確定實(shí)證數(shù)據(jù)值高于隨機(jī)分布的GMD值的可能性。多因素方差分析也可以用這種方法進(jìn)行。

多通道EEG的時(shí)空分解

由于信號(hào)在時(shí)間和空間上高度相關(guān)，EEG提供了冗余信息，這對(duì)考慮每個(gè)電極和每個(gè)時(shí)間點(diǎn)的統(tǒng)計(jì)分析方法帶來(lái)了挑戰(zhàn)。傳統(tǒng)的多重檢驗(yàn)校正方法不適用于高相關(guān)性的信號(hào)。全局地形參數(shù)，如GFP和GMD，通過(guò)對(duì)每個(gè)時(shí)間點(diǎn)用編號(hào)表示的無(wú)參考地形描述符來(lái)減少冗余問(wèn)題。因此，他們通過(guò)只考慮具有最高信噪比的時(shí)間點(diǎn)(GFP峰值)或通過(guò)平均后續(xù)GMD峰值之間的數(shù)據(jù)來(lái)減少時(shí)域數(shù)據(jù)，因?yàn)樵谶@兩者之間的地形是保持穩(wěn)定的(圖2)。

時(shí)變、多通道EEG數(shù)據(jù)的冗余性促使研究人員提出了時(shí)空分解方法，以找到一系列描述信號(hào)的不同成分或模式，并最終找到在實(shí)驗(yàn)或臨床條件下存在差異的不同成分。傳統(tǒng)上，這種分解是在頻域進(jìn)行的，通過(guò)對(duì)EEG進(jìn)行頻譜分析和計(jì)算功率譜，從而假設(shè)信號(hào)是準(zhǔn)穩(wěn)態(tài)的。利用小波分析技術(shù)對(duì)瞬態(tài)振蕩進(jìn)行時(shí)域分解。

由于這種分析通常是在單個(gè)通道上進(jìn)行的，所以地形分布通常會(huì)被忽略，隱含地假設(shè)產(chǎn)生成分的神經(jīng)源的空間結(jié)構(gòu)保持穩(wěn)定。對(duì)頻率濾波的多通道EEG地形圖進(jìn)行簡(jiǎn)單檢查，可以發(fā)現(xiàn)事實(shí)并非如此(圖3)：該圖顯示了alpha濾波后的EEG頭皮電位圖的地形隨時(shí)間的變化情況，表明不同神經(jīng)源在不同的時(shí)間點(diǎn)對(duì)頭皮上的alpha信號(hào)有貢獻(xiàn)。因此，無(wú)論是在時(shí)域還是頻域，多通道EEG的分解都應(yīng)考慮電場(chǎng)的時(shí)變空間結(jié)構(gòu)。

最常見(jiàn)的方法是使用空間因子分析方法將多通道EEG信號(hào)分解為不同的成分，用地形圖表示。這些地形圖代表了所有記錄通道在不同時(shí)間上的加權(quán)和。最常用的空間分解方法是基于主成分分析(PCA)和獨(dú)立成分分析(ICA)。PCA使不同因子之間正交。PCA的第一個(gè)成分解釋了最大可能的數(shù)據(jù)方差，隨后的每個(gè)正交成分解釋了最大可能的殘差方差。PCA已被證明是一種強(qiáng)大的探索性工具，可以提取在不同實(shí)驗(yàn)條件下的多通道事件相關(guān)電位中的差異成分。
與正交性不同，ICA增強(qiáng)了統(tǒng)計(jì)獨(dú)立性。每個(gè)因子應(yīng)該代表一個(gè)時(shí)間上獨(dú)立的成分。與PCA一樣，ICA為每個(gè)因子生成一個(gè)權(quán)重系數(shù)。ICA已被證明在檢測(cè)和去除偽影(如眨眼)或由腦獨(dú)立源產(chǎn)生的偽影(如MRI掃描儀中記錄的EEG心電偽影)方面非常有用。ICA也被用于將大腦活動(dòng)分解為獨(dú)立的大腦過(guò)程。然而，大腦過(guò)程的統(tǒng)計(jì)獨(dú)立性假設(shè)受到了挑戰(zhàn)，因?yàn)槟X區(qū)之間和分布式神經(jīng)網(wǎng)絡(luò)內(nèi)部的交互是大腦組織的主要原則之一。因此，ICA的主要限制是它不能顯示動(dòng)態(tài)耦合的成分。
基于空間k均值聚類的方法是一種廣泛應(yīng)用于模式識(shí)別應(yīng)用的方法，用于確定腦電和事件相關(guān)電位的空間成分。Pascual-Marqui等人(1995)在改進(jìn)版的k均值聚類中，建議使用如前所述的GMD參數(shù)對(duì)具有高度空間相關(guān)性的地形圖進(jìn)行聚類，并確定這些聚類中心作為每個(gè)聚類的代表性模板圖。交叉驗(yàn)證等準(zhǔn)則用于確定最佳的聚類數(shù)量。

