黨鴿，石雪，蔡敏，蘇曉琳，陳思言，曾思琳，蘭小勇，付學(xué)軍，鄒良玉，郭毅

卒中后抑郁（post-stroke depression，PSD）是卒中后最常伴發(fā)的情感障礙之一，與卒中的不良預(yù)后密切相關(guān)[1]。目前PSD的診斷標(biāo)準(zhǔn)僅僅單純依賴(lài)臨床癥狀，癥狀與生物基礎(chǔ)之間映射的缺如嚴(yán)重阻礙了疾病的診療發(fā)展[2]。探索能夠解釋臨床癥狀的客觀生物標(biāo)志物將有利于促進(jìn)PSD的精確診斷并提升療效。神經(jīng)影像學(xué)的發(fā)展促使精神障礙被重新定義為神經(jīng)環(huán)路障礙，即認(rèn)為精神癥狀的發(fā)生是由于神經(jīng)網(wǎng)絡(luò)環(huán)路異常所致[3]。越來(lái)越多的研究表明PSD與卒中后腦網(wǎng)絡(luò)改變相關(guān)[4-6]，因此腦網(wǎng)絡(luò)特征也成了PSD潛在的診治生物標(biāo)志物。腦電圖是腦網(wǎng)絡(luò)研究中獨(dú)具優(yōu)勢(shì)的有效手段，其在抑郁癥的診斷、預(yù)后及療效預(yù)測(cè)中均已發(fā)揮效能，但目前在PSD研究中尚處于初始階段。本研究擬基于靜息態(tài)腦電圖（resting state electroencephalography，rsEEG）分析PSD患者的異常腦網(wǎng)絡(luò)特征，尋找PSD的客觀生物標(biāo)志物。

1 研究對(duì)象與方法

1．1 研究對(duì)象 回顧性分析2018年1月-2020年1月深圳市人民醫(yī)院神經(jīng)內(nèi)科腦電數(shù)據(jù)庫(kù)中缺血性卒中慢性期患者的病史資料。收集人口學(xué)資料、神經(jīng)功能評(píng)估量表及腦電圖數(shù)據(jù)，選取15例PSD患者為病例組，另選同期住院且既往缺血性卒中部位相同、梗死體積一致的卒中后非抑郁（post stroke nondepression，PSND）患者為對(duì)照組。采用1∶1配對(duì)的病例對(duì)照研究，比較兩組臨床資料及靜息態(tài)腦電腦網(wǎng)絡(luò)差異。

納入標(biāo)準(zhǔn)：①年齡18～75歲；②既往缺血性卒中診斷符合中華醫(yī)學(xué)會(huì)神經(jīng)病學(xué)分會(huì)制定的《中國(guó)急性缺血性腦卒中診治指南2014》診斷標(biāo)準(zhǔn)，并經(jīng)頭顱MRI檢查證實(shí)為急性缺血性卒中；③距發(fā)病時(shí)間＞1個(gè)月；④具有rsEEG數(shù)據(jù)、漢密爾頓抑郁量表（Hamilton depression scale，HAMD）24項(xiàng)、MMSE及NIHSS評(píng)分記錄，各種量表評(píng)估均在rsEEG采集前后2 d內(nèi)完成；⑤右利手。

排除標(biāo)準(zhǔn)：①卒中前有情感障礙、精神分裂癥病史；②伴有其他神經(jīng)系統(tǒng)疾?。虎踨sEEG記錄及心理量表評(píng)估時(shí)正在服用抗焦慮抑郁或苯二氮類(lèi)藥物；④?chē)?yán)重認(rèn)知功能障礙（MMSE評(píng)分＜18分）。

符合以上入排標(biāo)準(zhǔn)，符合《美國(guó)精神障礙診斷和統(tǒng)計(jì)手冊(cè)第5版》（Diagnostic and Statistical Manual-Ⅴ，DSM-Ⅴ）診斷標(biāo)準(zhǔn)且HAMD評(píng)分≥20分為PSD組；HAMD評(píng)分＜20分且缺血性卒中部位及體積與PSD組匹配者為PSND組。

