需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

使用Flanker任务同步进行脑电图与功能性近红外光谱记录

7.5K 次观看

⸱

DOI：

10.3791/60669

⸱

2020年5月24日

 ,  ,  ,  , 
1Centre for Cognitive and Brain Sciences, University of Macau, 2Faculty of Health Sciences, University of Macau

本文内容

摘要

本方案介绍了如何同步进行脑电图（EEG）和功能性近红外光谱（fNIRS）记录，以及如何分析EEG与fNIRS数据之间的关系。 

摘要

同步记录脑电图（EEG）和功能性近红外光谱（fNIRS）为通过考察神经信号与血流动力学信号之间的关系，全面理解认知加工的神经机制提供了极佳的机会。EEG 是一种电生理技术，能够测量大脑皮层快速的神经元活动；而 fNIRS 则依赖血流动力学反应来推断脑区激活状态。结合 EEG 与 fNIRS 神经影像技术，可识别更多特征，揭示更多与脑功能相关的信息。在本实验方案中，采用融合的 EEG-fNIRS 测量方法，在 Flanker 任务期间同步记录诱发电位和血流动力学反应。此外，本文还详细提供并讨论了硬件与软件系统的设置关键步骤，以及数据采集与分析的具体流程。预计本方案将为利用 EEG 和 fNIRS 信号深入理解各种认知过程背后的神经机制开辟新的途径。

引言

本研究旨在建立一种工作流程，通过融合脑电图（EEG）和功能性近红外光谱（fNIRS）神经成像技术，揭示Flanker任务背后的神经激活模式。有趣的是，同步的fNIRS-EEG记录能够用于检验前额叶皮层血流动力学信号与全脑多种与Flanker任务相关的事件相关电位（ERP）成分之间的关系。

整合多种无创神经影像技术，包括功能近红外光谱成像（fNIRS）、脑电图（EEG）和功能磁共振成像（fMRI），对于深入理解大脑中信息处理发生的位置与时间至关重要1,2,3。此外，结合fNIRS与EEG还有望探究局部神经活动与随后血流动力学反应变化之间的关系，其中EEG与fNIRS可在揭示人类大脑认知功能的神经机制方面形成互补。fNIRS是一种基于血管的功能性神经影像技术，依赖血流动力学反应来推断脑激活状态。fNIRS可测量大脑皮层中氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）浓度的相对变化，这在认知过程研究中具有重要作用3,4,5,6,7。根据神经血管耦合与神经代谢耦合机制8，与认知加工相关的局部神经活动变化通常伴随局部血流量和血氧水平的继发性改变，延迟时间为4–7秒。研究表明，神经血管耦合可能作为一种能量转换器，将神经活动的快速动态整合为缓慢血流动力学的血管输入9。具体而言，fNIRS主要用于检测额叶的神经血管活动，尤其是负责高级认知功能的前额叶皮层，如执行功能10,11,12、推理与计划13、决策14以及社会认知与道德判断15。然而，fNIRS所测量的血流动力学反应仅能间接反映神经活动，且时间分辨率较低；相比之下，EEG能够提供时间上精细且直接的神经活动测量。因此，同步记录EEG与fNIRS可识别更多特征，揭示更多与脑功能相关的信息。

更重要的是，已开展脑电图（EEG）与功能性近红外光谱（fNIRS）信号的多模态联合采集，以研究各种认知任务16,17,18,19,20,21,22或脑-计算机接口23,24背后的脑激活机制。特别是，已有研究基于事件相关听觉oddball范式1同步记录事件相关电位（ERP）和fNIRS信号，其中fNIRS可在P300成分出现数秒后识别额颞叶皮层的血流动力学变化。Horovitz等人还展示了在语义加工任务中同步测量fNIRS信号与P300成分的可行性25。有趣的是，先前基于同步EEG与fNIRS记录的研究表明，在oddball刺激期间，P300与fNIRS信号之间存在显著相关性26。研究发现，多模态测量方法有望基于事件相关范式揭示全面的认知神经机制26。除了oddball任务外，与ERP成分N200相关的Flanker任务也是一种重要范式，可用于健康对照者及各类疾病患者认知能力检测与评估的研究。具体而言，N200是一个负向成分，其峰值出现在前扣带皮层额区27和上颞叶皮层28刺激后200–350 ms之间。尽管先前研究已探讨了Flanker任务中上额叶皮层与α振荡之间的关系29，但N200振幅与Flanker任务期间血流动力学反应之间的相关性尚未得到研究。

