EEG溯源分析：首发精神分裂患者γ频段功能连接的增强

《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》

大量的研究已经表明，精神分裂症（schizophrenia, SZ）的临床和认知症状最好用不同脑区之间的连接异常而不是某个特定脑区的异常来解释。EEG/MEG的γ频段振荡活动似乎在涉及高级认知功能的局部和大规模神经元同步化中起着关键作用，而很多高级认知功能在SZ患者身上往往表现出一定的缺陷。一些研究一致地发现SZ患者在各种感知和认知任务中都表现出γ振荡的减弱。而最新的研究还表明，SZ患者在执行各种任务过程中γ频段长距离脑区之间同步化水平显著降低。上述研究主要是针对任务态EEG，而对于静息态EEG，SZ患者γ频段振荡和功能连接会如何呢？来自德国汉堡大学医学中心的研究团队曾于2014年在《Schizophrenia Bulletin》发表论文，对上述问题进行了研究。本文主要对该篇研究论文进行解读。
研究方法
1.募集22名首发精神分裂患者和22名健康对照组，两组被试的详细信息如图1所示。

图1

2.被试清醒闭眼状态下进行EEG的记录；EEG通道数为64，采样频率1000Hz，采集时间5-10min，电极阻抗保持在5KΩ以下。
3.EEG的预处理首先是0.1-70Hz的滤波，然后使用ICA去除肌电和眼电干扰，接下来分割成2s的数据段用于视觉去除干扰，重参考成平均参考，最后降采样成256Hz。
4.采用eLORETA算法进行溯源分析，获得AAL80个ROI脑区（左右半脑各40个脑区，每个ROI名称和坐标如图2所示）的EEG溯源信号。
5.分别计算电极空间和溯源空间的γ频段的power（30-50Hz）；
6.对于溯源得到的80个ROI脑区的溯源信号，采用正交功率包络相关性（power envelope correlation between orthogonalized signals）来计算两两ROI脑区之间的相关。这种功能连接的测量方法可以有效减轻信号的体积传导问题（Volume conduction problem）。

图2

7.统计分析：在电极水平上，SZ和健康对照组每个电极的γ频段power的对比采用独立样本t检验；在源空间，两组被试每个ROI脑区的γ频段power的对比采用非参数的置换检验。此外，NBS（network-based statistic)方法用于确定两组被试的哪些脑功能子网络存在差异，由于要分别进行两个方向的检验（对照组大于SZ组，对照组小于SZ组），因此，显著水平设置为0.025.

研究结果

不论是在电极水平上，还是在溯源水平上，γ频段power都不存在显著差异。
2.NBS结果表明，与健康对照组相比，首发SZ组存在一个功能连接强度显著增加的子网络，这个子网络包含33个ROI脑区和82条连接，如图3所示。图3中每个ROI脑区的大小表示其在这个子网络中连接的其他ROI脑区的数量（即度）。那么者33个ROI脑区的名称以及它们对应的度具体如图4所示。从结果可以看出，这个子网络主要包含左下额叶/眶额、外侧和内侧颞叶、下顶叶区域等脑区。此外，NBS结果并未发现SZ组显著降低的子网络。

图3

图4

3.以前的研究表明，γ频段的活动与SZ的positive和disorganization症状之间存在密切关系。因此，本研究首先根据SZ被试的positive症状评分，把22个SZ被试分成高、低positive症状组（每组11个SZ被试）。然后采用方差分析，比较高、低positive症状组和健康对照组3组被试上述存在显著差异的子网络的平均功能连接强度。结果发现，低positive症状组的平均连接强度显著高于健康对照组，而高positive症状组的平均连接强度处于低positive症状组和健康对照组之间，但是与其他组不存在显著差异。对于disorganization症状评分，按照同样的方法把SZ被试分成高、低disorganization症状组。方差分析结果表明，低disorganization症状组与其他两组相比，表现出显著增强的平均连接强度，但是高disorganization症状组和健康对照组之间不存在显著差异。具体如图5所示。