k均值聚類技術(shù)不假設(shè)地形圖的統(tǒng)計(jì)獨(dú)立性或正交性。它以嵌套迭代的方式定義了最佳聚類數(shù)量，以最少數(shù)量的地形圖來(lái)最佳地解釋數(shù)據(jù)。有趣的是，當(dāng)將這些聚類圖與數(shù)據(jù)進(jìn)行擬合時(shí)，無(wú)論是在自發(fā)腦電還是事件相關(guān)電位數(shù)據(jù)中，一個(gè)特定的地形圖似乎會(huì)在一段時(shí)間(大約100ms)內(nèi)占據(jù)主導(dǎo)地位。有人認(rèn)為，這些穩(wěn)定的地形周期代表了大規(guī)模神經(jīng)元網(wǎng)絡(luò)中全局鎖相同步活動(dòng)的狀態(tài)。在事件相關(guān)電位中，這些時(shí)期可能代表了信息處理的不同步驟，但在自發(fā)性腦電圖中，這些“腦電微狀態(tài)”可能代表了心理狀態(tài)的基本構(gòu)建模塊，或“思維的原子(atoms of thought)”(圖4)。

許多不同的研究表明，微狀態(tài)的構(gòu)成、持續(xù)時(shí)間、存在和轉(zhuǎn)換概率受到刺激參數(shù)、大腦整體狀態(tài)和意識(shí)水平的影響，并會(huì)受到不同的神經(jīng)和精神疾病的干擾?？傊琁CA、PCA或k均值聚類的時(shí)空分解方法都有其固有的優(yōu)勢(shì)和局限性。其共同之處在于，它們?cè)噲D分離組成多通道頭皮記錄的不同來(lái)源，即分離隨時(shí)間變化而活躍的不同時(shí)間獨(dú)立的網(wǎng)絡(luò)。即使這些方法沒(méi)有直接指定這些激活來(lái)自大腦中的位置，但它們也為源定位提供了有用的預(yù)處理步驟。