在本实验方案中，采用基于标准脑电图（EEG）帽自制的EEG/功能性近红外光谱（fNIRS）组合贴片，用于同步记录EEG和fNIRS信号。通过将fNIRS光学探头集成至EEG帽中，实现了光学探头与电极的合理布局。同步的EEG与fNIRS数据采集采用由E-prime软件生成的相同刺激任务进行。我们假设，与Flanker任务相关的事件相关电位（ERP）成分可与前额叶皮层的血流动力学响应表现出显著相关性。同时，结合ERP与fNIRS记录可提取多种信号指标，以更准确地识别脑激活模式。为验证该假设，将fNIRS系统与EEG设备整合，以揭示与事件相关的Flanker任务所对应的复杂神经认知机制。

访问受限。请登录或开始试用以查看此内容。

方案

实验测试前，所有参与者均签署了知情同意书。本研究方案已获澳门大学伦理委员会批准。

1. 同时进行脑电图（EEG）和功能性近红外光谱（fNIRS）记录的硬件与软件设置

  1. 构建用于同步记录 EEG-fNIRS 的头帽。
    1. 根据受试者的头围选择合适尺寸的头帽。本研究中使用中号头帽，因其适用于大多数青少年和成年受试者。
    2. 在前额叶皮层区域设计 fNIRS 光极与 EEG 电极帽的布局（图1）。
      1. 将 EEG 电极放置在 fNIRS 光极阵列的中间区域，以确保两种技术测量同一脑区19,30。然而，由于 EEG 和 fNIRS 神经成像方法的空间分辨率均较低，应将电极放置在 fNIRS 光极所覆盖的相应脑区，而非 fNIRS 通道的精确位置。
      2. 在 EEG 电极帽上制作 22 个孔，用于固定前额叶皮层特定布局下的 fNIRS 光极。根据头帽的设计布局确定并标记 fNIRS 光极的位置，然后在帽上打孔以安装和固定光极。
      3. 按照国际 10-20 系统，在 EEG 电极帽表面放置 21 或 71 个 EEG 电极（参见 材料表），并为光极安装网格。
    3. 设置每个光源-探测器对之间的距离为 3 cm，然后固定光极，其中蓝色光极表示光探测器，红色光极表示激光光源。
  2. 在软件中设置 EEG 和 fNIRS 的端口。
  3. 通过并行端口和串行端口生成时间触发信号，以确保两种不同信号的同步。
    1. 为 EEG 系统设置并行端口（例如，本研究中为 H378）（参见 材料表）。
    2. 为 fNIRS 系统设置串行端口（例如，本研究中为 6 9600）（参见 材料表）。
      注意：应根据不同的 EEG 和 fNIRS 设备配置调整端口类型和编号。请与设备制造商联系以获取更多信息。

