利用TMS导航系统高精度数字化传感器位置，提升源定位

Summary

我们提出了一种可重复的方法，用于利用导航脑刺激（NBS）系统的仪器数字化高密度脑电图（EEG）传感器位置。这种方法不需要额外的软件扩展，只需标准NBS工具即可。该方法与MNE-Python流水线集成，无需额外硬件即可提升源本地化的准确性。

Abstract

源定位是一种基于头皮记录到的信号估计大脑活动来源的技术。准确的源定位关键在于传感器位置的精确空间数字化。在本协议中，我们提出了一种实用且可靠的方法，用于利用导航脑刺激（NBS）系统数字化传感器位置。NBS是经颅磁刺激（TMS）设备的一部分，常见于TMS实验室，但很少用于脑电图（EEG）或功能性近红外光谱（fNIRS）系统的传感器数字化。这种方法使研究人员能够利用现有基础设施，显著提升源建模的空间精度，而无需投资专门的数字化设备。

我们引导观众完成完整的工作流程：（1）使用Nexstim NBS系统的默认工具数字化脑电极位置;（2）以兼容格式导出坐标数据;（3）将这些数据集成到脑电预处理和源定位流程中，使用MNE-Python软件包。该方案还包括将数字化数据与MRI图像对齐及优化共配准准确性的建议。为了说明该方法的实际应用，我们将其应用于分析触觉刺激实验的数据。

为确保可重复性和易于采用，提供了自定义的 Python 脚本用于坐标处理和共注册。结果显示，与默认电极拼贴相比，数字化电极位置显著提升了皮层源估计的解剖准确性和可解释性。

Introduction

脑电图（EEG）测量大脑在头皮的电活动，但原始记录混合了来自多种大脑和非大脑来源的信号。源定位指的是通过计算方式估计脑电信号的来源位置，有效地将头皮电压“映射”回皮层^区域。这些方法使研究人员能够将脑电振荡活动或事件相关反应与特定脑区联系起来，大大提升了脑电图的可解读性。实现准确的源定位关键在于准确知道每个电极相对于解剖结构的位置。我们必须数字化电极位置，以记录它们在头部的精确三维位置。这些坐标随后与受试者的MRI头部模型共注册或比对，用于解决脑电图正向（预测头皮电压）和逆（估计脑源）问题。精确的电极位置至关重要：即使是微小的数字化误差，也可能使大脑中估计的电极源偏移多达几厘米甚至更多。

现代脑电图源成像是一个多步骤过程，整合了解剖学和功能信息。它从电极数字化开始，每个脑电传感器的精确三维坐标被记录在头皮上。接下来进行解剖成像，通常通过获取受试者的结构MRI影像;如果无法获得，可以使用标准头型号².数字化的电极位置随后与MRI头部几何形状共存，使其与个体解剖结构对齐。由此推导出一个转换矩阵，将电极位置从头空间映射到MRI空间。结构性MRI随后使用Freesurfer³ 等MRI分割工具，将其分割为组织（头皮、颅骨、大脑），构建真实的体积导体模型。通过该模型，计算前向模型，结合电极位置、头部几何和组织电导率，预测任意假设皮层源^的头皮电位4。最后，利用分布源成像或偶极拟合等方法估计逆解，以估算最能解释测得脑^电图数据的皮层电流分布5。每一步都至关重要：头部模型确保解剖学上合理的电导率，正向解将信号源与头皮电位联系起来，反向解将记录的信号映射回大脑皮层。相反，电极数字化、共配准或MRI分段中的误差可能通过管道传播，导致源估计不准确。

目前有多种数字化方法可用，包括超声波、电磁系统⁶、结构光或红外3D扫描⁷、摄影测量⁸以及带探针或不带探针⁹的动作捕捉。虽然这些技术在硬件和作上有所不同，但它们在电极定位上的准确性大致相当。近期比较这些方法的研究表明，所有方法都能实现足够的电极定位精度，从而实现可靠的源估计。例如，所有测试方法的平均布罗德曼区域识别准确率均超过80%，而仅依赖模板电极位置则使准确率降至约50^%。这表明，尽管实现上有差异，现代数字化技术仍提供了相当的可靠性，显著降低了源定位的不确定性，相较于使用通用模板，并实现了对皮层活动的自信映射。

