基于相位幅度耦合的酒精依賴患者ERP腦網絡分析

劉興平 王索剛

1(重慶大學附屬三峽醫院介入放射診療科，重慶 404000)

2(天津醫科大學生物醫學工程與技術學院，天津 300070)

引言

酒精依賴是一種嚴重的精神活性物質濫用障礙，全球每年大約有330 萬人死于酗酒，約占全世界每年死亡人數的5.9%[1]。 長期的酒精依賴會對大腦造成損傷，影響大腦的執行控制和工作記憶等功能[2]。 酒精依賴極易引發過度吸煙、藥物濫用、暴飲暴食等危險行為，尤其是酒后駕駛極大地增加交通事故傾向，容易造成嚴重的社會影響[3]。 工作記憶是人腦的高級認知功能之一，研究酒精依賴患者的工作記憶任務中的腦電特征，有助于深入了解酒精依賴影響腦功能的潛在機制[4]。

網絡神經科學認為，正常大腦是一個復雜且高效的網絡，各解剖結構間的高效協作是大腦進行信息處理的工作基礎[5]。 在網絡分析中，以大腦解剖學部位為網絡節點，根據不同節點間的相互作用強度可構建腦網絡，并常結合圖論進行分析。 基于正電子斷層掃描、功能磁共振等技術的結構和功能腦網絡研究表明，酒精依賴對于大腦的網絡連接有負面影響[6]。 例如，靜息態功能磁共振研究表明，慢性飲酒影響大腦的連通性，特別是在左側執行控制網絡[7]。 但是，這些技術采集的信息時間分辨率較低，不能及時反映高速運轉的大腦神經動態，而高時間分辨率的事件相關電位(event-related potential，ERP)可及時反映大腦在特定刺激下的神經電生理過程，有助于幫助診斷一些臨床特征不明顯的疾病，適合于觀察酒精依賴患者的腦部活動[8]。 例如，在長期飲酒的青少年的ERP 研究中，發現他們存在與正常青少年不一致的大腦連接和皮質興奮性變化[9]。 目前，關于酒精依賴患者的ERP 腦網絡研究不多，有必要進一步研究，以探討酒精依賴患者的ERP 腦網絡特征。

在腦網絡研究中，常通過不同腦區相同節律信號間的相關性、相干性、似然同步性、偏定向相干性等方法，構建特定節律的結構、功能或因果腦網絡[6，10]。 近些年交叉節律間的相互關系也得到了廣泛關注，因為在腦電中不同節律的神經信息代表著不同信息，通常認為低頻信號與大范圍腦區間的信息傳遞有關，而高頻信息與局部腦區的信息處理有關，不同腦區間的交叉節律耦合是大腦信息傳遞和整合的基礎[11]。 相位幅度耦合(phase-amplitude coupling，PAC)是低頻信號對高頻信號進行耦合，會使高頻信號幅度在低頻信號的相位中分布不均，是被廣泛研究的交叉節律耦合類型。 在癲癇、精神分裂癥、注意力缺陷多動障礙等多種疾病中，都觀察到PAC 的異常變化[11]。 有研究表明，靜息態腦電的PAC 可以作為研究酒精依賴的一個定量腦電圖指標[12]。 但是，尚未基于PAC 的酒精依賴患者ERP 的腦網絡研究。

本研究以開源的酒精依賴患者和健康正常人的ERP 腦電為研究對象，構建交叉導聯間的thetagamma、alpha-gamma 耦 合(theta-gamma coupling，TGC；alpha-gamma coupling，AGC)因果網絡。 通過進行特定網絡密度下的網絡圖論分析，觀察酒精依賴患者與正常人工作記憶中的因果腦網絡差異；結合常用頻域能量指標，促進對酒精依賴患者ERP 的腦網絡特征認識。