2. 实验准备

  1. 打开近红外光谱（fNIRS）系统的激光器，预热30分钟。
  2. 设置fNIRS测量系统所需的所有操作参数。
  3. 向参与者展示融合实验装置，包括脑电图（EEG）和fNIRS测量系统。
  4. 根据国际10-20系统测量并标记Cz点。Cz电极位置应位于枕外隆突与鼻根之间距离的中点，以及左右耳前点之间距离的中点。
  5. 先将帽套前部沿参与者的前额放置，然后将帽套后部向下拉至颈部。
  6. 验证位置准确性。
    1. 使用软尺再次测量Cz点与枕外隆突及鼻根之间的距离，确认其是否位于中点；同样，测量Cz点与左右耳前点之间的距离，再次确认Cz是否位于中点。
  7. 准备进行脑电图（EEG）记录。
    注意：强烈建议先安装EEG电极，再放置fNIRS光极。如果EEG导电凝胶覆盖了fNIRS光极的安装孔，应将其清理干净，以防污染光极。
    1. 通过EEG电极网格上的孔插入钝针，注入导电凝胶。
    2. 根据标签将所有电极插入EEG电极网格中。
    3. 打开EEG软件，检查EEG电极的信号质量。
    4. 如果信号质量未达到要求（40 mV），通过补充导电凝胶重新调整电极。
    5. 如果阻抗未达到要求，通过补充导电凝胶重新调整电极。
  8. 准备进行近红外光谱（fNIRS）记录。
    警告：切勿让参与者的双眼直接暴露于fNIRS光源的激光束下。
    1. 将光纤沿fNIRS测量系统及支架上的固定臂放置，确保光纤整齐有序。
    2. 根据布局将光学光源和探测器插入相应孔位。
    3. 测试信号质量。如果某一通道信噪比不高（即通道显示为黄色），应轻轻检查光学探头周围的头发，确保光学探头与头皮之间无遮挡物。
    4. 如果步骤2.8.3无法改善信号质量，可适当提高信号强度；如果信号过强（即通道显示为红色），则应降低信号强度。

3. 运行实验

  1. 当信号稳定且信噪比良好，且参与者已熟悉实验说明时，开始实验。实验测试采用经典的Flanker范式29,31。
  2. 实验结束后，保存并导出脑电图（EEG）和功能性近红外光谱（fNIRS）的数据。
  3. 小心移除脑电图电极和近红外光学探头。

4. 使用三维数字化仪测量功能性近红外光谱成像探头的三维（3D）MNI坐标

  1. 让受试者坐在椅子上，并佩戴带有传感器的眼镜。
  2. 在计算机上打开数字化软件，确保3D数字化系统通过适当的COM端口与计算机连接。
  3. 加载光源与探测器布局设置文件。
  4. 将3D数字化笔沿屏幕移动至关键位置（Nz、Iz、左耳、右耳、Cz），并在每个位置按下数字化笔上的按钮。
  5. 定位光学光源和探测器位置。
  6. 导出三维坐标文件。

