丁尚文，錢志余，李韙韜，陶 玲，鄭 楊

(南京航空航天大學(xué)自動化學(xué)院，南京 210016)

Jena大學(xué)精神科教授 Hans Berger使用腦電圖(electroencephalogram，EEG)首次發(fā)現(xiàn)并精確地描述了人腦存在電活動，并發(fā)現(xiàn)這種電活動以不同頻率存在[1]．Adrian and Matthews 重復(fù)了 Berger的工作并驗證結(jié)果正確性[2]．腦電研究結(jié)果表明θ波(4～7,Hz)在枕葉和頂葉比較明顯[3-5]，且在困倦和睡眠階段更多，δ波(1～4,Hz)在枕葉和顳葉比較明顯[6-7]，正常成人在清醒狀況下，幾乎沒有δ 波，只有在睡眠及深度麻醉、缺氧或者大腦在器質(zhì)性病變時才出現(xiàn)[8-9]．國內(nèi)外學(xué)者圍繞外部刺激改善腦功能開展了大量的科研工作，但僅僅從EEG研究很難獲得腦功能區(qū)激活的精確信息，而相應(yīng)腦功能區(qū)的精確定位對于研究EEG的核心機理具有非常重要的意義[10-11]．

現(xiàn)代影像技術(shù)的發(fā)展，尤其是功能磁共振成像(functional magnetic resonance imaging，fMRI)技術(shù)，使得準(zhǔn)確測定腦激活源位置成為可能．目前，國內(nèi)外采用EEG與fMRI同步技術(shù)進行腦功能研究的工作非常少，典型的研究有 P300電位[12]、α波與血氧水平依賴信號的相關(guān)性[13]及棘波識別[14]等．

筆者利用EEG和fMRI同步記錄外部刺激引起的相關(guān)信號，通過分析 2種信號的特征，研究二者可能的信息關(guān)聯(lián)，為下一步探索二者關(guān)聯(lián)機理提供可靠的實驗依據(jù)．

1 材料與方法

(1) 任務(wù)設(shè)計．本實驗共有 5名受試者參加，均為右利手(無任何精神病史，平均年齡24歲)．5名受試者中有2名進行1次實驗，另3名受試者均進行2次實驗，總計實驗次數(shù)8次．每人進行6次光刺激組塊設(shè)計實驗，總計 48次刺激任務(wù)．刺激任務(wù)設(shè)計如圖1所示，A為對照序列(靜息序列)；B為5,Hz頻率光刺激序列．

圖1 光刺激組塊設(shè)計(A表示靜息，B表示光刺激)Fig.1 Block design of photon stimulation(A：the rest，B：photic stimulation)

(2) EEG記錄及預(yù)處理．采用德國Brainproducts公司生產(chǎn)的32通道與磁共振環(huán)境兼容的腦電記錄儀，2個心電極和1個眼電極.參考電極標(biāo)志為Ref，接地電極標(biāo)志為 GND．采樣率為 5,kHz，采集腦電信號過程在功能磁共振掃描環(huán)境中進行，實驗按照上述光刺激組塊設(shè)計．使用德國Brainproducts公司的Brain Vision Analyzer 2.0軟件消除腦電成像偽跡和搏動偽跡[7]，采用Allen提出的AAS(adaptive artifact subtraction)方法離線去除 EEG信號的核磁和心電偽跡[15]，將采樣頻率降至250,Hz并低通濾波至30,Hz以下．

(3) 磁共振數(shù)據(jù)記錄及預(yù)處理：血氧水平依賴信號(BOLD)采集使用德國西門子公司的3-Tesla MR．志愿者佩戴耳塞，頭周圍放置氣墊防止頭動．采用梯度回波平面成像(EPI)采集功能像，各項參數(shù) TR＝2,000,ms，TE＝30,ms，F(xiàn)P＝90,°，30 層，層厚 4,mm，F(xiàn)OV＝384×384，采集2段，每段240個TR．志愿者通過一副 LED眼鏡接收光刺激，在整個實驗過程中，志愿者佩戴內(nèi)側(cè)裝有高亮度紅、綠 2種顏色的LED燈的眼鏡，身體放松．在測試期間，志愿者保持雙眼閉合．?dāng)?shù)據(jù)預(yù)處理采用SPM8軟件對fMRI數(shù)據(jù)進行預(yù)處理[16]．每個被試的fMRI數(shù)據(jù)首先進行時間校正，與第 1個體對齊，而后進行頭動校正，以保證每個研究對象的頭部平動在1,mm以下及轉(zhuǎn)動在1°以下，然后將校正后的圖像配準(zhǔn)到 SPM8自帶的MNI(montreal neurological institute)，并重新采樣每個體素為 2,mm×2,mm×2,mm．用高通濾波器(截止頻率為 1/128,Hz)除低頻漂移及呼吸、心跳等高頻噪聲對結(jié)果的影響[16]．