1 材料與方法

1.1 數據來源與預處理

ERP 數據來自于美國紐約州立大學提供的開源腦電[13]。 該數據集包含了48 例健康成年人[年齡為(25.81±3.38)歲]和77 例酒精依賴患者[年齡為(35.83±5.33)歲]的61 導聯頭皮腦電，電極放置使用國際10－20 系統，采樣頻率256 Hz，電極阻抗小于5 kΩ。 參考電極為鼻尖電極，同時記錄水平和垂直眼電。 導聯電極位置、編號及腦區分布的圖1所示，腦區根據文獻[14]分為6 個。 本研究對原始的導聯編號進行了重新排列，以使位于相同腦區的導聯編號連續。 ERP 使用延遲樣本匹配范式(delayed matching-to-sample，DMS)觸發:第1 張圖片呈現1.6 s 后，顯示屏黑屏0.3 s；繼而呈現第2 張圖片1.6 s，受試者需要對第2 張圖片是否與第1 張圖片相同做出判斷，并在第2 張圖片出現時記錄時長1 s 的事件相關電位，每個范式間的休息時間為3.2 s。

圖1 電極位置、編號以及腦區分布(①～⑥分別表示額、中央、左顳、頂、右顳、枕區)Fig.1 Electrodes location， numbering and lobes distribution (①～ ⑥represent the lobe of frontal，central， left temporal， parietal， right temporal and occipital， respectively)

該數據集中包含了健康人和酒精依賴患者在靶刺激(前后兩張圖片相同)、非靶刺激(前后兩張照片不同)兩種刺激下的數據，其平均ERP 響應如圖2 所示。 在剔除異常較大、有數據缺損的數據后，本研究共計納入酒精依賴組76 例、健康對照組45例。 使用EEGLAB 工具箱[15]去除50 Hz 工頻干擾、肌電、眼電、基線漂移等偽跡，分別對每個受試者同類型的ERP 數據進行疊加平均，以提高信噪比。

圖2 疊加平均事件相關電位。 (a) 健康對照組非靶刺激；(b) 酒精依賴組非靶刺激；(c) 健康對照組靶刺激；(d) 酒精依賴組靶刺激Fig.2 Superposition averaging event-related potentials.(a) Non-target stimulation in healthy control group；(b) Non-target stimulation in alcohol-dependent group；(c) Target stimulation in healthy control group； (d)Target stimulation in alcohol-dependent group

1.2 相位幅度耦合強度計算

首先對每個導聯所獲取的信號進行無相移帶通濾波(eegfilt.m)，提取theta(4～8 Hz)、alpha(8～12 Hz)、gamma(30～60 Hz)節律信號。 Berman 等的研究表明，在對幅度信號進行濾波時，其帶寬需要使用至少2 倍低頻信號高截止頻率，以降低檢測PAC 的假陰性率[16]。 本研究的gamma 節律帶寬范圍滿足該要求。 對經過帶通濾波后的信號，使用希爾伯特變換(hilbert.m)，提取theta、alpha 節律的瞬時相位信息和gamma 節律的瞬時幅度信息，以此計算所有導聯對的TGC、AGC 強度。

TGC、AGC 強度計算使用Tort 等從信息學角度提出的PAC 計算方法——調制指數(modulation index，MI)[17]。 以所有導聯對間的AGC 強度為例，其計算過程如下:

1)將相位導聯的alpha 節律相位([－π， π])均分成Nb等分段。Nb一般為不小于18 的360 的約數，如18、36、72 等，本研究取Nb＝36。

2)計算每個相位段對應的幅度導聯gamma 節律的平均幅度。

3)對每一相位段的平均幅度進行歸一化，有

式中，n(n＝1， 2， …，Nb)為相位段，Aγ(n)為相位導聯alpha 節律相位第n段對應的幅度導聯gamma節律的平均幅度值，PA(n)為對應歸一化幅度。

4)計算相位幅度分布的Shannon 熵，有

5)MI 為相位幅度分布的歸一化Shannon 熵，有

式中，ln(Nb)為最大可能熵，只有當gamma 節律幅度在alpha 節律相位各段中呈現均勻分布時才可能出現。 但是，在復雜的神經電活動中，這種理想化的情況并不存在。 此時，MI 值即為兩個導聯間的AGC 強度值。

