淺論腦電溯源成像原理及兩類腦源模型

黎 峰，高軍峰*

（中南民族大學生物醫(yī)學工程學院，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)電活動的電生理監(jiān)測方法，目前已經(jīng)被廣泛地應(yīng)用于認知神經(jīng)科學，疾病診斷與預(yù)測等領(lǐng)域，例如對癲癇、阿茲海默癥、憂郁癥、帕金森病等疾病的診斷治療。EEG所測量的是眾多錐體細胞興奮時的突觸后電位的同步總和，但由于大腦的特殊結(jié)構(gòu)所導致的體積傳導效應(yīng)，使得這些總和電信號在通過大腦，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)域的進一步分析及應(yīng)用[1]。如果直接在頭皮電極間進行功能連接的構(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，通過對已測量的EEG信號進行適當?shù)乃菰刺幚聿⑻崛∠嚓P(guān)空間信息，經(jīng)處理后的EEG信號便可以為構(gòu)建皮層腦功連接能網(wǎng)絡(luò)提供豐富的空間先驗信息，從而能幫助研究人員更深入探索大腦的認知功能。

基于EEG信號的溯源定位算法是指根據(jù)頭皮表面所采集的電位信號進而反向推導出腦內(nèi)皮層神經(jīng)活動源的位置、方向和強度信息，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溯源就是對腦電逆問題這一非線性優(yōu)化問題進行求解。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)動態(tài)變化性進而進一步揭示認知的神經(jīng)機制。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)退行性疾病等認知疾病中。

腦電源重建問題在其求解原理上有兩大難點：其一是解的非唯一性，即對于已給定的頭皮分布電信號，存在多個皮層源信號的逆解，皮層的電流分布并不能由頭皮所測得的信號唯一確定，從而導致定位問題在本質(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都會引起解值分布的振蕩，并且這種病態(tài)趨勢隨解的參數(shù)量數(shù)目增加而上升，即腦電源越復雜其病態(tài)特性越嚴重。由于容積傳導效應(yīng)（Volume conduction effect）的存在，皮層活動源的電信號不僅向其正上方傳導，也會向頭皮的其他位置傳導，導致其他位置的源活動也包含臨近源甚至遠端源的信號。因此，多導聯(lián)的各個電極所記錄到的電信號是不同源的不同程度的貢獻的綜合表征。對某一個頭皮電極來說，不同的源對其信號貢獻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?？偠灾?，當前的溯源算法存在上訴這些不足之處，即估計偶極子的強度欠定性，當腦內(nèi)存在同步性活動源時定位精度較差，所以當下大部分研究是對溯源算法的持續(xù)改進，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）等空間先驗信息[3]，共同求解溯源問題的逆解，力求定位精度達到最優(yōu)。

1 腦電溯源分析步驟

腦電溯源定位需要以下多項數(shù)據(jù)才能有效進行求解[4]。首先是經(jīng)過仔細預(yù)處理過的頭皮EEG信號。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，溯源分析還需要EEG各電極位于頭皮上的三維坐標值。當前實驗室大多采用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)上的相對位置也可一一設(shè)定；但精確的溯源求解可能需要單獨針對每個被試的每次實驗分別掃描其腦結(jié)構(gòu)。對于不同的MRI模板，分析前需要對EEG電極坐標要進行相應(yīng)的坐標轉(zhuǎn)換，以滿足實際情況需求。

經(jīng)MRI坐標配準步驟之后，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)的解剖學和電學傳導特性，在進行逆解計算時可以增加源定位結(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），也稱為引導矩陣。該源模型提供待估計偶極子源的位置和方向等多方面先驗信息[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估計值。

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等效為一個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)先驗數(shù)據(jù)及預(yù)設(shè)定好的容積傳導效應(yīng)參數(shù)值，推斷出腦電源活動的位置及大小。

偶極子的形成源于人腦的神經(jīng)電活動：在神經(jīng)沖動的傳導過程中，兩個神經(jīng)元之間用于信息傳遞的突觸結(jié)構(gòu)聚集大量的負離子，從而在下一個神經(jīng)元的頂樹突處形成一個膜外負電位，同時在此神經(jīng)元的其他部分（細胞體與基底樹突）產(chǎn)生一個正電位區(qū)域。此時，頂樹突處與該正電位區(qū)域之間就構(gòu)成了一個微小的電流偶極子（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)的錐體細胞。而當位于腦皮層一個小區(qū)域內(nèi)（通常為1～2cm2）的錐體細胞群同時興奮或抑制時，也就是它們同一時刻同方向放電，那么將會在該區(qū)域形成一個平面偶極層，此時，該小塊皮層也可用一個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)量的電流偶極子進行建模。目前多使用二維皮層進行逆解運算，在減少計算復雜度的同時，能更準確的定位活動腦源。分布式源模型原理大致如下：首先在皮層表面基于錐體細胞的形態(tài)預(yù)設(shè)出極大量的網(wǎng)格點，并且每個網(wǎng)格點中都含有一個三維矩陣表征電流強度的偶極子源，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。該模型在實際應(yīng)用過程中，基于實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)的任一時間點計算源分布模式，并可以基于該分布模式創(chuàng)建腦區(qū)的動態(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)點在于無須假設(shè)偶極子數(shù)目和似然估計的參數(shù)閾值。但同時，該類算法也進一步增加了計算難度，降低了逆向解的數(shù)據(jù)擬合性。并且，及時是不同的實驗數(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，常需要結(jié)合進一步的先驗假設(shè)信息。

4 總結(jié)與展望

腦電溯源定位問題是腦認知科學研究和腦功能病變損傷定位研究中的一個重要問題，有利于推動腦電磁功能技術(shù)與腦功能成像技術(shù)的結(jié)合。同時，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)影像學提升腦功能成像的時空分辨率。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]。