图5

研究结果
总之，该研究的结果表明，首发SZ组脑内存在一个γ频段功能连接强度显著增加的子网络，这个子网络主要包含左下额叶/眶额、外侧和内侧颞叶、下顶叶区域等脑区。并且低positive和disorganization症状组的这个子网络平均连接强度显著大于高positive和disorganization症状组和健康对照组。另外非常重要的一点是，该研究的结果似乎与任务态下得到的结果相反，正如前面所论述的， SZ患者在各种感知和认知任务中都表现出γ振荡的减弱，并且γ频段长距离脑区之间同步化水平显著降低。这说明，静息状态下和任务状态下γ频段的耦合模式似乎非常不同。

参考文献：

Andreou C , Nolte G ,Leicht G , et al. Increased Resting-State Gamma-Band Connectivity in First-EpisodeSchizophrenia[J]. Schizophrenia Bulletin, 2015, 41(4):930-939.

注：解读不易，请多多转发支持，您的每一次转发是对我们最好的支持！本文原文及附加材料，请添加赵老师微信索要（微信号：15560177218）

EEG溯源分析：首发精神分裂患者γ频段功能连接的增强相关推荐

HBM：跨重性精神疾病的动态功能连接研究
<本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 注:本文作者为悦影科技合伙人,欢迎引用本文并可以和作者讨论技术细节. 近年来越来越多的研究表明精神疾病之间的 ...
基于DPABI的精神分裂患者脑图特征提取和统计分析
参考博客:https://blog.csdn.net/ScarlettGuo/article/details/107889578 目录一.预处理: 二.脑区划分后计算灰质体积及特征提取三.nc.s ...
如何判断序列是不是堆_如何判断自己是不是精神分裂
如何判断自己是不是精神分裂, 1.判断危害之一一破坏睡眠精神分裂患者,常常会出现失眠的现象,他们中有的表现为难以入睡,有的表现为易惊醒,还有的表现为睡眠不深,整夜做恶梦,对于精神分裂患者来说,睡眠以及 ...
EEG源分析思考总结
本文首发在个人博客上(7988888.xyz),此文章中所有链接均通过博客进行访问. 最近,由于高校的放假,我的工作也算是得以空闲起来,有了时间来看看文献学习知识,我在很久之前也写过关于<eeg ...
精神分裂型患者大脑结构和功能连接的改变
背景:精神分裂型指的是在一般人群中低于临床阈值的精神分裂样特征.精神分裂症的病理发展被假设为从最初的脑连接断开和脑连接补偿共存到脑连接失代偿的演变过程. 方法:在本研究中,我们结合脑白质结构连通性.弥 ...
Nature子刊：基于静息态EEG功能连接模式识别精神疾病亚型
<本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 摘要:精神疾病在神经生物学和临床表征上存在异质性,基于数据驱动的疾病亚型识别有助于精神疾病的诊断和治疗,本文报 ...
EEG巨型分析I：跨研究的频谱和振幅特征
导读通过汇集多项研究的统计结果(元分析),fMRI领域取得了重大成就.最近,fMRI标准化工作的重点是实现跨研究(巨型分析)的fMRI原始数据的联合分析,以期获得更详细的见解.然而,目前尚不清楚在E ...
音乐疗法可缓解精神分裂症状
来源:中国数字科技馆据报道,伦敦大学帝国理工学院的研究人员在4所医院里进行了一项小规模研究,将参与者分成两组,一组进行常规治疗,另一组接受音乐治疗(8-12个音乐治疗疗程),患者被鼓励通过一系列乐器 ...
MP:精神疾病患者和正常发育人群皮层特征的共同模式
1. 摘要发育和精神病理学之间关系的神经生物学基础仍然不清楚.在这里,我们确定了一个在正常发育和一些精神神经疾病中共同的皮层厚度(CT)空间模式.主成分分析(PCA)被应用于Desikan-Kill ...

EEG溯源分析：首发精神分裂患者γ频段功能连接的增强

EEG溯源分析：首发精神分裂患者γ频段功能连接的增强相关推荐

最新文章

热门文章