方法文章

基于计算机的多窗谱图程序用于脑电图数据

14K 次观看

⸱

DOI：

10.3791/60333

⸱

2019年11月13日

 ,  , 
1Department of Psychology, University of Tennessee, 2Department of Anesthesiology, University of Tennessee, 3Oak Ridge National Laboratory

本文内容

摘要

本方案提供了一个开源的、已编译的 MATLAB 程序，用于生成脑电图数据的多锥谱图。

摘要

目前的网络资源在提供用于可视化和量化脑电图（EEG）数据的频谱图计算工具方面功能有限，且用户友好性不足。本文介绍了一种基于 Windows 系统的开源代码，用于生成 EEG 多锥体频谱图。该编译后的程序可供 Windows 用户免费使用，无需软件授权许可；而对于 Macintosh 用户，仅限拥有 MATLAB 软件授权者使用。本文通过展示随睡眠与清醒状态变化以及阿片类药物对这些状态产生影响时的 EEG 频谱图，说明了该程序的应用。在向 C57BL/6J 小鼠腹腔注射生理盐水（溶剂对照）以及具有镇痛剂量的吗啡、丁丙诺啡和芬太尼后，连续 4 小时无线记录其 EEG 信号。频谱图显示，丁丙诺啡和吗啡在 1−3 Hz 和 8−9 Hz 频段对 EEG 功率产生了相似的影响。芬太尼给药后的频谱图则显示出在 3 Hz 和 7 Hz 处出现最大平均功率带。这些频谱图揭示了不同阿片类药物对 EEG 频率和功率的差异化作用。这些基于计算机的方法可广泛适用于不同药物类别，并可方便地修改以量化和展示多种节律性生物信号。

引言

脑电图（EEG）数据可在频域中进行有效分析，以表征行为和神经生理唤醒水平1。多锥谱图（multitaper spectrogram）将脑电波形转换到时域和频域，从而可视化不同频率信号功率随时间的动态变化。多锥谱图采用傅里叶分析生成谱密度估计。谱密度估计可将波形分解为构成信号的纯正弦波，类似于白光通过棱镜发生色散后呈现完整的颜色光谱2。脑电图的多锥谱图反映了多个神经元网络的综合活动，这些网络的放电模式以不同频率振荡2。由于具有时间平移不变性，傅里叶变换被认为是时域与频域之间最优的变换方法3。然而，傅里叶分析也存在若干局限性。脑电信号具有非平稳性，因此在傅里叶方法下，微小变化可能无法被察觉，且分析结果可能随数据集大小而变化。但对非平稳信号应用傅里叶变换时通常采用加窗处理，其假设信号频谱在短时间内仅有微小变化。另一种谱分析方法是小波变换，其在检测脑部疾病方面可能更为适用3。

从功能角度来看，脑电图（EEG）信号所包含的不同振荡是较低层次的特质性表型，其特征与较高层次的状态性表型（如睡眠和清醒状态）相关2，或与全身麻醉药引起的意识丧失相关4,5,6。关于睡眠和清醒状态，频谱图清楚地表明，内源性产生的睡眠节律是连续且动态的7。传统上，对睡眠和清醒状态的定量描述涉及一种分段归类方法，即将每一段明确定义的脑电图记录时段（例如10秒）分配为睡眠或清醒的分类。这些状态分段随后被绘制为时间的函数。这种时间进程数据图通常被称为睡眠时相图（hypnogram），用于区分正常睡眠与因疾病、药物使用、昼夜节律改变、轮班工作等因素导致的睡眠紊乱。睡眠时相图的一个局限性在于，其以方波形式表达觉醒状态，从而对脑电图信号产生误导。睡眠时相图的绘制过程将觉醒状态离散化2，无法精细呈现中间状态或过渡阶段。此外，10秒的评分时段通过对时间尺度设定下限，造成了时间上的离散化。状态和时间双重离散化的结果，导致了关于意识状态之间动态相互作用2以及药物对这些状态干扰过程的神经生理学信息的丢失4。例如，不同的麻醉药物作用于不同的分子靶点和神经网络。对这些神经网络的药理学干预可稳定地产生特异于药物种类、剂量和给药途径的独特频谱图4。