源定位

目前，大多數(shù)源定位研究采用分布式源建模方法，根據(jù)頭皮記錄估計(jì)全腦的電流密度分布。最常用的算法是LORETA及其衍生算法、FOCUSS、VARETA、LAURA和波束形成算法。
基本上，這一系列技術(shù)由一個(gè)線性方程組組成，該方程組將系統(tǒng)的已知部分(每個(gè)電極上的測(cè)量)與未知部分(在整個(gè)皮層灰質(zhì)離散點(diǎn)上的電流密度向量，即“解空間”)聯(lián)系起來(lái)。在每個(gè)解點(diǎn)，放置一個(gè)電流密度向量(即偶極子)。線性方程組的系數(shù)對(duì)應(yīng)于導(dǎo)聯(lián)場(chǎng)，導(dǎo)聯(lián)場(chǎng)根據(jù)電動(dòng)力學(xué)定律(距離、幾何形狀和電導(dǎo)率剖面)將顱外測(cè)量與源相聯(lián)系。系數(shù)的集合是高度不確定的，因?yàn)榻恻c(diǎn)比可測(cè)量的記錄通道多得多，這被稱為逆問(wèn)題的非唯一性。
在不同的解點(diǎn)上，不同的源結(jié)構(gòu)和方向可以導(dǎo)致相同的頭皮電場(chǎng)。因此，必須納入生理和生物物理學(xué)上有意義的約束。這就是不同算法的不同之處。例如，雖然最初引入的最小范數(shù)解只最小化了估計(jì)逆解的最小二乘誤差，但LORETA最小化了二階空間導(dǎo)數(shù)，從而使估計(jì)是平滑的。許多不同領(lǐng)域的實(shí)驗(yàn)研究表明，這些方法能夠以一種可靠的方式對(duì)產(chǎn)生頭皮記錄的皮層源進(jìn)行定位。通過(guò)添加具有適當(dāng)傳導(dǎo)性參數(shù)的真實(shí)個(gè)體頭部模型，皮層源的定位精度可達(dá)到約15mm。
相關(guān)推薦：EEG源定位代碼分享| EEG數(shù)據(jù)的等效偶極子源定位EEG源定位的線性分布逆解