1．2 方法

1．2．1 一般資料 收集兩組患者年齡、性別、病程、教育水平、HAMD、MMSE及NIHSS評(píng)分等一般臨床資料。

1．2．2 腦電采集 患者取舒適坐位，使用德國(guó)Brain Products公司的64位高密度腦電圖進(jìn)行數(shù)據(jù)采集，頭頂FCz電極作為參考，前額AFz電極作為接地。通道阻抗保持在5 kΩ以下，采樣率為5000 Hz。采集過(guò)程中控制光線(xiàn)且保持安靜，分別采集患者睜眼狀態(tài)及閉眼狀態(tài)各8 min的rsEEG數(shù)據(jù)。

1．2．3 腦電圖數(shù)據(jù)預(yù)處理 基于MATLAB軟件采用ARTIST全自動(dòng)去噪法[7]對(duì)閉眼狀態(tài)及睜眼狀態(tài)各8 min的rsEEG數(shù)據(jù)進(jìn)行預(yù)處理：去除直流電漂移，降采樣率至250 Hz，帶通濾波1～45 Hz，數(shù)據(jù)分段為2 s片段，去除壞片段，去除壞通道并插值，獨(dú)立成分分析后去除壞成分，采用平均參考。

1．2．4 腦網(wǎng)絡(luò)特征提取 rsEEG源定位：通過(guò)OpenMEEG軟件基于MNI大腦模板計(jì)算出3層（頭皮、顱骨和皮層表面）的邊界元素頭模，在皮層表面3003個(gè)頂點(diǎn)生成旋轉(zhuǎn)偶極子。通過(guò)邊界元素頭模獲得偶極子活動(dòng)的引導(dǎo)場(chǎng)矩陣，再使用最小范數(shù)估計(jì)算法估算源活動(dòng)，同時(shí)使用深度加權(quán)彌補(bǔ)表面源的內(nèi)在偏倚，采用正則化減少最小范數(shù)估計(jì)對(duì)噪音的敏感性并有效獲取空間平滑的解決方案。

計(jì)算源層面感興趣區(qū)（region of interest，ROI）之間的相干性虛部連接矩陣：基于MATLAB軟件調(diào)用Fieldtrip工具包，分別在δ（1～4 Hz）、θ（5～7 Hz）、α（8～13 Hz）、β（13～30 Hz）以及γ（31～45 Hz）頻段，通過(guò)傅里葉變換得出每對(duì)頂點(diǎn)之間相干性虛部，采用先前研究中通過(guò)獨(dú)立成分分析從fMRI得出的31個(gè)ROIs[8]，進(jìn)一步計(jì)算每對(duì)ROIs包含的頂點(diǎn)之間相干性虛部絕對(duì)值的平均以代表每對(duì)ROIs之間連接（共465對(duì)ROIs連接）。

計(jì)算源層面ROI之間的能量包絡(luò)連接矩陣：基于MATLAB軟件分別在δ、θ、α、β以及γ頻段，通過(guò)希爾伯特變換提取每個(gè)頂點(diǎn)的解析信號(hào)，再分別對(duì)每個(gè)頂點(diǎn)相對(duì)于其他頂點(diǎn)做正交化，之后計(jì)算對(duì)數(shù)轉(zhuǎn)換的正交化信號(hào)能量包絡(luò)，分別計(jì)算每對(duì)頂點(diǎn)能量包絡(luò)之間的相關(guān)性，進(jìn)一步計(jì)算每對(duì)ROIs包含的頂點(diǎn)之間相關(guān)性的平均以代表每對(duì)ROIs之間連接（共465對(duì)ROIs連接）。

