婴儿听觉加工与事件相关脑振荡

摘要

高密度脑电图（dEEG）正越来越多地被用于研究生命早期阶段的大脑发育与可塑性。本文介绍了一种基于传统脑电图记录的先进分析技术应用，旨在揭示婴儿大脑快速听觉加工过程中的振荡动态特性。

摘要

快速听觉处理能力和声学变化检测能力在帮助人类婴儿高效处理人类语言所特有的精细谱图和时间变化方面起着关键作用。这些能力为有效的语言习得奠定了基础，使婴儿能够专注于母语的声音。动物的侵入性实验以及成人的头皮记录电位表明，脑区之间及内部同时发生的节律性活动（振荡）是感觉系统发育的基础，决定了对外来刺激解析的精细程度。目前，关于人类婴儿发育过程中振荡动态的研究仍然较少。然而，动物神经生理学和成人脑电图（EEG）数据为一个强有力的假说提供了依据，即婴儿的快速听觉处理是由特定频段的振荡同步性所介导的。为了验证这一假说，本研究检测了4个月大婴儿在两种刺激速率条件下（快速：70毫秒ISI；对照：300毫秒ISI）对音调对频率变化的128通道高密度脑电图反应。为了确定活动的频段和强度，首先将听觉诱发电位的平均值与适龄的脑模板进行共配准。随后，采用双偶极子脑活动模型识别并定位反应的主要成分。单次试验的振荡功率分析显示，在左右两侧听觉皮层均出现显著的Theta频段（3 - 8 Hz）活动爆发，作为频率变化处理的可靠指标，其中在快速条件下左侧激活更为显著。这些方法不仅产生了婴儿中首批报道的诱发电振荡分析数据之一，更重要的是，这些数据来源于一种成熟且可靠的方法，用于记录和分析清晰、严谨采集的婴儿脑电图（EEG）和事件相关电位（ERPs）。本文中，我们描述了婴儿脑电图网的应用、记录、动态脑响应分析方法以及代表性结果。

引言

在广泛的发育障碍谱系中，人们日益认识到，早期识别和最终干预的关键在于理解发育中的大脑在构建功能性神经网络时所涉及的早期机制。因此，人们对理解影响认知的神经活动时间动态特征的兴趣日益增加。特别是，特定认知功能被认为与特定频段的振荡活动存在差异性关联（例如，单细胞或群体膜电位的周期性波动）¹。先前的研究已证实，振荡动力学在发育中神经网络的活动依赖性自组织过程中发挥着关键作用^2-4，调控神经元兴奋性^5,6，并整合感觉输入^7,8。振荡性脑活动被认为具有代谢优势^9,10，可提高多种感觉处理功能的效率，并协调认知和语言等高级功能。然而，针对人类婴儿在不同年龄阶段神经同步的作用及其与行为结果之间的系统性研究尚未完成。实现这一目标的重要一步是深入理解支持发育中认知过程（包括早期语言）的时间动态特征和振荡机制的出现与成熟过程。

语言发展的一个关键组成部分是准确处理和分类快速变化的声学信号的能力：这种变化通常短至几十毫秒。例如，“dad”和“bad”这两个词在声学上的差异仅体现在音节的前40毫秒内，但它们的含义和关联却截然不同。先前的研究表明，个体对声学和语言差异的接受能力存在一种成熟发展的轨迹。早在2个月大时，婴儿就已表现出区分快速频率变化的能力（例如，< 100毫秒），这表明区分声学上相似音节的“硬件”机制已经具备。在接下来的几个月中，婴儿能够区分越来越细微的差异，逐步形成范畴化知觉，并对母语音节的声音表现出皮层特异性^11-14。由于复杂声音的感知依赖于基本加工机制的功能，因此人们认为，对快速变化的声学差异（即使是像音调这样简单的声音）感知能力的缺陷，可能是日后语言障碍的早期指标¹⁵。