高分辨率EEG：需要多少電極？

自腦電地形圖技術(shù)開(kāi)始推廣以來(lái)，人們一直在問(wèn)需要多少個(gè)電極才能對(duì)腦電圖進(jìn)行適當(dāng)?shù)目臻g分析，這一問(wèn)題對(duì)于空間域的信號(hào)分析是至關(guān)重要的。同時(shí)，這個(gè)問(wèn)題已在一些研究中得到了解決。該問(wèn)題主要涉及頭皮電位場(chǎng)的最大空間頻率問(wèn)題。與時(shí)間序列的分析類似，Nyquist定理也適用于頭皮電位圖的分析：能夠正確分析的最高空間頻率取決于信號(hào)的采樣。如果信號(hào)采樣不足，(空間)混疊就會(huì)發(fā)生。這意味著，如果空間采樣頻率(即電極之間的距離)低于電位場(chǎng)的空間頻率，重建的地形圖將會(huì)失真，導(dǎo)致地形圖的錯(cuò)誤解讀和源定位錯(cuò)誤。因此，了解頭皮電場(chǎng)的最大空間頻率是很重要的，多年來(lái)一直被反復(fù)討論。
基于模擬和實(shí)驗(yàn)數(shù)據(jù)的初步研究表明，需要約2-3cm的電極間距，這將導(dǎo)致需要大約100個(gè)電極才能覆蓋整個(gè)頭皮?；诳臻g譜密度估計(jì)，F(xiàn)reeman等人(2003)甚至認(rèn)為電極間距小于1cm。Srinivasan等人(1998)比較了不同電極蒙太奇(19-129個(gè)電極)的有效空間分辨率，并得出結(jié)論：“32通道陣列能夠精確分辨的最小地形特征直徑為7cm，大約相當(dāng)于一個(gè)腦葉的大小?！绷碛幸恍┭芯客ㄟ^(guò)計(jì)算模擬的單個(gè)偶極子電位圖，然后利用不同頭皮電極數(shù)量的源定位技術(shù)估計(jì)偶極子的位置。這些研究表明，隨著電極數(shù)量的增加，源定位精度也會(huì)逐漸提高，在大約100個(gè)電極時(shí)達(dá)到穩(wěn)定狀態(tài)。他們還表明，增加電極數(shù)量可以減少深部源的定位誤差。
一些實(shí)驗(yàn)研究?jī)H使用原始記錄電極的子樣本來(lái)評(píng)估電極數(shù)量對(duì)源定位精度的影響。Michel等人(2004)表明，當(dāng)46個(gè)電極中僅使用19個(gè)時(shí)，視覺(jué)P100成分會(huì)被錯(cuò)誤地偏側(cè)化。他們還表明，頭部的不完全覆蓋可能導(dǎo)致估計(jì)源的錯(cuò)位。Luu等人(2001)研究了急性局灶性缺血性卒中患者。最初使用128個(gè)電極進(jìn)行記錄，然后下采樣至64、32和19個(gè)通道。通過(guò)直觀地比較腦電地形圖和放射學(xué)圖像，作者得出結(jié)論，需要超過(guò)64個(gè)電極來(lái)避免受影響區(qū)域的錯(cuò)誤定位。Lantz等(2003)用123個(gè)電極記錄了14例局灶性癲癇患者的癲癇棘波，然后下采樣至63和31個(gè)電極。然后應(yīng)用不同電極陣列對(duì)單個(gè)棘波進(jìn)行源定位，并將定位最大值與使患者無(wú)癲癇發(fā)作的切除區(qū)域進(jìn)行比較。從31個(gè)電極變化到123個(gè)電極時(shí)，源定位精度有了系統(tǒng)性的提高。Sohrabpour等人(2015)在兒童癲癇患者中使用了相同的方法，并通過(guò)比較源定位與顱內(nèi)記錄定義的癲癇發(fā)作區(qū)來(lái)評(píng)估定位誤差。他們還發(fā)現(xiàn)，通過(guò)將電極的數(shù)量從32個(gè)增加到64個(gè)和128個(gè)時(shí)，定位精度得到了系統(tǒng)性的提高。
Brodbeck等(2011)發(fā)表了關(guān)于使用高分辨率腦電圖定位刺激區(qū)最全面的研究。在對(duì)152名手術(shù)患者進(jìn)行的前瞻性研究中，他們?cè)u(píng)估了發(fā)作間期棘波的腦電源成像的臨床效果。當(dāng)使用大量電極(128?~?256通道)記錄EEG時(shí)，以及在源重建中使用單個(gè)MRI作為頭部模型時(shí)，顯示出腦電源成像的敏感性為84%，特異性為88%。當(dāng)腦電源成像僅使用32通道進(jìn)行記錄時(shí)，這些值急劇下降，當(dāng)使用模板頭部模型時(shí)，這些值甚至更低。
這里描述的大多數(shù)模擬和實(shí)驗(yàn)研究估計(jì)，大約需要100個(gè)電極來(lái)對(duì)電場(chǎng)進(jìn)行正確的空間采樣。然而，這些研究中的大多數(shù)假設(shè)顱骨與頭皮的電阻比為80∶1。最近的一些研究表明，顱骨的電阻要低得多，在20∶1的范圍內(nèi)。顱骨電阻對(duì)腦電信號(hào)的空間分辨率有著重要影響，因?yàn)楦唠娮钑?huì)使信號(hào)變得模糊。Ryynanen等人(2004)系統(tǒng)地研究了在降低阻抗值時(shí)，增加電極數(shù)量對(duì)空間分辨率的益處。他們首先表明，通常使用的80∶1的高電阻比確實(shí)導(dǎo)致了有限的空間分辨率，大約64個(gè)電極可以正確捕獲。然后，當(dāng)降低顱骨電阻時(shí)，在64導(dǎo)基礎(chǔ)上增加電極數(shù)量可以提高空間分辨率。
顱骨的電阻取決于顱骨的厚度。研究表明，與成人相比，嬰兒的顱骨厚度約低7-8倍，導(dǎo)致顱骨和大腦之間的比例約為14∶1。Ryynanen等人(2006)和Grieve等人(2004)表明，在這個(gè)比例下，256導(dǎo)的空間分辨率仍然比128導(dǎo)的空間分辨率高。因此，與嬰兒頭部較小需要較少電極的直觀假設(shè)相反，嬰兒顱骨較薄需要比成人更多的電極，以減少空間采樣誤差，尤其是在新生兒中。