1．3 統(tǒng)計(jì)學(xué)方法

1．3．1 臨床資料分析 采用SPSS 11．0軟件進(jìn)行臨床資料統(tǒng)計(jì)學(xué)分析。正態(tài)分布計(jì)量資料用表示，兩組數(shù)據(jù)間比較采用配對(duì)t檢驗(yàn)；非正態(tài)分布計(jì)量資料用中位數(shù)和四分位數(shù)表示，兩組數(shù)據(jù)間比較采用Wilconxon符合秩檢驗(yàn)；計(jì)數(shù)資料用例數(shù)和百分?jǐn)?shù)表示，組間比較采用卡方檢驗(yàn)。

1．3．2 腦電圖數(shù)據(jù)分析 基于MATLAB軟件使用基于網(wǎng)絡(luò)的統(tǒng)計(jì)方法（network-based statistics，NBS）工具包進(jìn)行兩組腦連接差異分析。NBS是一種非參數(shù)檢驗(yàn)方法，可有效地控制多重比較時(shí)的總體錯(cuò)誤率，主要步驟如下：①計(jì)算連接矩陣每個(gè)邊的t統(tǒng)計(jì)量；②應(yīng)用一個(gè)主成分形成閾值（P＜0．05，未校正）去確定連接強(qiáng)度有差異的邊；③評(píng)估閾下的邊所形成的相互連接團(tuán)簇網(wǎng)絡(luò)；④進(jìn)行5000次置換檢驗(yàn)分析③中所確定的網(wǎng)絡(luò)成分；⑤檢驗(yàn)最終的確定假設(shè)，并在簇水平進(jìn)行P＜0．05的總體錯(cuò)誤率校正。本研究進(jìn)一步計(jì)算了每個(gè)節(jié)點(diǎn)的存活邊數(shù)之和。

2 結(jié)果

2．1 兩組臨床資料比較 共納入符合入排標(biāo)準(zhǔn)的腦梗死慢性期患者30例，年齡44～75歲，平均60．6±10．6歲，男性15例，女性15例，其中PSD與PSND每組各15例。兩組年齡、性別、病程、教育程度、NIHSS與MMSE量表評(píng)分比較均無(wú)統(tǒng)計(jì)學(xué)差異；兩組HAMD量表評(píng)分比較差異有統(tǒng)計(jì)學(xué)意義（表1）。

2．2 兩組腦網(wǎng)絡(luò)比較

2．2．1 基于相干性虛部的卒中后抑郁腦網(wǎng)絡(luò)改變 在δ頻段閉眼狀態(tài)，NBS結(jié)果顯示出PSD與PSND共134對(duì)邊組成的網(wǎng)絡(luò)連接有統(tǒng)計(jì)學(xué)差異（P＜0．05），該網(wǎng)絡(luò)涉及腦區(qū)包括額葉（雙側(cè)眶額葉皮層、雙側(cè)額中回前部、雙側(cè)額中回后部、雙側(cè)額葉眼動(dòng)區(qū)、雙側(cè)輔助眼動(dòng)區(qū)、雙側(cè)內(nèi)側(cè)前額葉皮層、雙側(cè)感覺(jué)運(yùn)動(dòng)區(qū)、雙側(cè)額下聯(lián)合皮層），頂葉（雙側(cè)頂下小葉、雙側(cè)頂內(nèi)溝、雙側(cè)緣上回、雙側(cè)角回），顳葉（雙側(cè)顳中回），枕葉（雙側(cè)初級(jí)視覺(jué)皮層）及邊緣葉（島葉、前扣帶回、后扣帶回）；其中雙側(cè)頂葉各腦區(qū)NBS存活邊數(shù)之和較大；與PSND比較，PSD此網(wǎng)絡(luò)內(nèi)連接減弱（圖1）。