本实验室先前由 Choudhury 和 Benasich 开展的研究工作为此假说提供了有力支持，表明婴儿处理简单声音（例如音调）中极快速变化的能力，可预测其3岁和4岁时的语言及认知能力^16,17。这些数据证实，前语言期婴儿的大脑反应可作为听觉处理和发育进展的可量化指标。本文所介绍的研究及方法深入探讨了这一关联背后的机制中的关键方面。目前多项研究表明，事件相关电位（ERP）波形的潜伏期峰值和波幅源于多个神经发生器脑电（EEG）振荡中谱时动态的叠加^18-23。谱时分析还可分离相位和功率信息。锁相活动反映的是由刺激诱发的神经元反应部分，这类信息与从ERP中提取的信息类似，因为反应均是相对于时间锁定事件进行平均的。然而，某些神经元活动的时序可能在不同试验间存在变异。在ERP分析中，此类活动会被“平均掉”；但在逐次试验的功率变化分析中，这些信息可以被恢复并加以分析。因此，相较于传统的ERP分析，对相位和功率的谱时分析可能提供关于神经元反应的额外信息。在婴儿发育方面，已有大量证据表明振荡活动在动物模型神经回路发育中起重要作用^2,3，但这些机制在人类群体中的研究才刚刚起步。本实验室的研究已发现6个月大婴儿在母语特化过程中存在theta和gamma频段振荡的相关性²⁴，这凸显了振荡层级在婴儿期的功能意义。

基于上述证据，全球性假设认为听觉皮层诱发振荡的同步性支持婴儿大脑发育。作为检验该假设的第一步，我们获得了早期婴儿期的“基线”数据，即4月龄，目前认为此阶段处于母语特化“感知窄化”之前^25,26。因此，我们对婴儿脑电图（EEG）数据进行了单次试验频率分析，这些数据是在被动聆听音高变化和音高不变的音调对时记录的，实验采用“偏差刺激范式”，包含两种刺激速率条件（对照条件：刺激间间隔300毫秒；快速条件：刺激间间隔70毫秒）。

本文以关注快速听觉加工的研究中的刺激材料为例来说明该方法。在这些研究中，采用“偏差刺激范式”（oddball paradigm）来评估大脑对不可预测但可识别事件的神经活动反应。在此范式中，大脑对不可预测或“异常”刺激的反应通常被称为“偏差”（Deviant）反应，而对频繁出现、可预测刺激的反应则通常称为“标准”（Standard）脑反应。在偏差刺激范式中呈现的刺激所诱发的反应可以自动产生，无需受试者集中注意力，因此该范式特别适用于年龄非常小的婴儿。所有听觉刺激均通过自由场扬声器以一定时间间隔呈现，具体间隔根据研究设计而异。如前所述，本研究采用了反映快速听觉加工（RAP）能力的声音刺激：即包含数十毫秒声学变化的声音^16,17,27,28。值得注意的是，还有许多其他类型的刺激可用于检测神经生理辨别能力，包括辅音-元音（CV）音、反映频率或持续时间变化的偏差刺激、插入间隔（Gap）的刺激，以及升频或降频的频率扫频（Sweeps）。最后，我们还建议在“安静玩耍”状态下记录自发脑电活动（EEG），即在无任何听觉刺激呈现的情况下进行记录。这些数据可用于在无重复刺激条件下测量振荡耦合与相干性。

对婴儿群体进行脑电图（EEG）活动记录面临一系列独特的挑战。例如，婴儿对电极安放的配合、在实验全程中保持电极位置稳定、尽量减少身体活动以避免产生脑电伪迹，以及使用无声玩具使婴儿保持专注和分心等，均构成实际困难。此外，婴儿的脑电数据难以直接套用基于成人或较大儿童数据所建立的标准实验方案。在许多情况下，婴儿脑电成分与事件相关电位（ERPs）之间的关系并不像成人那样明确，也不总是与成人中公认的结果相对应。尽管发展性研究在揭示典型及异常脑功能起源方面具有巨大潜力，但从人类婴儿身上获取可靠且可解释的脑电反应，需要在技术操作和人际互动方面具备高度的专业能力。然而，这些挑战是可以克服的，通过多种实验范式，能够从不同年龄段的婴儿中成功记录到可靠的脑电（EEG）和事件相关电位（ERP）数据。本文介绍一种通用分析方法，该方法结合商用ERP记录与分析软件，以及一个可在MATLAB环境中运行的免费开源ERP分析工具包²⁹。