對于61 導聯的ERP，將導聯分別作為相位導聯、幅度導聯，計算任意兩個導聯之間的AGC 強度值，組成61×61 大小的因果連接矩陣，并以矩陣AGC 表示，有

式中，MIi，j表示導聯i的alpha 節律相位對導聯j的gamma 節律幅度的耦合強度值。

同理，導聯對間的TGC 強度值可組成因果連接矩陣TGC。

1.3 腦網絡圖論分析

根據圖論，將61 個導聯視為腦網絡中的節點，以所有導聯對間的耦合強度作為腦網絡各節點間連接的邊，并設置相同導聯的耦合強度值為0；對于每位受試者的ERP 數據，均可由連接矩陣TGC、AGC 構建大小為61×61 的有向權重因果網絡。 本研究將計算特征路徑長度、平均聚類系數、全局效率、平均局部效率、傳遞性、直徑等6 個腦網絡參數，以探討不同受試、不同工作記憶刺激狀態下的因果腦網絡差異。

特征路徑長度是所有節點間最短路徑長度的平均值，是衡量網絡整合的網絡指標；其值越高，網絡功能的整合程度越低。 全局效率是最短路徑長度倒數的平均值，與特征路徑長度呈負相關的關系。 平均局部效率是基于節點鄰域計算的全局效率，是每個節點局部效率的平均值。 平均聚類系數反映了節點與相鄰節點的聯系緊密程度，是衡量網絡分離程度的一個指標，決定了局部信息處理的能力；其值越高，網絡功能分離能力越強；因其對每個節點進行了歸一化，因此可能會受到低度節點的不均衡影響。 傳遞性是平均聚類系數的一個經典轉換形式，不受節點度不均衡的影響。 網絡直徑是網絡中所有節點間的最長距離，用來衡量網絡大??；其值越低，信息傳輸越快。

在網絡圖論分析研究中，一般要求網絡中所有節點的平均度大于2lnNo≈8.223(No＝61，為網絡節點數)，并且網絡密度小于0.5，這樣可以使網絡具有比較好的拓撲特性，因為過高的閾值會導致網絡過于稀疏，而過低的閾值會導致網絡過于稠密[18]。本研究根據以上兩個條件，選取網絡密度為0.3 時的閾值化網絡來計算網絡參數，以保證所有受試者的閾值化TGC、AGC 網絡具有同樣的連接數目，從而使閾值化網絡能夠充分反映同樣的連接數目下個體間的網絡拓撲組織特性差異，而不是由網絡連接強度所引起的網絡特性差異。 本研究的有向權重網絡圖論指標使用BCT 工具箱進行計算[19]。

1.4 頻域能量指標

通過對腦電進行5 層小波包分解(小波基函數為db5)，計算theta、alpha、beta(12～28 Hz)節律的絕對能量。 此外，本研究還計算了gamma 節律的絕對能量。 吳紹斌等提出可以反映個體疲勞程度的疲勞因子R[20]，R值越大，疲勞程度越強，其計算如下。

式中，Eθ、Eα、Eβ分別為theta、alpha、beta 節律的絕對能量。

1.5 統計學分析

統計學分析在SPSS 24.0 中進行。 Shapiro-Wilk檢驗結果顯示，數據不滿足正態性，數據以四分位數表示50%(25%， 75%)。 兩組間相同或不同刺激條件下的數據差異檢驗使用非參數Mann-Whitney U檢驗，同組不同刺激條件下的數據差異使用Wilcoxon 符號秩檢驗。 所有導聯對的耦合強度值及各節律能量參數的多重比較結果，使用0.05 的偽發現率(false discovery rate，FDR)進行校正。 顯著性水平設為0.05。