2 數(shù)據(jù)分析方法

2.1 腦電信號分析

2.1.1 腦電信號處理

選用中心頻率為 1,Hz，帶寬系數(shù)為 2的 Morlet小波對光刺激 EEG信號進行二進離散小波變換(刺激30,s與靜息30,s交替)，將其分解成不同尺度下的各個分量[17-18]，得到小波系數(shù) Cj( k)．經(jīng)過小波分解后，其小波分解尺度(采用頻率為 250,Hz)與腦電節(jié)律的對應(yīng)關(guān)系見表1．

表1 腦電信號小波分解的各尺度對應(yīng)的頻率范圍Tab.1 Frequency ranges of wavelet coefficients in different resolutions for EEG

利用各個尺度的小波系數(shù)能夠直接估計出不同尺度下的功率．不同分辨率 j = 0 ,1,2,… ,N 的細(xì)節(jié)信號功率為因此，不同頻率段的信號功率成分為

2.1.2 EEG結(jié)果

利用式(3)，分別計算31個通道的腦電信號θ波的功率(PE)，發(fā)現(xiàn)腦電信號部分位置的θ波功率高于靜息時的功率，經(jīng) T-檢驗( 0.05p＜ )發(fā)現(xiàn)θ波在枕部(O2)、頂部(P4)、中央(C3)和顳部(T6)等區(qū)域均有較明顯的增強，具體位置詳細(xì)參考見圖2．

圖2 光刺激與休息的腦電信號θ波功率比較Fig.2 Power change of EEGθrhythm during photic stimulation and during rest

圖 2是從腦電信號絕對功率變化分析光驅(qū)動腦電信號功率的變化，對于腦電信號而言，腦電信號相對功率成分變化往往與人的精神狀態(tài)有密切的關(guān)系．為了比較光刺激條件下θ波相對的功率成分變化，使用式(3)計算31個通道的腦電信號θ波功率成分，為了更直觀地觀察刺激與休息時低頻率腦電信號θ波功率成分的變化，應(yīng)用刺激與靜息時的8個志愿者的48次實驗的平均功率成分相對差值繪制腦電地形圖．從腦電地形圖(圖 3)可以發(fā)現(xiàn)在枕部(O2)、中央額(FC2)、前額(F8)、頂部(P4)和顳部(T6)等部位光刺激時的θ波功率明顯高于休息時的功率．

圖3 光刺激與休息時的腦電信號θ功率能量成分相對差值的地形圖分布Fig.3 Relative difference distribution of EEG θ power during photic stimulation and during rest in topographic map

2.1.3 個體化差異性分析

由于不同志愿者對光刺激響應(yīng)存在個體化差異，以枕部(O2)為例將各志愿者的腦電信號θ波功率進行個體化分析，表 2中數(shù)據(jù)為θ波功率平均值，經(jīng)小波分解得到的θ波段，從結(jié)果發(fā)現(xiàn)，不同志愿者的平均功率相差非常大，數(shù)據(jù)相差有十幾倍，刺激和靜息有明顯的規(guī)律，表2中只有C6號結(jié)果相反，也就是說大約實驗結(jié)果的1/8(12.5%)θ波段減小，大部分變大，刺激和靜息的數(shù)據(jù)變化范圍很大，最小的減小0.5%，最大的減小96%，刺激與靜息相比平均減小23%．表明個體差異性相關(guān)度較低，有明顯的變化規(guī)律．

表2 志愿者腦電信號θ波平均功率Tab.2 Average powers of θwave of EEG

2.2 功能磁共振處理

2.2.1 激活區(qū)檢測與GLM算法

fMRI的腦激活區(qū)檢測是對數(shù)據(jù)相關(guān)聯(lián)的模型或基于數(shù)據(jù)的分析，找到相應(yīng)的某種刺激狀態(tài)的腦激活源．通常的方法是采用線性模型(general linear model，GLM)法[19]，其基本理論的表達式為