将振荡分析方法应用于婴儿脑反应记录，有助于探索与语言习得相关的神经元同步发育及其潜在机制的更深层次机制性问题，特别是在同步功能受损时的相关机制。其他相关研究利用不同刺激（如语音音节²⁴），结合纵向分析或早期训练范式，对自发性或“静息态”振荡¹进行分析，为典型与异常发育轨迹的时间、空间和频谱动态提供了观察窗口。这些研究有望加深我们对听觉发育及可塑性基础的理解，并有助于发展性语言障碍的识别与干预策略的制定。

方案

所有涉及人类受试者的研究均需获得机构审查委员会的批准和监督。本报告中所述方法在用于研究时，已通过罗格斯文理学院机构审查委员会（IRB）的人类受试者保护项目审查并获得批准。

1. 准备

1. 在隔音且电磁屏蔽的房间内为婴儿安排1小时的测试。本文所介绍的研究方案包含20至30分钟的脑电图（EEG）测试，可获得代表性数据。
2. 每次测试需配备三人：一名“主试者”、一名“网帽助手”和一名“逗引员”。
3. 进行高密度婴儿脑电图记录时，应使用至少64通道的电极帽。本研究中获得代表性数据所使用的为128通道传感器电极帽。

2. 网络应用

1. 在记录室内准备以下物品：Coban 自粘绷带、卷尺、标记笔、2 条毛巾和移液器。将声音校准至测试水平（例如， 分贝声压级（dB SPL）、听力级（HL）等。
2. 在预计家属到达时间之前，提前配制电解质溶液（蒸馏水、氯化钾和婴儿洗发液）。为确保网状电极对婴儿头部不会过冷，使用前将8盎司水加热后加入溶液中。
3. 当家属到达后，使用经机构审查委员会（IRB）批准的表格获取知情同意。
4. 在测试室中，让婴儿坐在看护者的腿上，由逗引者开始与婴儿互动。如果是首次来访，需解释脑电帽的佩戴流程。
5. 在头部最宽处测量婴儿的头围，并根据该测量值选择合适的网罩尺寸。为了获得最佳贴合效果，若头围接近某一月龄段的最小尺寸，应选择较小尺寸的网罩。将选定的网罩浸入电解质溶液中。
6. 测量鼻根点至枕外隆凸的距离，并在头皮上做标记 ½ 总测量的交点。对耳至耳测量同样如此。最终标记点为Cz（头顶点）。
7. 将网放置在干燥的毛巾上以去除多余的溶液。由网辅助人员将网翻转并握住Cz电极，持握网的位置应便于主要测试者将手指置于网的前部。
8. 翻转网罩，将其覆盖在婴儿头部，同时由网罩助手将下颌带和彩色前端线（连接鼻根电极和下颌带）从网罩外侧移出。
9. 调整婴儿头部网状电极的位置，使Cz位于头顶的头皮标记处。从后部开始向前部依次放置/对齐每个电极，确保每个电极与头皮表面呈直角。
10. 收集导线，调整下颌带，用Coban胶带固定导线，并插入网络连接器。
11. 使用阈值测量电极阻抗 < 50 千欧姆，或根据系统说明操作。如果某些电极阻抗较高，使用装有电解质的移液管重新浸泡电极，并轻轻将电极下方的毛发移开。

3. 刺激呈现与脑电图记录

1. 使用与婴儿头部等距的扬声器在自由场中呈现听觉刺激。
   注意：代表性研究刺激参数如下：使用两个音块（刺激间间隔为70或300毫秒），呈现持续时间为70毫秒的成对音调，基频分别为800 Hz或1,200 Hz，包含15个谐波（每倍频程衰减6 dB）。低-高音对（800 Hz - 1,200 Hz）作为偏差刺激（占15%，共125次试验）出现在低-低音对（800 Hz - 800 Hz）标准刺激（占85%，共708次试验）中。
2. 根据硬件和软件说明记录脑电图（EEG）。用于代表性数据的参数如下：采样率：250 Hz，低通硬件滤波器：100 Hz，椭圆滤波器，高通滤波器：0.1 Hz，自动设置为奈奎斯特频率，板载增益：1。
3. 在记录过程中，为婴儿提供一个安静、平和且适度吸引其注意力的环境。可通过播放适龄的无声视频或使用安静的玩具来吸引婴儿的注意力。例如， 吹泡泡、指向书中的图片、玩木偶）。为照护者提供耳机以收听音乐，可避免其无意中干扰婴儿的反应。若婴儿躁动不安，影响脑电图（EEG）记录，应暂停刺激呈现和脑电图记录，直至恢复安静环境。
4. 实验结束后，轻轻取下网罩，擦干婴儿的头发和头部。
5. 测试会话结束关闭程序前，保存并备份原始未过滤的脑电图数据。

