Name: 利用 SPM 软件分析颅内脑电图数据的神经活动和连接性 (视频) | JoVE Journal
Uploaded: 2018-10-30T13:30:00.000+00:00
Duration: 6 min 50 s
Description: 学习使用SPM软件分析颅内脑电图数据，通过时频统计参数映射和动态因果建模评估神经活动与脑区间连接性。该方法为认知神经科学研究提供高时空分辨率分析工具。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究由倍乐生公司、日本促进科学基金（JSPS）下一代世界领先研究人员资助计划（LZ008）、神经发育障碍研究促进组织以及日本促进科学基金（JSPS）科研费（15K04185；18K03174）提供资金支持。

本研究已获得当地机构伦理委员会的批准。
1. 基本信息
注意：分析方案可应用于各种类型的数据，对特定受试者、电极、参考方法或电极位置均无限制。在本示例中，我们测试了六名患有药物难治性局灶性癫痫的患者。所测试的患者在感兴趣区域均无癫痫灶。
<ol>
	<li>在认知实验期间，使用目标电极记录颅内脑电图（EEG）数据。
	<ol>
		<li>采用立体定向方法植入深部电极12。</li>
		<li>使用皮层下铂金电极（直径：2.3 mm）和深部铂金电极（直径：0.8 mm），分别同时测量皮层和皮层下活动。</li>
		<li>将参考电极置于颅骨中线背侧额区表面，电极接触面朝向远离颅骨方向，以避免参考电极激活12。</li>
		<li>对信号进行放大，进行在线滤波（带通：0.5–300 Hz），并以 1,000 Hz 的采样率进行采样。</li>
		<li>为记录并统计去除与眼动相关的伪迹，需额外记录眼电图（EOG）。根据理论兴趣选择目标电极。此外，使用个体化的磁共振成像（MRI）和计算机断层扫描（CT）数据验证电极位置。</li>
	</ol>
	</li>
	<li>采样并预处理单次试验的颅内脑电图数据（图 1）。 
	注意：分析流程可适用于多种类型的数据，对数据长度或预处理方法无特定限制。
	<ol>
		<li>此处，对每次试验采集刺激前 1,000 ms 和刺激后 2,000 ms 共计 3,000 ms 的数据。</li>
		<li>由于部分受试者在某些试验中表现出异常高的振幅活动（可能与癫痫相关），需使用预定义阈值（&#62;800 μV 且 &#62;5 SD）排除这些离群试验。其他预处理步骤（包括目视检查和独立成分分析）可能根据实验目的和条件而有所需要。</li>
	</ol>
	</li>
	<li>将脑电图系统原生格式转换为基于 MATLAB 的 SPM 格式（参见 SPM12 手册 12.1 和 12.2 节）。 
	注意：大多数脑电图数据格式可通过 SPM 批处理编辑器界面中的 Conversion 选项直接导入 SPM 软件，并指定所有必需的输入参数。另一种可行方法是使用 SPM 程序目录下 man/example_scripts 子目录中的示例脚本 &#34;spm_eeg_convert_arbitrary_data.m&#34;。该脚本提供了一种便捷方式，可将许多脑电图系统导出的 ASCII 文件或 MAT 文件转换为 SPM 格式。</li>
</ol>
2. 时频SPM分析
<ol>
	<li>设置 SPM12（http://www.fil.ion.ucl.ac.uk/spm/），并使用其 M/EEG 分析菜单13（图 2）。</li>
	<li>在 SPM 菜单中选择 &#34;Time-frequency analysis&#34;，对每个试次的预处理颅内脑电图数据进行时频 SPM 分析2，采用基于预定义参数的 Morlet 小波连续小波分解（图 3）。 
	注意：小波变换通过将颅内脑电图数据与多个频率的小波进行卷积，揭示谱成分的时间演化过程14。
	<ol>
		<li>此处，对整个时间段（-1,000–2,000 ms）和频率范围（4–300 Hz）使用七周期 Morlet 小波进行小波分解。</li>
		<li>根据先前研究15确定母小波及周期数。需注意，小波中的周期数控制着时频分辨率，建议大于 5 以确保估计的稳定性13。</li>
		<li>根据研究兴趣确定时间和频率范围。</li>
	</ol>
	</li>
	<li>在 SPM 菜单中选择 &#34;Crop&#34;，自动裁剪所得的时频图，以去除边缘效应。此处将时频图裁剪为 -200–500 ms。</li>
