慢性卒中患者上肢功能障碍的脑电图网络指标作为生物标志物

摘要

该实验方案展示了在脑卒中患者上肢运动过程中采集和分析脑电图（EEG）信号的范式。在受损上肢运动期间，低-beta频段EEG功能网络的改变被观察到，并与运动功能障碍程度相关。

摘要

已有研究报道，卒中患者在执行特定任务的患肢运动过程中，脑电图（EEG）信号的变化可作为运动功能障碍严重程度以及运动功能恢复预测的潜在生物标志物。在实施EEG实验时，需要详细的任务范式和组织严密的实验方案，以获得可靠且可解释的结果。本方案中，我们介绍了一种涉及上肢运动的任务特异性范式，以及EEG数据采集与分析所需的方法与技术。该范式包括1分钟静息期，随后进行4个实验阶段，每个阶段包含10次试验，每次试验交替呈现5秒静息状态和3秒任务状态（手部伸展），依次循环。EEG信号通过32个Ag/AgCl头皮电极采集，采样频率为1,000 Hz。对与肢体运动相关的事件相关谱扰动进行分析，并在低β频段（12–20 Hz）进行全脑水平的功能网络分析。代表性结果表明，在慢性卒中患者中，患侧上肢运动期间低β频段EEG功能网络发生改变，且该功能网络的改变程度与患者的运动功能障碍程度相关。研究结果证实了该实验范式在卒中患者上肢运动过程中进行EEG测量的可行性。未来需进一步采用此范式开展研究，以明确EEG信号作为运动功能障碍及恢复生物标志物的潜在价值。

引言

上肢运动功能障碍是中风最常见的后遗症之一，与日常生活活动能力受限密切相关^1，2。已知α波（8-13 Hz）和β波（13-30 Hz）节律与运动密切相关。特别是研究表明，在中风患者进行受损肢体运动时，α波和低β波（12-20 Hz）频段的神经活动改变与运动功能障碍程度相关^3，4，5。基于这些发现，脑电图（EEG）已成为一种潜在的生物标志物，能够反映中风患者运动功能障碍的严重程度以及运动功能恢复的可能性^6，7。然而，以往开发的基于脑电图的生物标志物在探究中风患者运动功能障碍特征方面已被证明存在不足，主要原因是依赖静息态脑电数据，而非任务诱发的脑电数据^8，9，10。与运动功能障碍相关的复杂信息处理过程，例如病灶同侧与对侧半球之间的相互作用，只能通过任务诱发的脑电数据揭示，而无法通过静息态脑电数据获得。因此，亟需进一步研究，以探索神经活动与运动功能障碍特征之间的关系，并明确受损身体部位运动过程中产生的脑电图作为中风患者运动功能障碍潜在生物标志物的有效性¹¹。

采用脑电图（EEG）评估行为效应需要针对特定任务设计实验范式和操作流程。迄今为止，已有多种EEG实验方案被提出¹²，其中脑卒中患者通过执行想象或实际的运动以诱发与运动相关的脑活动^11,13。在运动想象任务中，约53.7%的受试者无法清晰地想象相应的运动动作（称为"运动想象障碍"），因而无法有效诱发与运动相关的脑活动¹⁴。此外，重度脑卒中患者往往难以完成上肢整体的运动，且在数据采集过程中可能因动作不稳定而引入不必要的伪迹。因此，需要基于专家经验的技术指导，以获取与任务相关的高质量EEG数据以及具有神经生理学可解释性的结果。在本研究中，我们为脑卒中患者设计了一种综合性的实验范式，使其执行相对简单的手部运动任务，并提供了包含详细操作指导的实验流程。

本文通过阐述可视化实验方案，旨在说明利用脑电图（EEG）系统获取和分析与上肢运动相关的神经元活动所采用的具体概念与方法。本研究通过展示偏瘫性脑卒中患者患侧与非患侧上肢在脑电图中神经元活动的差异，旨在证明在横断面研究背景下，采用所述方案的脑电图作为脑卒中患者运动功能障碍严重程度潜在生物标志物的可行性。

方案

所有实验程序均经首尔国立大学盆塘医院机构审查委员会审核并批准。本研究共招募了34名脑卒中患者。所有参与者均签署了知情同意书。若参与者符合纳入标准但因残疾无法签署知情同意书，则由其法定代理人签署知情同意书。

