基于微狀態(tài)的靜息態(tài)腦電信號分析?

許學添蔡躍新

（1.廣東司法警官職業(yè)學院信息管理系 廣州510520）

（2.中山大學孫逸仙紀念醫(yī)院耳鼻喉科聽力學與言語研究所 廣州510120）

1 引言

隨著腦電圖（EEG）、功能性磁共振成像（fMRI）和正電子發(fā)射型計算機斷層顯像（PET）等腦成像技術(shù)的發(fā)展，逐步揭示了大腦在靜息狀態(tài)下的新陳代謝活動，這些由腦內(nèi)各區(qū)域的相互關(guān)聯(lián)、相互作用組成的網(wǎng)絡(luò)稱為靜息態(tài)網(wǎng)絡(luò)（Resting State Net?work，RSN）。研究發(fā)現(xiàn)，靜息態(tài)下的自發(fā)性腦活動是神經(jīng)活動最主要成分，占整個大腦能量的80%［1］，行為調(diào)節(jié)、認知與感知，神經(jīng)病學或精神病學的疾病都與大腦靜息態(tài)的活動有關(guān)［2~4］。對靜息態(tài)腦電信號的分析有功率譜分析［5］、全腦域同步［6~7］、功能性網(wǎng)絡(luò)連接［8］、微狀態(tài)［9~10］等多種方法。

微狀態(tài)分析方法就是一種有效的靜息態(tài)EEG分析方法，通過對多通道的靜息態(tài)EEG的計算能夠得到微狀態(tài)時間序列，該微狀態(tài)時間序列具有豐富的潛在神經(jīng)生理學的相關(guān)參數(shù)，能高度反映全大腦的時域及空間域的電活動特點，通過微狀態(tài)的切換能夠描述大腦活動的快速變化，也有學者發(fā)現(xiàn)了微狀態(tài)與自發(fā)的BOLD活動有潛在電生理聯(lián)系［9~10］。

越來越多的研究表明，在一些中樞神經(jīng)精神疾病患者（如精神分裂癥、癡呆癥、抑郁癥和驚恐障礙）的EEG微狀態(tài)變化差異顯著，中樞神經(jīng)精神疾病的EEG微狀態(tài)研究可為檢測客觀生理標志物、監(jiān)測疾病嚴重程度、治療效果評價和靶向治療設(shè)計提供新的方法［11］。耳鳴的發(fā)病率較高，成年人耳鳴患病率約為17%，而且沒有明確的病因，普遍認為耳鳴不僅由外周聽力損失引起，而且還由于大腦中樞聽覺通路中的異常神經(jīng)活動引起［12］，本文正是利用微狀態(tài)的方法來對耳鳴患者的EEG信號進行分析，旨在找出耳鳴患者與正常在EEG微狀態(tài)下的差導，為耳鳴疾病提供更多的重要電生理指標。

2 微狀態(tài)分析方法

2.1 微狀態(tài)計算

自從微狀態(tài)被提出以來，其算法經(jīng)歷了一系列的發(fā)展，有通過將EEG信息進行自適應(yīng)分割，通過地形圖的差異閾值來進行微狀態(tài)劃分［10］，也有預先設(shè)置好微狀態(tài)的數(shù)量，再通過極小化估算來將EEG信號劃分到這些微狀態(tài)［13］，隨著機器學習算法的成熟與完善，有學者通過獨立成分分析ICA方法從腦電信號中提取出微狀態(tài)［14~15］，也有通過對全腦域功率（Global Field Power，GFP）進行聚類分析，將腦電信號的微狀態(tài)分為四個類［16］。

GFP代表每個瞬間大腦上的電場強度，因此通常用于測量全局大腦對事件的反應(yīng)或表征大腦活動的快速變化，GFP曲線的峰值位置表示最強場強和最高地形信噪比的瞬間。在微觀狀態(tài)分析中，GFP曲線的局部最大值處的電場的拓撲圖被認為是EEG的離散狀態(tài)，并且信號的演變被認為是這些狀態(tài)的一系列。GFP的計算公式（1）如下，其中K為總的導聯(lián)通道數(shù)，i為第i路導聯(lián)，Vi(t)為第i路導聯(lián)的EEG信號，Vmean(t)為t時刻K路導聯(lián)信號的平均值。

本文通過GFP計算，獲取GFP峰值，再根據(jù)峰值的位置得到多通道腦電地形圖，再對得到的腦電地形圖進行歸一化處理，接著進行聚類運算，形成四類微狀態(tài)（A、B、C、D），最后對四類微狀態(tài)進行分析，得出差異參數(shù)，分析和計算過程如圖1所示。

