提出了一种评估神经受养性对外部重复性刺激的时间演化的协议。在时域中获取和求平均值的相同实验条件的稳态记录。通过绘制响应振幅作为时间函数来分析稳态动力学。
神经适应是指神经活动与感觉刺激的周期性同步。此同步定义稳态唤起响应的生成(即,脑电图相锁到驱动刺激的振荡)。对稳态唤起响应振幅的经典解释假定存在定型时间不变神经响应加上随机背景波动,因此,对刺激的重复表示求平均值可恢复定型的反应。这种方法忽略了稳定状态的动态,例如长期暴露在刺激中引起的适应。分析稳态响应的动态,可以假定响应振幅的时间演化在不同刺激运行中是相同的,通过足够长的断裂来分隔。基于此假设,提出了一种描述稳态响应时间演化的方法。根据相同的实验条件,可以获取足够大量的记录。实验运行(录像)是按列划分的平均值(即,运行是平均的,但记录中的时代不与前段一起求平均值)。按列值求平均值允许分析具有极高信噪比的录音中的稳态响应。因此,平均信号提供了稳态响应的时间演化的准确表示,可以在时间和频率域进行分析。在本研究中,提供了该方法的详细说明,使用稳态视觉唤起的电位作为响应示例。在与旨在分析神经结合的单试验方法进行比较的基础上,评估了优点和注意事项。
当从头皮记录,大脑电活动被观察为持续和定期的变化电压随着时间的推移。这种电活动被称为脑电图(EEG),最初由汉斯·伯杰在上个世纪20年代末1月1日描述。随后的开创性研究将脑电图描述为复合时间序列,其中可以观察到不同的节奏或重复模式2,3,4。如今,脑电图通常分为五个成熟的频段,三角洲,塔,阿尔法,β和伽玛,这与不同的感官和认知过程相关。
多年来,使用脑电图的大脑振荡研究仅限于分析正在进行的活动中的频谱或非周期性感觉事件引起的振荡活动的变化。在过去的几十年中,已经实施了不同的方法来调节正在进行的脑电图振荡,并探索这种调制对感知和认知过程的影响,包括表达节奏感刺激诱导神经结合。术语神经结合是指神经活动与感觉刺激的周期性特性的同步。此过程导致产生稳态激发电位(即,EEG 振荡锁定到驱动刺激的周期性属性)。稳态诱发电位通常通过视觉、听觉和颤动刺激引起,使用以恒定速率呈现的瞬态刺激或以兴趣频率调整振幅的连续刺激。而躯体感觉稳态唤起电位 (SSSEPs) 被记录响应重复触觉刺激5,6,稳态视觉唤起电位 (SSVEPs) 通常由周期引起亮度的显示闪烁,图片,和脸7,8。听觉稳态响应(ASSRs)通常由瞬态声学刺激的列车或振幅调制音调的连续呈现9,10产生。
从测得的EEG中提取稳态诱发电位基本上依赖于随后获得的EEG时间锁定到刺激11的平均值。由于响应的周期性,可以在时间和频率域进行分析。频域变换后,在外部刺激的表示速率或调制频率及其相应的谐波下,将感觉响应观测为振幅峰值。这些程序(时域平均和随后的频域转换)对于开发基于检测具有临床目的的 ASSR 方法的听力测试至关重要 ,15,16.
此外,EEG周期的经典时域平均值对于分析生理过程(如SSVEP17、18的生成和灭绝)非常有用。瓦克等人19日观察到,SSVEP的相锁指数在前400毫秒的刺激中迅速增加,之后仍保持较高水平。.他们还报告说,在刺激后,在700-1 100 ms之间建立了强大的视觉结构。刺激列车的偏移后,某种程度的受压仍然有效,这种反应持续了大约三个周期的振荡反应17,19。这些行为被解释为观测到的振荡的吸引/分离效应,这是人类视觉系统中非线性信息处理的结果17。或者,众所周知,在某些实验条件下,闪烁刺激可以在开始时引起反应,在刺激列车结束时引起反应,而不是神经受套18。
平均连续获取的EEG纪元的主要假设是,EEG信号表示感觉响应和背景噪声20的线性组合。此外,振荡响应的振幅、频率和相位被假定为静止的,而背景噪声则被视为随机活动。但是,在未满足此假设的情况下,在几个纪元之后计算的响应振幅不一定对应于被唤起的电位的瞬时振幅。
最近有报道称,大鼠脑干中产生的ASSR适应振幅调制音调的连续呈现(即响应振幅随时间呈指数级下降)21、22。适应被解释为一种神经机制,它反映了单调重复的感官刺激的新颖性丧失,增加了对声学环境相关波动的敏感性23,24。在听觉途径中,适应可以增强嘈杂环境中的言语理解能力。此外,此过程可能是现有机制的一部分,用于监控自己声音的听觉反馈,以控制语音制作。
Van Eeckhoutte等人25分析了40 Hz ASSR在人类中的时间演化,观察到响应振幅随时间而显著但小幅下降(在假设随时间线性下降时,根据组分析约为-0.0002 μV/s)。因此,这些作者得出结论,40赫兹ASSR在人类不能适应刺激。在人类中,在分析SSVEP26的稳定性时观察到非静止行为。这些作者观察到,在被调查者中,基本频率和二次谐波的振幅分别只有30%和66.7%。两个SSVEP频率分量的相位,虽然随着时间的推移相对稳定,但表现出小漂移26。