在θ頻段閉眼狀態(tài)，NBS結(jié)果顯示出PSD與PSND共105對(duì)邊組成的網(wǎng)絡(luò)連接有統(tǒng)計(jì)學(xué)差異（P＜0．05），該網(wǎng)絡(luò)涉及腦區(qū)包括額葉（左側(cè)眶額葉皮層、雙側(cè)額中回前部、雙側(cè)額中回后部、雙側(cè)額葉眼動(dòng)區(qū)、雙側(cè)輔助眼動(dòng)區(qū)、雙側(cè)內(nèi)側(cè)前額葉皮層、雙側(cè)感覺(jué)運(yùn)動(dòng)區(qū)、雙側(cè)額下聯(lián)合皮層），頂葉（雙側(cè)頂下小葉、雙側(cè)頂內(nèi)溝、雙側(cè)緣上回、左側(cè)角回），顳葉（雙側(cè)顳中回），枕葉（左側(cè)初級(jí)視覺(jué)皮層）以及邊緣葉（島葉、前扣帶回、后扣帶回）；其中以左側(cè)額頂顳枕、邊緣葉及右側(cè)額葉各腦區(qū)NBS存活邊數(shù)之和較大；與PSND比較，PSD此網(wǎng)絡(luò)內(nèi)連接減弱（圖2）。

表1. 兩組患者一般資料比較

圖1 源層面閉眼狀態(tài)δ頻段相干性虛部連接矩陣及基于網(wǎng)絡(luò)的統(tǒng)計(jì)方法結(jié)果

在γ頻段閉眼狀態(tài)，NBS結(jié)果顯示出PSD與PSND共85對(duì)邊組成網(wǎng)絡(luò)的連接有統(tǒng)計(jì)學(xué)差異（P＜0．05），該網(wǎng)絡(luò)涉及腦區(qū)包括額葉（左側(cè)眶額葉皮層、雙側(cè)額中回前部、雙側(cè)額中回后部、雙側(cè)前額葉眼動(dòng)區(qū)、雙側(cè)輔助眼動(dòng)區(qū)、雙側(cè)內(nèi)側(cè)前額葉皮層、雙側(cè)感覺(jué)運(yùn)動(dòng)區(qū)、雙側(cè)額下聯(lián)合皮層），頂葉（雙側(cè)頂下小葉、右側(cè)頂內(nèi)溝、雙側(cè)緣上回、右側(cè)角回），顳葉（雙側(cè)顳中回），枕葉（左側(cè)初級(jí)視覺(jué)皮層）以及邊緣葉（島葉、前扣帶回、后扣帶回）；其中以左側(cè)額葉、邊緣葉及右側(cè)頂葉各腦區(qū)NBS存活邊數(shù)之和較大；與PSND比較，PSD此網(wǎng)絡(luò)內(nèi)連接增強(qiáng)（圖3）。

NBS在α及β頻段未顯示兩組間基于相干性虛部的腦網(wǎng)絡(luò)差異（P＞0．05）。

西班牙科爾多瓦農(nóng)業(yè)可持續(xù)發(fā)展研究所的研究人員針對(duì)蓬勃發(fā)展的無(wú)麩小麥?zhǔn)袌?chǎng)需求推出了低筋小麥品種；賓夕法尼亞州立大學(xué)開(kāi)發(fā)出不會(huì)變褐色的蘑菇；冷泉港實(shí)驗(yàn)室則開(kāi)發(fā)出適合生長(zhǎng)季較短的西紅柿品種。與此同時(shí)，全美國(guó)的大學(xué)都在轟轟烈烈地開(kāi)展能夠抵御干旱、疾病和氣候變化的農(nóng)作物研究。

