振荡脑网络分析论文.docVIP

振荡脑网络分析论文 摘要事件相关振荡是伴随认知、情感和行为过程的脑电磁振荡活动，观察到其各类调频、调幅和调相现象，这种介观和宏观尺度上大量神经元的集体活动与微观尺度上神经元平均发放率和发放定时相互影响，共同参与神经信息的编码、表征、通讯和调控。动态细胞集群假说认为大脑认知功能是神经网络通过同步振荡相互作用的结果，在基于振荡的大脑理论指引下，多尺度、跨脑区和跨频率事件相关振荡研究为揭开振荡脑网络的工作原理带来了希望。 关键词事件相关振荡，动态细胞集群，同步化 分类号R741 脑电图(electroencephalography,EEG)可能是最为突出和神秘的脑功能特征，伴随认知、情感和行为过程的EEG振荡活动则称为事件相关振荡(event-relatedoscillations，ERO)。虽然EEG早已用来检测和判断脑功能，基于EEG的神经反馈也用于改善脑功能和治疗脑病，但历经80年研究，EEG产生机制和功能意义仍未完全澄清，本文介绍ERO研究方法、进展和方向。 1振荡脑网络分析方法 EEG是一个包含许多不同频率成分的宽频振荡，其功率与频率成反比变化，1/f反比斜线上也可能出现以10Hz、40Hz振荡等为中心频率的突起。各频带下限和上限由低到高表示如下：δ[0.1，4]，θ[4，8]，α[8，13]，β(13，30)，γ(30，100)(Hz)。频带界限值在文献中并未统一，“[]”和“()”分别表示包括或不包括对应界限值；δ，θ和α频段称为低频振荡，β和γ频段称为高频振荡，低于δ频段者为超慢(infraslow)振荡，高于γ频段者为超快(ultrafast)振荡。EEG在不同脑区、不同生理和病理过程具有特定分布和不同频率组合。 振荡研究受制于分析方法。一个简谐振荡可用正弦函数的频率、幅值和相位三个参数完全描述。1807年，傅里叶提出可将复杂振荡分解为许多简谐振荡的代数加权和的方法，从而建立了信号时域与频域的变换。该变换因假设各简谐振荡能量均匀分布而丧失了时间信息，不适合分析ERO这类振荡特征快速变化的非平稳信号。 1946年，Gabor引入一个固定长度的移动窗函数而把信号划分成许多片段，再用傅里叶变换分析，获得各个时刻的频域特征。对于非平稳信号，高频部分希望窗函数有较高时间分辨率；而其低频部分则要求窗函数有较高频率分辨率，一个固定长度的窗函数不能兼顾两方面，若要调整分辨率，只能重新选择窗函数长度。 1980年，Morlet引入一个能量有限、兼具振荡和快速衰减特点的“窗”函数族，故名“小波”。小波变换在时域和频域具有自适应多分辨分析的特点：一个宽频信号内的低／高频成分可分别应用较高／低频率分辨率和较低／高的时间分辨率的小波函数来突出特征，因而适合非平稳信号分析。Morlet复值小波是ERO分析最常用的小波函数，可提取瞬时功率和瞬时相位。 基于EEG考察大脑网络的方法主要有四类：(1)时频分析方法如小波变换和Hilbert变换等；(2)多变量自回归模型；(3)信息论方法；(4)图论及非线性网络动力学方法。前两者为可直接刻画振荡特点的线性方法，后两者虽不直接反映振荡特点，但可用于包括非线性情形的数据分析。它们的性能需要深入比较，还没有完美的指标和方法来全面刻画振荡大脑网络。 用一阶特征和二阶特征可区分出两类同步振荡：一阶特征如功率谱和波幅等反映局部神经活动的同步程度以及调幅变化；二阶特征如锁相值(phase-lockedvalue)和相干函数等描述远隔脑区振荡之间的同步程度，锁相值只与两个振荡相位差的统计分布有关，后者则受波幅和相位共同影响。 由于没有理想的“零电势点”作为参考部位，基于EEG直接计算二阶特征受容积导体效应与共同参考影响，可用空间滤波如Hiorth变换或Laplacian变换来消除，故获取“免参考”(reference-free)数据是计算二阶特征必要的预处理。而两个脑区之间的联系受第三区共同驱动的效应要用偏相关／偏相干技术来削弱。 2事件相关振荡 EEG振荡可自组织(self-organized)自发(spontaneous)产生而与事件无关，如睡眠EEG，同ERO一样，其研究实际上受人类定义、记录和分析各类事件能力的限制，同时考察其与环境、行为、主观体验以及各类设备提供的测量指标等的关系，才能深入理解。 依据振荡相位与事件锁时(time-locked)关系，ERO分为两类：锁相(phase-locked)和非锁相(non-phase-locked)振荡，也分别称为诱发(evoked)和引发(induced)节律。将一组ERO片段依事件发生时刻对齐后直接叠加，即获得平