淺論腦電溯源成像原理及兩類腦源模型

黎 峰，高軍峰*

（中南民族大學(xué)生物醫(yī)學(xué)工程學(xué)院，湖北 武漢 430074）

0 引言

腦電圖（Electroencephalography，EEG）是一種直接記錄頭皮神經(jīng)電活動(dòng)的電生理監(jiān)測(cè)方法，目前已經(jīng)被廣泛地應(yīng)用于認(rèn)知神經(jīng)科學(xué)，疾病診斷與預(yù)測(cè)等領(lǐng)域，例如對(duì)癲癇、阿茲海默癥、憂郁癥、帕金森病等疾病的診斷治療。EEG所測(cè)量的是眾多錐體細(xì)胞興奮時(shí)的突觸后電位的同步總和，但由于大腦的特殊結(jié)構(gòu)所導(dǎo)致的體積傳導(dǎo)效應(yīng)，使得這些總和電信號(hào)在通過大腦，腦脊液，顱骨及頭皮后，其空間分辨率大大降低，從而限制了EEG在腦網(wǎng)絡(luò)功能定位領(lǐng)域的進(jìn)一步分析及應(yīng)用[1]。如果直接在頭皮電極間進(jìn)行功能連接的構(gòu)建，那么該功能連接矩陣無法有效揭示大腦內(nèi)部源之間的交互作用。因此，通過對(duì)已測(cè)量的EEG信號(hào)進(jìn)行適當(dāng)?shù)乃菰刺幚聿⑻崛∠嚓P(guān)空間信息，經(jīng)處理后的EEG信號(hào)便可以為構(gòu)建皮層腦功連接能網(wǎng)絡(luò)提供豐富的空間先驗(yàn)信息，從而能幫助研究人員更深入探索大腦的認(rèn)知功能。

基于EEG信號(hào)的溯源定位算法是指根據(jù)頭皮表面所采集的電位信號(hào)進(jìn)而反向推導(dǎo)出腦內(nèi)皮層神經(jīng)活動(dòng)源的位置、方向和強(qiáng)度信息，這種反向推算的過程也被稱為腦電逆問題或腦電源重建[2]。本質(zhì)上，EEG溯源就是對(duì)腦電逆問題這一非線性優(yōu)化問題進(jìn)行求解。由于該類算法可以定位到任務(wù)相關(guān)的關(guān)鍵腦區(qū)，并且還能捕捉到皮層區(qū)域內(nèi)腦功能網(wǎng)絡(luò)動(dòng)態(tài)變化性進(jìn)而進(jìn)一步揭示認(rèn)知的神經(jīng)機(jī)制。因此，EEG溯源算法目前被廣泛應(yīng)用于研究酒精中毒，癲癇及其他神經(jīng)退行性疾病等認(rèn)知疾病中。

腦電源重建問題在其求解原理上有兩大難點(diǎn)：其一是解的非唯一性，即對(duì)于已給定的頭皮分布電信號(hào)，存在多個(gè)皮層源信號(hào)的逆解，皮層的電流分布并不能由頭皮所測(cè)得的信號(hào)唯一確定，從而導(dǎo)致定位問題在本質(zhì)上是不適定的；其二是解的不穩(wěn)定性，又稱病態(tài)特性，即模型中求解過程中額外的極小噪聲或擾動(dòng)都會(huì)引起解值分布的振蕩，并且這種病態(tài)趨勢(shì)隨解的參數(shù)量數(shù)目增加而上升，即腦電源越復(fù)雜其病態(tài)特性越嚴(yán)重。由于容積傳導(dǎo)效應(yīng)（Volume conduction effect）的存在，皮層活動(dòng)源的電信號(hào)不僅向其正上方傳導(dǎo)，也會(huì)向頭皮的其他位置傳導(dǎo)，導(dǎo)致其他位置的源活動(dòng)也包含臨近源甚至遠(yuǎn)端源的信號(hào)。因此，多導(dǎo)聯(lián)的各個(gè)電極所記錄到的電信號(hào)是不同源的不同程度的貢獻(xiàn)的綜合表征。對(duì)某一個(gè)頭皮電極來說，不同的源對(duì)其信號(hào)貢獻(xiàn)的大小取決于源與電極的距離，以及等效偶極子源（Equivalentdipolesource）的方向。總而言之，當(dāng)前的溯源算法存在上訴這些不足之處，即估計(jì)偶極子的強(qiáng)度欠定性，當(dāng)腦內(nèi)存在同步性活動(dòng)源時(shí)定位精度較差，所以當(dāng)下大部分研究是對(duì)溯源算法的持續(xù)改進(jìn)，或者通過高密度腦電圖（HighdensityEEG，HD-EEG）或結(jié)合功能性近紅外光譜技術(shù)（functional Near Infrared Spectroscopy，fNIRS），功能性磁共振成像（functional Magnetic Resonance Imaging，fMRI）等空間先驗(yàn)信息[3]，共同求解溯源問題的逆解，力求定位精度達(dá)到最優(yōu)。