2．2．2 基于能量包絡(luò)的卒中后抑郁腦網(wǎng)絡(luò)改變

在α頻段閉眼狀態(tài)，NBS結(jié)果顯示出PSD與PSND共116對(duì)邊組成網(wǎng)絡(luò)的連接有統(tǒng)計(jì)學(xué)差異（P＜0．05），該網(wǎng)絡(luò)涉及腦區(qū)包括額葉（雙側(cè)眶額葉皮層、雙側(cè)額中回前部、右側(cè)額中回后部、左側(cè)前額葉眼動(dòng)區(qū)、雙側(cè)輔助眼動(dòng)區(qū)、雙側(cè)內(nèi)側(cè)前額葉皮層、雙側(cè)感覺(jué)運(yùn)動(dòng)區(qū)、右側(cè)額下回交界），頂葉（雙側(cè)頂下小葉、雙側(cè)頂內(nèi)溝、雙側(cè)緣上回、雙側(cè)角回），顳葉（雙側(cè)顳中回），枕葉（雙側(cè)初級(jí)視覺(jué)皮層）以及邊緣葉（島葉、前扣帶回、后扣帶回）；其中以雙側(cè)頂枕葉各腦區(qū)NBS存活邊數(shù)之和較大；與PSND比較，PSD此網(wǎng)絡(luò)內(nèi)連接增強(qiáng)（圖4）。

NBS在δ、θ、γ及β頻段未顯示兩組間基于能量包絡(luò)的腦網(wǎng)絡(luò)差異（P＞0．05）。

3 討論

本研究采用配對(duì)設(shè)計(jì)將研究對(duì)象分為PSD與PSND兩組，分別基于相干性虛部與能量包絡(luò)在皮層源層面建立腦功能連接矩陣，通過(guò)NBS分析兩組腦網(wǎng)絡(luò)之間的差異，結(jié)果顯示：與PSND比較，PSD患者①基于相干性虛部的腦網(wǎng)絡(luò)連接在δ頻段減弱，該網(wǎng)絡(luò)涉及額頂枕顳及邊緣葉，其中以雙側(cè)頂葉腦區(qū)與其他腦區(qū)連接減弱更顯著；θ頻段減弱，該網(wǎng)絡(luò)涉及額頂枕顳及邊緣葉，其中以左側(cè)額頂顳枕、邊緣葉及右側(cè)額葉腦區(qū)與其他腦區(qū)連接減弱更顯著；γ頻段增強(qiáng)，該網(wǎng)絡(luò)涉及額頂枕顳及邊緣葉，其中以左側(cè)額葉、邊緣葉及右側(cè)頂葉腦區(qū)與其他腦區(qū)連接增強(qiáng)更顯著。②基于能量包絡(luò)的腦網(wǎng)絡(luò)連接在α頻段增強(qiáng)，該網(wǎng)絡(luò)涉及額頂枕顳及邊緣葉，以雙側(cè)頂枕葉腦區(qū)與其他腦區(qū)連接增強(qiáng)更顯著。