圖1 微狀態(tài)計算過程

2.2 微狀態(tài)分析參數(shù)指標

根據(jù)2.1節(jié)所介紹的微狀態(tài)計算方法，EEG信號最終可以轉(zhuǎn)化為一組包括A，B，C，D四種微狀態(tài)的序列，如圖2所示，對該微狀態(tài)序列進行分析，可以得出平均存在時間、發(fā)生頻率、覆蓋率、振幅和轉(zhuǎn)換率等參數(shù)。在先前的研究中揭示了微狀態(tài)之間的轉(zhuǎn)換模式是非隨機的，并且轉(zhuǎn)換概率在精神分裂患者與對照組之間存在顯著性差異［17］，平均存在時間在一些精神疾病患者與對照組也存在顯著性差異［17~19］。對于這些參數(shù)的解釋如下。

1）平均存在時間（average lifespan）

平均存在時間是指四種微狀態(tài)出現(xiàn)并且保持穩(wěn)定的時間的平均長度。

2）發(fā)生頻率（occurrence frequency）

頻率是指微狀態(tài)在記錄期間內(nèi)每秒發(fā)生的平均次數(shù)。

3）覆蓋率（coverage）

覆蓋率是指每種微狀態(tài)在總的時間里所占的比例。

4）振幅（amplitude）

振幅是指微狀態(tài)時間出現(xiàn)時刻的多路通道的電極電壓平均值。

5）轉(zhuǎn)換率（transition probability）

轉(zhuǎn)換率是指各個微狀態(tài)之間的轉(zhuǎn)換概率。

3 實驗數(shù)據(jù)采集與處理

本文耳鳴患者的EEG數(shù)據(jù)來源于就診中山大學孫逸仙紀念醫(yī)院耳科門診，患者選擇的標準：1）以耳鳴為第一或唯一主訴就診，發(fā)病持續(xù)3個月以上；2）年齡18歲～60歲；3）耳鳴頻率位于125Hz～8000 Hz；4）雙耳平均純音聽閾≤40 dB。5）對照組為經(jīng)宣傳招募的志愿者，無耳鳴病史、聽力損失等問題；6）耳鳴組與對照組在年齡和性別上無顯著性差異。

腦電數(shù)據(jù)的收集采用美國EGI公司的128導腦分析儀，檢測前充分告知受試者實驗的內(nèi)容與目的，使其心情平靜，保持清醒，要求受試者頭部保持不動，目視前方，盡量少眨眼，戴好電極帽后，做好中心電極Vref與頭部中心的匹配，涂上電解質(zhì)水使得電極的阻抗小于50kΩ，總共收集5min的腦電數(shù)據(jù)。

通過Matlab和EEGLAB工具箱來進行數(shù)據(jù)預處理，在導入對照組和耳鳴組的靜息態(tài)腦電數(shù)據(jù)之后，EEGLAB對每個受試者原始數(shù)據(jù)進行預處理，具體步驟包括：1）加載與電極帽電極位置相對應(yīng)的坐標文件；2）通過凹陷濾波，去除50Hz工頻干擾；3）進行0.5Hz～80Hz的帶通濾波；4）以雙側(cè)乳突為作為重參考電極；5）去掉眼睛周邊及位于鼻根等與大腦中樞無直接相關(guān)的電極；6）將壞電極或某電極信號極不穩(wěn)定引起的大范圍飄移時段的腦電數(shù)據(jù)的數(shù)據(jù)去除，采用線性插值替換的方法對長時間漂移的信號進行插值替換；7）使用ICA算法將偽跡相關(guān)的獨立成分去除；8）如果某個電極的波幅超出75μV，則將其對應(yīng)時刻前后1s的時間段去掉。

4 微狀態(tài)分析結(jié)果

4.1 微狀態(tài)聚類結(jié)果

根據(jù)2.1所述的微狀態(tài)分析算法，對耳鳴和正常兩個組的EEG進行計算，聚類之后獲得的四類微狀態(tài)圖如圖2所示，形成四個微狀態(tài)地形圖與先前的文獻［17，20］類似，將其記為A類、B類、C類和D類微狀態(tài)。