5. 数据分析

  1. fNIRS 数据分析
    1. 使用 MATLAB 2019 中 NIRS-SPM 的配准选项处理 3D MNI 坐标数据。选择：独立空间配准 | 使用 3D 数字化仪。选择之前保存的 others 和 origin 文本文件，然后点击配准。
    2. 使用 Homer2 软件对 fNIRS 信号进行预处理32。
      1. 将原始数据根据修正的比尔-朗伯定律转换为不同波长下的光密度变化，并进一步转换为不同时刻氧合血红蛋白（HbO）浓度的变化。通常，差分路径长度因子（DPF）受年龄、性别、波长以及光源与探测器之间距离的影响33,34，其值一般取 6，这与以往研究中报告的平均 DPF 值相近34,35。
      2. 使用 Homer2 fNIRS 处理包中的样条运动伪迹检测算法进行运动校正。请根据文献选择合适的运动校正方法36。
      3. 对原始血红蛋白连续数据应用截止频率为 0.2 Hz 的低通滤波器，随后应用截止频率为 0.015 Hz 的高通滤波器。
      4. 通过除以平均值对血流动力学信号幅度进行归一化处理。
      5. 根据 3D 数字化仪信息生成每个通道的 fNIRS 数据。依据 NIRS-SPM 回归计算结果，选择在额上回（SFC）中配准概率达到 100% 或以上的通道用于后续分析。
      6. 导出氧合血红蛋白（HbO）浓度变化的峰值。
        注：本研究仅分析 HbO 信号，因其信噪比较高。从每位受试者的每个通道中提取运行平均后 HbO 数据的峰值用于进一步分析。
  2. EEG 数据处理
    注：离线 EEG 数据分析使用 EEGLAB 完成。本研究关注的成分为 Fz 电极处的 N200。所有电极均采用基于伪迹地形图的内部模型进行自动伪迹校正，以消除眼动干扰。随后，将连续 EEG 数据根据目标与非目标刺激划分为不同的试验片段，每个试验片段持续 2500 ms，包括 500 ms 的刺激前时期（基线期）和 2000 ms 的刺激后时期（任务期）。
    1. 通过插件将原始 EEG 数据文件夹加载至 EEGLAB。本研究中针对 BDF 文件选择 BIOSIG 插件。
      注：请根据 EEG 数据文件格式选择合适的插件。
    2. 为 EEGLAB 设置通道位置信息37。加载对应脑电帽的位置文件。
    3. 在 EEGLAB 的一个插件 ERPLAB 中对电极进行重参考。选择位于乳突区的通道作为参考电极。
    4. 在 ERPLAB37 中根据事件文件和分箱文件提取 EEG 数据片段。
    5. 在 ERPLAB 中使用 FIR 滤波器对 EEG 数据片段进行滤波处理，低频截止频率为 30 Hz，高频截止频率为 0.1 Hz。
    6. 在 EEGLAB 中使用独立成分分析（ICA）去除眼电伪迹。
    7. 在 ERPLAB 中剔除任意通道振幅超过 ±100 µV 的 EEG 数据片段。
    8. 在 ERPLAB 中对 EEG 数据片段进行叠加平均。
      注：上述为常用的 EEG 和 fNIRS 数据分析方法及软件。目前存在多种可用的处理软件和分析方法。
  3. 相关性计算
    1. 采用皮尔逊相关分析法计算 fNIRS 与 EEG 记录之间的关系。

访问受限。请登录或开始试用以查看此内容。

结果

图2展示了所有通道的HbO信号，而图3显示了Flanker任务两种条件下Fz和FCz电极点的事件相关电位（ERP）。图4所示的皮尔逊相关性分析结果表明，在不一致条件下，SFC区域的fNIRS信号与Fz电极点的ERP N200成分呈显著相关（P<0.05）；但在一致条件下则无此显著相关性（P>0.05）。

显示编号区域的大脑活动图；神经影像；皮层功能研究。
图1. fNIRS 头戴装置的放置位置与通道配置。 数字化的光极布局被转换至 MNI 坐...

访问受限。请登录或开始试用以查看此内容。

讨论

本方案中，结合脑电图（EEG）和功能性近红外光谱（fNIRS）记录，通过同步采集全脑神经信号和前额叶皮层的血流动力学反应，研究与事件相关Flanker范式相关的脑激活模式。事件相关电位（ERP）结果显示，Fz导联的N200成分能够显著区分一致与不一致条件（P=0.037）。同时，辅助运动区（SFC）的含氧血红蛋白（HbO）信号（通道21）在一致与不一致条件之间也表现出显著差异，表明抑制反应的能力在与Flanker任务相关的脑认知功能中具有重要作用（PFDR = 0.041）。

此外，在不一致条件下，Fz 处的 N200 与 SFC（通道 21）中的血流动力学反应表现出显著相关性，但在一致条件下并未观察到这一现象。前额叶皮层的大脑激活与高级认知功能密切相关，可通过 fNIRS 在空间域内以高信噪比清晰识别。然而，EEG 检测到的与相同 Flanker 任务相关的神经活动（N200）主要在顶叶皮层呈现，具有高敏感性和高时间分辨率。Fz 处的 N200 反映了两种条件之间的认知差异，而 fNIRS 信号则揭示了两种条件下前额叶区域抑制功能的差异。研究发现，在 Fla...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。 