2 結果

2.1 相位幅度耦合分析

對健康對照組和酒精依賴組導聯對的TGC、AGC 強度進行比較(組內靶刺激與非靶刺激比較，組間靶刺激及組間非靶刺激比較)，結果顯示:僅在非靶刺激下，健康對照組與酒精依賴組的TGC、AGC強度存在具有顯著差異的導聯對(TGC 中占比15.29%，AGC 中占比1.29%，FDR 校正均P<0.05，見圖3)，而其他的耦合強度比較則導聯對耦合強度差異無統計學意義(FDR 校正均P>0.05)。 圖3(a)、(b)中的黑色線對應圖1 中的腦區劃分，圖3(a)中的數據使用兩組內平均值的差值(健康對照組－酒精依賴組)進行表示，圖3(b)為檢驗結果統計量Z值。 圖3(c)為兩組間差異具有統計學意義的導聯對分布情況(FDR 校正均P<0.05)，導聯對間的連線箭頭起始段表示該導聯為theta 或alpha 相位提供導聯，箭頭末端為gamma 幅度提供導聯；導聯點顏色為灰色，表示差異無統計學意義；導聯點或導聯對彩色，表示FDR 校正后P<0.05。 圖3(d)中，小提琴圖內黑色橫虛線從下到上，分別為組內數據的25%、50%、75%百分位數。

圖3 相位幅度耦合強度對比(第1、2 行分別對應TGC、AGC 網絡)。 (a) 交叉導聯平均耦合強度差值(健康對照組－酒精依賴組)；(b) Mann-Whitney U 檢驗Z 值；(c) 組間顯著差異導聯對分布；(d) 所有導聯對平均耦合強度的小提琴圖Fig.3 Comparison of phase-amplitude coupling intensity(The first， second row correspond to TGC， AGC networks respectively).(a) The average coupling intensity difference of cross channels (healthy control group －alcohol-dependent group)； (b) The Z value of Mann-Whitney U test； (c) Distribution of paired channels with significant difference between groups； (d) Violin plots of average coupling intensity of all paired channels

在TGC、AGC 強度上，酒精依賴組無顯著強于健康對照組的導聯對(FDR 校正均P>0.05)，圖3(c)顯示的均為酒精依賴組顯著弱于健康對照組的導聯對(FDR 校正均P<0.05)。 圖3(a) ～(c)顯示，酒精依賴組的TGC、AGC 強度均在多個導聯對間減弱，并且在雙側顳、頂、枕區被耦合時較多，其中TGC 的差異更大。 圖3(d)關于兩組間所有導聯對平均耦合強度的比較結果也顯示，酒精依賴組所有導聯對的TGC、AGC 平均耦合強度[TGC: 0.014(0.011， 0.018) vs 0.012(0.010， 0.014)，P＝0.002； AGC: 0.012 (0.010， 0.014) vs 0.011(0.010，0.012)，P＝0.005]均顯著減弱，以TGC 差異更為明顯。