因此,尽管随后获取的年代的经典时域平均值允许探索神经包带的固定属性,但当固定的长期动力学是研究,或当短期动态的平均值因长期动态的发生而损坏时。为了描述稳态响应的非静止行为,在给定时间窗口计算的调用响应不应受到前面 EEG 段中计算的响应的影响。换句话说,应从背景噪声中提取唤起的电位,而不使用前面的 EEG 段平均时域。
本研究提出了一种评估神经节动动力学的方法。稳定状态响应被重复记录,以响应相同的刺激,其中连续记录交错的休息间隔是实验运行长度的三倍。考虑到如果不同独立实验运行(独立记录)中生理反应的时间演化相同,则记录按列平均值计算。换句话说,对应于不同录制中同一位置的时段是平均的,而不对录制中的平均纪元。因此,在任何刺激间隔下计算的响应振幅将对应于激发电位的瞬时振幅。根据实验的目的,在时域中分析感觉反应或转换为频域。在任何情况下,振幅都可以绘制为时间的函数,以分析稳态响应的时间演化。通过将分析限制在记录的第一个和最后一个纪元,可以评估稳态唤起电位的生成和消光。
神经包络的动力学可以使用其他方法进行分析,例如窄带滤波单试验测量围绕兴趣频率,并使用低通滤波25和希尔伯特变换27。与这些方法相比,按柱值求值的时序允许基于信号噪声比 (SNR) 较高的信号计算稳态参数。最近,卡尔曼滤波已成为一种很有前途的技术,用于估计40赫兹ASSR振幅28,29,30。实施卡尔曼滤波可以提高接近电生理阈值的稳态反应的检测,减少听力测试的时间29。此外,当使用卡尔曼滤波方法估计ASSR振幅30时,不需要假定静止响应。然而,只有一项研究分析了使用卡尔曼过滤25的ASSR的时间演变。研究结论是40-Hz ASSR振幅在刺激间隔内稳定。因此,卡尔曼滤波需要在ASRR不静止的条件下进行测试。
尽管耗时,但按列划分的平均值方法是无模型的,不需要初始化值和/或噪声行为的先验定义。此外,由于它不涉及收敛时间,柱位平均可以提供神经结合开始更可靠的表示。因此,使用柱位平均法获得的结果可视为使用卡尔曼滤波分析神经结合动力学的地面真理。
该协议的此描述基于 SSVEP 的示例。但是,请务必注意,此处介绍的方法与模式无关,因此也可用于分析 SSSEP 和 ASSR 的时间演变。
这项工作描述了一个实验程序,用于分析振荡大脑反应的动态。该方法包括获取足够数量的相同实验条件的独立实验运行,以及不同记录中对应于同一时间窗口的时域平均纪元(按列值平均图 1B.平均数据中计算的振幅表示振荡响应的瞬时振幅。将这些振幅绘制为时间的函数(或数据集中的列数)可以分析振荡响应时间锁定到刺激的时间演变。该方法是Ritter等人23号提出的关于分析瞬态皮质唤起电位适应的建议的修改。该方法已用于分析在人类24和动物模型20,21的听觉诱发电位的动态。
从方法学的角度来看,用于引发稳态响应的参数与从背景噪声中提取神经响应的参数的组合对于分析稳态激发电位的时间演化至关重要22.此处介绍的实验中使用的刺激长度(40 s)是根据试验性研究的结果选择的。这种刺激长度足以分析在大鼠脑干21、22中产生的ASSR的适应。此外,刺激长度应超过达到SSVEPs的去功能瞬时带功率的时间(拉贝基等人图1,第26页)。然而,在某些情况下,SSVEPs的去功能瞬时带功率可以达到60以外的程度(拉贝基等人图2,第26页)。因此,建议进行小样本试验研究,以定义刺激的刺激长度。否则,建议使用长度超过 90 s 的刺激,以实现响应的时间演化的完整表示。在连续记录之间使用足够长的暂停意味着考虑连续的实验运行在统计上是独立的(即同一变量的不同独立度量)。据我们所知,没有执行任何实验来分析运行之间的最佳暂停(使运行彼此独立所需的最小暂停)。使用暂停时间至少比刺激长度长 3 倍的 critey 足够保守,以确保在任何给定运行中记录的稳定状态响应不受先前刺激的影响。
最近,交替刺激(实验条件)被提出作为一种选择,以减少实验运行之间的停顿,避免额外的适应效果25。同样,在此实验协议中实现的实验运行数(30)是保守的,因为阴囊RNL和pSNR通常在平均20次实验运行后达到,大约。当刺激落在响应的动态范围(高感觉水平)的中上层区域时,可能需要较低的运行数来分析唤起反应的动态。然而,在测试不同实验条件的情况下,具有相同数量的实验运行对于在条件之间进行比较(即不同的感觉水平)至关重要。
除了按柱值平均时间外,通过过滤兴趣频率周围的窄频带的单试测量值并计算功率的包络,对振荡唤起电位的动态进行了分析信号使用低通滤波26。同样,已实施单次试验分析,以描述SSVEP48稳定区域之前的过渡期,以及响应49的稳定区域中SSVEP的振幅和相位的变化。虽然单次试验分析允许在响应振幅中区分相对快速的波动,但实验设计分析以给定块间间隔分隔的块的平均响应,仅考虑响应振幅的长期变化。振幅的诱发电位50,51。按列表示纪元平均值介于这两个选项之间。使用 FFT 将平均信号转换为频率域意味着分析分辨率等于纪元长度的响应动力学。在此处介绍的示例中,每 4 s 报告一次 SSVEP。尽管 4 秒的分辨率足以描述在超过几十秒的时间间隔发生的动态,例如 SSVEP26的分辨率,但原始记录中部分重叠的年代允许描述稳态反应以更精细的方式25。