致谢

本工作部分在澳门大学信息与通信技术办公室（ICTO）支持的高性能计算集群（HPCC）上完成。本研究得到了澳门大学在澳门资助的MYRG2019-00082-FHS和MYRG 2018-00081-FHS拨款，以及澳门特别行政区科学技术发展基金（FDCT 0011/2018/A1和FDCT 025/2015/A1）的资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
脑电帽EASYCAP GmbH--
脑电系统BioSemi--
功能性近红外光谱系统TechEn-CW6 System

参考文献

  1. Kennan, R. P., et al. Simultaneous recording of event-related auditory oddball response using transcranial near infrared optical topography and surface EEG. NeuroImage. 16 (3), Pt 1 587-592 (2002).
  2. Horovitz, S. G., Gore, J. C. Simultaneous event-related potential and near-infrared spectroscopic studies of semantic processing. Human Brain Mapping. 22 (2), 110-115 (2004).
  3. Yuan, Z., Ye, J. Fusion of fNIRS and fMRI data: identifying when and where hemodynamic signals are changing in human brains. Frontiers in Human Neuroscience. 7, 676(2013).
  4. Lin, X., Sai, L., Yuan, Z. Detecting Concealed Information with Fused Electroencephalography and Functional Near-infrared Spectroscopy. Neuroscience. 386, 284-294 (2018).
  5. Ieong, H. F., Yuan, Z. Emotion recognition and its relation to prefrontal function and network in heroin plus nicotine dependence: a pilot study. Neurophotonics. 5 (02), 1(2018).
  6. Hu, Z., et al. Optical Mapping of Brain Activation and Connectivity in Occipitotemporal Cortex During Chinese Character Recognition. Brain Topography. 31 (6), 1014-1028 (2018).
  7. Wang, M. -Y., et al. Concurrent mapping of brain activation from multiple subjects during social interaction by hyperscanning: a mini-review. Quantitative Imaging in Medicine and Surgery. 8 (8), 819-837 (2018).
  8. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. NeuroImage. 85, 6-27 (2014).
  9. Wan, X., et al. The neural basis of the hemodynamic response nonlinearity in human primary visual cortex: Implications for neurovascular coupling mechanism. NeuroImage. 32 (2), 616-625 (2006).
  10. Miller, E. K. The prefontral cortex and cognitive control. Nature Reviews Neuroscience. 1 (1), 59-65 (2000).
  11. Miller, E. K., Cohen, J. D. An integrative theory of prefrontal cortex function. Annual review of Neuroscience. 24 (1), 167-202 (2001).
  12. Mansouri, F. A., Tanaka, K., Buckley, M. J. Conflict-induced behavioural adjustment: a clue to the executive functions of the prefrontal cortex. Nature Reviews Neuroscience. 10 (2), 141-152 (2009).
  13. Wood, J. N., Grafman, J. Human prefrontal cortex: processing and representational perspectives. Nature Reviews Neuroscience. 4 (2), 139-147 (2003).
  14. Wallis, J. D. Orbitofrontal Cortex and Its Contribution to Decision-Making. Annual Review of Neuroscience. 30 (1), 31-56 (2007).
  15. Forbes, C. E., Grafman, J. The Role of the Human Prefrontal Cortex in Social Cognition and Moral Judgment. Annual Review of Neuroscience. 33 (1), 299-324 (2010).
  16. Nguyen, D. K., et al. Non-invasive continuous EEG-fNIRS recording of temporal lobe seizures. Epilepsy Research. 99 (1-2), 112-126 (2012).
  17. Peng, K., et al. fNIRS-EEG study of focal interictal epileptiform discharges. Epilepsy Research. 108 (3), 491-505 (2014).
  18. Liu, Y., Ayaz, H., Shewokis, P. A. Multisubject "learning" for mental workload classification using concurrent EEG, fNIRS, and physiological measures. Frontiers in Human Neuroscience. 11, (2017).
  19. Aghajani, H., Garbey, M., Omurtag, A. Measuring mental workload with EEG+fNIRS. Frontiers in Human Neuroscience. 11, (2017).