对于配备经颅磁刺激（TMS）系统的实验室来说，一个有吸引力的替代方案是将导航脑刺激（NBS）¹¹ 硬件重新利用用于电极数字化。NBS，也称为神经导航，通常结合光学追踪器和TMS线圈，用于将受试者的头部与MRI同步，并刺激特定的皮层靶。光学跟踪器（如Polaris Vicra）由红外跟踪摄像头和红外反射标记组成，分别安装在头部追踪器、导航指针和TMS线圈上。数字化过程中，实验者首先在参与者头部放置头部追踪器，然后用导航指针触摸每个脑电极，系统记录其三维位置，之后可导出用于源定位，例如MNE-Python¹²。这种工作流程类似于其他数字化设备，但利用现有设备：如果实验室已有导航TMS系统（如Nexstim eXimia NBS等），则无需单独购买数字化器。

这种方法的优点包括集成和精确。相同的坐标空间可用于TMS目标定位和脑电图源建模。对于进行同时或顺序TMS-EEG的实验室，这种方法简化了设置流程：电极数字化只是TMS神经导航过程的一部分。对于那些不主要使用脑电图源定位方法但已拥有TMS神经导航的实验室，这种方法提供了一种直接提升源估计精度的方法。

最后，请注意，这种导航式数字化概念同样适用于其他头皮传感器阵列。例如，类似的程序可以通过用跟踪指针触摸每个光极管来定位fNIRS optodes¹³ 或其他传感器。无论哪种情况，头皮传感器与受试者MRI之间形成统一的坐标系，提升后续源建模（无论是脑电图还是fNIRS）的解剖准确性。

多篇文献明确报告了NBS系统在电极数字化中的使用情况，编号^{14、15、16、17、18}。相比之下，多项同时使用TMS（NBS）和脑电图（EEG）或fNIRS的研究未描述任何数字化程序^{19、20、21、22、23}。这一遗漏表明NBS在电极或光极数字化方面的可用功能可能未被充分利用，可能影响传感器定位的准确性，进而影响报告结果的可靠性。我们假设许多研究者可能不知道NBS系统也可以作为共同注册工具，因为制造商并未持续强调这一特性。最后，我们注意到NBS可以应用于任何涉及头戴电极或光极的研究中的传感器数字化，无论是否使用TMS。

Protocol

所有涉及人类参与者的程序均按照机构指南进行，并经相关伦理委员会批准。参与者在实验开始前提供了知情同意。

1. 准备参与者和设备

注意：该协议采用了Nexstim NBS系统。

1. 开机并校准NBS系统
   1. 打开NBS主机和光学跟踪摄像头。确认系统成功完成自校准，若软件发现错误，请重复校准。
2. 将参与者的MRI影像加载到NBS系统中。
   1. 在NBS软件界面中，选择受试者档案，并以DICOM或Nexstim兼容格式加载结构MRI文件。
   2. 如果录制时参与者的MRI无法使用，请使用NBS系统提供的平均头部MRI。
3. 准备脑电盖。
   1. 确保高密度脑电盖按照制造商说明正确佩戴在参与者头部。使用标准解剖标志（鼻窦和前耳点）验证电极对齐。
      注意：保持电极放置一致，以最大限度减少每次治疗间的空间误差。
4. 将光学头部追踪器安装在参与者的头部。
   1. 将头部追踪器固定在脑电盖上或直接固定在参与者头部，且不阻挡电极。
   2. 确保摄像头能检测到追踪器，并在头部移动时保持稳定的视角。用双面胶带将追踪器牢牢固定在额头上。
      注意：在整个数字化过程中保持头部追踪器的位置，以避免跟踪错误。

2. 参与者头部在国家统计局（NBS）注册

1. 在NBS软件中进行注册。
   1. 开始注册程序，并在软件中定义MRI标志：鼻孔、左前耳点和右前耳前点。
   2. 使用导航指针指示并数字化参与者头顶上的这些地标。
      注意：NBS系统不允许在注册完成前进行数字化。注册确保软件中数字化点的正确可视化，但不改变记录坐标的绝对值。

3. 数字化

1. 数字化对应人表。
   1. 开始数字化。使用导航指针记录三个基点：内斜点、左前耳点和右前耳前点。确认软件准确捕捉每个点后再进行。
   2. 完成后，停止数字化，右键点击“ 数字化考试 ”，将坐标导出为文本格式。将文件保存为{subject}_fid.nbe。
2. 数字化头形点（HSP）。
   1. 开始数字化。收集至少50-100个均匀分布在头皮表面的点，尽量避免毛发密集的区域。在鼻梁和眉脊上加入额外的解剖标志。
   2. 收集完所有积分后，停止数字化，右键点击“ 数字化考试 ”，将坐标导出为文本格式。将文件保存为{subject}_hsp.nbe。
3. 数字化电极位置。
   1. 开始数字化。将导航指针指向每个电极中心，确保稳定接触以实现坐标准确记录。
   2. 每次治疗都遵循一致的顺序，按轮廓系统地数字化电极，从前到后、从左到右，以避免遗漏任何电极。
   3. 所有电极数字化完成后，停止数字化，右键点击“ 数字化检查 ”，将坐标导出为文本格式。将文件保存为{subject}_ele.nbe。