圖2 源層面閉眼狀態(tài)θ頻段相干性虛部連接矩陣及基于網(wǎng)絡(luò)的統(tǒng)計(jì)方法結(jié)果

圖3 源層面閉眼狀態(tài)γ頻段相干性虛部連接矩陣及基于網(wǎng)絡(luò)的統(tǒng)計(jì)方法結(jié)果

網(wǎng)絡(luò)是分析理解腦功能重要概念范式之一[9]。在腦網(wǎng)絡(luò)分析中，腦被模擬成一系列節(jié)點(diǎn)和邊。大尺度腦功能網(wǎng)絡(luò)分析中一般將不同腦區(qū)定義為節(jié)點(diǎn)，腦區(qū)與腦區(qū)之間的功能連接定義為邊。功能連接是對(duì)不同腦區(qū)神經(jīng)活動(dòng)相互作用的估計(jì)。目前最常用于分析腦功能連接的手段主要包括fMRI及EEG。基于種子點(diǎn)方法是fMRI常用的分析腦連接方法之一，采用該方法的研究結(jié)果顯示：PSD患者后扣帶回與右側(cè)顳下回、右側(cè)楔前葉、左側(cè)頂下回連接增強(qiáng)，左側(cè)楔前葉、左側(cè)額上回背外側(cè)連接減弱；前扣帶回與左側(cè)顳下回、左側(cè)額下回眶部及右側(cè)額下回三角部連接增強(qiáng)；前額葉背外側(cè)與右側(cè)額下回三角部連接增強(qiáng)，與左側(cè)顳中回、左側(cè)角回、右側(cè)額上回中部及右側(cè)緣上回連接減弱[4-5，10]。病灶-網(wǎng)絡(luò)映射（lesion network mapping，LNM）是一種通過(guò)分析局灶性腦損傷后腦網(wǎng)絡(luò)改變與臨床癥狀關(guān)系的新興方法，這種方法基于數(shù)千例正常人fMRI數(shù)據(jù)先創(chuàng)建一個(gè)腦連接圖譜，進(jìn)而通過(guò)這個(gè)圖譜將有共同臨床表現(xiàn)的不同病灶位置聯(lián)系在同一個(gè)腦網(wǎng)絡(luò)[11]。一項(xiàng)納入了5個(gè)獨(dú)立局灶腦損傷相關(guān)抑郁的數(shù)據(jù)集的研究通過(guò)LNM分析結(jié)果顯示，與抑郁相關(guān)的腦區(qū)廣泛分布于大腦皮層[6]。與上述fMRI研究結(jié)果一致，本研究中EEG腦網(wǎng)絡(luò)分析揭示了與PSD相關(guān)的異常腦網(wǎng)絡(luò)涉及額、頂、顳、枕及邊緣葉的多個(gè)腦區(qū)，進(jìn)一步提示PSD的全腦功能連接障礙。

節(jié)律是腦功能研究的另一重要概念，也是EEG分析的主要內(nèi)容之一。節(jié)律性的神經(jīng)電活動(dòng)，也被稱(chēng)為神經(jīng)振蕩，是大腦功能實(shí)現(xiàn)的重要基礎(chǔ)。在群體神經(jīng)元水平，大量神經(jīng)元的同步活動(dòng)可以引起宏觀水平的神經(jīng)振蕩，這種振蕩活動(dòng)可以通過(guò)EEG記錄得到。既往的PSD相關(guān)EEG研究多注重不同頻段能量的改變，發(fā)現(xiàn)PSD患者β2頻段額葉及中央?yún)^(qū)能量增加，θ和α頻段枕葉及顳葉能量增加，α與β頻段額葉EEG能量不對(duì)稱(chēng)性等[12]。目前關(guān)于PSD相關(guān)EEG腦網(wǎng)絡(luò)改變研究數(shù)量較少。一項(xiàng)基于相干性的研究發(fā)現(xiàn)，α頻段雙側(cè)額葉及中央?yún)^(qū)的功能連接與PSD的嚴(yán)重程度相關(guān)[13]。另一項(xiàng)基于互信息聯(lián)合圖論分析研究顯示PSD患者全頻段雙側(cè)半球連接以及聚類(lèi)系數(shù)明顯降低[14]。本研究分別基于相干性虛部及能量包絡(luò)在不同頻段進(jìn)行腦網(wǎng)絡(luò)分析，結(jié)果發(fā)現(xiàn)PSD患者在δ、θ、α及γ頻段均有腦網(wǎng)絡(luò)異常改變。不同頻段EEG攜帶信息不同，早期研究多注重不同頻段EEG能量的生物機(jī)制及其與情感障礙的關(guān)系[15]，而不同頻段腦連接特征所蘊(yùn)含意義尚有待進(jìn)一步深入探索。