在跨柱平均值之后获得的稳定状态响应动力学主要表示在平均 EEG 段(平均值中存活的)之间同步的振荡活动的演化。因此,关于该方法可行性的一个主要问题是,由于神经振荡阶段从一个独立实验运行到另一个(即记录之间)的变化,响应振幅可能衰减。这个问题需要用实验方式解决。然而,有证据表明,大脑振荡反应的阶段比预期的要少。事实上,几项研究已经报告在人类80赫兹ASSR47,48,49的预期阶段规律性。当根据振荡活动的阶段估计延迟时,观察到了声学刺激的强度和载波频率对听觉反应延迟的可预测影响(即,延迟随着强度和载波频率增加)52,53,54。此外,当从ASSR47、55、56的阶段估计延迟时,还观察到了振幅的典型质感变化和听力水平的从左到右不对称,57,58.拉贝基等人使用单审分析描述SSVEP的时间演变时指出,虽然同一受试者内反应振幅的审中变异性相当高,但阶段明显不太明显。
根据他们的观察结果,Labecki等人26日建议至少进行50次试验,以便可靠地估计反应的平均功率范围。这些结果表明,即使在单个试验中计算响应的振幅,也需要平均(在这种情况下为信封)来报告可信结果。此外,Labecki等人26号报告的SSVEP振幅的审中变化表明,在单次试验中计算这一参数可能受到背景噪声的很大影响。考虑到图 2中所示信噪比的演变,计算平均信号而不是单个试验中的响应,可显著减少需要处理以获得可靠结果的 EEG 段数测量。此外,Labecki等人26获得的相位变异性低支持了这样一种观点,即此处介绍的逐列平均是计算振荡唤起电位动力学的有效过程。
在不同级别对数据求平均值会导致对结果的不同解释。关于振荡诱发的电位,计算独立运行的时域平均之后的响应振幅意味着只分析时间锁定振荡(即那些在平均中存活的振荡)。此过程可能会过滤有关单个试验中响应动态的相关信息。然而,它保证测量的信噪比足够高。当响应接近电生理阈值时,这一方面可能具有重要意义,在这种情况下,由于测量的信号噪比较低,对受套的检测可能会受到影响。
The authors have nothing to disclose.
作者感谢卢卡·泽佩达、格蕾丝·惠特克和尼古拉斯·尼托对视频制作的贡献。这项工作部分得到了CONICYT项目BASAL FB0008、MEC 80170124和博士奖学金21171741以及国家卫生研究院国家耳聋和其他通信障碍研究所的支持,奖励编号为P50DC015446。内容完全由作者负责,不一定代表国家卫生研究院的官方观点。
Active electrodes | Biosemi | P32-1020-32ACMS (ABC) | for channels 1-32 |
Active electrodes | Biosemi | P32-1020-32A (ABC) | for channels 33-64 |
Active electrodes | Biosemi | 8 x TP FLAT | external electrodes |
Active-Two adquisition system | Biosemi | version 7.0 | EEG adquisition system |
alcohol | Salcobrand | Code: 3309011 | for cleaning the scalp |
Electrode cap 64 channels | Biosemi | CAP MS xx yy | cap |
Electrode cap 64 channels | Biosemi | CAP ML xx yy | cap |
gel | Biosemi | SIGNA BOX12 | conductive gel |
Laptop | Asus | Core i7 1TB DD + 128GB SSD 8GB RAM | computer for stimulation |
Laptop | Asus | Core i7 1TB DD + 128GB SSD 8GB RAM | computer for recording |
LED screen | in-house production | – | The screen consists of four light-emitting diodes (LEDs) situated on the center of a 50×50 cm black screen, as vertexes of a square of 5×5 cm |
sterile gauze | Salcobrand | Code: 8730277 | for cleaning the scalp |