4. 数据处理 - 事件相关电位（ERPs）

目视检查原始脑电图（EEG）数据，并剔除含有高幅伪迹的片段。
注意：应剔除高幅信号通道并进行插值。剔除通道的最大百分比应设置为30%。也可采用其他方法（例如，独立成分分析（ICA）、主成分分析（PCA），另见参考文献³⁰）来减少或剔除数据中存在的伪迹。

1. 使用符合皮层活动的预设参数对数据进行滤波。对于婴儿，采用1 - 15 Hz的离线带通滤波。
2. 将连续数据分段，以“时间0”（刺激 onset）为中心生成片段，具体操作依据软件说明进行。分段时应包含足够的刺激前时间以建立基线活动，以及足够的刺激后时间以捕捉完整反应。
3. 根据适当的剔除标准（e.g., 婴儿为 +/- 200 µV）剔除噪声片段。设定最大剔除片段比例为30%。
4. 对每位个体和每种条件的片段进行平均，并按组别和条件合并这些平均值，以获得总平均值（grand averages）。
5. 若各平均值所包含的片段数量在不同受试者间存在差异，应对片段数量进行加权，使片段较多或较少的受试者在分析中具有同等权重。
   1. 为对总平均值进行加权，将每个条件下个体的平均波形乘以该平均所包含的片段数n，再除以所有受试者的片段总数，即得加权后的个体平均值。 该方法使每一次试验在最终平均中具有相等的权重。

5. 数据处理——源定位

对于婴儿数据，将每个个体及总平均ERP文件与适合年龄的MR模板或个体MR扫描图像进行共配准（参见先前发表的研究^31,32）。
注意：在共配准过程中，电极位置和重建的头部模型将被配准至同一个坐标系中。可使用总平均数据来定义偶极子模型。

估计需要拟合到数据中的潜在源的数量和位置。对于听觉实验范式，使用两个位置和方向均可自由调整的偶极子。
注意：源定位将通过最小化一个成本函数自动进行，该成本函数是4个残差拟合标准的加权组合，以获得对目标时间窗的“最佳拟合”位置。

1. 确保使用与年龄相适应的参数，包括头皮厚度、颅骨厚度、蛛网膜下腔宽度和骨传导率，因为这些因素在发育过程中变化迅速。代表性数据所用参数为：颅骨：1.5 mm；头皮：2.5 mm；蛛网膜下腔：1.7 mm；骨传导率：0.0581。
2. 从总平均ERP开始，选择与某一峰值相对应的时间窗口。通常围绕目标峰值采用保守参数，即峰值前后各±20毫秒 ³¹.
3. 使用软件输出的残差方差来检验偶极子解的“拟合优度”。残差方差表示在当前偶极子模型拟合的时间窗口内，仍有部分信号未能被解释。调整时间窗口以最小化残差方差。采用分布式源模型（CLARA）来验证扩展活动区域内的解。
4. 保存每种条件和峰的偶极子源解和波形。
5. 对每个单独的平均文件重复该步骤。
6. 对于源定位的统计分析，使用每个个体平均文件解中每个偶极子的峰值潜伏期、振幅以及 X（内侧-外侧）、Y（前-后）和 Z（上-下）方向上的位置坐标值。在本案例中，可采用 2×2 重复测量方差分析（刺激类型（标准刺激、偏差刺激）× 半球（左、右）），以考察源的振幅和潜伏期，从而评估神经发生器的强度与时间特性。源坐标也可采用相同方法进行评估（综述见 ^31,32).