以上結果表明，在非靶刺激狀態下，酒精依賴患者各腦區間的信息交流存在障礙，并且這種現象以TGC 網絡雙側顳區、頂區、枕區等腦區作為信息接收腦區時較為明顯。

2.2 腦網絡圖論分析

圖4 為健康對照組和酒精依賴組在網絡密度為0.3 時的6 個腦網絡特性。 在其中的各小提琴圖中，從下到上的3 條黑色橫虛線分別表示組內數據的25%、50%、75%百分位數。 與健康對照組相比，TGC 網絡中，酒精依賴組的特征路徑長度[84.13(60.96， 110.33) vs 104.24(86.93， 118.98)，P＝0.005]、直徑[222.40 (154.78， 254.39) vs 253.39(207.82， 307.99)，P＝0.003]均顯著增加，平均聚類系數[0.013(0.010， 0.019) vs 0.009(0.008，0.012)，P< 0.001]、全局效率[0.014 (0.011，0.016) vs 0.011(0.010， 0.013)，P<0.001]、平均局部效 率[0.017(0.013， 0.022) vs 0.013(0.011，0.017)，P<0.001]、傳遞性[0.011(0.008， 0.016) vs 0.008(0.007， 0.010)，P<0.001]均顯著降低；AGC網絡中，酒精依賴組的特征路徑長度[103.40(92.38，122.89) vs 116.95 (104.84， 130.29)，P＝0.018]顯著增加，平均聚類系數[0.010(0.008， 0.013) vs 0.008(0.007， 0.010)，P＝0.014]、 全局效率[0.011(0.009， 0.012) vs 0.010(0.009， 0.011)，P＝0.008]、平均局部效率[0.013(0.011， 0.016) vs 0.011(0.010， 0.013)，P＝0.007]、傳遞性[0.008(0.007，0.010) vs 0.007(0.006，0.008)，P＝0.009]均顯著降低，直徑[241.26(178.80， 290.34) vs 260.54(218.05， 304.27)，P＝0.135]差異無統計學意義。 這表明，酒精依賴患者的TGC、AGC 腦網絡的功能整合、分離能力降低，其大范圍腦區間的信息傳遞可能受阻。

圖4 腦網絡特性比較。 (a) 特征路徑長度；(b) 平均聚類系數；(c) 全局效率；(d) 平均局部效率；(e) 傳遞性；(f)直徑Fig.4 Comparison of brain network characteristics.(a) Characteristic path length； (b) Average clustering coefficient； (c) Global efficiency； (d) Average local efficiency； (e) Transitivity； (f) Diameter

2.3 各節律能量及疲勞因子

比較酒精依賴組與健康對照組各導聯的theta、alpha、beta、gamma 節律的絕對能量以及疲勞因子的差異，結果如圖5 所示。 與健康對照組相比，酒精依賴組的theta 節律能量在除左額區外的多數導聯中顯著降低(占95.08%，FDR 校正均P<0.05)，alpha 節律能量在全部導聯中均顯著降低(占100%，FDR 校正均P<0.05)，beta 節律能量在左側中央區和右側頂、枕區顯著降低(占50.82%，FDR 校正均P<0.05)，gamma 節律能量在各導聯中均差異無統計學意義(FDR 校正均P>0.05)。 疲勞因子的對比結果顯示，酒精依賴組在左側后顳區和右顳區顯著降低(占45.90%，FDR 校正均P<0.05)。 這表明，在非靶刺激狀態下，酒精依賴患者的低頻(theta、alpha)腦電活動向較高的節律(beta)增加，相比健康正常人更為活躍，同時更不易疲勞，呈現亢奮狀態。

圖5 能量指標比較(第1 行為Mann-Whitney U 檢驗結果Z 值，第2 行為FDR 校正后的P 值)。 (a) Theta 能量；(b) Alpha 能量；(c) Beta 能量；(d) Gamma 能量；(e) 疲勞因子Fig.5 Comparison of energy(The first row is the Z value of Mann-Whitney U test results， and the second row is the adjusted P value after FDR correction).(a) Theta power； (b) Alpha power； (c) Beta power； (d) Gamma power；(e)Fatigue factor

3 討論

本研究通過計算交叉導聯對的TGC、AGC，構建權重因果腦網絡，并結合各節律的小波包能量，對酒精依賴患者和健康對照組在DMS 工作記憶范式中進行非靶刺激時的ERP 進行分析，發現酒精依賴患者存在因果腦網絡拓撲組織和多腦區活動的異常。

靜息態腦電研究發現，額區和頂區的TGC 顯著強于其他腦區對的TGC，但在飲酒后這種耦合效應明顯減弱[12]。 本研究結果與之相符，同時還發現酒精依賴患者存在更多腦區及腦區間的TGC 耦合強度降低。 此外，還觀察到酒精依賴患者在雙側顳區后部以及頂、枕區等后部腦區，與其他腦區間的TGC、AGC 耦合存在異常，這與Zhang 等[13]發現酒精依賴患者的顳、枕區異?；顒酉嗨?。

