基于源定位的静息态脑电α节律分析

基于源定位的静息态脑电α节律分析

吴建平1，赵春临2

(1.武警工程大学 研究生大队,西安 710086;2.武警工程大学 装备保障与管理学院,西安 710086)

摘要：脑电信号（EEG）被广泛应用于临床诊断和脑功能的研究，其在临床上划分为δ、θ、α、β、γ5个节律，自发脑电信号在不同的意识状态下，不同节律展现出不同活动状态。本文通过估计闭眼和睁眼条件下静息态EEG的功率谱，绘制α节律头表地形图，比较2种条件下EEG功率谱的变化，通过sLORETA溯源分析α节律的源分布区域。实验表明静息态EEG中闭眼条件下最显著的节律是α节律，且其在枕叶具有最大功率。

关键词：脑电源定位；静息态脑电；α节律；sLORETA

0.引言

脑电信号是大脑内部相当数量的神经元进行放电时，电位在头表皮上的反映，其可划分为δ、θ、α、β、γ5个节律，每个节律在不同状态下对应不同的特征。谢秋桂在研究脑电图在注意力缺陷多动障碍儿童运用中发现，51例患儿脑电图异常主要表现为θ、δ、低幅β节律增多，5-10岁患儿α节律平均频率及平均波幅明显低于11-15岁患儿[1]；Knott等人研究了70名男性重度抑郁症和21名健康对照的闭眼静息态数据后发现，抑郁症患者相对于健康对照拥有更大的总体相对功率，在δ、θ、α、β4个频段上患者有更高的相干指数[2]；黄海云等人在研究耳鸣患者静息态频谱中发现，患者频谱所关注的全部频带上都高于健康被试，差异区域主要集中在θ和α频带右颞叶以及β和γ频带的左右颞叶、前额和顶叶区域[3];吴慧莉等人在对阻塞性睡眠呼吸暂停低通气综合征驾驶员模拟驾驶研究中发现，交通事故发生时脑电波α节律受到抑制或消失；正常驾驶状态下和发生事故前的β／（α＋β）均值具有显著差异性[4]。

1.相关理论

1.1 脑区结构

人体大脑皮层根据空间位置分为额叶、顶叶、颞叶和枕叶4个脑叶，每个叶是空间上连通的一部分皮层，如图1-1。

1.2 脑电节律分类及特征

大脑的自发性电活动被称为自发性脑电活动，表现为在广泛频谱上占主导地位且具有某些特征的波形，通常被应用于癫痫、昏迷和脑死亡等临床诊断。根据频段信息，自发性脑电可分为下表5个频段。

1.3 脑电源定位

脑电源定位即从已知脑电信号，反推出信号源的位置和活动强度，脑电正问题即从已知内部源活动结合头容积导体模型，推测头皮表面的电活动，是解决逆问题的基础。各不相同的大脑活动模式可以产生相同头表地形图，因此逆问题无唯一解，需要限定解空间，通常是先验知识假设和正则化方法，最经典的是引入Tihnonov正则化方法，包括最小L1和L2范数法，本文采用的sLORETA算法基于最小L2范数法。

2.实验

2.1数据描述

仿真实验基于Matlab下的 EEGLAB工具包，以及sLORETA软件。EEG数据来自睡眠和神经成像中心，由来自10名志愿者的20个4分钟脑电图记录组成，将64个头皮锡电极固定在弹性帽内，按照国际10-10系统，从61个电极记录脑电图。如图2-1。采集时间9:00 - 12:00左右，采样频率500hz，记录受试者闭眼和睁眼静息状态下约5分钟的EEG数据。所有电极阻抗保持5kΩ以下。实验对象先闭上眼睛，再睁开眼睛。

2.2数据处理

使用EEGLAB支持的MATLAB脚本进行预处理。连续脑电图数据下采样至100Hz，并使用切比雪夫ii型滤波器在0.1-45Hz频段内进行数字滤波。将滤波后的脑电记录重参考并epoch至2s，识别并排除伪影分割。保留前120个片段，构成每个受试者4分钟的EEG记录。

3.实验结果

3.1估计频谱和绘制地形图

图3-1可看出闭眼条件下频率10-20HZ处静息态EEG绝对功率出现2个尖峰，与睁眼条件相应频率处区别明显，尤其是在10Hz处绝对功率差达到最大，即在闭眼与睁眼条件下静息态EEG中α节律（8-12Hz）较活跃。

图3-2可看出在闭眼条件下α节律（8-12Hz）是频谱中的优势节律，主要分布在枕叶区域。

3.2利用sLORETA溯源

使用sLORETA估计α节律电流密度皮层分布。电极坐标和头模型均基于蒙特利尔神经研究所的平均MRI模板，即MNI152模板。运行结果如图。

图3-3为大脑多角度的3D皮层视图，分别从6个角度展示了α节律电流密度皮层分布，可看出α节律电流密度皮层分布于大脑的枕叶区域。

图3-4为大脑的切片视图，左下部的面板中显示了该位置的激活强度值、MNI坐标和最佳匹配的Brodmann分区编号。此次定位出的α节律皮层电流密度分布于枕叶区域，中心位置的MNI坐标为[-15 -95 30]mm，位于

Brodmann第19区，即上枕叶区域。

4.讨论

实验结果表明，在闭眼和睁眼情况下静息态EEG中α节律在枕叶具有最大功率，这是闭眼条件下最显著的节律；通过sLORETA源定位，可估计出α节律皮层电流密度分布于上枕叶，与其功率谱及头表地形图相一致。

脑电需要通过电极进行采集，高密度电极阵列可以提高脑电数据采集的空间分辨率,然而更多的电极意味着更贵的设备价格、更耗时的数据采集和分析。随电极数量的增加，识别和处理难度也相应增加，进而影响脑电数据处理质量[5]。梁铁等人设计出8通道电极帽，经过眨眼、睁眼和闭眼静息3种任务状态系统信号采集测试，表明该系统电极安放灵活、数据准确、稳定性好，具有较强抗干扰能力，能够满足实验教学需要[6]。不同节律在不同状态表现为不同特征，可通过sLORETA源定位估计某个节律皮层电流密度，减少其他无关电极的使用。尤其是在驾驶疲劳的检测过程中，脑电的采集对驾驶员的操作有一定的影响，希望下步能够据此进行改善，进而降低设备成本，方便携带使用，操作更加舒适。

参考文献：

[1]谢秋桂.脑电图在儿童ADHD临床运用中的研究及α节律频率分析[J].智慧健康，2019，5（13）：3-4.

[2]Knott,V.,C.Mahoney,S.Kennedy,et al. EEG power, frequency, asymmetry and coherence in male depression[J].Psychiatry Research:Neuroimaging,2001,106(2):123-140.

[3]黄海云等.基于脑电信号的耳鸣患者静息态频谱图及注意力研究[J].生物医学工程学杂志，2021，38（3）：492-497.

[4]吴慧莉等.OSAHS驾驶员模拟驾驶中脑电波α节律变化.交通信息与安全[J].2016,198(34):96-100.

[5]Luck,S.J.An Introduction to the Event-Related Potential Technique[J].Cambridge MIT Press.2014.

[6]梁铁等.基于石墨烯干电极设计的便携式脑电采集系统[J].实验技术与管理，2022，39（3）：137-140.