利用 SPM 软件分析颅内脑电图数据的神经活动和连接性
2018年10月30日
我们提出两种分析协议, 可用于分析颅内脑电图数据使用统计参数映射 (SPM) 软件: 时间-频率统计参数映射分析的神经活动, 和动态因果关系对内部和区域间连通性的诱导响应建模。
这种方法可以帮助回答认知神经科学领域的关键问题。该技术的主要优点是，它可以分析高空间时间演化的神经活动和连通性。要开始分析颅内 EEG 数据，请设置 SPM12 并选择 MEG EEG 分析菜单。
首先，使用基于预定义参数的连续小波分解与 Morlet 小波，对每个试验的预处理颅内 EEG 数据执行时间频率分析。为了揭示光谱成分的时间演化，使用七周期莫莱特小波进行小波分解，整个周期为1000至2000毫秒，使用4至300赫兹的频率范围。接下来，确定母波和周期数，并注意周期数控制时频分辨率，并且应大于 5 以确保估计稳定性。
确定时间和频率范围。然后自动裁剪生成的时间频率贴图以删除边缘效果。在这里，地图以 200 到 500 毫秒的间隔进行裁剪。
如果需要，执行数据转换和基线校正，通过选择时间频率重新缩放的时间频率映射，以更好地可视化与事件相关的功率变化并提高正态性。接下来，将时间频率图转换为二维图像。也顺利地使用高斯内核与预定义的全宽半最大值，以补偿主体间的变异性，并符合随机场理论的假设。
现在，选择在 SPM 菜单中指定第二级，然后输入要分析的 2D 图像。然后通过选择模型估计运行一般线性模型。最后，选择结果，对基于随机场理论的时间频率数据进行统计推理。
使用预定义的阈值（如此处看到的阈值）检测显著激活的时间频率群集。通过在 SPM 菜单中选择 DCM 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 EEG 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、将使用的波子周期数、感兴趣的条件和条件的对比度。将时间窗口设置为 1 到 500 毫秒。在一个赫兹的步长中使用 4 到 100 赫兹的五周期莫莱特小波。
使用小波循环的默认设置。根据研究兴趣确定时间频率范围。请注意，在计算过程中，可以自动使用具有额外 512 毫秒的时间窗口来删除边缘效果。
基于DCM框架，定义表示神经状态感觉输入的驱动输入和体现神经状态之间基线连接的内在连接。此外，通过空模型和假设模型的实验操作，定义对内在连接的调节效应。将调制类型定义为线性或非线性。
现在指定内在线性和非线性连接、驱动输入和调制输入。如有必要，修改相关参数的默认设置，如之前的刺激启动时间和持续时间。然后选择反转 DCM 以估计模型。
之后，选择将结果保存为图像以保存频率调制耦合参数图像。接下来，通过选择 BMS 来确定最佳网络模型，进行随机效应贝叶斯模型选择分析。使用模型预期概率和加入概率作为评估指标。
然后使用中标模型参数对调制连接的交叉频率模式进行推论。现在，通过选择转换为图像来平滑模态耦合参数图像。然后使用指定第二级执行一般线性模型分析。
最后，选择结果以计算 2D SPMT 值。在这里，全宽半最大值设置为 8 赫兹，并使用 P 小于 0.05 的未校正高度阈值对显著值进行探索性识别。进行了时间频率分析，以调查在处理阶段期间劣质腹体陀螺或 IOG 活动的时间和频率特征。
在这里，我们看到直立相位和直立马赛克条件正确的 IOG 活动的时间频率图。还显示了直立相位与直立镶嵌的 SPMT 数据。此处显示了功能网络模型。
调查了直立相与直立马赛克在 IOG 和杏仁核连接上的八种可调制输入组合，以及每个区域的自连接。此处显示了 IOG 与杏仁核与杏仁核与杏仁核与 IOG 调制的频率-频率调制耦合参数和 SPMT 值。红黄区域表示显著的兴奋性连接，而蓝-青色区域表示抑制性连接性。
观看此视频后，您应该对如何分析颅内 EEG 数据以使用 SPM 软件检测神经活动和连接性有一个良好的了解。
查看完整文字稿并访问数千部科学视频
概览
本研究提出了使用统计参数映射（SPM）软件分析颅内脑电图（iEEG）数据的分析协议。两种主要方法包括用于评估神经活动的时频统计参数映射分析和用于评估区域内和区域间连接性的动态因果模型（DCM）。
关键研究组成部分
科学领域
- 神经科学
- 电生理学
- 认知神经科学
背景
- 颅内EEG数据提供了神经活动和连接性的洞见。
- 时频分析揭示了频谱成分的动力学。
- 动态因果模型识别与感觉输入相关的连接模式。
研究目的
- 开发详细分析iEEG数据的方法。
- 使探索认知过程中神经连接性如何变化成为可能。
- 用特定任务中的神经活动验证这些方法。
使用的方法
- 使用SPM12软件进行数据分析。
- 关键模型基于人类受试者的颅内EEG。
- 时频分析涉及使用Morlet小波的连续小波分解。
- DCM用于评估固有连接性和不同条件的调节效应。
主要结果
- 时频图显示与不同认知阶段相关的神经活动。
- DCM揭示了脑区之间的兴奋性和抑制性连接模式。
- 分析显示了与认知处理相关的显著时间和频率特征。
结论
- 该研究说明了iEEG数据分析的有效方法。
- 这些方法增强了对认知神经科学中神经振荡和连接性的理解。
- 研究结果对建模认知功能下的神经机制有重要意义。
常见问题
Executive Industry Relevance
High-resolution analysis of neural activity and connectivity using intracranial EEG with SPM software enables precise mapping of brain function relevant to early-stage CNS drug discovery. Quantitative time-frequency and connectivity outputs support mechanistic de-risking and target validation for neuropsychiatric and cognitive disorder portfolios. These protocols enhance predictive confidence at critical inflection points in neuroscience R&D pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables direct interrogation of neural circuit function and target engagement in disease-relevant brain regions.
