注意力缺陷多动障碍儿童静息态脑电theta-gamma相位幅度耦合研究

目的从theta-gamma相位幅度耦合因果脑网络角度探讨注意力缺陷/多动障碍(ADHD)儿童可能的神经电生理机制。方法22例ADHD儿童作为病例组,14例健康儿童作为对照。采集两组受试者静息态脑电,使用平均向量长度方法计算所有导联对间theta节律相位对gamma节律幅度的耦合值,分别构建两受试组的因果连接脑网络,使用非参数检验分析两受试组间的耦合差异。结果ADHD组导联内的耦合强度减弱,Fp1、Fp2导联内的耦合强度显著低于对照组(P<0.05)。两组受试者导联内的耦合强度与其作为幅度导联被其他脑区耦合的平均强度具有极强的正相关关系(对照组rs=0.863,ADHD组rs=0.787,均P<0.001)。对照组以左额区(Fp1、F3)、右枕区(O2)被其他脑区耦合为主,而ADHD组则以枕区(O1、O2)被其他脑区耦合为主。与对照组相比,ADHD组前额区(Fp1、Fp2)被其他多个脑区耦合的强度显著降低,同时还存在脑区内和脑区间耦合模式转变。结论前额区为主的多个脑区内耦合减弱,前额区被其他脑区耦合减弱,被耦合中心部分转移等因果脑网络异常,以及相位幅度耦合模式的转变可能是ADHD儿童静息态脑电特有的神经电生理特征。

基于相位幅度耦合的酒精依赖患者ERP脑网络分析

探索相位幅度耦合和复杂网络方法在酒精依赖患者事件相关电位的脑网络机制研究中的应用。以开源的76例酒精依赖患者和45例健康对照在延迟匹配样本范式中的事件相关电位为研究对象。首先对数据进行预处理,然后使用调制指数方法,计算所有导联对间theta-gamma、alpha-gamma相位幅度耦合(TGC、AGC)强度,构建因果脑网络,并计算网络密度为0.3时的脑网络图论参数。此外,还计算导联内theta、alpha、beta、gamma节律小波包能量,以及疲劳因子,数据以四分位数表示50%(25%, 75%)。结果表明,只有非靶刺激时两组之间的耦合强度有显著差异。酒精依赖患者多个导联对间的TGC、AGC均显著降低(分别占比15.29%、1.29%,均P<0.05),平均耦合强度显著降低,以TGC尤为明显[TGC:0.014(0.011, 0.018) vs 0.012(0.010, 0.014),P=0.002;AGC:0.012(0.010, 0.014) vs 0.011(0.010, 0.012),P=0.005]。在TGC网络中,酒精依赖患者的特征路径长度[84.13(60.96, 110.33) vs 104.24(86.93, 118.98),P=0.005]、直径[222.40(154.78, 254.39) vs 253.39(207.82, 307.99),P=0.003]显著增加,平均聚类系数[0.013(0.010, 0.019) vs 0.009(0.008, 0.012),P<0.001]、全局效率[0.014(0.011, 0.016) vs 0.011(0.010, 0.013),P<0.001]、平均局部效率[0.017(0.013, 0.022) vs 0.013(0.011, 0.017),P<0.001]、传递性[0.011(0.008, 0.016) vs 0.008(0.007, 0.010),P<0.001]均显著降低。AGC网络的结果与TGC网络的结果相似,但是其直径无统计学差异。酒精依赖患者多个导联的theta、alpha、beta节律小波包能量显著降低(分别占比95.08%、100%、50.82%,均P<0.05),部分导联的疲劳因子显著降低(占比45.90%,均P<0.05)。在非靶刺激试验时,酒精依赖患者的皮层兴奋性增强,大脑抑制控制能力减弱,TGC和AGC脑网络的功能分离和整合能力降低,脑网络拓扑组织紊乱。

癫痫发作脑电信号的相位幅度调制研究

脑电图是癫痫诊治中一种最为重要的工具,而大数据量的脑电记录给人工分析带来困难,计算机分类则可减轻此负担。从相位幅度调制角度研究癫痫脑电低频节律相位与高频节律幅度间的耦合关系,利用归一化后的调制指数(MI)来量化各频段间的耦合强度。基于波恩癫痫发作间期和发作期脑电的200个样本数据集,提出依据高低频节律范围对MI图进行分区,再利用分区后的耦合系数对不同状态下的脑电进行分类。结果显示,发作期Gamma节律与Delta(2~4 Hz)节律的MI值(0.009 9±0.009 6)相比发作间期(0.003 6±0.008 7)显著增加(P<0.01)。Gamma节律与Theta(4~8 Hz)节律的发作期MI值(0.008 7±0.006 2)相比发作间期(0.001 4±0.003 2)也有显著增加(P<0.01);Theta-Beta节律间耦合强度在发作期(0.002 2±0.001 3)与发作间期(0.000 5±0.000 7)也存在显著差异。利用支持向量机在五折交叉验证下,波恩癫痫脑电数据MI特征对发作期和间期数据分类准确率达到97%;采用随机森林分类方法,同样得到一致结果。所提出方法的应用可有效提高对临床视频脑电图分析的效率。

癫痫过程中头皮脑电信号的β-γ耦合变化

揭示癫痫过程中脑内信息交互变化对临床诊疗具有重要意义。早期研究表明,相位-幅度耦合(PAC)可作为定位致痫区域和表征癫痫状态转换的潜在生物标志物。然而,目前癫痫的相位-幅度耦合研究多集中于θ-γ耦合,对β-γ耦合在癫痫过程中的变化及潜在应用知之甚少。对此,本文基于癫痫头皮脑电(EEG)数据,采用调节指数(MI)的PAC方法,探究癫痫不同状态下β-γ耦合的变化。结果发现,癫痫过程中各脑区内β-γ耦合随状态发生改变,多数脑区内的β-γ耦合在发作期减小,在发作后期增加,其差异具有统计学意义。癫痫过程中不同脑区间也存在β-γ耦合,且β-γ耦合强度在发作后期增加,其差异具有统计学意义。这些研究结果既有助于理解癫痫过程中脑内信息交互的改变,也为癫痫的临床诊疗提供了新参考。