1. 实验设置

1. 患者招募
   1. 采用以下纳入标准进行筛选：
      年龄在18至85岁之间，且存在上肢功能障碍；
      经脑部计算机断层扫描或磁共振成像确诊为首次缺血性或出血性脑卒中；
      参与者能够遵循临床评估和脑电图（EEG）研究的指导说明；
      除脑卒中外，无其他精神或神经系统疾病病史。
   2. 根据以下标准排除患者：
      既往有中枢神经系统疾病（如创伤性脑损伤、脑肿瘤、帕金森病）；
      无法佩戴脑电帽；以及
      无法遵循临床评估和脑电图研究的指导说明。
      注：选择纳入和排除标准旨在筛选出能够参与实验的受试者，并控制可能影响结果的人口学因素。
   3. 向所有招募的参与者提供有关实验程序的详细信息。
2. 实验系统：脑电图（EEG）
   1. 使用包含32个Ag/AgCl头皮电极、纺织脑电帽及脑电记录软件的脑电系统进行数据采集。
   2. 使用一台安装有脑电记录软件的个人计算机（PC），并通过蓝牙将该计算机与脑电设备连接。
   3. 使用另一台配备用于工程领域的数值分析与编程软件应用程序的个人计算机（见材料表）。
   4. 为呈现刺激信号，将计算机连接至专用触发盒（图1）。
      注：两台计算机的详细技术参数见材料表。
3. 基于编程软件的实验范式
   ​注：参与者使用患侧和非患侧手完成手部伸展任务，期间采集脑电数据。图2展示了本研究的实验范式。
   1. 在显示器中央依次呈现两个视觉刺激“闭合”和“张开”，每个持续30秒，以采集基线静息态脑电数据，期间参与者交替闭眼和睁眼。
      注：由于静息态脑电数据受非预期生理伪迹的干扰相对较少，因此可用于验证脑电数据质量，并识别个体在静息状态下的脑电特征。
   2. 呈现持续3秒的手部运动图像，指示参与者执行手部伸展动作，随后显示5秒的注视点以进行休息。
      ​注：此过程被视为一次试验，在单次实验会话中重复10次。每位参与者对每只手完成4个会话。每次会话结束后，参与者可根据自身需要休息，以避免过度疲劳。

图1：设备装置示意图。 一台用于呈现实验刺激的计算机（PC1）连接至一个触发盒，另一台计算机（PC2）连接至脑电（EEG）放大器。由PC1生成的刺激事件通过连接至PC1的触发盒传递至EEG放大器。请点击此处查看此图的放大版本。

图 2：本研究所采用的实验范式。单次试验包括持续3秒的手部伸展运动，随后是5秒的放松。该模式在单个会话中重复10次。总共进行了八个会话，其中四个会话涉及患侧手部运动，另外四个会话涉及未患侧手部运动。本图经Mary Ann Liebert, Inc.许可，改编自Shim等¹⁷。请点击此处查看该图的放大版本。