	<li>在 SPM 菜单中选择 &#34;Time-frequency rescale&#34;，对时频图进行数据转换（可选）和基线校正，以更好地可视化事件相关功率变化并提高数据的正态性。 
	注意：此处对时频图进行了对数转换，并以基线期（-200–0 ms）进行校正。</li>
	<li>在 SPM 菜单中选择 &#34;Convert2Images&#34;，将时频图转换为二维（2D）图像。
	<ol>
		<li>使用预定义的半高全宽（FWHM）值的高斯核进行平滑处理，以补偿被试间变异性，并满足统计推断中所用随机场理论的假设条件2,13。 
		注意：此处基于先前研究2，在时间域使用 FWHM 为 96 ms、在频率域使用 FWHM 为 12 Hz 的高斯核对时频图进行平滑处理。</li>
	</ol>
	</li>
	<li>在 SPM 菜单中选择 &#34;Specify 1st-level&#34;，将 2D 图像输入一般线性模型。</li>
	<li>在 SPM 菜单中选择 &#34;Model estimation&#34;，估计一般线性模型。</li>
	<li>在 SPM 菜单中选择 &#34;Results&#34;，基于随机场理论2对时频 SPM{T} 数据进行统计推断。检测具有显著激活的时频簇，使用预定义的阈值（可能已对多重比较进行校正）。 
	注意：此处使用了经 FWE 校正多重比较的簇扩展阈值 p &#60;0.05，以及未经校正的高度阈值 p &#60;0.001。</li>
</ol>
3. 诱导反应的 DCM 分析
<ol>
	<li>安装 SPM12（http://www.fil.ion.ucl.ac.uk/spm/）并使用其 M/EEG 分析菜单13 (图4).
	<ol>
		<li>通过点击开始 DCM 分析 &#34;扩张型心肌病&#34; SPM 菜单中的按钮。通过选择激活用于诱导反应的 DCM &#34;IND&#34; 在列表框中。通过点击导入预处理的颅内脑电图数据 &#34;新数据&#34; 在M/EEG的DCM菜单中。</li>
	</ol>
	</li>
	<li>指定感兴趣的时间窗口、感兴趣的条件、所选条件的对比（用于定义后续网络设定中的调制输入）、感兴趣的频率窗口，以及在M/EEG的DCM菜单中设定的小波周期数图5).
	<ol>
		<li>使用五周期Morlet小波（4–100 Hz，以1 Hz为步长），时间窗设置为1–500 ms。</li>
		<li>根据默认设置确定小波周期。请注意，软件建议的取值应大于 5，以确保估计的稳定性13时间-频率范围根据我们的研究兴趣确定。注意，计算过程中会自动使用额外 ±512 ms 的时间窗口以消除边缘效应。</li>
	</ol>
	</li>
	<li>基于 DCM 框架4,5，定义（1）驱动输入，代表对神经状态的感官输入；（2）内在连接，体现神经状态之间的基线连接及自连接；以及（3）对内在连接的调节效应 通过 用于零模型和假设模型的实验操作。同时将调制类型定义为线性（频内）或非线性（频间）。
	<ol>
		<li>在M/EEG的DCM菜单中指定内在（线性和非线性）连接、驱动输入和调制输入。</li>
		<li>修改某些相关参数的默认设置（例如， 必要时，设置先前刺激的起始时间和持续时间。通过选择来估计模型 &#34;倒置 DCM&#34; 在 M/EEG 的 DCM 菜单中。然后选择 将结果保存为图片&#160;用于保存频率-频率调制耦合参数图像。</li>
	</ol>
	</li>
	<li>进行随机效应贝叶斯模型选择（BMS）分析17 通过点击 &#34;BMS&#34; 在M/EEG的DCM菜单中识别最优网络模型。使用模型的期望概率和/或超越概率作为评估指标。</li>
	<li>使用SPM菜单（见步骤2），基于最优模型参数推断调节连接的跨频率模式。
	<ol>
		<li>选择平滑调节耦合参数图像 &#34;转换为图像&#34; 在SPM菜单中。</li>
		<li>选择进行一般线性模型分析 &#34;指定二级分类&#34; 在SPM菜单中。</li>
		<li>计算二维 SPMT} 值，方法是进行选择 &#34;结果&#34; 在 SPM 菜单中。 
		注意：此处的 FWHM 根据先前的一项研究设定为 8 Hz4显著性值通过设定高度阈值进行探索性识别 p &#60;0.05（未校正）。</li>
	</ol>
	</li>
</ol>

