头皮和硬膜下EEG对脑深部活动的定位

对于皮层脑电图(ECoG)和头皮脑电图(sEEG)在定位大脑深层活动来源的能力上的不同尚不明显。与sEEG相比，ECoG的空间分辨率和信噪比更高，但其空间覆盖范围受到更多限制，有效测量组织活动的体积也是如此。本研究记录了4名顽固性癫痫患者在安静清醒状态下的多模式数据集，这些数据包括同步的头皮、硬膜下和深部EEG电极记录。本研究应用独立成分分析(ICA)来分离θ、α和β频段活动中的独立源。在所有患者中都观察到了硬膜下和头皮EEG成分，这与深部电极的一个或多个触点有显着的零滞后相关性。随后对相关成分的偶极建模显示，其偶极位置明显比非相关成分的偶极位置更接近深部电极。这些发现支持这样一种观点，即在两种记录方式中发现的成分都来自深部电极附近的神经活动。从本研究看，出于临床目的的将ECoG电极植入在靠近深部电极的位置，这并不能使源定位精度显著提高。此外，由于嵌入了ECoG电极的电隔离硅胶片，ECoG栅格衰减了sEEG。偶极子模型实验结果表明，sEEG的深源定位精度与ECoG相当。 1、背景 研究证明，与大脑深层结构的距离越大，记录的电极活动就越弱。在定位近端活动方面，ECoG较EEG有相当大的优势，具有优越的空间分辨率、频谱带宽和信噪比(SNR)，因为记录不会被空间过滤或被头盖骨阻挡。然而，与EEG的整个头皮覆盖相比，ECoG网格或条带只覆盖皮质表面的有限区域，可能会影响更远端来源的局部化准确性。因此，到目前为止，还不清楚ECoG在定位深部和皮层下区域的源信号方面是否比EEG有优势。 要评估EEG和ECoG在深部源定位方面的实际比较，需要同时记录有/无创性的皮层和深层活动，如图1。