- Supports mechanistic de-risking by quantifying intra- and inter-regional connectivity changes in response to experimental manipulations.
- Provides high spatial and temporal resolution data for functional target validation and pathway clarification.
Screening & Assay Development
- Generates validated time-frequency maps and connectivity metrics for downstream quantitative analysis.
- Facilitates reproducible assay development by standardizing data transformation, baseline correction, and statistical inference workflows.
- Enables robust comparison of experimental conditions, supporting reliable compound or intervention evaluation.
Translational & Preclinical Research
- Aligns neural activity and connectivity readouts with translational biomarkers for CNS disorders when supported by experimental design.
- Provides continuity from discovery through preclinical validation by linking mechanistic neural signatures to functional outcomes.
- Supports risk-adjusted advancement decisions based on quantitative neural network modeling.
Pipeline & Workflow Integration
This analytical workflow positions intracranial EEG analysis with SPM as a bridge from early discovery through lead identification and preclinical validation in neuroscience R&D.
- Discovery Biology: Enables hypothesis testing and pathway clarification by mapping neural activity and connectivity in response to defined stimuli.
- Screening: Provides standardized, quantitative outputs for assay readiness and reproducibility across experimental conditions.
- Analytics: Delivers statistical maps and connectivity models that facilitate cross-condition and cross-subject comparisons.
- Translational Research: Supports alignment with disease-relevant biomarkers and mechanistic endpoints when integrated with translational models.
- Enterprise Reuse: Establishes a reusable analytical capability for diverse CNS research programs leveraging intracranial EEG data.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in CNS target validation.
- Operational Value: Standardizes high-resolution neural data analysis for reproducibility and scalability across projects.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency by providing robust neural network evidence.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of CNS assets based on quantitative neural signatures.
Implementation Considerations
- Requires expertise in electrophysiology, SPM software, and statistical modeling of neural data.
- Demands access to high-quality intracranial EEG recordings and computational infrastructure for data processing.
- Necessitates cross-team standardization of preprocessing, analysis parameters, and statistical thresholds.
- May require adaptation of protocols for different brain regions, species, or experimental paradigms.
- Interpretation of connectivity models should consider experimental design and statistical assumptions.