由于腦電圖的空間頻率高于先前的假設(shè)，因此需要重新考慮負(fù)責(zé)產(chǎn)生可測(cè)量腦電信號(hào)的皮層區(qū)域的大小?；顒?dòng)神經(jīng)元的密度和它們之間的關(guān)聯(lián)程度是重要的影響因素。如果EEG可以捕捉到局灶性皮層活動(dòng)，那么低密度電極陣列可能會(huì)漏檢這些活動(dòng)。Zelmann等人(2014)的一項(xiàng)研究很好地說(shuō)明了這一事實(shí)。通過(guò)模擬和同時(shí)進(jìn)行頭皮和顱內(nèi)記錄，研究表明盡管高頻振蕩(HFOs；頻率范圍80-500Hz)的振幅很低，并且具有非常集中的發(fā)生器，但可以在頭皮上記錄到高頻振蕩，但是如果沒(méi)有在這些發(fā)生器上方放置電極，那么它們很容易被遺漏(圖5)。

除了需要足夠的電極來(lái)正確捕獲電場(chǎng)的空間頻率，并避免空間混疊和漏掉焦點(diǎn)源之外，電場(chǎng)必須盡可能完整地采樣(圖6)。大腦中的神經(jīng)元活動(dòng)均勻地向頭皮的各個(gè)方向擴(kuò)散，從而產(chǎn)生整個(gè)頭部的正負(fù)電位。根據(jù)等效偶極子的位置和方向，電位場(chǎng)的最大值和最小值可以位于或超出傳統(tǒng)電極陣列的邊界，例如，在乳突或臉頰上。如果這些區(qū)域沒(méi)有被捕捉到，就無(wú)法估計(jì)大腦中的生成器。電場(chǎng)的兩個(gè)極端都應(yīng)該位于陣列內(nèi)，以正確地恢復(fù)電場(chǎng)的梯度和電流密度。這一事實(shí)對(duì)于切向源特別重要，因?yàn)楫a(chǎn)生電場(chǎng)的最大值和最小值并不在源的上方。圖7以不同的例子展示了不良采樣對(duì)源估計(jì)的影響，包括顳葉內(nèi)側(cè)癲癇灶的定位：當(dāng)在源定位重建中不考慮顳葉下部的電極時(shí)，則病灶被錯(cuò)誤地定位在島葉水平，而不是顳下葉。事實(shí)上，如Sperli等人(2006)所示，傳統(tǒng)的10-20系統(tǒng)不包括顳下電極，因此內(nèi)側(cè)顳源會(huì)被系統(tǒng)性地錯(cuò)誤定位。

結(jié)論

本文討論了高分辨率EEG分析的歷史和發(fā)展，并闡明了使用高密度電極陣列可以獲得的額外信息，以及在低通道電極數(shù)量上進(jìn)行電場(chǎng)空間分析的缺點(diǎn)。很明顯，頭皮電場(chǎng)的空間頻率比最初假設(shè)的要高得多，對(duì)這些頻率的錯(cuò)誤采樣和對(duì)頭皮表面的覆蓋不足會(huì)導(dǎo)致錯(cuò)誤的地形圖、錯(cuò)誤的定位，以及無(wú)法檢測(cè)僅由少數(shù)幾個(gè)電極觀察到的局部事件。因此，要對(duì)頭皮電位場(chǎng)進(jìn)行充分采樣以進(jìn)行地形分析，需要大量的電極。然而，除了使用高分辨率腦電進(jìn)行源成像外，許多基于電場(chǎng)空間特征的腦電分析新方法已被開(kāi)發(fā)并成功應(yīng)用于臨床和實(shí)驗(yàn)研究。腦電和誘發(fā)電位的統(tǒng)計(jì)地形分析、時(shí)空分解，以及頭皮或源水平的連接分析都是依賴于多通道陣列測(cè)量信號(hào)的方法。它們?cè)诶斫馊四X大規(guī)模網(wǎng)絡(luò)動(dòng)力學(xué)以及作為神經(jīng)精神疾病標(biāo)志物方面的價(jià)值已日益得到證實(shí)。