<ol><li>Lachaux, J. P., Rudrauf, D., Kahane, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intracranial+EEG+and+human+brain+mapping%5BTitle%5D)+AND+%22Journal+of+Physiology+-+Paris%22%5BJournal%5D)">Intracranial EEG and human brain mapping.</a> Journal of Physiology - Paris. 97 (4-6), 613-628 (2003).</li>
<li>Kilner, J. M., Kiebel, S. J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applications+of+random+field+theory+to+electrophysiology%5BTitle%5D)+AND+%22Neuroscience+Letters%22%5BJournal%5D)">Applications of random field theory to electrophysiology.</a> Neuroscience Letters. 374 (3), 174-178 (2005).</li>
<li>Canolty, R. T., Knight, R. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+functional+role+of+cross-frequency+coupling%5BTitle%5D)+AND+%22Trends+in+Cognitive+Sciences%22%5BJournal%5D)">The functional role of cross-frequency coupling.</a> Trends in Cognitive Sciences. 14 (11), 506-515 (2010).</li>
<li>Chen, C. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+dynamic+causal+model+for+evoked+and+induced+responses%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">A dynamic causal model for evoked and induced responses.</a> Neuroimage. 59 (1), 340-348 (2012).</li>
<li>Friston, K. J., Harrison, L., Penny, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+causal+modelling%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Dynamic causal modelling.</a> Neuroimage. 19 (4), 1273-1302 (2003).</li>
<li>Canolty, R. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+gamma+power+is+phase-locked+to+theta+oscillations+in+human+neocortex%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">High gamma power is phase-locked to theta oscillations in human neocortex.</a> Science. 313, 1626-1628 (2006).</li>
<li>Tort, A. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+cross-frequency+couplings+of+local+field+potential+oscillations+in+rat+striatum+and+hippocampus+during+performance+of+a+T-maze+task%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Dynamic cross-frequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task.</a> Proceedings of the National Academy of Sciences of the United States of America. 105 (51), 20517-20522 (2008).</li>
<li>Voytek, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Shifts+in+gamma+phase-amplitude+coupling+frequency+from+theta+to+alpha+over+posterior+cortex+during+visual+tasks%5BTitle%5D)+AND+%22Frontiers+in+Human+Neuroscience%22%5BJournal%5D)">Shifts in gamma phase-amplitude coupling frequency from theta to alpha over posterior cortex during visual tasks.</a> Frontiers in Human Neuroscience. 4, 191(2010).</li>
<li>Mukamel, R., Fried, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+intracranial+recordings+and+cognitive+neuroscience%5BTitle%5D)+AND+%22Annual+Review+of+Psychology%22%5BJournal%5D)">Human intracranial recordings and cognitive neuroscience.</a> Annual Review of Psychology. 63, 511-537 (2012).</li>
<li>Parvizi, J., Kastner, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Promises+and+limitations+of+human+intracranial+electroencephalography%5BTitle%5D)+AND+%22Nature+Neuroscience%22%5BJournal%5D)">Promises and limitations of human intracranial electroencephalography.</a> Nature Neuroscience. 21, 474-483 (2018).</li>
<li>Hill, N. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recording+human+electrocorticographic+%28ECoG%29+signals+for+neuroscientific+research+and+real-time+functional+cortical+mapping%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping.</a> Journal of Visualized Experiments. (64), 3993(2012).</li>
<li>Herrmann, C. S., Rach, S., Vosskuhl, J., Strüber, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time-frequency+analysis+of+event-related+potentials%3A+A+brief+tutorial%5BTitle%5D)+AND+%22Brain+Topography%22%5BJournal%5D)">Time-frequency analysis of event-related potentials: A brief tutorial.</a> Brain Topography. 27 (4), 438-450 (2014).</li>
<li>Litvak, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+and+MEG+data+analysis+in+SPM8%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">EEG and MEG data analysis in SPM8.</a> Computational Intelligence and Neuroscience. 2011, 852961(2011).</li>
<li>Mihara, T., Baba, K. <a target="_blank" href="https://ci.nii.ac.jp/naid/10029338435/">Combined use of subdural and depth electrodes.</a> Epilepsy Surgery. , 613-621 (2001).</li>
<li>Kilner, J., Bott, L., Posada, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulations+in+the+degree+of+synchronization+during+ongoing+oscillatory+activity+in+the+human+brain%5BTitle%5D)+AND+%22European+Journal+of+Neuroscience%22%5BJournal%5D)">Modulations in the degree of synchronization during ongoing oscillatory activity in the human brain.</a> European Journal of Neuroscience. 21, 2547-2554 (2005).</li>
<li>Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. <a target="_blank" href="https://onlinelibrary.wiley.com/doi/abs/10.1002/(SICI)1097-0193(1999)8:4%3C194::AID-HBM4%3E3.0.CO;2-C">Measuring phase synchrony in brain signals.</a> Human Brain Mapping. 8 (4), 194-208 (1999).</li>
<li>Stephan, K. E., Penny, W. D., Daunizeau, J., Moran, R. J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bayesian+model+selection+for+group+studies%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Bayesian model selection for group studies.</a> Neuroimage. 46 (4), 1004-1017 (2009).</li>
<li>Sato, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rapid%2C+high-frequency%2C+and+theta-coupled+gamma+oscillations+in+the+inferior+occipital+gyrus+during+face+processing%5BTitle%5D)+AND+%22Cortex%22%5BJournal%5D)">Rapid, high-frequency, and theta-coupled gamma oscillations in the inferior occipital gyrus during face processing.</a> Cortex. 60, 52-68 (2014).</li>
<li>Sato, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bidirectional+electric+communication+between+the+inferior+occipital+gyrus+and+the+amygdala+during+face+processing%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Bidirectional electric communication between the inferior occipital gyrus and the amygdala during face processing.</a> Human Brain Mapping. 38 (2), 4511-4524 (2017).</li>