2. 记录与运动相关的脑电图数据

1. 脑电图（EEG）设置
   1. 让受试者坐在显示器前的一把舒适扶手椅上。
      注意：受试者与显示器之间的距离应至少为60 cm，以防止眼睛疲劳。但应避免距离过远（例如 >150 cm），因为这可能会分散受试者的注意力。
   2. 为了准确佩戴用于脑电图测量的电极帽，根据国际10-20系统，通过连接鼻根与枕外隆突的纵向线和连接双侧耳廓上缘的横向线的交点来确定Cz位置。
      注意：是否需要使用脑电帽取决于所用的脑电测量设备。若无需电极帽，则应根据国际10-20系统直接将脑电电极贴附于头皮上¹⁵。
   3. 为获得准确的脑电图测量结果，应根据受试者的头围选择合适尺寸的脑电帽，并将其佩戴，使电极帽上的Cz电极位置对准个体的Cz解剖位置。
   4. 以适当松紧度固定下颌带，以防止受试者在实验过程中因吞咽或眨眼而感到不适。之后，确认脑电帽的T9和T10电极位置位于双侧耳廓上方的颞区，且Fpz电极位置位于前额正中央。
      注意：若这些电极未处于指定位置，应考虑更换电极帽。本研究中使用了三种尺寸的脑电帽（54 cm：小号，56 cm：中号，58 cm：大号）。
   5. 正确佩戴脑电帽后，根据扩展的国际10-10系统在头皮上安装32个Ag/AgCl头皮电极，接地电极置于Fpz，参考电极置于FCz¹⁶。
      注意：由于参考电极（FCz）位于头皮中央区域（Cz）附近，因此受眼电图、肌电图和心电图等各类生理伪迹的影响相对较小。
   6. 使用导电凝胶调节脑电电极与头皮之间的阻抗水平，并用凝胶固定头发，以防止脑电电极与头皮之间出现障碍。
      ​注意：需确认是否存在因凝胶泄漏导致相邻脑电电极之间形成导电桥接的情况。
   7. 使用脑电记录软件。
   8. 开启脑电系统，并执行 Configuration > Select Amplifier。选择 Liveamp > > amplifier > connect。搜索 Liveamp 功能以建立无线连接（图3）。
   9. 执行 Impedance check 功能，以监测每个电极的阻抗水平。
      注意：建议在阻抗水平 <20 KΩ 的条件下进行实验（图4）。
   10. 执行 monitoring 功能，通过实时脑电信号监测，确认所有电极的脑电信号是否具有相似的振幅水平（图5）。
       注意：脑电信号的振幅通常在10 µV至100 µV之间，当闭眼时，枕区附近的alpha波（8-12 Hz）功率会增加。因此，可通过在闭眼状态下监测枕区附近通道的振幅水平和alpha振荡，定性地确认脑电数据的质量。
2. 实验范式设置
   1. 为稳定获取脑电数据，使用两台独立的计算机分别用于呈现外部刺激和记录脑电数据（见 图1）。
   2. 为向受试者呈现实验刺激，使用编程软件（见步骤1.3介绍）根据实验范式创建刺激程序。
      注意：本研究中使用基于软件的刺激程序，但也可根据所用脑电设备的兼容性及用户便利性选择其他软件。基于编程软件的刺激脚本见 补充文件1（Experimental_stimulus.m）。事件信息（指示刺激起始点）由自研编程软件生成，经由触发盒传输至脑电放大器，最终传入脑电记录软件（图1）。
   3. 以监测模式运行呈现实验刺激的程序（参见子步骤2.1.10）。随后，确认每次呈现刺激时，事件信息是否在脑电记录软件底部被及时且正确地标记，如 图6 所示。
      注意：每当呈现新刺激时，时间点信息即被记录，并用于后续的数据分段。因此，尽可能准确获取实验事件的时间点至关重要，以避免数据分段不准确，从而导致分析结果不可靠。
   4. 启动脑电记录软件，然后独立运行基于实验范式使用编程软件开发的刺激呈现程序，以防止数据遗漏。
      ​注意：为便于数据分析，建议采用一致的命名规则创建数据存储文件名（例如，Sub1_Session1）。
3. 脑电图记录
   1. 按照步骤1.3介绍的实验范式，以1,000 Hz的采样率记录脑电图。
      注意：采样率可根据研究者希望分析的脑电频率范围进行调整。根据奈奎斯特采样定理，通常建议使用 >200 Hz的采样率，以便分析≤100 Hz的脑电信息。这是因为大多数脑电信息集中在100 Hz以下。
   2. 尽可能保持受试者之间相同的实验环境（如实验场所、设备、室温等），并指导受试者在脑电测量期间尽量减少不必要的身体活动。

图3：脑电放大器与安装有脑电记录软件的计算机之间的无线连接流程。请按顺序执行以下步骤：（A）选择放大器，（B）连接放大器，（C）搜索已连接的放大器以建立无线连接，（D）连接完成。请点击此处查看此图的放大版本。

图 4：各通道阻抗检查流程。 所有通道应调整至绿色，以确保脑电测量的稳定性。建议在阻抗低于 20 KΩ 的条件下进行实验。 请点击此处查看该图的放大版本。

图 5：每个通道的实时数据监测流程。 所有正在测量的通道信号均可实时监测，并可通过顶部工具栏中的选项（红框所示）进行放大或缩小。 请点击此处查看该图的放大版本。

图6：事件信息监控截图。 红色条表示每次由PC1提供刺激时呈现的事件标记。请点击此处查看此图的放大版本。

3. 脑电图数据处理

注意：本研究提供了复制该科研概念的精确指南，因此仅简要概述了分析流程和代表性结果。详细步骤及相关结果可参见之前的研究¹⁷。此说明表明 Mary Ann Liebert, Inc. 已授权使用其受版权保护的材料。