1 腦電溯源分析步驟

腦電溯源定位需要以下多項(xiàng)數(shù)據(jù)才能有效進(jìn)行求解[4]。首先是經(jīng)過仔細(xì)預(yù)處理過的頭皮EEG信號(hào)。預(yù)處理步驟包括降采樣，0.01Hz～40Hz帶通濾波，ICA去除偽影等。

同時(shí)，溯源分析還需要EEG各電極位于頭皮上的三維坐標(biāo)值。當(dāng)前實(shí)驗(yàn)室大多采用Colin27等Brainstorm或FieldTrip工具包所自帶的MRI腦部模板結(jié)構(gòu)，各EEG電極在MRI結(jié)構(gòu)上的相對(duì)位置也可一一設(shè)定；但精確的溯源求解可能需要單獨(dú)針對(duì)每個(gè)被試的每次實(shí)驗(yàn)分別掃描其腦結(jié)構(gòu)。對(duì)于不同的MRI模板，分析前需要對(duì)EEG電極坐標(biāo)要進(jìn)行相應(yīng)的坐標(biāo)轉(zhuǎn)換，以滿足實(shí)際情況需求。

經(jīng)MRI坐標(biāo)配準(zhǔn)步驟之后，研究人員需要借助邊界元算法（Boundary Element Method，BEM）或有限元算法（Finite Element Method，F(xiàn)EM）并結(jié)合被試的MRI圖像結(jié)構(gòu)計(jì)算頭模型（brain model）。如此，則新建立的頭模型內(nèi)包含被試大腦內(nèi)部各腦區(qū)的解剖學(xué)和電學(xué)傳導(dǎo)特性，在進(jìn)行逆解計(jì)算時(shí)可以增加源定位結(jié)果的精確度。一旦建立了正確的頭部模型，下一步則需建立源模型（source model），也稱為引導(dǎo)矩陣。該源模型提供待估計(jì)偶極子源的位置和方向等多方面先驗(yàn)信息[5]。但是，需要明確指出的是，源模型所提供的溯源方案仍然是一個(gè)估計(jì)值。

2 等效偶極子模型

等效偶極子模型（Equivalent Dipole Model）通過將局部的源活動(dòng)等效為一個(gè)或是一群同屬性的電流偶極子，然后根據(jù)頭皮EEG電位的分布，并結(jié)合頭模型的相關(guān)先驗(yàn)數(shù)據(jù)及預(yù)設(shè)定好的容積傳導(dǎo)效應(yīng)參數(shù)值，推斷出腦電源活動(dòng)的位置及大小。

