目錄
-
- 導讀
.QQ交流群：941473018
雖然将EEG和fMRI結合使用可實作精細的空間分辨率和準确的時間分辨率內建，但仍帶來許多挑戰,比如要實時執行以實作神經回報（Neurofeedback, NF）循環時。在這項研究裡，研究人員描述了在運動想象NF任務期間同時擷取的EEG和fMRI的多模态資料集，并補充了MRI結構資料。同時研究人員說明可以從該資料集中提取的資訊類型，并說明其潛在用途。這是第一個腦電圖和fMRI同步記錄的NF，展示了第一個開放存取雙模态NF資料集腦電圖和fMRI。研究人員表示，(1)改進和測試多模态資料內建方法的寶貴工具，(2)改善提供的NF的品質，(3)改善在MRI下獲得的腦電圖去噪的方法，(4) 研究使用多模态資訊的運動圖像的神經标記。
EEG-fMRI聯合源估計平均結果
神經回報(NF)包括向受試者提供關于他自己大腦活動的實時資訊，以訓練特定大腦區域的自我調節能力，是一種很有前途的大腦康複技術，可以應用于精神疾病、中風和其他神經病理學。NF方法通常基于使用單一成像技術實時測量大腦活動，大多數應用依賴腦電圖，而最近的一些應用則采用功能成像（例如功能MRI）。
最近的一些研究，顯示了結合不同的成像技術來實作更具體的自我調節的潛力，結合兩種互補的方式如fMRI和EEG展現了誘人的前景。功能磁共振成像具有良好的空間分辨率(mm)，但成像速度較慢。而腦電圖提供了極好的時間分辨率(ms)，但其空間分辨率卻受到通過頭部組織的皮層電流體積傳導的限制(~cm)。這些成像方式是高度互補的，它們的結合在需要高時間和空間分辨率的應用中很有前途，例如對特定大腦區域的神經網絡訓練。
對不同成像方式的聯合分析可以揭示大腦解剖、功能和電生理特性之間的複雜聯系。EEG和fMRI的內建允許對神經動力學進行“增強”分析，因為單一模式可提供潛在神經活動的部分估計。EEG-fMRI聯合分析分為兩類:非對稱和對稱。在第一種方法中，從一種方法中提取的資訊被內建或驅動第二種方法的分析，而在對稱方法(資料融合)中，使用聯合生成模型。這些方法的探索很少，神經血管耦合的複雜性是他們的主要局限性。
在XP2中進行NF訓練期間的平均EEG ERD時頻圖（N = 18個受試者）
據研究人員表示，在神經網絡循環中同時進行腦電圖-功能磁共振成像的隻有另一個研究小組，用于訓練情緒自我調節:是以，我們在這裡分享和描述的資料集，與首次在運動圖像任務中進行雙峰神經網絡成像相對應。它由64通道腦電圖(擴充10-20系統)和功能性核磁共振資料集同時獲得在一個運動圖像NF任務，輔以結構核磁共振掃描。在兩項研究中進行了錄音。第一項研究(圖1)涉及10名健康受試者，旨在評估單峰(EEG或fMRI) NF9上雙峰腦電圖-fMRI NF的可行性和潛力。第二study16包括20名志願者一個原始2 d比喻允許分别調節提出了腦電圖和fMRI活動及其對NF性能的影響相比,更多的“古典”1 d測量(圖2)。NF分數的分析和大膽的激活是執行和結果表明,一維回報更容易控制,而fMRI激活時更具體使用2 d表示。
據研究人員表示，在NF循環中同時進行EEG-fMRI訓練以訓練情緒自我調節的研究團隊較少，隻有另一個研究小組，而他們共享和描述的資料集對應于雙峰NF首次實作的運動想象任務。它由在運動想象NF任務期間同時擷取的64通道EEG（擴充的10–20系統）和fMRI資料集組成，并輔以結構MRI掃描。在兩項研究中進行了記錄。
下圖涉及10名健康受試者，旨在評估雙峰EEG-fMRI NF優于單峰（僅适用于EEG或fMRI）NF9的可行性和潛力。
實驗協定XP1
實驗協定XP2
XP1和XP2的檔案目錄結構
EEG-fMRI NF平台的示意圖
一位受試者的fMRI和EEG激活及NF評分示例(XP2)
上圖是一位受試者的fMRI和EEG激活及NF評分示例(XP2)。第一清單示在NF訓練期間的激活(EEG的fMRI和ERD頭皮分布的大膽對比)。第二列顯示校準特征(對側運動皮層的ROI分别用于fMRI NF計算和Laplacian在C3電極周圍用于EEG NF)。在最後一列中顯示了3個NF會話的平均(mean + std error) NF得分(rest blocks in white and NF taskblocks in grey)。
上圖為在XP2中進行NF訓練期間的平均EEG ERD時頻圖（N = 18個受試者）。(a)時頻圖，顯示對側運動電極中的ERD（紅色）和ERS（藍色），以及所有頻率上的平均ERD時間序列(mean + standard error acrosssubjects)。(b)在[8-12] Hz和[13-30] Hz頻段内的ERD地形圖。©ERD皮質圖。
上圖在XP2中三次NF運作時的組fMRI響應(NF任務> 0,p = 0.05 FWE校正，基于體素的分析)。(a) t= 1時門檻值化的平均激活圖(N = 20)。(b) 2dNF組(藍色)和1dNF組(綠色)對比圖。
上圖為EEG-fMRI聯合源估計平均結果。使用聯合EEG-fMRI稀疏模型（紅色），僅EEG資料（α= 1，綠色）或僅fMRI資料（α= 0，藍色）估計的運動執行過程中的源位置（XP1的8個受試者的平均值）。
僅用于改善腦電圖NF的稀疏腦電圖資訊fMRI模型
上圖為僅用于改善腦電圖NF的稀疏腦電圖資訊fMRI模型。
(a):說明用于從腦電圖信号學習fMRI-NF評分的方法。
(b)顯示了資料集XP2中所有受試者的學習步驟和測試步驟的估計fMRI-NF評分和fMRI-NF評分之間的相關性的中位數和四分位數。也顯示了僅根據EEG信号估算雙峰EEG-fMRI-NF評分的結果。
©:例如受試者sub-xp216 run 3。估計的分數是在第一次NF運作時獲得的，淺藍色是ground truth，深藍是從腦電圖中獲得的估計的fMRI-NF評分。下面黃色的圖是雙峰NF評分，紅色的圖是僅用EEG估計的NF評分。