<li>Bartlett, J. C., Searcy, J., Abdi, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+are+the+routes+to+face+recognition%3F%5BTitle%5D)+AND+%22Perception+of+faces%2C+objects%2C+and+scenes%3A+Analytic+and+holistic+processing%22%5BJournal%5D)">What are the routes to face recognition?</a> Perception of faces, objects, and scenes: Analytic and holistic processing. , 21-52 (2003).</li>
<li>Bouvier, S. E., Engel, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Behavioral+deficits+and+cortical+damage+loci+in+cerebral+achromatopsia%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Behavioral deficits and cortical damage loci in cerebral achromatopsia.</a> Cerebral Cortex. 16 (2), 183-191 (2006).</li>
<li>Pitcher, D., Walsh, V., Duchaine, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+the+occipital+face+area+in+the+cortical+face+perception+network%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">The role of the occipital face area in the cortical face perception network.</a> Experimental Brain Research. 209 (4), 481-493 (2011).</li>
<li>Latini, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+insights+in+the+limbic+modulation+of+visual+inputs%3A+The+role+of+the+inferior+longitudinal+fasciculus+and+the+Li-Am+bundle%5BTitle%5D)+AND+%22Neurosurgical+Review%22%5BJournal%5D)">New insights in the limbic modulation of visual inputs: The role of the inferior longitudinal fasciculus and the Li-Am bundle.</a> Neurosurgical Review. 38 (1), 179-189 (2015).</li>
<li>Davies-Thompson, J., Andrews, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intra-+and+interhemispheric+connectivity+between+face-selective+regions+in+the+human+brain%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Intra- and interhemispheric connectivity between face-selective regions in the human brain.</a> Journal of Neurophysiology. 108 (11), 3087-3095 (2012).</li>
<li>Jerbi, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Saccade+related+gamma-band+activity+in+intracerebral+EEG%3A+dissociating+neural+from+ocular+muscle+activity%5BTitle%5D)+AND+%22Brain+Topography%22%5BJournal%5D)">Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity.</a> Brain Topography. 22, 18-23 (2009).</li>
<li>Buzsáki, G., Silva, F. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+frequency+oscillations+in+the+intact+brain%5BTitle%5D)+AND+%22Progress+in+Neurobiology%22%5BJournal%5D)">High frequency oscillations in the intact brain.</a> Progress in Neurobiology. 98, 241-249 (2012).</li>
<li>Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG%2C+temporal+correlations%2C+and+avalanches%5BTitle%5D)+AND+%22Journal+of+Clinical+Neurophysiology%22%5BJournal%5D)">EEG, temporal correlations, and avalanches.</a> Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).</li>
<li>Herrmann, C. S., Grigutsch, M., Busch, N. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+oscillations+and+wavelet+analysis%5BTitle%5D)+AND+%22Event-related+potentials%3A+A+methods+handbook%22%5BJournal%5D)">EEG oscillations and wavelet analysis.</a> Event-related potentials: A methods handbook. , 229-259 (2005).</li>
<li>Pigorini, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time-frequency+spectral+analysis+of+TMS-evoked+EEG+oscillations+by+means+of+Hilbert-Huang+transform%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Time-frequency spectral analysis of TMS-evoked EEG oscillations by means of Hilbert-Huang transform.</a> Journal of Neuroscience Methods. 198 (2), 236-245 (2011).</li>
<li>Holdgraf, C. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rapid+tuning+shifts+in+human+auditory+cortex+enhance+speech+intelligibility%5BTitle%5D)+AND+%22Nature+communications%22%5BJournal%5D)">Rapid tuning shifts in human auditory cortex enhance speech intelligibility.</a> Nature communications. 7, 13654(2016).</li>
<li>Aru, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Untangling+cross-frequency+coupling+in+neuroscience%5BTitle%5D)+AND+%22Current+Opinion+in+Neurobiology%22%5BJournal%5D)">Untangling cross-frequency coupling in neuroscience.</a> Current Opinion in Neurobiology. 31, 51-61 (2015).</li>
<li>Gerber, E. M., Sadeh, B., Ward, A., Knight, R. T., Deouell, L. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Non-sinusoidal+activity+can+produce+cross-frequency+coupling+in+cortical+signals+in+the+absence+of+functional+interaction+between+neural+sources%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Non-sinusoidal activity can produce cross-frequency coupling in cortical signals in the absence of functional interaction between neural sources.</a> PLoS One. 11 (12), e0167351(2016).</li>
<li>Cole, S. R., Voytek, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+oscillations+and+the+importance+of+waveform+shape%5BTitle%5D)+AND+%22Trends+in+Cognitive+Sciences%22%5BJournal%5D)">Brain oscillations and the importance of waveform shape.</a> Trends in Cognitive Sciences. 21 (2), 137-149 (2017).</li>
<li>Mikulan, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intracranial+high-%CE%B3+connectivity+distinguishes+wakefulness+from+sleep%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Intracranial high-γ connectivity distinguishes wakefulness from sleep.</a> Neuroimage. 169, 265-277 (2018).</li>
<li>Zheng, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Amygdala-hippocampal+dynamics+during+salient+information+processing%5BTitle%5D)+AND+%22Nature+communications%22%5BJournal%5D)">Amygdala-hippocampal dynamics during salient information processing.</a> Nature communications. 8, 14413(2017).</li>
<li>Maris, E., Oostenveld, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nonparametric+statistical+testing+of+EEG-+and+MEG-data%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Nonparametric statistical testing of EEG- and MEG-data.</a> Journal of Neuroscience Methods. 164 (1), 177-190 (2007).</li>
<li>Stolk, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integrated+analysis+of+anatomical+and+electrophysiological+human+intracranial+data%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">Integrated analysis of anatomical and electrophysiological human intracranial data.</a> Nature Protocols. 13, 1699-1723 (2018).</li>
<li>Friston, K. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+causal+modelling+revisited%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Dynamic causal modelling revisited.</a> NeuroImage. , (2017).</li>
</ol>