本实验方案旨在促进有关阿片类药物如何改变睡眠8、呼吸9、痛觉感知10以及脑内神经化学过程的机制研究11。该方案描述了创建用于脑电图（EEG）分析的多锥谱图所需的步骤，该方法可使用专有软件或无需MATLAB授权的系统完成。采用C57BL/6J（B6）小鼠验证该基于计算机的方法在正常、无干扰的睡眠与清醒状态下以及系统给予阿片类药物后生成新型脑电图谱图的能力。通过系统比较B6小鼠腹腔注射生理盐水（溶剂对照）与镇痛剂量的吗啡、丁丙诺啡和芬太尼后脑电图谱图的差异，验证了分析方法的可靠性和有效性。

对新生小鼠脑电图（EEG）动态的定量研究具有转化意义，可为深入理解人类新生儿脑电图提供模型支持12。量化脑电图动态不仅具有描述性价值，还可为基于脑电图数据部分预测觉醒状态的机器学习方法提供支持13。本报告的目标是通过提供一种广泛可及、用户友好的计算多窗谱图的代码，推动转化科学研究，以表征药物诱导的小鼠脑电图变化。

方案

所有涉及小鼠的操作均遵循《实验动物护理与使用指南》（第8版）th 版本，国家科学院出版社，华盛顿特区，2011）并经田纳西大学机构动物护理和使用委员会审查和批准。

1. 记录电极的植入与初始数据采集

  1. 购买小鼠，并将其饲养在温湿度可控的环境中，自由摄取食物和水。在植入记录电极手术前，让小鼠适应新环境一周时间。电极植入手术步骤已有详细描述1,14。
  2. 对手术所需全部器械进行灭菌处理。
  3. 使用2.5%−3%异氟烷（溶于100%氧气）对小鼠进行麻醉。
  4. 待小鼠翻正反射消失后，将其从麻醉诱导舱中取出，并固定于立体定位仪上。
  5. 在两只眼睛表面涂抹眼用软膏。
  6. 将异氟烷浓度降低至1.7%，并通过面罩持续供给。
  7. 沿头皮正中线做切口，暴露颅骨。
  8. 在左右大脑皮层上方各钻一个颅骨窗（立体定位坐标为前囟后方1.0 mm，外侧3.0 mm15）。
  9. 将脑电图（EEG）电极插入每个颅骨窗，并用牙科丙烯酸树脂固定。
  10. 在背侧斜方肌植入双极电极，用于记录肌电图（EMG）。
    注意： 四根电极引线连接至皮下植入的无线遥测仪，该装置位于身体右下象限上方。这些手术技术可在此处查看（https://www.datasci.com/services/dsi-surgical-services/surgical-videos）。
  11. 术后给予镇痛药卡洛芬，并将小鼠置于温暖的恢复笼中，持续观察直至其能够自主活动。植入电极的小鼠应单独饲养。
  12. 待小鼠完全恢复后，每日进行抓握训练，并评估脑电图和肌电图记录质量。
  13. 设置数据采集系统，使其记录所有信号范围为±1,000 mV。
  14. 根据需要持续获取脑电图和肌电图记录数据。
  15. 使用睡眠分期软件，将数字化脑电图和肌电图记录每10秒划分为一个时间段，并判定为清醒状态、快速眼动（REM）睡眠或非快速眼动（NREM）睡眠。
    注意： 不同小鼠品系之间，脑电图功率存在基因型和状态特异性的差异，通常以总功率的百分比表示16。在B6小鼠中，清醒状态的特征是75−100 mV的混合频率脑电图，以及肌电图显示明显的肌张力，在运动时振幅显著升高。判定NREM睡眠的标准包括肌电图振幅较清醒时降低；与清醒状态相比，NREM睡眠的脑电图频率更慢，振幅更高（100−150 mV）。REM睡眠的特征是肌肉失张力，脑电图信号与清醒状态相似。
  16. 安排两名人员独立对同一记录进行分期判读，其中至少一人应对处理条件设盲。两名睡眠分期人员之间的判读一致性应高于90%。

