Likan Zhan

脑电研究的正确姿势

侃侃迩行 · 2017-03-16

1. 什么是脑电?

EEG是Electroencephalography的缩写(Electro-电,Encephalo-脑,Graphy-图),中文名称脑电图。脑电图是用放置在头皮上的电极测量到的脑电场。脑电是无创性的。与脑电类似的技术叫皮层下脑电(ElectroCorticoGraphy, ECoG,或叫intracranial electroencephalography, iEEG)。顾名思义,皮层下脑电的电极是安放在头皮下面的。所以皮层下脑电是有创伤的。皮层下脑电研究多在病人中进行,当该病人必须进行开颅手术,并植入电极时,科学家才能在征得病人同意后才能进行相关数据的收集。

神经电信号是人脑中信号传递的基本方式。电化学信号在神经元之间的传播会产生电场,单个神经元产生的电场非常微弱,脑电仪无法测量。脑电的标准模型认为本地场电位(local field potential)和脑电由数十亿个神经元信号同时和平行进行传递时,聚合效应会产生一个脑电仪能够测量得到的较大脑电场。但是标准模型在解释脑电信号的时间、空间合频率特征时实际上没有解释价值。脑电信号反应的是神经微环路的动态变化。神经科学家和心理学家更关心的是这些神经微环路所依赖的计算过程。标准模型解释了脑电信号的存在,却没有解释脑电信号的内容。而脑电信号的内容却是认知电生理学更关心的问题。

2. 脑电信号来自哪里?

当被问到脑电信号来自哪里的时候,大部分人想到的是脑电信号的溯源问题,即从一个给定的脑电信号的地形分布(如图1a),找到这些这个信号的发射源。假如图1a中的地形图分布可以用 图1b中紫色和蓝色两个可能的偶极子进行解释。这两个偶极子可以支撑不同的理论架构吗?答案是不能。

所以探索脑电信号的来源,重要的不是解决溯源问题,而是探索神经微环路(neural miscrocircuit)的结构和功能架构(如图1c),以解释与认知过程相关的脑电特征(EEG features)。 神经微环路(Neural microcircuit)通常指一组数十个或数百个不同类型的细胞为实现某个功能而组合形成的一个整体。在一个神经环路内部各个细胞间联系的密集程度远与环路间细胞联系的密集程度。作为指大脑结构和功能的一个组织层次,神经环路该比神经元层次大,但比fMRI中一个体素(voxel)小。脑电的特征(EEG feature)指脑电信号中与某些感觉和认知过程相关的特异性空域(spatial)、时域(temporal)、和频域(spectral)模式。如中额叶\(\theta\)波与冲突监控、后部\(\alpha\)波与空间注意的关系等。

强迫降低被试的主体感
图1. 脑电信号

3. 脑电特征和神经微环路的复杂关系

脑电研究理想的状态是建立神经微环路与脑电特征的一一对应关系。实际情况可能是多对一的关系,即同一种脑电特征可能对应于不同的神经微环路。这是因为脑电只能在非常粗略的层次上测量大脑的神经活动。庆幸的是,虽然神经活动在理论上可以形成无数不同配置,神经微环路的实际配置只是所有可能性中很小的一部分。这就使得多对一的并不是非常的多。

I). 大脑中的脑电活动既不是平直的也不是随机的,而是按一定韵律变化的,即神经振荡(Neural Oscillations)。这些韵律变化通常可被分解为几个特征性的频率。神经振荡韵律的产生是由神经元兴奋的整体性波动所致,并产生在波幅、时域和频域均存在变异的复杂时空模式。这些时空模式的变异被称作非平稳性(nonstationarity)。认知电生理学的基本目的就是去理解这些非平稳性和各种感知觉过程的关系。 过去几十年大量研究发现,首先、神经振荡的特定模式是与知觉、认知、运动、和情绪等过程紧密联系的。其次,不同神经微环路、不同认知情景下的神经振荡也许会有不同的运算方式和认知功能。例如,我们现在尚不清楚视觉皮层\(\alpha\)波的运算原则是否能推广到前额叶皮层的\(\theta\)波中。

II)脑电强度和神经脉冲的关系。Snder和其合作者发现,神经脉冲的空间整合和和脑电强度的关系并不是线性的。神经脉冲-数量高相关性(spike-count correlation)预测了脑电信号的高强度或低强度;而神经脉冲的低相关性则与伴随着脑电信号不强不弱的中间阶段出现。

III). 脑电成分\(\alpha\)波和\(\gamma\)的相关研究也说明了神经环路和脑电特征间的复杂关系。对于\(\alpha\)波,首先其振幅、时间进程、峰值频率等都随着认知任务、皮层区域和皮层层级的不同而不同。其次实证研究和模型模拟也发现\(\alpha\)波可能来源于不同的神经机制,如丘脑-皮层环路、锥体神经元的韵律性激活、等等。\(\gamma\)波(30-80赫兹)被认为与积极的感觉过程有关。但很少有研究能用神经元层次上的激活机制去解释脑电层次上的\(\gamma\)信号。

研究者在研究脑电特征和神经微环路关系上取得了两方面的巨大进展:从微观角度,我们有对一个或少数几个神经元的活动方式有细致的研究;从宏观的角度,我们利用脑电系统在几十亿个神经元的层次上对也人脑电生理学进行了系统研究。但是如何把微观领域和宏观领域的研究结果统合起来,却是研究者真正理解脑电信号需要缝合的巨大裂缝。目前神经科学领域三个方面的进步为缝合该裂缝提供了基础。第一、大量研究考察了记忆、知觉、情绪、语言、动作和其他认知过程所涉及的脑电特征。第二、大量神经生理学研究开始关注神经微环路的组织和操作原则。第三、大量技术革新为研究者测量和操纵动物大脑提供了可能,如光遗传学技术(opogenetic techniques)的应用。

4. 数据收集和分析方法革新

脑电研究的理想方式是在不同层次上同时记录神经信号数据,即既同时在大脑的不同区域和不同皮层层级上用上百个微电极记录其神经信号,又在皮层层次上记录脑电信号。对于人类被试而言,可以同时收集脑电信号和核磁共振信号;同时记录脑电信号和其行为认知信号。利用计算模型等。

脑电研究还需要数据分析方法上的革新。传统脑电信号的时间-频率分析都假定神经振荡在数百毫秒的级别上是按正弦分布的(如图2a)。如前所述,神经振荡是节律性分布的。但它们是正弦分布吗?存疑。如果我们用正弦分布对信号进行过滤,我们甚至能在某些纯粹噪音信号中提取出正弦信号(如图2b)。新的分析方法应该以传统分析方法为起点,并把神经生理学的相关原则应用到数据分析中(Physiologically inspired)。例如研究者可以根据神经生理学的数据结果确定神经信号的分布形状,而不是简单的按正弦分布对数据进行处理。如果研究者同时记录了单个神经元、局部场电位、和脑电等多层次信号(Multiscale 或 cross-scale),研究者可以把信号存储在同一个矩阵中(如图2c)。这将方便于矩阵分解和分割分析、数据将维(dimensionality reduction)、源定位分解、和机器学习方法的使用。

脑电新分析方法
图2. 脑电分析方法革新

5. 参考文献

Cohen, M. X. (2017). Where Does EEG Come From and What Does It Mean? Trends in Neurosciences. doi:10.1016/j.tins.2017.02.004