作者无任何利益冲突需要披露。

与功能磁共振成像相比，本文介绍的使用SPM软件分析颅内脑电图数据的分析方案具有多项优势。首先，该方案能够以高时间分辨率描绘神经激活活动，因此结果可表明神经激活的认知相关性是在信息加工的早期还是晚期阶段实现的。在我们的示例中，面孔效应出现在加工的极早期阶段（即， 110毫秒）的视觉加工过程。此外，对与不同心理功能相关的神经活动时间特征进行比较，可带来有趣的启示。特别是，我们的示例揭示了面孔效应与倒置面孔效应在枕内侧回（IOG）的激活起始时间分别为115毫秒和165毫秒。此类丰富的时间信息有助于加深我们对神经认知机制的理解。
此外，这些方案能够描绘脑区内部及脑区之间的神经连接。其他神经科学测量方法（如血流动力学信号和头皮记录的电磁信号）所获取的数据包含大量噪声，且需要基于若干假设进行估算，以提取原始的电信号，这一过程可能扭曲最终的神经连接结果。因此，对直接记录的电信号进行分析具有重要价值。例如，尽管我们的研究结果揭示了枕下回（IOG）与杏仁核在面孔加工过程中的功能耦合，但此前对功能性磁共振成像（fMRI）数据的分析并未检测到这种耦合...