2. 实验场所与设备

  1. 使用数据采集设备和软件对未过滤的脑电图（EEG）和肌电图（EMG）信号进行放大和数字化。
    注意：采用冷泉港实验室Mitra实验室开发的Chronux频谱分析工具箱，将脑电图信号表示为时间域和频率域中的功率。

3. 语谱图计算

  1. 如果是 Windows 用户，请使用已编译的程序。
  2. 如果是 Macintosh 用户，请运行原始代码文件。
  3. 获取 EDF 或 CSV 文件格式的原始未处理 EEG 数据，并将其放置在与已编译程序文件相同的目录中。
    1. 使用以下限制命名数据文件：文件名必须仅包含字母、数字、下划线或连字符。
    2. 使用以下限制命名数据文件：文件名不得包含句点、逗号、空格或任何其他符号。
  4. 下载已编译的多锥谱图程序（https://drive.google.com/ 或联系 C. O'Brien 发送邮件至 cobrien8@vols.utk.edu）。
  5. 启动谱图程序并按照弹出提示操作。选择文件类型：*.CSV 或 *.EDF。
    注意： 更多程序安装详情请参见 readme.txt 文件。
  6. 输入完整的 EEG 文件名（例如，419eeg.edf 或 419.eeg.csv）。
  7. 选择用于谱图计算的参数：默认值或自定义值。此步骤所需处理时间最长，因为正在计算谱图。数学加窗函数（锥形窗）可提供对基础频谱的统计独立估计。记录时长越长，此步骤耗时越久。在运行 Windows 10 的 PC 平台上，4 小时的记录最多需要约 3−4 分钟。
    1. 使用以下默认谱图参数：
      采样频率 = 500 Hz。表示每秒采样点数。
      fpass = 0.3 Hz 和 30 Hz。fpass 定义输入频率，并控制输出中提供的频率范围。
      填充（Padding）= 2。填充可在不影响结果计算的前提下对输出进行精细插值，有助于可视化以及精确识别谱线。该字段可填入从 -1 开始的任意整数。
      时间-带宽积（NW）= 15。信号时间持续长度与频谱宽度的乘积。
      锥形窗数量 = 29。选择锥形窗数量时，必须使用 2NW-1。锥形窗数量无上限，但使用过多会导致部分在指定频带内集中性较差的锥形窗被纳入计算。
      试验平均（Trial average）= 1。该参数决定是否执行试验或通道平均。若该参数设为 0，则不进行通道平均，函数将为每个作为输入数据的试验或通道输出独立结果；若试验平均设为 1，则输出结果将在试验或通道上进行平均。
      FFT 计算时间 ~30 秒。通过在多个小时间窗上计算频谱，用于追踪频谱的演变过程。
      FFT 计算的滑动时间窗步长 = 5。每次完成频谱计算后，滑动时间窗前进的量。
      注意： 步骤 3.7.1 中列出的默认谱图参数可根据需要进行修改。
  8. 输入谱图和 EEG 图的标题。
  9. 保存生成的谱图和 EEG 数据。
    1. 在图形窗口中点击 文件 | 保存 来保存图像。
      注意： 这些图像可为程序用户提供总结性图表，可用于制作达到发表质量的图像。

4. 故障排除

  1. 下载用于示例谱图计算的小鼠睡眠脑电图样本数据。
  2. 使用样本数据运行程序，以确保用户正确操作该程序。在附录中查找这些样本数据对应的图示，以确认由样本数据生成的图示准确无误。
    注意： 所有使用的设备和材料均已列在材料表中。