參考文獻(xiàn)：

Michel CM. High-resolution EEG. Handb Clin Neurol. 2019;160:185-201. doi: 10.1016/B978-0-444-64032-1.00012-6. PMID: 31277847.Michel CM, Murray MM, Lantz G et al. (2004). EEG source?imaging. Clin Neurophysiol?115: 2195–2222.Michel CM, Koenig T (2017). EEG microstates as a tool to?study temporal dynamics?of whole-brain neuronal networks. Neuroimage 180: 577–593.Sohrabpour A, Lu Y, Kankirawatana P et al. (2015).?Effect of EEG electrode number on epileptic source?localization in pediatric patients. Clin Neurophysiol 126:?472–480.Zelmann R, Lina JM, Schulze-Bonhage A et al. (2014). Scalp?EEG is not a blur: it?can see high frequency oscillations?although their generators are small. Brain Topogr 27:?683–704.Lantz G, Grave De Peralta R, Spinelli L et al. (2003). Epileptic?source localization with high density EEG: how many electrodes are needed. Clin Neurophysiol 114: 63–69.Brodbeck V, Spinelli L, Lascano AM et al. (2011).?Electroencephalographic source imaging: a prospective study?of 152 operated epileptic patients. Brain 134: 2887–2897.Ryynanen OR, Hyttinen JA, Laarne PH et al. (2004). Effect of?electrode density and?measurement noise on the spatial resolution of cortical potential distribution. IEEE?Trans?Biomed Eng 51: 1547–1554.Ryynanen OR, Hyttinen JA, Malmivuo JA (2006). Effect of?measurement noise and?electrode density on the spatial resolution of cortical potential distribution with?different resistivity values for the skull. IEEE Trans Biomed Eng 53:?1851–1858.Grieve PG, Emerson RG, Isler JR et al. (2004). Quantitative?analysis of spatial sampling error in the infant and adult?electroencephalogram. Neuroimage 21:?1260–1274.H?m?l?inen MS, Hari R, Ilmoniemi RJ et al. (1993).?Magnetoencephalography—theory,?instrumentation,?and?applications to noninvasive studies of the working human?brain. Rev Mod Phys 65: 413–497.Lehmann D, Skrandies W (1980). Reference-free identification of components of checkerboard-evoked multichannel?potential fields. Electroencephalogr Clin?Neurophysiol 48:?609–621.Luu P, Tucker DM, Englander R et al. (2001). Localizing acute?stroke-related EEG changes: assessing the effects of spatial?undersampling. J Clin Neurophysiol 18: 302–317.Pascual-Marqui RD, Michel CM, Lehmann D (1995).?Segmentation of brain electrical activity into microstates:?model estimation and validation. IEEE Trans Biomed?Eng 42: 658–665.Freeman WJ, Holmes MD, Burke BC et al. (2003). Spatial?spectra of scalp EEG and EMG from awake humans.?Clin Neurophysiol 114: 1053–1068.Sperli F, Spinelli L, Seeck M et al. (2006). EEG source imaging in paediatric epilepsy?surgery: a new perspective in presurgical workup. Epilepsia 47: 981–990.Srinivasan R, Tucker DM, Murias M (1998). Estimating the?spatial Nyquist of the human EEG. Behav Res Methods?Instrum Comput 30: 8–19.

小伙伴們點(diǎn)星標(biāo)關(guān)注茗創(chuàng)科技，將第一時(shí)間收到精彩內(nèi)容推送哦～