圖4 源層面閉眼狀態(tài)α頻段相干性虛部連接矩陣及基于網(wǎng)絡(luò)的統(tǒng)計(jì)方法結(jié)果

EEG極佳的時(shí)間分辨率使其在分析腦網(wǎng)絡(luò)中具備獨(dú)特優(yōu)勢(shì)，但是空間分辨率較低是其主要缺點(diǎn)。另外，在電極層面進(jìn)行的腦網(wǎng)絡(luò)分析常受頭顱電特征及多導(dǎo)電極所致的容積傳導(dǎo)效應(yīng)干擾，從而導(dǎo)致對(duì)腦區(qū)之間功能連接估計(jì)的準(zhǔn)確性降低[16-17]。為了解決上述問(wèn)題，科學(xué)家們不斷地開(kāi)發(fā)并優(yōu)化分析方法，其中源連接分析是近年來(lái)備受關(guān)注的方法之一。源連接分析不僅提高了腦電信號(hào)的空間分辨率，同時(shí)可減少上述容積效應(yīng)所導(dǎo)致的腦網(wǎng)絡(luò)估計(jì)偏差，分析過(guò)程主要有兩大步驟：首先通過(guò)溯源算法將頭皮電極信號(hào)轉(zhuǎn)換到皮層甚至皮層下結(jié)構(gòu)進(jìn)行信號(hào)源重建，再通過(guò)不同連接算法進(jìn)行功能連接估計(jì)[18]。腦電溯源需要個(gè)體頭皮記錄的EEG信號(hào)、電極位置以及結(jié)構(gòu)像MRI數(shù)據(jù)，通過(guò)將電極與皮層表面位置配準(zhǔn)、MRI分割、建立個(gè)體容積傳導(dǎo)頭模并基于該頭模對(duì)頭皮EEG信號(hào)逆問(wèn)題求解等過(guò)程重建EEG源信號(hào)[19-20]。腦電溯源中頭模建立以及逆問(wèn)題求解均涉及多種算法。本研究采用了邊界元素法進(jìn)行頭模建立以及加權(quán)最小范數(shù)估計(jì)法進(jìn)行逆問(wèn)題求解。一項(xiàng)癲癇源定位研究中，作者對(duì)比了邊界元素法、無(wú)限元素法以及局部球面模型定位癲癇灶的準(zhǔn)確性，發(fā)現(xiàn)三者之間無(wú)明顯差異[21]。在逆問(wèn)題求解中，一項(xiàng)基于健康人群的研究發(fā)現(xiàn)，加權(quán)最小范數(shù)估計(jì)法在源連接分析中較LORETA等算法能更好地提取腦網(wǎng)絡(luò)信息[22]。另外，結(jié)構(gòu)像MRI是頭模建立過(guò)程中重要元素之一，溯源研究中常采用個(gè)體MRI或標(biāo)準(zhǔn)MRI，一項(xiàng)抑郁癥研究顯示基于二者構(gòu)建的頭模無(wú)明顯差異[23]，但目前相關(guān)對(duì)比性研究數(shù)據(jù)較少。由于本研究為回顧性研究，難以獲取所有研究對(duì)象個(gè)體MRI，故采用了標(biāo)準(zhǔn)MRI建立頭模，但由于卒中研究中涉及局部病灶位置常不統(tǒng)一，是否個(gè)體MRI更合適于卒中相關(guān)的溯源研究尚有待進(jìn)一步探索，這也是本研究的局限性之一。

關(guān)于EEG腦連接的算法種類(lèi)多樣，不同方法檢測(cè)功能連接的敏感性不盡相同。一項(xiàng)對(duì)比性研究采用了多種不同算法分析了輕度認(rèn)知功能障礙患者與正常對(duì)照腦連接之間差異，包括相關(guān)性、相干性、相位同步、格蘭格因果、差異信息測(cè)度、隨機(jī)事件同步等，結(jié)果顯示只有格蘭格因果與隨機(jī)事件同步可對(duì)兩組進(jìn)行區(qū)別[24]。本研究采用了相干性虛部以及能量包絡(luò)兩種算法構(gòu)建腦網(wǎng)絡(luò)連接。相干性是對(duì)時(shí)域信號(hào)經(jīng)傅里葉變換后在頻域分析信號(hào)之間的相互關(guān)系，其虛部被認(rèn)為不受容積效應(yīng)干擾[25]。能量包絡(luò)是通過(guò)Hilbert變換計(jì)算每個(gè)導(dǎo)聯(lián)或電極的解析信號(hào)，再分別對(duì)每個(gè)電極或頂點(diǎn)相對(duì)于其他電極或頂點(diǎn)做正交化后提取信號(hào)之間的能量包絡(luò)，再分別計(jì)算每對(duì)頂點(diǎn)能量包絡(luò)之間的相關(guān)性[26]。從數(shù)據(jù)分析角度來(lái)講，相干性虛部很大程度上取決于不同區(qū)域中信號(hào)之間的精確相位滯后，相反，能量包絡(luò)專(zhuān)門(mén)測(cè)量緩慢波動(dòng)的能量包絡(luò)信號(hào)之間的相關(guān)性。本研究中，相干性虛部及能量包絡(luò)腦連接分析均揭示了PSD與PSND之間的腦網(wǎng)絡(luò)差異，但二者所顯示差異網(wǎng)絡(luò)涉及腦區(qū)以及頻段有所不同。