1. 预处理
   1. 使用基于主成分分析的数学方法，通过脑电图（EEG）数据预处理软件去除原始 EEG 数据中的眼电伪迹^18,19（参见 材料表）。
      注：若任一 epoch 在任一电极上显示明显伪迹（± 100 µV），即使经过预处理后仍存在，则将其排除在进一步分析之外。受影响手部运动任务中被剔除的 epoch 平均数量及其标准差为 3.69 ± 7.15，未受影响手部运动任务中为 1.62 ± 3.95。
   2. 应用 0.1 Hz 至 55 Hz 的带通滤波器。根据任务起始时间，将预处理后的 EEG 数据按每次试验从 -1 s 到 3.5 s 进行分段，以包含用于事件相关谱扰动（ERSP）和功能网络分析的基线期。
2. ERSP 分析
   ​注：通过 ERSP 分析验证所测 EEG 数据在与自主运动相关的低 beta 频段（12-20 Hz）的表现。
   1. 对每次试验进行短时傅里叶变换以计算 EEG 谱功率，使用编程软件中 EEGLAB 工具箱的 newtimef 函数²⁰（非重叠汉宁窗，窗长 250 ms）。
   2. 通过减去基线期（-1 至 0 s）的平均功率对每次试验的功率谱进行归一化，以研究手部运动任务期间与基线期之间谱功率的变化。
   3. 通过对各次试验归一化后的功率谱取平均，估算每位患者的基线归一化 ERSP 图谱。
3. 功能网络分析
   ​注：进行功能网络分析以从脑网络角度探讨 EEG 的变化。为基于图论计算加权全脑网络指标，首先使用相位锁定值（PLV）计算不同脑区之间的脑功能连接。然后基于 PLV 连接分析结果构建功能连接矩阵，并进一步用于计算全脑网络指标¹⁷。所有功能网络分析均使用编程软件完成。
   1. 使用自编函数在低 beta 频段（12-20 Hz）计算基于希尔伯特变换的相位锁定值（PLV）^21,22。用于计算基于希尔伯特变换的 PLV 的自编函数见 补充文件 2（myPLV.m）。
   2. 计算任务期（0-3.5 s）每个时间点上所有 32 个 EEG 电极之间所有可能配对的 PLV，并通过对任务期的 PLV 取平均构建一个对称邻接矩阵（32 × 32，电极数 = 32）。将 PLV 矩阵作为网络分析的输入数据^17,23。
   3. 基于 Brain Connectivity Toolbox（https://sites.google.com/site/bctnet）使用图论方法评估四个加权全局网络指标：（1）连接强度（strength），（2）聚类系数（clustering coefficient），（3）路径长度（path length），（4）小世界性（small-worldness）^17,24,25。

结果

图7 展示了每种手部运动任务的地形低β频段事件相关去同步（ERD）图。在患侧和非患侧手部运动任务中，与同侧半球相比，对侧半球均表现出显著更强的低β频段ERD。

图7：所有患者分别执行受影响手和非受影响手运动任务时的平均地形图。整合的地形图是通过对偏瘫右侧组的ERD图进行反转得到的。颜色越深的蓝色表示ERD越强，说明相应脑区比其他区域激活程度更高。CON表示完好的对侧半球，IPSI表示受损的同侧半球。本图经Mary Ann Liebert...

讨论

本研究介绍了一种用于测量脑卒中患者上肢运动相关神经活动的脑电图（EEG）实验。通过应用该实验范式以及脑电图的采集与分析方法，确定了病灶同侧和对侧运动皮层的事件相关去同步化（ERD）模式。

事件相关同步去同步（ERSP）图谱的结果（图7）显示了在移动受损手和未受损手时神经元激活程度的差异。该结果与先前研究的发现一致^26,27，表明本实验设计是一种可行的方法，可在临床研究环境中实施。

既往研究主要采用静息态脑电图（EEG）数据来探究脑卒中患者神经元活动的改变。然而，本研究使用了在手部运动过程中采集的任务特异性脑电图数据，该数据作为预测运动功能恢复的生物标志物具有良好的应用前景¹⁷。

从总体角度来看，进行脑电图（EEG）记录时必须注意一些重要事项。特别是第...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
actiCAP	Easycap， GmbH Ltd.，德国赫尔辛	CAC-32-SAMW-56	可容纳脑电图电极的纺织脑电图帽平台
脑视觉记录仪（软件）	Brain Products GmBH Ltd.，德国慕尼黑	-	用于记录脑电图信号的软件
Curry 7（软件）	Compumedics，澳大利亚	-	用于脑电图数据预处理的软件
MATLAB R2019a（软件）	MathWorks Inc.，美国马萨诸塞州内蒂克	-	用于运行实验刺激和分析脑电图数据
记录的软件 PC	联想集团有限公司，中国香港	型号：X58K	英特尔酷睿 i7-7700HQ CPU@2.80 GHz，RAM 8 GB /使用 Brain Vision Recorder 传感器记录脑电图数据记录
Trigger Extension（STE）	Brain Products GmBH Ltd.， Munich， Germany	STE-055604-0162	将生理信号添加到脑电图放大器
分流器盒	Brain Products GmBH Ltd.， Munich， Germany	BP-135-1600	将 Ag/AgCl 电极连接到脑电图放大器
刺激 PC	Hansung Corporation，首尔，韩国	型号：ThinkPad P71	Intel Core i7-8750H CPU@2.20 GHz，RAM 8 GB 使用 MATLAB
TriggerBox	Brain Products GmBH Ltd. 呈现刺激屏幕，德国慕尼黑	BP-245-1010	接收来自 PC 的触发信号并将其中继到脑电图记录系统