以高空间和时间分辨率测量与认知功能相关的神经活动和连接性，是认知神经科学的主要目标之一。然而，实现这一目标并不容易。一种常用的记录神经活动的方法是功能性磁共振成像（MRI）。尽管功能性 MRI 具有若干优势，例如毫米级的高空间分辨率和非侵入性记录，但其明显缺点是时间分辨率较低。此外，功能性 MRI 测量的是血氧水平依赖信号，这类信号仅间接反映神经电活动。常用的电生理学方法，包括脑电图（EEG）和脑磁图（MEG），具有毫秒级的高时间分辨率。然而，它们的空间分辨率相对较低，因为这些方法是在头皮上记录电信号/磁信号，并且必须解决复杂的逆问题才能描绘脑部活动。
颅内脑电图（EEG）能够以高时间（毫秒级）和空间（厘米级）分辨率直接记录神经电活动1。该方法可为理解神经活动与连接性提供宝贵机会，尽管其存在明显局限性（例如，可测量区域受限于临床标准）。已有若干项颅内脑电图研究采用传统平均分析方法来描绘神经活动。尽管平均分析方法能够敏感地检测到锁时且低频段的激活，但无法检测非相位锁定和/或高频（例如，伽马频段）激活。此外，在颅内脑电图记录的相关文献中，功能性神经耦合尚未得到深入分析。近年来已发展出多种新技术，可用于描绘功能磁共振成像及脑电图/脑磁图记录中的神经活动以及区域内和区域间的连接性，这些技术亦可应用于颅内脑电图数据的分析。
本文介绍了我们近期用于分析颅内脑电图（iEEG）数据的分析方案，所用软件为统计参数映射（Statistical Parametric Mapping, SPM）。首先，为了揭示大脑区域在何时以及在哪个频率上被激活，我们进行了时频域SPM分析2。该分析通过连续小波变换同时对时间和频率域进行分解，并利用随机场理论在时频图中对簇整体误差（family-wise error, FWE）率进行适当校正。其次，为了揭示大脑区域之间的通信方式，我们应用了诱导反应的动态因果建模（dynamic causal modeling, DCM）4。DCM可用于研究有效连接性（i.e., 大脑区域之间的因果性与方向性影响5）。尽管DCM最初是作为功能磁共振成像（fMRI）数据分析工具提出的5，但针对诱导反应的DCM已被扩展用于分析电生理信号随时间变化的功率谱4。该分析能够描绘出区域内部和区域之间的神经连接性。多项神经生理学研究提示，局部区域内的计算和远距离区域间的通信主要分别依赖于伽马波段（gamma-band）和theta波段（theta-band）振荡，而它们之间的相互作用（e.g.，同步化）可通过theta-gamma交叉频率耦合来反映3,6,7,8。本报告重点介绍数据分析流程；关于颅内脑电图的背景信息9,10及记录方案11的综述，请参阅相关文献。

使用spm软件分析颅内脑电图数据中的神经活动与脑连接

Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software

以高空间和时间分辨率测量与认知功能相关的神经活动和连接性，是认知神经科学中的一个重要目标。颅内脑电图（EEG）能够直接记录电生理神经活动，具有实现这一目标的独特潜力。传统上，研究通常采用平均分析方法来分析颅内EEG数据；然而，目前已出现多种新技术，可用于描绘神经活动以及区域内部和区域间的连接性。本文介绍了我们近期应用统计参数映射（SPM）软件分析颅内EEG数据的两种分析方案：用于神经活动分析的时间-频率SPM分析，以及用于区域内部和区域间连接性分析的诱发反应动态因果建模。我们以观察面部时的颅内EEG数据分析结果作为代表性示例进行报告。结果表明，枕下回（IOG）在对面部刺激反应的极早期阶段（110毫秒）即表现出伽马频段活动，且IOG与杏仁核均通过多种类型的振荡表现出快速的区域内和区域间连接性。这些分析方案有望以高空间和时间分辨率揭示认知功能背后的神经机制。

使用本文所述方案，我们分析了对人脸刺激产生反应的颅内脑电图数据18,19我们记录了六名患者在被动观看正立和倒置的人脸、马赛克图像及房屋时的神经活动数据。正立人脸的对比度 与 直立马赛克和直立面孔 与 直立呈现的房屋图像显示出面孔效应（即， 相对于其他物体的面部特异性脑活动）。直立面孔的对比 与 倒置的面孔揭示了面孔倒置效应（即，可能与构型/整体性加工相关的面孔特异性视觉处理20）。作为时频分析和相位-幅度跨频率耦合的目标区域，我们根据以往的神经心理学研究选择了右侧枕下回（IOG）21 和神经影像学22 研究结果。对于扩张型心肌病（DCM），我们基于先前的解剖学证据，检验了在面孔加工过程中，枕下回（IOG）与杏仁核构成一个功能网...