  20. Balconi, M., Vanutelli, M. E. Hemodynamic (fNIRS) and EEG (N200) correlates of emotional inter-species interactions modulated by visual and auditory stimulation. Scientific Reports. 6, (2016).
  21. Donohue, S. E., Appelbaum, L. G., McKay, C. C., Woldorff, M. G. The neural dynamics of stimulus and response conflict processing as a function of response complexity and task demands. Neuropsychologia. 84, 14-28 (2016).
  22. Liu, Y., Ayaz, H., Shewokis, P. A. Mental workload classification with concurrent electroencephalography and functional near-infrared spectroscopy. Brain-Computer Interfaces. 4 (3), 175-185 (2017).
  23. Fazli, S., et al. Enhanced performance by a hybrid NIRS-EEG brain computer interface. NeuroImage. 59 (1), 519-529 (2012).
  24. Putze, F., et al. Hybrid fNIRS-EEG based classification of auditory and visual perception processes. Frontiers in Neuroscience. 8, 373(2014).
  25. Horovitz, S. G., Gore, J. C. Simultaneous event-related potential and near-infrared spectroscopic studies of semantic processing. Human Brain Mapping. 22 (2), 110-115 (2004).
  26. Lin, X., et al. Mapping the small-world properties of brain networks in Chinese to English simultaneous interpreting by using functional near-infrared spectroscopy. Journal of Innovative Optical Health Sciences. 11 (03), 1840001(2018).
  27. Folstein, J. R., Van Petten, C. Influence of cognitive control and mismatch on the N2 component of the ERP: A review. Psychophysiology. 45 (1), 152(2008).
  28. Patel, S. H., Azzam, P. N. Characterization of N200 and P300: Selected studies of the Event-Related Potential. International Journal of Medical Sciences. 2 (4), 147-154 (2005).
  29. Suzuki, K., et al. The relationship between the superior frontal cortex and alpha oscillation in a flanker task: Simultaneous recording of electroencephalogram (EEG) and near infrared spectroscopy (NIRS). Neuroscience Research. 131, 30-35 (2018).
  30. Keles, H. O., Barbour, R. L., Omurtag, A. Hemodynamic correlates of spontaneous neural activity measured by human whole-head resting state EEG + fNIRS. NeuroImage. 138, 76-87 (2016).
  31. Eriksen, B. A., Eriksen, C. W. Effects of noise letters upon the identification of a target letter in a nonsearch task. Perception & Psychophysics. 16 (1), 143-149 (1974).
  32. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: a review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied optics. 48 (10), 280-289 (2009).
  33. Kocsis, L., Herman, P., Eke, A. The modified Beer-Lambert law revisited. Physics in Medicine and Biology. 51 (5), (2006).
  34. Herold, F., Wiegel, P., Scholkmann, F., Müller, N. Applications of Functional Near-Infrared Spectroscopy (fNIRS) Neuroimaging in Exercise-Cognition Science: A Systematic, Methodology-Focused Review. Journal of Clinical Medicine. 7 (12), 466(2018).
  35. Duncan, A., et al. Optical pathlength measurements on adult head, calf and forearm and the head of the newborn infant using phase resolved optical spectroscopy. Physics in Medicine and Biology. 40 (2), 295-304 (1995).
  36. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: A comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  37. Lopez-Calderon, J., Luck, S. J. ERPLAB: an open-source toolbox for the analysis of event-related potentials. Frontiers in Human Neuroscience. 8, 213(2014).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

fNIRS MNI
使用Flanker任务同步进行脑电图与功能性近红外光谱记录
联系我们
向图书馆推荐

隐私

使用条款

政策

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