式中：Y為K個像素在N個時間序列點上的信號值；X為對應(yīng)L種狀態(tài)下的基函數(shù)矩陣(設(shè)計矩陣)；β為L種狀態(tài)分別對應(yīng)K個像素的待估計參數(shù)；ε 表示殘差．統(tǒng)計參數(shù)圖(SPM8)[19]是在已知響應(yīng)信號Y和設(shè)計矩陣X的條件下，對每個像素逐點進行參數(shù)估計，得到估計參數(shù)β和殘差ε ，最后逐點對參數(shù)進行假設(shè)檢驗，拒絕零假設(shè)的被判斷為激活點．2.2.2 功能磁共振分析結(jié)果

功能磁共振圖像數(shù)據(jù)分析采用SPM8軟件，統(tǒng)計分析使用T-檢驗，結(jié)果采用FDR校驗(P＜0.01，體素數(shù)＞10)，并將結(jié)果疊加在MNI 152,T1平均像上，最終得到被試者的腦區(qū)激活信息(圖 4)．通過 Fixed effects模型分析發(fā)現(xiàn)志愿者在枕葉(-3.42，-92.98，-4.77)、后扣帶回(-8.00，-65.72，11.17)有較明顯的正激活，在前額葉(7.97，42.21，39.63)、頂葉(-8.00，-54.36，49.87)、顳葉(-39.84，3.59，-22.98)、中腦(-3.42，-25.95，-7.04)等有明顯的負(fù)激活．為了形象地反映光刺激所誘發(fā)結(jié)果空間位置，給出了光刺激結(jié)果的立體顯示(見圖4)．

圖4 光刺激組分析結(jié)果Fig.4 Analysis results based no photic stimulation group

通過分析光刺激前后的功能磁共振掃描圖像序列，發(fā)現(xiàn)志愿者在枕葉位置有較明顯的正激活(圖4)，該激活部位與腦電信號測量得到枕部宏觀位置(圖 3)有較強的一致性．然而，后扣帶回位置的正激活，頂葉、顳葉和中腦等有明顯的負(fù)激活(圖 4)與腦電信號測量得到宏觀位置(圖 3)具有明顯的位置差異性．

3 結(jié) 語

通過腦電同步功能磁共振成像技術(shù)針對性地設(shè)計了光刺激組塊實驗方案，分別對被試者的腦電EEG和fMRI數(shù)據(jù)進行分析，得到如下結(jié)論：低頻(θ波段)調(diào)整光刺激信號使腦電信號相關(guān)位置θ波的功率明顯增加，同時腦局部區(qū)域發(fā)生同步激活(正或負(fù))，區(qū)域主要集中在枕葉、后扣帶回、中腦、顳葉等部位．

(1) 經(jīng)光刺激，相對強度增強的相關(guān)區(qū)域?qū)Ρ热缦拢?/p>

fMRI 區(qū)域、EEG 區(qū)域

枕葉(-3.42，-92.98，-4.77)、枕部(O2)

后扣帶回(-8.00，-65.72，11.17)、中前額(FC2)．

(2) 經(jīng)光刺激，相對強度減弱的相關(guān)區(qū)域?qū)Ρ热缦拢?/p>

fMRI 區(qū)域、EEG 區(qū)域

前額葉(7.97，42.21，39.63)、額部(F4，F(xiàn)p1)

頂葉(-8.00，-54.36，49.87)、頂部(P7，P8)

顳葉(-39.84，3.59，-22.98)、顳部(T4)

中腦(-3.42，-25.95，-7.04)、中央(CP2)．該結(jié)果表明腦電信號的變化可能是大腦功能區(qū)綜合作用的結(jié)果，其相關(guān)機制有待進一步證明．

致謝：感謝南京軍區(qū)南京總醫(yī)院影像科提供了磁共振成像的實驗設(shè)備并協(xié)助完成了相關(guān)實驗．

［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. 睡眠分期及低頻磁場睡眠誘導(dǎo)的研究[D]. 天津：天津大學(xué)精密儀器與光電子工程學(xué)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，王明時. P300電位中p3b成分的腦電同步功能磁共振研究[J]. 科學(xué)通報，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］ 郁洪強，趙 欣，詹啟生，等. 基于小波熵的網(wǎng)絡(luò)成癮腦電復(fù)雜性分析[J]. 天津大學(xué)學(xué)報，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］ 張曉京，包尚聯(lián). 不同持續(xù)時間的短暫視覺刺激引起的 BOLD響應(yīng)在初級皮層區(qū)的時間特性[J]. 中國醫(yī)學(xué)影像學(xué)雜志，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).