结果

以下图示展示了谱图所提供的关于脑兴奋性脑电图指标的新颖见解类型。

图1A 展示了清醒状态、非快速眼动（NREM）睡眠和快速眼动（REM）睡眠期间皮层脑电图（EEG）的相似性与差异性。许多研究者利用此类脑电图迹线，结合肌电图（EMG）记录（未显示），来量化睡眠与清醒状态。图1B 采用睡眠时相图（hypnogram）来呈现基于脑电图和肌电图记录评估所得的睡眠与清醒状态的时间组织结构。状态以10秒为时间段进行评分，并将这些时间段绘制成持续14,400秒（即4小时记录）的睡眠时相图。睡眠时相图未能体现状态之间的转换是连续且非线性的。与睡眠时相图不同，频谱图（图1C）展示了脑电图频率和功率随时间发生的高度动态变化。频谱图还突出了清醒期间与REM睡眠期间皮层脑电图信号之间的相似性。叠加在频谱图上的三个方框（图1C）标示了上方睡眠时相图（图1B）中识别出的清醒（WAKE）、NREM睡眠和REM睡眠状态，有助于直观理解脑电图频率和功率的详细变化。整个记录的频谱图为理解脑电图作为一种连续过程提供了细致入微的视角。

图2展示了四个多锥频谱图，每个图均总结了在腹腔注射生理盐水、吗啡、丁丙诺啡和芬太尼后4小时的脑电图（EEG）记录。这四项记录均来自同一只小鼠，并在光照开始后2小时开始采集。阿片类药物（但生理盐水除外）抑制了非快速眼动（NREM）睡眠和快速眼动（REM）睡眠，并增加了清醒状态的时长。频谱图揭示了多个新特征。这些新发现的脑电图特征提示了在化学威胁环境中区分不同阿片类药物的潜在应用价值。在生理盐水注射后（图2A），功率主要集中于2−4 Hz范围，表明处于NREM睡眠状态。请注意，阿片类药物的使用显著改变了脑电图频谱图的特征，且每种阿片类药物均引起独特的频谱变化。

图3表明，通过频谱图所展示的脑电图（EEG）变化可以被量化，并表示为每个半频段的平均主导频谱功率（图3A），以及特定脑电频率波段内的平均频谱功率（图3B）。与生理盐水组相比，布托啡诺引起的变化最为显著，主要出现在delta和theta频段。

用于分析清醒、非快速眼动（NREM）和快速眼动（REM）睡眠阶段的脑电图（EEG）、睡眠图和频谱图示意图。
图1：用于生成睡眠图和频谱图的皮层脑电图（EEG）记录。（A）在基线期（无注射）记录期间，清醒状态、非快速眼动（NREM）睡眠和快速眼动（REM）睡眠期间记录的脑电图波形。每条轨迹显示90秒的记录数据。（B）睡眠图以条形高度表示意识状态（纵轴）随4小时记录时间（横轴）的变化。（C）锥形频谱图，使用颜色条表示不同脑电频率（赫兹，Hz，左纵轴）下的脑电功率（分贝，dB，右纵轴）或谱功率密度随4小时记录时间（横轴）的变化。频谱图中添加了黑色垂直线，用于划分出各一个时期的清醒、NREM睡眠和REM睡眠。 （频谱图参数：采样频率 = 500 Hz，fpass = 0.3 Hz 和 30 Hz，填充 = 2，时间-带宽积 = 15，锥形数 = 29，试验平均 = 1，计算快速傅里叶变换（FFT）的时间窗口长度约30秒，FFT计算的窗口步长 = 5）。请点击此处查看该图的放大版本。

频率与时间的频谱图；生理盐水、吗啡、丁丙诺啡、芬太尼作用分析。
图 2：频谱图展示阿片类药物给药后脑电图（EEG）功率和频率的变化。 每个频谱图显示给药后 4 小时内（横坐标）的 EEG 频率（单位：赫兹，Hz，左侧纵坐标）和 EEG 功率（单位：分贝，dB，通过右侧纵坐标的颜色条表示），给药物质分别为（A）生理盐水、（B）吗啡、（C）丁丙诺啡和（D）芬太尼。（频谱图参数：采样频率 = 500 Hz，fpass = 0.3 Hz 和 30 Hz，填充 = 2，时间-带宽积 = 15，锥形窗数量 = 29，试验平均次数 = 1，计算快速傅里叶变换（FFT）所需时间约 30 秒，FFT 计算的窗步长 = 5）。请点击此处查看该图的放大版本。