4. FreeSurfer 中的 MRI 预处理

1. 运行全程侦察以重建地表。
   1. 执行FreeSurfer处理流程，生成皮层表面、头皮表面和大脑分割。
2. 核实重建质量。
   1. 检查皮层、白质和充气表面。在继续前，先纠正任何重大的分割错误，例如使用Blender 3D计算机图形软件。

5. 与MNE-python流水线的集成

1. 用数字化坐标创建自定义剪辑。
   1. 为了将数字化的电极位置、标点和头形点整合到MNE-Python分析流程中，首先，使用已记录的坐标创建自定义拼贴（补充文件1）。.nbe文件和代码片段的示例可在GitHub仓库（github.com/MarkaMorozova/NexstimNBS-SensorDigitization）获取。
2. 在跨国公司进行共同注册。
   1. 使用MNE共同注册界面mne.gui.coregistration，将{subject}-info.fif中存储的数字化头部形状点与参与者MRI衍生的头部表面对齐。拟合依据，调整平移、旋转和缩放参数，直到标点和头部形状点与MRI模型高度匹配。
3. 保存创建的自定义蒙太奇和变换文件。
   1. 将自定义蒙太奇保存到{subject}-info.fif文件中以便将来重用。此外，保存在共注册时获得的变换矩阵{subject}-trans.fif，这是前向建模所必需的。

6. 执行源定位

1. 利用之前创建的信息和传输文件，对脑电图数据进行源定位。将参与者的预处理脑电图导入MNE-Python，应用{subject}-info.fif中的自定义拼贴，并加载共注册转换{subject}-trans.fif。
2. 利用参与者的MRI曲面和体积导体模型（例如BEM）构建一个正向模型。然后，利用sLORETA、dSPM或MNE等算法计算逆解，以估计记录的脑电信号背后的皮层源。请将原始估算数据保存，以便进一步分析和可视化。

Results

准确的源定位关键在于电极的正确位置以及与解剖头模型的可靠共位准。然而，在实际作中，由于个体头型差异或手动放置错误，脑电盖常常定位不准确。为说明这些因素如何影响分析结果，我们比较了使用NBS设备数字化电极位置与标准模板电极布局的结果。主要用于分析的软件和库包括NBS System 5（v5.1.0）、FreeSurfer（v6.0）和MNE-Python（v1.8.0）。

在这项研究中，20名健康的右撇子志愿者参与了一次为期2小时的单次训练，内容包括高密度脑电图记录、电极数字化、触觉刺激、影像和注意力任务²⁴。采集了单个结构性磁共振成像以定位源，脑电图则使用128通道系统记录，电极通过NBS系统数字化。本报告中展示的图表展示了电极数字化对皮层对触觉刺激反应源估计的影响。在触觉刺激任务中，参与者在8秒的长时间试验中右中指接受机械刺激，试验间有3秒的刺激间隔，交错进行8秒的休息试验。源定位使用标准化低分辨率电磁断层扫描（sLORETA）算法²⁵进行。对于反解，通过触觉刺激试验估算噪声协方差。该...

Discussion

准确定位源需要精确的电极数字化和与解剖头模型的可靠共配。我们的结果（图1、 图2和 图3）展示了电极定位偏差或依赖基于模板的拼贴如何导致空间对齐和源重建中的重大误差。特别是，我们证明了使用Nexstim NBS设备获得的数字化电极与单个MRI解剖结构高度对齐，并能在对侧体感皮层中合理定位μ节律ERD。相比之下，标准蒙太奇即使通过变换矩阵调整，也常常产生位移或解剖学上不一致的重建，尤其是与通用模板大脑结合时。

该协议的关键步骤是稳定且准确地获取电极位置。基点与密集头皮表面采样的结合，确保了共注册时的高空间精度。环境因素可能影响光学数字化的准确性。长时间拍摄时，遮挡标记、反射面和漂移可能导致定位误差。通过确保标记物无阻碍、减少反光物，并在过程中定期检查标记器的稳定性，可以减少这些问题。我们的数据（图2...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
导航式脑刺激（NBS） 系统	Nexstim	https://www.nexstim.com/healthcare-professionals/nbs-system	NBS is 经颅磁刺激结合神经导航系统