6. 数据处理——源空间中的时频分析

1. 将偶极子模型解应用于原始的、未滤波的连续脑电图（EEG）数据。
   1. 将步骤 5.6 中保存的源解作为虚拟电极蒙太奇应用于原始 EEG 数据文件。
      注意：以这种方式使用偶极子模型，相当于在表面通道记录（传感器空间）上应用一个固定的空域滤波器，从而将连续的高密度 EEG 转换为虚拟的双源蒙太奇（脑源空间）。
2. 将时域单次试验源信号转换到时频域（图 1）。
   注意：目前有多种方法可用于将单次试验数据转换到时频域，包括小波分析以及对滤波后的数据应用希尔伯特变换。尽管这些方法之间的比较不在本文范围内，但已有若干已发表的文章对这些方法进行了详尽描述^33-36。使用商业可用的相干性分析软件程序中的复调制解调方法³⁷，可计算每个脑活动随频率和时间变化的瞬时包络振幅和相位^37-39。该方法可得到瞬时功率变化（时间谱演化，TSE）和相位锁定（试验间相位锁定，ITPL）的测量值。
   1. 使用以下参数：频率范围为 2 至 80 Hz，频率分辨率为 1 Hz，时间分辨率为 50 毫秒，时间窗为 -1,500 至 1,500 毫秒。该时间窗应足够长，以确保在最低目标频率下进行滤波或处理时不会引入伪迹^40,41。
3. 可视化 EEG 中活动的频率峰值，以避免对可能由伪迹或循环效应引起的虚假振荡进行误解释^41,42。
4. 进行置换检验和聚类分析，以确定不同条件和组别之间存在显著差异的区域^24,43。

结果

婴儿事件相关电位

婴儿的事件相关电位（ERP）通常比成人的更大，并且相对于成熟的反应，根据年龄的不同，其激活峰的数量可能更少或更多⁴⁴。在此，我们展示了来自23名4个月大婴儿的代表性总平均反应⁴³（图2）。通过失匹配范式，我们可以判断婴儿大脑是否能够识别两个事件之间的差异。在代表性结果中，与不变的音调对（标准刺激，STD，800-800 Hz，黑线）相比，变化的音调（偏差刺激，DEV，800-1,200 Hz，红线）引发了一个额外的激活峰。这一现象在控制速率条件（300毫秒刺激间隔，左侧）和快速速率条件（70毫秒刺激间隔，右侧）中均清晰可见。图中展示了来自Fz（额中线）、C3（中央右侧）和C4（中央左侧）电极的示例性反应。计算得到的差异波（偏差减去标准）也以灰色线条显示。额外的激活峰表明，该年龄段的婴儿大脑能够在两种刺激速率下区分音调之间的差异。

婴儿源波形

源活动的残差方差应较小，并与事件相关电位（ERP）峰值相吻合，表明原始数据与源定位转换后的数据之间具有“良好拟合”。在代表性数据中，我们展示了婴儿在标准刺激（音调不变）条件下，基于CLARA分布式模型的总平均ERP的双偶极子最佳拟合源模型的位置（图3）。计算结果清晰地显示出在对照条件和快速速率条件下，左右听觉区均被激活。

双偶极子模型的活动峰值（图4）与事件相关电位（ERP）反应高度吻合。如图(i)所示，ERP波形的峰值潜伏期和形态与图(ii)中所示的源波形的潜伏期和形态相匹配（更多细节参见原文⁴³）。本实验获得的源波形解释了头皮电极记录的活动变异性的97.9%。对源峰值潜伏期的统计分析显示，在两种条件下，右半球的活动均快于左半球，且在快速刺激速率下，两个半球的反应均较对照条件延迟。使用ERP数据未观察到半球间差异，表明源定位技术能够从反应中提取额外信息。

婴儿事件相关振荡

总体而言，对成人和动物数据的时频分析表明，刺激会引发神经同步的1/f模式例如，随着频率增加而功率降低）。在代表性数据中，通过听觉音调对诱发的反应显示，婴儿也表现出这种模式（图5在此，刺激开始会在大脑左右两侧听觉区域诱发同步的theta（5-6 Hz）、beta（20-25 Hz）和gamma（35-45 Hz）频段功率爆发。

动物模型和成人实验表明，振荡同步性，特别是低至中频振荡（例如，1-8 Hz），是诱发电位的主要贡献因素⁴⁵。根据我们先前发表的研究⁴³中对婴儿振荡瞬时功率变化（时域谱演化，TSE）的分析，相较于不变音调，变异音调在theta频段（6-8 Hz）诱导出更强的功率增强。该效应在两种刺激速率条件下均被观察到，尤其在对照速率条件下右侧听觉区域表现更为显著（图6）。快速速率呈现诱发了更为双侧对称的脑活动，提示在快速刺激的听觉加工过程中，尤其是声学变化加工期间，左侧皮层的参与程度增强。