我们介绍了两种可使用统计参数映射（Statistical Parametric Mapping, SPM）软件分析颅内脑电图数据的分析方案：用于神经活动分析的时间-频率统计参数映射分析，以及用于区域内部和区域间连接性分析的诱导反应动态因果建模。

使用SPM软件分析颅内脑电图数据中的神经活动与脑连接

以高空间和时间分辨率测量与认知功能相关的神经活动和神经连接性，是认知科学领域的一个重要目标……

该方法有助于解答认知神经科学领域中的关键问题。此技术的主要优势在于能够分析高空间分辨率的时间动态神经活动与连接性。开始颅内脑电图数据的分析时，需设置 SPM12 并选择 MEG 脑电分析菜单。首先，基于预定义参数，使用连续小波分解结合Morlet小波对每次试验的预处理颅内脑电图数据进行时频分析。为了揭示频谱成分的时间演化过程，采用七周期的Morlet小波，在4至300赫兹的频率范围内，对1,000至2,000毫秒的整个时间段进行小波分解。接下来，确定母小波及其周期数，并注意周期数控制着时频分辨率，应大于5以确保估计的稳定性。确定时间和频率范围，然后自动裁剪所得的时间-频率图以去除边缘效应。此处，时间-频率图被裁剪为 200 至 500 毫秒的范围。如有需要，可通过选择时频重缩放来对时频图进行数据转换和基线校正，以更清晰地显示事件相关功率变化并改善正态性。接下来，将时频图转换为二维图像。同时，使用预定义半高全宽值的高斯核进行平滑处理，以补偿受试者间的变异性，并满足随机场理论的假设条件。现在，在SPM菜单中选择并指定第二级分析，然后输入将要分析的二维图像。接着，选择模型估计以运行一般线性模型。最后，选择结果，基于随机域理论对时频数据进行统计推断。使用此处所示的预定义阈值检测显著激活的时频簇。在 SPM 菜单中选择 DCM 以开始动态因果建模分析。然后选择 IND 选项，并选择新数据以导入预处理的颅内脑电图数据。接下来，使用 MEG EEG 菜单指定感兴趣的时间窗口、感兴趣的频率窗口、将使用的小波周期数、感兴趣的条件以及条件之间的对比。将时间窗口设置为 1 至 500 毫秒。采用周期数为 5 的 Morlet 小波，频率范围为 4 至 100 赫兹，以 1 赫兹为步长。使用小波周期的默认设置。根据研究兴趣确定时频范围。注意，在计算过程中可自动使用额外 512 毫秒的时间窗口以消除边缘效应。根据DCM框架，定义代表神经状态上感觉输入的驱动输入，以及体现神经状态间基线连接性的内在连接。同时，通过实验操控定义在零模型和假设模型上对内在连接的调节效应。将调节类型的定义为线性或非线性。现在指定内在的线性和非线性连接、驱动输入以及调制输入。如有必要，修改相关参数的默认设置，例如先验刺激起始时间和持续时间。然后选择逆向 DCM 以估计模型。然后，选择“将结果保存为图像”以保存频率-频率调制耦合参数图像。接下来，通过选择BMS进行随机效应贝叶斯模型选择分析，以确定最优网络模型。使用模型期望概率和出现概率作为评估指标。然后利用最优模型参数推断调节性连接的跨频率模式。接着，通过选择“转换为图像”来对调节性耦合参数图像进行平滑处理。然后使用“指定第二水平”来执行一般线性模型分析。最后，选择结果以计算二维SPMT值。此处，半高全宽设置为8赫兹，并通过探索性方法使用未经校正的高度阈值P小于0.05来识别显著性值。采用时频分析来研究枕下回（Inferior Occipital Gyrus，IOG）在相位处理过程中活动的时间和频率特征。此处展示了右侧枕内侧回（IOG）在正立相位和正立马赛克条件下的活动时频图。同时展示了正立相位与正立马赛克之间的SPMT数据。此处还展示了功能网络模型。研究了直立相位与直立镶嵌模式对IOG与杏仁核之间连接以及各脑区自身连接的八种可能的调节输入组合。此处展示了IOG与杏仁核、杏仁核与IOG相互调节中，直立相位与直立镶嵌模式的频率-频率调节耦合参数及SPMT值。红色-黄色区域表示显著的兴奋性连接，而蓝色-青色区域表示抑制性连接。观看本视频后，您应能够充分理解如何使用 SPM 软件分析颅内脑电图数据，以检测神经活动和功能连接。