從臨床角度出發(fā)，提取疾病異常腦網(wǎng)絡(luò)特征的主要目的在于協(xié)助診療。在診斷方面，腦網(wǎng)絡(luò)相關(guān)指標(biāo)被認(rèn)為是輔助精神疾病診斷最有潛力的客觀生物標(biāo)志物[27]，但腦網(wǎng)絡(luò)分析異常復(fù)雜，如何提取最優(yōu)化指標(biāo)仍需重視。例如本研究中基于不同腦連接分析方法提取的不同頻段的腦網(wǎng)絡(luò)異常特征，究竟哪一種或者幾種聯(lián)合能更好地區(qū)別PSD與PSND患者，尚需要進(jìn)一步大樣本量研究以明確。在治療方面，腦網(wǎng)絡(luò)特征可協(xié)助治療方案的制訂，如全腦網(wǎng)絡(luò)動(dòng)力學(xué)可預(yù)測(cè)重度抑郁癥患者艾司西酞普蘭療效[28]。無(wú)創(chuàng)神經(jīng)調(diào)控，如經(jīng)顱磁刺激，是近年來(lái)被認(rèn)為在神經(jīng)精神疾病治療方面極具潛力的手段，同時(shí)基于腦網(wǎng)絡(luò)異常特征制訂神經(jīng)調(diào)控方案更是決定其未來(lái)發(fā)展的重要因素[29]。經(jīng)顱磁刺激治療參數(shù)包括刺激位點(diǎn)、刺激頻率及刺激強(qiáng)度等。傳統(tǒng)PSD治療刺激位點(diǎn)多為左側(cè)DLPFC高頻刺激或右側(cè)DLPFC低頻刺激，根據(jù)本研究結(jié)果啟示，未來(lái)能否根據(jù)PSD在不同頻段不同腦區(qū)的異常特征來(lái)制訂個(gè)體化刺激方案以提高療效是值得進(jìn)一步探索的問(wèn)題，也可能是實(shí)現(xiàn)PSD精準(zhǔn)治療的突破點(diǎn)。

總之，PSD患者腦網(wǎng)絡(luò)發(fā)生異常改變，EEG能夠非常有效地揭示這種改變。探索PSD腦網(wǎng)絡(luò)異常特征是更深入了解該疾病并開(kāi)發(fā)有效療法的關(guān)鍵步驟?？陀^的腦網(wǎng)絡(luò)生物標(biāo)志物將為PSD的發(fā)病機(jī)制提供新的見(jiàn)解，將有助于PSD的精確診斷、藥物選擇及神經(jīng)調(diào)控治療方案的優(yōu)化。

【點(diǎn)睛】本研究將靜息態(tài)腦電源連接分析用于探索卒中后抑郁腦網(wǎng)絡(luò)異常改變特征，并發(fā)現(xiàn)卒中后抑郁患者腦網(wǎng)絡(luò)異常發(fā)生在不同腦電頻段并廣泛累及全腦不同腦區(qū)。