在这里插入图片描述

图1 本研究的概括性概述。深部和浅部分别位于位置(1)和(2)。浅蓝色和深蓝色分别代表深源和浅源的实测强度。 2、材料与方法 流程图如图2。

在这里插入图片描述

图2 用于研究记录方式中和记录方式之间的源定位精度的框图。 2.1 被试 同步记录了4例顽固局灶性癫痫患者(女性2例，平均年龄41.5岁，左撇子2例)的深部电极、ECoG和(s)EEG，并行术前临床评估。所有患者视力正常，意识正常。所有患者在参与研究前均给予书面知情同意书。 2.2 数据采集 按国际10-20系统记录头皮上27个有源电极的EEG。除了头皮电极，还植入了深部和硬膜下铂电极，用于有创视频EEG监测。 2.3 实验流程 记录了每个患者坐在病床上注视着LCD屏幕上展示的大约60厘米处的十字线3分钟的自发活动。 2.4 硬膜下电极和深部电极的定位 使用Freesurfer图像分析套件对患者的植入前MRI扫描进行皮质重建和体积分割。将Freesurfer输出和MRI扫描加载到BrainStorm中，然后使用SPM12将MRI与植入后CT扫描共同注册。植入的硬膜下电极和深部电极的坐标通过目测获得，并映射到皮质表面，以说明植入后可能的组织移位。MRI分割的结果被进一步用于建立用于偶极子建模的头部模型。 2.5 预处理 首先检查原始ECoG、深部电极和EEG记录是否有不良通道。不良通道和异常活动时间间隔被排除在研究之外，因为本研究希望结果与大脑活动正常的健康受试者相关。此外，使用BrainStorm软件检查深部电极的解剖位置，当电极触点在深部结构之外时(3例患者为海马，1例患者为海马和岛叶)，则将其丢弃而不作进一步分析。使用1-60 Hz之间的带通滤波器对数据进行滤波，然后使用每个采集通道的公共平均参考(CAR)离线重参考。对于深部电极数据，额外将记录重参考到双极记录，以研究深部电极设置对结果的影响。在此之后，记录被剪切成重叠的时间窗，移位2秒。这导致在窗长度为5、10、15和20秒时，平均时间分别为67、59、51和46(std=22.1、24.8、27.3和27.9)。 2.6 CA和相关性 使用Icasso软件包对每个患者的ECoG和EEG数据分别进行独立成分分析(ICA)。Icasso通过重新运行具有略微不同的初始条件的FastICA算法若干次(“迭代”)，并在信号空间中可视化每次迭代所获得的组件的群集结构(使用对称方法并考虑高斯非线性)，从而找到比单次运行ICA算法的成分更多的可靠成分。本研究最终得到了平均41601个数据点，电极的数量从15到52个不等，即使在最坏的情况下，数据点与电极的比率仍然至少为15。由于IC的数量等于输入通道的数量，因此ECoG的IC通常比EEG的IC多。 在ICA分析之后，除了来自深部电极的数据外，用于ECoG和EEG的IC还用四阶二通巴特沃斯滤波器在三个频带(θ(4-8 Hz)、α(8-12 Hz)和β(12-28 Hz))进行带通滤波。之所以选择这些频段，是因为它们已被证明对应于在静息状态ECoG中观察到的最主要频率。对于每个频段，使用希尔伯特变换得到信号的功率包络。用同样的方法计算了深部电极触头的功率包络。然后，计算了每个输出成分与所有历元的所有深部电极触点之间的Pearson相关性，得出每个频段和患者的总分量×深部电极触点×历元相关值。除了深部电极触点与ECoG和EEG的独立分量之间的相关分析外，还在上述每个频段(不形成ICA)进行了深部电极触点与ECoG和EEG的原始时间序列的功率包络之间的初步相关分析。 2.7 偶极子建模 有研究认为EEF的独立成分对应于一个等效的偶极子。本研究使用BrainStorm工具箱提供的偶极子建模功能对所有成分执行偶极子建模。使用每个患者的个体MRI解剖，为ECoG和EEG数据创建不同的头部模型。在用BrainStorm进行偶极子建模时，产生了一个偶极子扫描图，它代表了偶极子解释记录的能力。将噪声协方差矩阵设置为单位矩阵，中值特征值用于噪声协方差正则化。随后的偶极子扫描例程确定最佳匹配偶极子(一个IC一个偶极子)的最终位置和方向。对于每个获得的偶极子，返回拟合优度，指示模型方差解释总方差的百分比。另一个输出是“性能”，即卡方对自由度求和的平方根。在分析中，所有性能低于100的偶极子都被丢弃，对拟合优度在75%或以上的偶极子进行了统计分析，因为拟合优度较低的源被认为是单偶极子拟合的非决定性来源。 对ECoG和EEG的所有结果成分进行偶极子建模和扫描。将所有产生的偶极子分成两组：对应于一个独立分量的偶极子和那些与深部电极触点没有显著相关的偶极子，称为相关和不相关偶极子。 2.8 统计分析 使用替代数据集评估相关性，其在零滞后时最大。替代数据集是通过保持第一组中历元的原始顺序(深部电极触点的历元)和第二组中历元顺序的随机排列(EEG或ECoG分量的历元)来产生的。通过执行此操作一次，获得了与原始数据集大小相同的替代数据集。然后计算替代数据集和原始数据集的相关值。有1000个排列的单边非参数排列测试证实，与替代相关值相比，真实相关值的值要大得多。通过测试互相关值在零滞后时是否最大，进一步评估了成分与深部电极触点之间显示显著相关的互相关值。最后，使用成分数量的错误发现率(FDR)校正对多次比较的p值进行校正。 为了评估源定位的准确性，估计了独立成分与它们相关的深部电极触点之间的距离。本研究的假设是，与某一深部电极触点相关的独立成分与位于该触点附近的偶极子相关。作为对照，还估计了给定患者的非相关成分和所有深部电极触点之间的平均欧几里得距离。使用MATLAB对源定位精度进行了线性混合效应分析。最后，为了比较EEG和ECoG的源定位精度，使用另一个线性混合效应模型来比较每个记录方式的相关偶极子之间的精度。 3、结果 3.1 深部源的活动对ECoG和EEG信号有贡献 相关分析表明，深部电极与几个硬膜下和头皮触点之间存在微弱但显著的相关性(所有受试者和频段的平均rho=0.13，std=0.085，平均p=0.017)。这种相关性是显著的，并在零滞后时达到峰值，表明这种关系不是由于神经通路中的主动传递所致。图3显示了当使用共同的平均参考时，单个患者(患者P2)在θ范围内15秒长(rho=0.18，p=0.0039)的零滞后相关性。对于ECoG和EEG，θ和α频段的相关值平均是β频段的两倍。表1显示了受试者之间的平均相关性。