图1. 时频分析的步骤。 使用4个月大婴儿在70毫秒ISI声刺激条件下的总平均（n = 12）数据说明时频分析方法。时间轴下方的红色箭头表示刺激起始时间。分析步骤：(1) 针对每个通道生成平均事件相关电位（ERP），图中显示的是Cz电极处的波形。(2) 通过将数据映射到婴儿MRI模板并使用双偶极子模型，获得ERP发生源的源定位，如简略头部示意图所示。(3) 从左、右偶极子拟合中获得个体及总平均的源波形。婴儿头部模型显示了与所选峰值（灰色）相对应的电压分布图。(4) 将源导联组合应用于128通道头皮数据，并计算和保存两个源通道的幅值。(5) 从单次试验数据中计算事件相关振荡，并在反应期内进行平均。请点击此处查看该图的高清版本。

图 2. 事件相关电位形态。 显示了在额中线及中央左右电极上对快速（70 毫秒 ISI）和对照（300 毫秒 ISI）速率下标准（STD，黑线）和偏差（DEV，红线）音调对的总平均波形（n = 23）。负向波向上绘制。Fz 处的时间轴下方以红色箭头标示刺激起始点。P1 成分在 Fz 图中以黑色箭头标示。差波（DEV 反应减去 STD 反应）以灰色线条表示（改编自⁴³）。请点击此处查看该图的放大版本。

图3. 源定位结果。 双偶极子“最佳拟合”源模型叠加显示在源模型的分布式活动上。在左右颞叶区域可清晰观察到左侧和右侧的活动。（改编自⁴³）。请点击此处查看此图的放大版本。

图4. 事件相关电位与源波形比较。（i） 来自额部左侧和右侧电极（F3 和 F4）的示例事件相关电位（ERP）显示了对基频不变和变化音调对的激活峰值（分别为标准刺激 STD 和偏差刺激 DEV）。相对于基频不变的情况（STD，黑线），频率变化在约 400 毫秒处引发更大的峰值（DEV，红线）。（ii） 源定位偶极子活动的激活峰值潜伏期相似，表明 ERP 与源波形分析之间具有良好的对应性。在右半球，源定位数据中 400 毫秒处的大峰值尤为明显。为简化起见，仅展示了快速速率条件下的反应，但在控制速率条件下，ERP 与源波形之间的类似对应关系也同样存在。请点击此处查看该图的放大版本。

图5. 汇总的时间-频谱能量图以左、右源在时间-1至1秒时间段内的光谱变化百分比表示。 (i) 300毫秒ISI条件下的音调在刺激 onset 周围的相干频段引发事件相关振荡例如., -1,140 毫秒和 0 毫秒）。采用较长的刺激时段是为了显示更多的数据，并提供足够长的样本用于频率分解。右图显示初始加工峰（150 - 300 毫秒）期间的平均频谱。平均频谱呈现出整体的 1/f 谱特征，并在特定频段出现离散的同步峰。 （ii） 70毫秒ISI条件也观察到类似的模式。 请点击此处以查看此图的放大版本。

图6. 4个月大婴儿事件相关振荡的时频分析。 控制条件 (A) 和快速速率条件 (B) 下4个月大婴儿的振荡功率变化以时间谱演化（TSE）总平均图表示。横轴上的黑条表示声音的起始时间和持续时间。每个图的左上角标明左侧和右侧脑区的源活动。第一行：(i) 对频率不变音调对（标准刺激，STD）的反应显示在delta-theta频段内的功率变化。第二行：(ii) 对第二个音调频率发生变化的音调对（偏差刺激，DEV）的反应显示，在控制条件下，尤其是在右侧听觉区域，第二个音调处的delta-theta功率较STD反应增强。第三行：STD与DEV反应之间的差异图显示，在控制速率条件下 (A.iii) 出现右侧偏侧化的功率增加，而在快速速率条件下 (B.iii) 出现双侧功率差异。在时频域内STD与DEV反应之间的显著差异以黑色轮廓标出。（改编自⁴³）。请点击此处查看该图的高清版本。