偶極子的形成源于人腦的神經(jīng)電活動(dòng)：在神經(jīng)沖動(dòng)的傳導(dǎo)過程中，兩個(gè)神經(jīng)元之間用于信息傳遞的突觸結(jié)構(gòu)聚集大量的負(fù)離子，從而在下一個(gè)神經(jīng)元的頂樹突處形成一個(gè)膜外負(fù)電位，同時(shí)在此神經(jīng)元的其他部分（細(xì)胞體與基底樹突）產(chǎn)生一個(gè)正電位區(qū)域。此時(shí)，頂樹突處與該正電位區(qū)域之間就構(gòu)成了一個(gè)微小的電流偶極子（dipole），并且該電流偶極子可以用來表征處于興奮或抑制狀態(tài)的錐體細(xì)胞。而當(dāng)位于腦皮層一個(gè)小區(qū)域內(nèi)（通常為1～2cm2）的錐體細(xì)胞群同時(shí)興奮或抑制時(shí)，也就是它們同一時(shí)刻同方向放電，那么將會(huì)在該區(qū)域形成一個(gè)平面偶極層，此時(shí)，該小塊皮層也可用一個(gè)具備大偶極矩的偶極子模型來等效替代。

3 分布式源模型

分布式源模型（DistributedSourceModels，DSM）是近些年來的一種新提出來的一種源模型[6]，通過分布在三維大腦整體結(jié)構(gòu)或二維皮層表面的大數(shù)量的電流偶極子進(jìn)行建模。目前多使用二維皮層進(jìn)行逆解運(yùn)算，在減少計(jì)算復(fù)雜度的同時(shí)，能更準(zhǔn)確的定位活動(dòng)腦源。分布式源模型原理大致如下：首先在皮層表面基于錐體細(xì)胞的形態(tài)預(yù)設(shè)出極大量的網(wǎng)格點(diǎn)，并且每個(gè)網(wǎng)格點(diǎn)中都含有一個(gè)三維矩陣表征電流強(qiáng)度的偶極子源，然后通過不斷減少最低電流密度區(qū)域的網(wǎng)格點(diǎn)的權(quán)重，來迭代尋找最高電流密度的大腦區(qū)域。該模型在實(shí)際應(yīng)用過程中，基于實(shí)際掃描得到的頭部模型創(chuàng)建源分布空間并重建大腦皮層結(jié)構(gòu)，在皮質(zhì)表面上模擬大量單位偶極子來計(jì)算逆解的源分布。理論上講，該模型的源定位算法通過調(diào)整單位偶極子的強(qiáng)度和方向使模擬源屬性與掃描源屬性保持一致，可以基于EEG數(shù)據(jù)的任一時(shí)間點(diǎn)計(jì)算源分布模式，并可以基于該分布模式創(chuàng)建腦區(qū)的動(dòng)態(tài)激活圖。因此，該類模型相較于上文提及的等效偶極子模型，其優(yōu)點(diǎn)在于無須假設(shè)偶極子數(shù)目和似然估計(jì)的參數(shù)閾值。但同時(shí)，該類算法也進(jìn)一步增加了計(jì)算難度，降低了逆向解的數(shù)據(jù)擬合性。并且，及時(shí)是不同的實(shí)驗(yàn)數(shù)據(jù)，偶極子源有可能重建生成相似的源分布圖，因此，這類模型在應(yīng)用時(shí)，常需要結(jié)合進(jìn)一步的先驗(yàn)假設(shè)信息。

4 總結(jié)與展望

腦電溯源定位問題是腦認(rèn)知科學(xué)研究和腦功能病變損傷定位研究中的一個(gè)重要問題，有利于推動(dòng)腦電磁功能技術(shù)與腦功能成像技術(shù)的結(jié)合。同時(shí)，通過結(jié)合多模態(tài)成像技術(shù)，該類技術(shù)正努力促使著神經(jīng)影像學(xué)提升腦功能成像的時(shí)空分辨率。未來，功能神經(jīng)成像技術(shù)的前沿領(lǐng)域?qū)⒕劢褂谠O(shè)計(jì)更好更優(yōu)異的源成像算法及將 EEG/MEG等與其他神經(jīng)成像技術(shù)相結(jié)合方面的研究[7]。