在这里插入图片描述

图3 患者P2在θ波段的每个深部电极触点与ECoG(左列)和EEG(右列)传感器的零滞后相关。具有显著相关性(FDR校正)的电极标记为绿色。

表1 每个频段的EEG/ECoG时间序列与受试者的深部电极触点的平均相关值。

在这里插入图片描述

当使用平均参考时，对所获得的成分与(未分解的)深部电极信号的相关分析显示，大量的硬膜下独立成分与相同深部电极触点有关。通过对ECoG数据的ICA分析，发现了临床上可识别为额叶间歇性δ活动的多种成分，因此，病理性脑信号可以由多个独立成分来代表。这可以用深部电极触点记录信号来解释，这些信号是周围活动的组合。此外，平均24%的头皮和39%的硬膜下成分与给定的深部电极触点有显著的相关性(双极：25%和37.6%)。同样，深部电极触点总数的48%和76%与给定成分显著相关(双极：46.9%和62.5%)。上述结果在单个受试者水平上呈现如下：图4示出患者P2的ECoG和EEG的独立分量与取15秒的长度时θ带中的深部电极触点活动之间的显着相关性。

在这里插入图片描述

图4 患者P2的ECoG和EEG在不同频段的相关值。 3.2 从硬膜下比从头皮电极定位来源更准确 图5示出了对于具有最佳拟合优度的三个偶极子，在θ频带中P2的独立成分分析的位置、地形和时间过程。有关这些特定偶极子的相关值和源定位精度的进一步信息可以在表2中找到。根据IC如何投射到电极上，IC图可被归类为“聚焦的”或“漫射的”。对两个或更少电极的投影被认为是“聚焦的”，而对两个以上相邻电极的投影则被认为是“漫射的”。根据这一定义，ECoG的偶极1和2是“漫射的”，而偶极3投影到2个电极，因此是“聚焦的”。除了ECoG和EEG数据外，同一患者的深部电极的位置及其在θ频段的时间过程如图6所示。

表2 与深部电极触点和每种记录方式相关的每个IC。

在这里插入图片描述

在这里插入图片描述

图5 患者P2的θ频带内具有最佳拟合优度的三个偶极子的位置。

在这里插入图片描述

图6 患者P2的深部电极触点的位置和时间序列。 对所有统计模型的残差曲线进行目测检查，没有发现任何明显偏离正态分布的情况。对于ECoG和EEG，相关性对源定位精度有显著影响。显著相关偶极子通道的来源定位分析显示，参考类型对方式的影响有显著意义。图7显示了ECoG和EEG的源定位精度的比较。

在这里插入图片描述

图7 ECoG和EEG的源定位精度。 4、讨论 本研究的目的是定量比较皮层ECoG和sEEG记录中皮层下和深部源的定位精度。初步分析显示，深部电极与ECoG和EEG之间存在微小但显著的相关性。研究结果表明，对于EEG和ECoG，有几个独立成分与海马或岛叶单独深部电极触点的(未分解)信号相关。 此外，在两种方式之间的比较证实了在源定位精度方面的显著差异。结果表明，在相同的条件下，靠近深部电极的ECoG栅格在~2 cm的范围内具有更高的精度。此外，本研究认为，深部源的sEEG到ECoG的源定位的改善还不足以证明ECoG的有创性测量优于无创性EEG。 5、结论 本研究是第一个关于比较皮层深部结构有创和无创性脑电源定位准确性的实验研究。结果表明，虽然使用有创EEG的源定位确实比使用无创EEG要精确得多，这种提高的准确性并不令人满意，并不足以证明其具有完全的优越性。索要原文请加微信15560177218