脑电构建功能连接网络9问：关于用EEG分析大尺度脑网络的入门手册

    近几年静息态功能磁共振成果颇丰。心理学中它的应用也颇盛行。EEG或者MEG具有更好的时间精度，用这些技术能否探讨功能连接？目前这方面的进展如何？这里就我最近的读书心得讨论一下。

1.头表上还是皮层上构建连接？

当然是皮层上进行。目前在头表上连接的文章也有，但请不要忘记，头皮脑电是大脑中很多源在记录点叠加起来的结果。本不该有连接的两个电极，有可能接受了来自同个脑区的活动，最后高度相关，产生有连接的谬误。

图1 能量包络相关成功提取感觉运动网络

2.如何做到皮层上？

    很多方法可以做到皮层上：偶极子，LORETA，还有我们发展的NESOI(网址http://blog.sina.com.cn/s/blog_60a751620100vp0d.html)。但目前似乎用的最成功的还是波束形成法(beamformer)。关于这些方法的评论在这里http://blog.sina.com.cn/s/blog_60a751620100gu22.html。我们将最近推出一款针对静息态EEG的溯源软件(rsNESOI)，请持续关注本博。

3. 如何度量两个区域的连接强度？

    磁共振大家用的最多的就是相关系数。脑电由于其频率信息相当丰富，直接用相关有问题。目前已经发展了许多度量连接强度的方法，包括相干(coherence)，相位同步，延迟指数(phase lag index)，同步似然指数(synchronization likelihood)等。这部分需要科普的同学请移步(EEG的锁时/锁相 诱发/诱导)。

    之前一直认为同步似然指数是最好的度量EEG信号功能连接的方法。它由荷兰人Cornelis Jan Stam提出。该方法的特点：包含线性和非线性对连接强度的影响。注意：上面的相干、相位同步等都是线性的。Stam最近将该方法都集成在其Java软件Brainwave中(http://home.kpn.nl/stam7883/brainwave.html)，感兴趣的同学可以试试。

    最近发现之前的认识可能有偏颇，特别是读了Andreas K Engel团队在 Nature Neuroscience上的工作[Hipp et al., 2012 Nature Neuroscience: Large-scale cortical correlation structure of spontaneous oscillatory activity]。让我觉得也许直接用信号做相关或同步分析是徒劳。之前我做过静息态脑电的同步似然分析，和上图b一样，无法像fMRI一样发现对侧明显的同步活动。当时没有细想原因。他们想到一个巧妙的办法：求信号能量的包络。

4. 如何做能量包络相关？

    包络线是反映高频信号幅度变化的曲线。将一段时间长度的信号的峰值点连线，就可以得到上下各得到一条曲线，这两条线就叫包络线。Engel团队巧妙处在于完全不顾原始信号。如上图，直接做包络线的相关。d图中可以看到，感觉运动皮层网络凸显了出来。

5. 频率特异性，做时频分析的必要性？

    Nature Neuroscience的这个研究提出一个很有意思的观点：不同的大脑网络以不同的频率运转，就像是我们用的时钟上三颗针一样，以不同速度转动。包括海马的中颞叶以4-6 Hz的频率活动，后顶叶则是8–23 Hz，感觉运动皮层则在32-45 Hz。有点类似通讯里的频分多址技术，大脑采用同步活动的不同频率来发挥功能。毫无疑问，用EEG构建功能连接，进行频段划分，大小频率区别对待，非常必要。

6. 脑电的非线性如何体现？

    脑电的非线性体现在两个方面，一是时间上采用了非线性的度量来刻画连接强度；第二网络连接构建后，整个网络的拓扑结构也表现出“小世界“，”无尺度“这些非线性特征。由于拓扑结构stam把这部分写进了他的博客http://home.kpn.nl/stam7883/graph_introduction.html，我就不展开了。我这里想强调的非线性是时间上的自相似性。这在[Van De Ville et al., 2010 PNAS： EEG microstate sequences in healthy humans at rest reveal scale-free dynamics]上有精彩的展示，脑电的这种时间上的自相似性，或者是scale-free特性，让fMRI成了它的低频拷贝。

7. 和静息fMRI的关系？

    目前的证据表明，不管是时间上，还是空间上，静息EEG和静息fMRI在浅部源上，都具有极高相似性。例如MEG发现了与fMRI在DMN，额顶网络，感觉运动网络，中顶叶，视觉网络，包括前扣带的前额叶和小脑非常匹配。

但fMRI通常的中心节点（特指图论上的“hub”概念），如后扣带回，似乎在EEG中并不是中心。也许是EEG对深部活动不敏感所致。关于EEG和fMRI的关系可参看博文[EEG-fMRI引用率前10名文章赏析]。

8. 在认知科学中有什么独特贡献？

    健康人的一个发现就是，高IQ的人似乎有更短的脑区连接路径长度。神经精神患者多有脑连接的降低。该部分近年国际上有很多基于fMRI或是DTI的研究，EEG的比较少，这里不再展开。

9. EEG还是MEG？

    客观的讲当然是MEG比EEG更好一些。MEG的信号观察精度，或是信号导数，其实和EEG差不多。它一个特别的地方是信号几乎不受头皮，颅骨体积传导效应的影响，因此构建功能连接网络的功能连接网络更为可靠。但由于EEG便宜，我们的研究都基于EEG。

更多相关博文：

1.脑中的暗能量 

2.磁共振静息网络协助EEG成像

3. Lei et al., Multimodal functional network connectivity: An eeg-fmri fusion in the network space. Plos One 2011 6, e24642. [pdf]

4. fMRI 2.0时代

5.美四千万刀砸向人脑连接计划