本研究的結果顯示，酒精依賴患者的TGC、AGC因果腦網絡呈現以下特點:全局效率降低，特征路徑長度增加，多腦區間的協調整合能力下降；平均聚類系數、平均局部效率降低，局部腦區的功能分離能力下降；網絡直徑增加，傳遞性降低，大腦各腦區間的信息流動速度下降。 Huang 等[21]的研究表明，酒精依賴患者的左半球后扣帶皮層接受其他腦區的信息傳入受阻，尤其是與左半球背側前扣帶回的連接同步性降低，使得其大腦信息整合能力下降。 此外，Wang 等[22]的研究表明，男性酒精依賴患者的功能網絡連通性、全局效率均較低，本研究的結果與之相似。 Sjoerds 等[23]的研究表明，隨著酒精依賴患者的患病時間增加，患者腦網絡的全局效率和平均聚類系數均逐漸降低，但是他們與健康對照組相比腦拓撲差異并不顯著。 本研究的結果顯示，二者的因果網絡存在顯著差異，這可能是腦電數據來源、腦網絡的構建方式等不一致導致的。 PAC 是一種神經元相互作用的測量方法，本研究的結果表明酒精依賴患者，表現出功能性神經元系統間的相互作用減弱(TGC、AGC 減弱)，這可能與患者自上而下的抑制控制減弱有關，會進一步導致其腦拓撲組織紊亂，效率降低。

基于同樣的數據集，李寧等[24]分析發現，酒精依賴患者的ERP 與健康人的ERP 存在差異，如存在大范圍的theta、alpha 節律功率降低，多個腦區的疲勞因子均有大幅度降低，中樞神經系統的抑制減弱，大腦皮層的興奮性增強。 本研究的結果也顯示，在進行非靶刺激時，酒精依賴患者出現大部腦區theta、全局腦區alpha、局部腦區beta 節律能量降低，以及疲勞因子下降，腦活動比較活躍。 這表明，在DMS 工作記憶過程中，酒精依賴患者大腦的抑制控制能力減弱。 推測是在工作記憶的任務態下，大腦的主要節律由靜息態的低頻節律轉向更高頻節律，同時酒精依賴患者存在相對健康人更明顯的alpha 節律阻斷現象，患者的ERP 高頻活動更強烈[25-26]。

酒精依賴患者的工作記憶表現相比健康人要差，如DMS 工作記憶范式中錯誤率更高、反應時間更長等[13]。 本研究中，TGC、AGC 兩種網絡類型的結果得到相互印證，同時頻域能量的分析結果也支持了網絡的分析結果，這些結果可為酒精依賴患者工作記憶較差提供合理的解釋。 進一步的研究可以考慮使用能夠反應瞬時PAC 強度的方法，深入觀察在工作記憶過程中腦部活動的動態PAC 變化，促進對于酒精依賴患者腦電特征的認識。 值得一提的是，本研究中的酒精依賴組和健康對照組在靶刺激或者在其組內不同刺激狀態下的PAC 強度均無顯著差異，PAC 強度并不能很好地區別其ERP 差別，還需要結合其他腦電指標(如信息熵、排列熵等)進行進一步的探究。 此外，后續的研究可以考慮進行機器學習分類分析，以檢測所提出的指標用于臨床輔助診斷的準確性和可行性。

4 結論

在DMS 工作記憶范式中進行非靶刺激時，酒精依賴患者的ERP 特征與健康正常人存在明顯差異。酒精依賴患者高頻活動增高、低頻活動降低，TGC、AGC 網絡存在功能分離、整合能力降低等問題，其腦電活動更為活躍，大腦抑制控制能力減弱，腦網絡拓撲組織紊亂。 結合頻域能量等腦電指標，TGC、AGC 強度和相關腦網絡參數，可提高對酒精依賴導致工作記憶等高級認知功能受損的認識。 本研究為酒精依賴研究提供了一種基于PAC 的定量分析方法，也可為其他疾病的臨床診療提供理論依據。