比较生理盐水、芬太尼、吗啡和丁丙诺啡对脑电图影响的平均频谱功率图
图3：阿片类药物对delta和theta脑电频率波段的平均脑电功率产生不同程度的影响。 (A总结了每次4小时记录期间的平均脑电图功率 图2纵坐标表示每个半频处的平均脑电功率（横坐标）。与生理盐水对照组相比，其余三种处理均显示出阿片类药物特异性的平均脑电功率改变。B) 示范了给予生理盐水（S）、丁丙诺啡（B）、吗啡（M）和芬太尼（F）后，四个脑电频率波段（delta、theta、alpha 和 beta）的平均脑电功率。功率函数的配色方案相同 A 以及平均功率频带在 B. 请点击此处以查看此图的放大版本。

讨论

本文所述程序旨在通过第3节“谱图计算”中概述的九个步骤生成谱图。这些步骤包括获取谱图程序、确保正确的文件格式，以及调整计算参数以生成用户自定义的谱图。用户可创建适用于多种概念性问题和实验设计的谱图。为了提高开发过程的便捷性与效率，必须按照上述要求将原始脑电图（EEG）数据以正确的文件格式命名并提供。尽管已提供小鼠EEG数据的示例信号，但该谱图程序同样可直接应用于不受信号处理限制的人类及非人类EEG数据。

建议的故障排除和方法优化策略是首先分析一个小规模的数据集。需要考虑的主要程序输出包括滤波后脑电图（EEG）的图示以及谱图。加窗谱图（tapered spectrogram）的一个显著优点是，它可以广泛应用于多种周期性生物信号，其适用范围从持续时间较长的昼夜节律（24小时）17，到如Renshaw细胞每秒1,000 Hz放电频率这类极快的节律18。

数据格式化是本频谱图实验方案的一个限制因素。欧洲数据格式（EDF）在脑电图（EEG）数据中被广泛使用，但还存在许多其他格式选项。因此，原始代码文件已被包含在内（见上述3.2节），以便用户根据需要修改文件格式。关于原始程序文件，另一个限制是用户需具备计算机编程语言的相关经验才能更改文件格式。并非所有研究人员都能获得专有软件及其全套插件的使用权限。本方案通过提供一个可在WINDOWS设备上运行且无需软件授权的编译程序，以规避这一问题。该功能通过编译程序中包含的RUNTIME插件实现，用户无需进行任何软件注册即可使用。

该脑电图（EEG）谱图程序是一种新颖的、开源的、基于计算机的程序，允许用户从多种数据中创建个性化的多锥体谱图。用户可完全控制谱图生成过程中的所有计算环节。由于缺乏信号处理和计算机编程知识，谱图的生成可能较为困难。本文所述方案将有助于谱图的生成。有关进一步的信号处理阅读材料和多锥体谱图指导，请参见补充材料部分。

补充材料
http://chronux.org
http://www-users.med.cornell.edu/~jdvicto/pdfs/pubo08.pdf
http://www.fieldtriptoolbox.org/tutorial/timefrequencyanalysis/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4502759/#SD3-data

致谢

本工作部分由美国国立卫生研究院（NIH）资助项目HL-65272支持。作者感谢Zachary T. Glovak和Clarence E. Locklear对本项目的贡献。

材料

本文使用的材料清单
姓名公司目录编号评论
牙科丙烯酸树脂Lang Dental Manufacturing CoJet 粉剂和液体
脑电图/肌电图放大器Data Science International型号 MX2
macOS MojaveApplev10.14.4
MATLABMathworksv9.4.0.813654用于频谱图计算的软件
小鼠麻醉面罩David Kopf Instruments型号 907
NeuroscoreData Science Internationalv3.3.9317-1用于睡眠与清醒状态评分的软件
PonemahData Science Internationalv5.32用于脑电图/肌电图数据采集的软件
立体定位仪David Kopf Instruments型号 962
立体定位仪，小鼠适配器David Kopf Instruments型号 921
Windows 10Microsoftv10.0.17763.503
无线遥测仪Data Science International型号 HD-X02