圖2 四類微狀態(tài)圖

A類微狀態(tài)地形圖：右前-左后；B類微狀態(tài)地形圖：左前-右后；

C類微狀態(tài)地形圖：前-后；D類微狀態(tài)地形圖：前-中末。

4.2 微狀態(tài)參數(shù)分析

對耳鳴組和對照組的A、B、C、D四類微狀態(tài)的平均存在時間、發(fā)生頻率、覆蓋率、振幅進行統(tǒng)計分析，結(jié)果如表1所示，其中耳鳴組和對照組在頻率、持續(xù)時間和覆蓋率在某些狀態(tài)上具有顯著性差異：對于頻率，兩個組的A類微狀態(tài)（t=-3.0，df=29，p=0.0054）和B類微狀態(tài)（t=-3.8，df=28，p=0.0007）都具有顯著性差異；對于持續(xù)時間，兩個組的C類微狀態(tài)（t=2.43，df=20，p=0.0246）具有顯著性差異；對于覆蓋率時間，兩個組的C類微狀態(tài)（t=2.05，df=29，p=0.0493）具有顯著性差異；對于振幅，兩個組沒有明顯差異。

從表1的數(shù)據(jù)中可以看出耳鳴患者的微狀態(tài)變化頻率要高于正常人，這是由于耳鳴患者無法停止關(guān)注不相關(guān)的聲音信號，會增加對大腦對聽覺處理和注意力資源的需求［21］，因此大腦的各種微狀態(tài)以更快的頻率切換。另外，耳鳴患者的C類微狀態(tài)的持續(xù)時間和覆蓋率要比正常人減少，這與其他學者研究一致：Tomescu等發(fā)現(xiàn)了精神分裂癥患者微狀態(tài)C類的存在與幻覺呈正相關(guān)［22］；Britz等指出微狀態(tài)C類與顯著性網(wǎng)絡(luò)相關(guān)聯(lián)［20］，顯著網(wǎng)絡(luò)涉及操作、注意力、決策和記憶等，耳鳴患者的大腦是一個功能障礙的顯著網(wǎng)絡(luò)［23］，網(wǎng)絡(luò)功能障礙會破壞中樞執(zhí)行注意力網(wǎng)絡(luò)的連通性，導致認知加工的缺陷，而耳鳴患者的C類微狀態(tài)的減少正是顯著網(wǎng)絡(luò)的功能障礙的表現(xiàn)。

表1 微狀態(tài)序列各個參數(shù)的統(tǒng)計結(jié)果表

對于轉(zhuǎn)換率，我們對每一個樣本都用一個轉(zhuǎn)換率矩陣T來表示，T的元素ti，j代表了狀態(tài)i到狀態(tài)j的轉(zhuǎn)換概率，i，j∈{A，B，C，D}代表A、B、C、D四種微狀態(tài)。圖3為耳鳴組和對照組對應(yīng)的四種微狀態(tài)之間的轉(zhuǎn)換概率t檢驗結(jié)果，結(jié)果表明了在狀態(tài)A轉(zhuǎn)到狀態(tài)B（p=0.0221），狀態(tài)B轉(zhuǎn)到狀態(tài)D（p=0.0115）和狀態(tài)C轉(zhuǎn)到狀態(tài)D（p=0.0464）這三種轉(zhuǎn)換具有顯著性差異。

圖3 四種微狀態(tài)的轉(zhuǎn)換率統(tǒng)計結(jié)果圖

以上的數(shù)據(jù)結(jié)果分析表明了A、B兩種微狀態(tài)的出現(xiàn)頻率，和C類微狀態(tài)的持續(xù)時間和覆蓋率，以及某幾種微狀態(tài)間的轉(zhuǎn)換率都能作為耳鳴評估的重要參考指標。

5 結(jié)語

微狀態(tài)分析能在一定程度上彌補了EEG在識別空間分辨率和分析大規(guī)模腦網(wǎng)絡(luò)異常方面的不足，本文根據(jù)GFP曲線峰值時刻的EEG狀態(tài)進行聚類運算，獲取四類微狀態(tài)，計算平均存在時間、發(fā)生頻率、覆蓋率和振幅和轉(zhuǎn)換矩陣，并進行統(tǒng)計學分析，結(jié)果發(fā)現(xiàn)耳鳴患者和正常人的A、B兩種微狀態(tài)的出現(xiàn)頻率、C類微狀態(tài)的持續(xù)時間和覆蓋率，以及A到B、B到D、C到D微狀態(tài)間的轉(zhuǎn)換率具有顯著性差異，證明了腦電微狀態(tài)可以作為研究大規(guī)模腦網(wǎng)絡(luò)的一種有價值的方法，有助于研究耳鳴或其他神經(jīng)疾病背后的神經(jīng)生理機制。