頭皮腦電圖的溯源可能性

• 頭皮和皮層腦電圖對腦深部活動的定位
• 頭皮腦電圖可以快速定位神經沉默
• 感想

節選了兩篇近年關于sEEG溯源可能性描述的文章，一篇從sEEG與ECoG對比的角度入手，一篇開發了新的算法針對于特定電生理信號。

頭皮和皮層腦電圖對腦深部活動的定位

Fahimi Hnazaee, M., Wittevrongel, B., Khachatryan, E., Libert, A., Carrette, E., Dauwe, I., Meurs, A., Boon, P., van Roost, D., & van Hulle, M. M. (2020). Localization of deep brain activity with scalp and subdural eeg. NeuroImage, 223, 117344. https://doi.org/10.1016/j.neuroimage.2020.117344

背景：與sEEG相比，ECoG的空間分辨率和信噪比更高，但其空間覆蓋范圍更有限，可以說有效測量的組織活動量也受限。而sEEG研究提供了用高密度設置定位深層來源（如海馬體）活動的證據。

研究目的：檢驗皮層腦電圖（ECoG）和頭皮腦電圖（sEEG）在定位深層大腦活動來源的能力。

研究設計：記錄了4名癲癇患者的多模態數據集（安靜的清醒狀態）。同時記錄sEEG、ECoG、LFP（depth EEG）（海馬或腦島），用ICA分離θ、α和β頻段活動的獨立來源。

研究結果：

在所有病人中，sEEG和ECoG成分與深度電極的一個或多個觸點有明顯的零滯后相關性。隨后對相關成分的偶極子建模顯示，與非相關成分的偶極子位置相比，偶極子位置明顯更接近深度電極。

ECOG 定位的信號源比sEEG定位的信號源離深度電極近70%，絕對值提高了約2厘米。

2的可能原因：ECoG電極本身被植入到離深度電極很近的地方；ECoG電極嵌入了電隔離的硅片，衰減了sEEG信號。

結論：兩種腦電圖發現的成分都來自于靠近深度電極的神經活動。sEEG 深度源定位精度與ECoG相當。

本文是第一個同時記錄海馬、腦島的sEEG、ECoG和深度電極的數據集的研究，重點是非癇樣活動（安靜的清醒狀態）。第一個比較了從皮質表面測量的侵入性和非侵入性大腦活動的深層皮質結構的源定位，并給出了實驗結果。

pipeline：

統計分析前步驟：

電極定位：

MRI（MRI segmentation結果用于偶極子建模的頭模）：

• Freesurfer 6.0（cortical reconstruction and volumetric segmentation）
• Brainstorm（The Freesurfer output and MRI scan loaded to）
• SPM12 （co-registered with the post-implantation CT scan）

ECoG、depth EEG 電極坐標 ——visual inspection and mapped onto the cortical surface to account for possible post-implantation tissue shifting.

預處理：
剔除：
癲癇專家標記不良通道和異常活動的時間窗（發作間歇或發作活動和異常放緩）——這些電極和時間窗被排除
Brainstorm：深度電極的解剖位置，電極在深層結構外時被排除
FieldTrip：manual reject 排除噪音電極

濾波：1-60 Hz
重設參考：common average reference (CAR) per acquisition modality；深度電極重設參考為雙極記錄（bipolar，對體積傳導不敏感，允許對瞬態活動做更精確定位）
分段：overlapping time windows (epochs), shifted by 2sec.

ICA及相關：FieldTrip—Icasso包（FastICA，100次迭代）
不同頻段濾波：two-pass Butterworth filter ——theta (4-8 Hz), alpha (8-12 Hz), and beta (12-28 Hz)

偶極子建模（Dipole modeling）

統計分析（不懂，直接看結果）

結果：

Activity from deep sources contribute to ECoG and EEG signals
sEEG和ECoG 各頻段的相關見上圖和上表

Sources are more accurately localized from subdural than from scalp electrodes（見下表下圖）

頭皮腦電圖可以快速定位神經沉默

Chamanzar, A., Behrmann, M., & Grover, P. (2021). Neural silences can be localized rapidly using noninvasive scalp eeg. Communications Biology, 4(1), 429. https://doi.org/10.1038/s42003-021-01768-0

本文提出新算法：SilenceMap，利用無創頭皮腦電圖（sEEG）信號發現電生理信號的缺失，或神經沉默（neural silences）。

通過考慮不同信號源對記錄信號功率的貢獻，并使用半球基線方法（hemispheric baseline approach ）和凸譜聚類框架（convex spectral clustering framework），SilenceMap允許使用相對少量的EEG數據快速檢測和定位大腦中的沉默區域。

SilenceMap在估計三個小兒皮層切除患者的 center-of-mass of the silence方 上遠超現有的源定位算法：使用不到3分鐘的EEG記錄（13, 2, and 11mm vs. 25, 62, and 53?mm），以及基于真實人類頭部模型的100個不同模擬沉默區域（12?±?0.7?mm vs. 54?±?2.2?mm）。

SilenceMap為實現無障礙的早期診斷和持續監測人類皮質功能的改變的生理特性鋪平了道路。

SilenceMap with baseline algorithm overview：

感想

現在大家普遍都認為sEEG的溯源能力是不可靠的，只有通過MEG、fMRI、侵入式記錄等手段才能達到較為精確的結果。但是這兩篇文章通過真實的記錄和計算證明了sEEG溯源的可能性。這可以減少很多研究和臨床跟蹤的成本，也可以作為大的研究項目的先行研究，為之后的研究打下基礎。

不過sEEG本身對信號的收集還是存在著通過算法無法克服的局限性，比如電信號的衰減、電極點位置等等，上面兩篇結果的可推廣性還是需要因時制宜。

總結

以上是生活随笔為你收集整理的文献阅读 Day9的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。