参考文献

  1. Wasilczuk, A. Z., Proekt, A., Kelz, M. B., McKinstry-Wu, A. R. High-density electroencephalographic acquisition in a rodent model using low-cost and open source resources. Journal of Visualized Experiments. 117, 10(2016).
  2. Prerau, M. J., Brown, R. E., Bianchi, M. T., Ellenbogen, J. M., Purdon, P. L. Sleep neurophysiological dynamics through the lens of multitaper spectral analysis. Physiology. 32, 60-92 (2017).
  3. Akin, M. Comparison of wavelet transform and FFT methods in the analysis of EEG signals. Journal of Medical Systems. 26 (3), 241-247 (2002).
  4. Purdon, P. L., Sampson, A., Pavone, A., Brown, E. N. Clinical electroencephalography for anesthesiologists Part 1: Background and basic signatures. Anesthesiology. 123 (4), 937-960 (2015).
  5. Liu, Q., et al. Frontal EEG temporal and spectral dynamics similarity analysis between propofol and desflurane induced anesthesia using Hilbert-Huang Transform. BioMed Research International. 2018, 4939480(2018).
  6. Akeju, O., et al. Spatiotemporal dynamics of dexmedetomidine-induced electroencephalogram oscillations. PLoS One. 11 (10), (2016).
  7. Ogilvie, R. D. The process of falling asleep. Sleep Medicine Reviews. 5 (3), 247-270 (2001).
  8. Baghdoyan, H. A., Lydic, R. Basic Neurochemistry. Brady, S. T., Albers, R. W., Price, D. L., Siegel, G. J. , Elsevier. 982-999 (2012).
  9. Angel, C., et al. Buprenorphine depresses respiratory variablity in obese mice with altered leptin signaling. Anesthesiology. 128 (5), 984-991 (2018).
  10. Glovak, Z. T., Mihalko, S., Baghdoyan, H. A., Lydic, R. Leptin status alters buprenorphine-induced antinociception in obese mice with dysfunctional leptin receptors. Neuroscience Letters. 660, 29-33 (2017).
  11. Zhang, X., et al. Morphine and fentanyl delivered to prefrontal cortex of behaving mice depress breathing and alter neurotransmitter concentrations. Anesthesia & Analgesia. , In Press (2019).
  12. Cornelissen, L., Kim, S. E., Purdon, P. L., Brown, E. N., Berde, C. B. Age-dependent electroencephalogram (EEG) patterns during sevoflurane general anesthesia in infants. eLIFE. 4, e06513(2015).
  13. Chini, M., et al. Neural correlates of anesthesia in newborn mice and humans. Front Neural Circuits. 13 (Article 38), 1-13 (2019).
  14. Flint, R. R., Chang, T., Lydic, R., Baghdoyan, H. A. GABA-A receptors in the pontine reticular formation of C57BL/6J mouse modulate neurochemical, electrographic, and behavioral phenotypes of wakefulness. Journal of Neuroscience. 30 (37), 12301-12309 (2010).
  15. Paxinos, G., Franklin, K. B. J. The Mouse Brain in Stereotaxic Coordinates. , 4th edn, Academic Press. (2018).
  16. Franken, P., Malafosse, A., Tafti, M. Genetic variation in EEG activity during sleep in inbred mice. American Journal of Physiology. 257 (4), (1998).
  17. Ko, C. H., et al. Emergence of noise-induced oscillations in the central circadian pacemaker. PLoS Biol. 8 (10), e1000513(2010).
  18. Steriade, M., Curró Dossi, R., Conteras, D. Electrophysiological properties of intralaminar thalamocortical cells discharging rhythmic (40 Hz) spike-bursts at 1000 Hz during waking and rapid eye movement sleep. Neuroscience. 56, 1-9 (1993).

重印与许可

标签

脑电图分析阿片类药物效应睡眠状态Windows程序数据采集谱图计算脑电图记录频带功率谱
基于计算机的多窗谱图程序用于脑电图数据
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。