analyzing-neural-activity-connectivity-using-intracranial-eeg-data

Research

科研

JoVE Journal

Neuroscience

神经科学

利用 SPM 软件分析颅内脑电图数据的神经活动和连接性

我们采用脑磁图和脑电图（MEG/EEG），结合磁共振成像（MRI）获取的解剖学信息，来绘制与听觉注意相关的皮层网络动态图谱。...

利用同步脑磁图/脑电图与基于解剖约束的最小范数估计绘制皮层动态：以听觉注意为例

神经影像学研究人员通常将大脑的反应视为重复实验试次中的平均活动，并将随时间变化的信号变异视为“噪声”而忽略。然而，越来越多的研究表明，这种噪声中实际上包含有意义的信号。本文介绍了多尺度熵这一新方法，用于在时域内量化脑信号的变异性。...

脑电图神经影像数据的应用：事件相关电位、谱功率与多尺度熵

本文介绍了一种在功能性磁共振成像（fMRI）揭示的脑区激活引导下，同步采集经颅磁刺激（TMS）期间脑电图（EEG）数据并进行分析的方法。同时描述了TMS伪迹去除及事件相关电位提取的方法，以及实验范式设计和实验设置中的注意事项。...

从经功能性磁共振成像引导的经颅磁刺激期间记录的脑电图数据中提取视觉诱发电位

本视频介绍了在非侵入性条件下，对采用特定局灶性癫痫临床前模型的镇静大鼠进行高分辨率脑电图的制备、记录及源分析操作流程。...

使用高分辨率脑电图记录在局灶性癫痫的临床前大鼠模型中进行脑源成像

立体定向脑电图（SEEG）是癫痫外科手术中用于定位癫痫发作起源灶的一种手术技术，同时也为研究脑功能提供了独特的机会。本文阐述了如何利用SEEG在人类受试者中研究认知过程。...

利用立体定向脑电图研究大脑深部皮层及皮层下结构的功能：来自前扣带皮层的启示

本手稿描述了一种在人类解决空间聚焦的工程问题时测量其神经活动的方法。脑电图方法有助于从神经效率角度解读β脑波测量结果，旨在最终实现不同问题类型之间以及不同参与者之间的任务表现比较。...

利用脑电图测量比较特定任务的神经效率：空间智力任务

静息态功能连接磁共振成像已发现，包括因大脑皮层发育畸形所致癫痫在内的多种神经精神疾病患者均存在异常。经颅磁刺激联合脑电图可证实，癫痫患者在功能连接异常的脑区表现出皮层过度兴奋性。...

一种基于多模态成像与刺激的癫痫患者脑连接相关兴奋性评估方法

本文介绍了一种脑电图-功能磁共振成像（EEG-fMRI）多模态成像方法，即时空fMRI约束的脑电图源成像方法。该方法采用条件激活的功能磁共振成像子图（或先验信息），以提高脑电图源定位的空间特异性，并减少错误结果。...

同步脑电图与功能磁共振成像记录及整合分析用于动态皮层活动成像

标准脑电图分析技术对神经系统功能的洞察有限。构建皮层连接性的统计模型能够更深入地研究潜在的网络动态。改进的功能评估为神经系统疾病的诊断、预后判断和结局预测开辟了新的可能性。...

使用非侵入性脑电图进行皮层连接性的统计建模

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。...

使用Flanker任务同步进行脑电图与功能性近红外光谱记录

一种结合多种磁共振成像（MRI）数据模态指导下的个性化经颅磁刺激与脑电图（TMS-EEG）皮层网络定位的新方案。...

神经影像引导的经颅磁刺激–脑电图用于实时皮层网络定位

学习使用SPM软件分析颅内脑电图数据，通过时频统计参数映射和动态因果建模评估神经活动与脑区间连接性。该方法为认知神经科学研究提供高时空分辨率分析工具。

使用SPM软件分析颅内脑电图数据中的神经活动与脑连接

探索更多视频