讨论

本文所述的研究方法旨在促进对婴儿高密度听觉诱发电位脑电图（EEG）和事件相关电位（ERP）的时频动态特征及其解剖定位的深入理解。该方案包含四个关键步骤以支持数据分析。首先，正确地安装和定位电极网，同时尽量减少照护者和婴儿的不适，这是在非镇静范式下记录清晰脑电数据的基础。准确测量头围、选择合适尺寸的电极网，并在安装过程中使用电极网助手和娱乐人员，是完成此步骤的关键。其次，在测试过程中为家庭营造一个安静、平和且轻松愉快的氛围至关重要，这一条件由主试者、电极网助手和娱乐人员共同实现，其中娱乐人员通过安静的游戏活动吸引婴儿注意力。第三，在数据分析方面，必须使用适合婴儿年龄的磁共振成像（MRI）头部模型进行源定位。为了获得最精确的定位结果，所用模型的头部尺寸、颅骨、皮肤以及脑脊液空间必须与受试年龄相匹配。最后，对于皮层反应的总体检测，使用高密度电极网（例如，至少64通道的数据采集）也极为关键，以最大程度提高获得低伪迹记录的可能性。

该技术的一个局限性在于，脑电图（EEG）数据的源定位并非活动位点检测的金标准。必须认识到，即使采用最优的头部模型和测量方法，定位的前向模型仍只是对活动位置的估计。因此，实验设计必须确保能够在不同实验条件或组别之间比较源活动的相关信息。此外，婴儿测试本身，尤其是纵向研究，常常面临数据不完整或缺失的问题。解决这一问题的方法包括：a）与参与的家庭保持良好关系；b）为婴儿及其照护者营造安静、平和的记录环境；c）高估所需被试样本量。在我们经验丰富的儿科团队操作下，已实现较低的脱落率和极少的数据丢失。在一项包含57名婴儿、共计211次记录会话的纵向研究中，数据显示98.6%的数据保留率（例如，208次会话获得了可用数据），脱落率为10%（例如，6名参与者在开始实验后无法继续）。与MEG和NIRS等其他技术相比，EEG的一个优势在于，通过使用不同的滤波频带，可以检测到偏向皮层下区域的活动。此外，由于电极随头部移动，因此更易于控制运动伪迹。

一旦掌握了该方案，婴儿脑电图和振荡动力学的实验应用将非常广泛。显然，我们必须首先理解典型发育的皮层网络，才能识别出非典型组织的网络。这表明有必要建立一个模型，其中早期听觉加工机制（包括振荡活动）的完整性在声音表征的形成及可塑性过程中发挥作用，随着听觉经验的不断整合，甚至理想地被学习。根据该模型，非语言加工缺陷可能在正式诊断出现前数年，甚至在某些情况下数十年前就已与相关症状相关联。

未来需要进一步研究以深入了解更多细节，包括特定频段振荡动态的功能、跨频段相位耦合以及早期发育过程中不同脑区的抑制/兴奋模式。此外，还需要在不同状态（如睡眠）下检测皮层下活动，以更全面地揭示典型发育的特征。我们相信，利用该技术开展的研究将为“神经典型”和非典型振荡动态如何组织并与其新兴的认知与语言能力相互作用的过程提供重要的科学见解。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
脑电图放大器	EGI	1301281
传感器网	EGI	C-GSN-128-1011-110	网的尺寸随年龄（按月）变化
脑电图记录软件	Net Station	4604200
刺激呈现计算机	Dell	4608161
刺激呈现软件	Eprime	13102456-50
婴儿奶瓶加热器	Avent		Target 或任何婴儿用品商店
电解质溶液（氯化钾干粉）	EGI	A-A-CC-KLL-1000-000
Coban 自粘绷带胶带	Coban	595573
卷尺			Target 或任何婴儿用品商店
可擦洗记号笔			Target 或任何婴儿用品商店
移液管			随 EGI 放大器设备套装提供
分析用计算机	Dell
分析软件 I	BESA	3955054	v5.3
分析软件 II	Brain Voyager	3955054
分析软件 III	EEGLAB/ERPLAB/ MassUnivariate Toolbox		免费软件 MatLAB v2007b
分析软件 IV	BESA Statistics	3956341