图片来源于[2]

卡耐基梅隆大学生物医学工程系系主任贺斌教授的研究团队提出将高密度脑电图(EEG)作为动态功能神经成像的未来范例，这研究成果标志着实现 NIH BRAIN计划目标的道路上的一个重要里程碑。

美国国立卫生研究院(NIH)的“通过推进创新神经技术(BRAIN)进行大脑研究”(Brain Research throughAdvancing Innovative Neurotechnologies，简称BRAIN)计划激励研究人员“绘制出一幅革命性的新的大脑动态图，首次展示了单个细胞和复杂的神经回路在时间和空间中是如何相互作用的。”一种理想的功能性人类大脑成像技术——该计划的首要任务之一是将以高时间分辨率、高空间分辨率和广泛的空间覆盖来描述大脑活动。

1

方法提出

NIH 资助的该项研究持续了数年，在数年时间里对数十名癫痫患者进行了检查，并产生了一种新的源成像技术，该技术使用高密度 EEG 记录来绘制潜在的大脑网络。该研究发表在《Nature Communications》上，这项研究朝着建立动态成像人类大脑功能和功能障碍能力迈出的一大步。这可以为深入了解潜在信息处理发生的地点和方式提供重要的帮助。

提出的时空源成像方法的概念图

长期以来，EEG一直是人类大脑绘图最有效的功能方法之一。它需要在几毫秒内读取数据，但该技术仍难以确定大脑活动的空间范围。贺斌教授和他的团队提出的方法首次可以使用高密度EEG精确估计大脑活动区域的大小和范围，以及功能相关区域之间的相互作用。他们的发现通过梅奥诊所(Mayo Clinic)的临床记录得到了验证，分析了 36 名患者记录的总共 1,027次 EEG 峰值和 86 次癫痫发作。

范围估计的蒙特卡罗模拟结果。FAST-IRES算法估算的范围与四种不同信噪比条件下的模拟源范围对比。

该团队的方法被称为fast- time - iteratively reweighted edge sparsity, 简称FAST-IRES技术，该方法使用机器学习来客观估计信号源和活动，因为它们随时间变化。与之前的成像技术不同，它不需要专门的算法或人为干预来确定源范围，只需要医生最少的、直观的输入。

FAST-IRES可以对各种神经和精神疾病的研究和治疗产生重大影响，如阿尔茨海默病、帕金森病、中风、慢性疼痛，甚至抑郁症。然而，这种方法对那些患有耐药性癫痫的人来说是独一无二的，也是最直接的。

研究人员表示:“通过使用我们提出的FAST-IRES框架分析癫痫网络，我们证明了可以客观、无创、高精度地从头皮高密度脑电图记录确定EZ。”

这些发现与来自每个患者的传统侵入性颅内记录和手术结果的读数进行了验证，证明了 FAST-IRES 的有效性。

2

实验验证

下图为总体研究设计。在该图中描绘了分析流程。(顶部)该研究的主要两个部分展示了如何从 EEG 记录中提取、去噪、确定它们的时间基函数以及输入到 FAST-IRES 求解器中。 (中部)提出的 FAST-IRES 源成像方法，该算法的输出是基础脑源的时空分布，从中提取致癫痫区 (EZ) 并与临床发现进行比较，例如根据颅内 EEG 确定的切除量和癫痫发作区。(底部)最后，通过将估计的 EZ 与临床发现进行比较来评估癫痫特征的性能，即通过使用 FAST-IRES 对发作间期活动和发作期活动进行成像来估计 EZ。

全球约1%的人口患有癫痫，约三分之一的病例具有耐药性，需要手术干预。然而，到目前为止，没有一种非侵入性成像方式具有精确确定致痫区(EZ)的空间特异性，EZ代表停止癫痫发作必须移除的最小数量组织。

Spike成像概述和结果。FAST-IRES的输出是一个时空分布，其中空间分布对应一个活动的时间过程。为了确定致痫组织，源信号的能量被计算在峰值时间附近，并与临床结果进行对比验证。

下图为Ictal 成像概述和结果。图(a) FAST-IRES 的输出是一个时空分布，其中空间分布对应于活动的时间过程。为了确定致痫组织，确定主要发作频率并在该频率处过滤源信号分布；然后在此频率下计算源信号的能量，并在癫痫发作时以 1 秒的间隔计算，以确定致癫痫组织。图(b)展示了 相同患者的发作期成像结果与临床发现的示例。所有患者（顶部）和根据手术结果分开（底部）的发作期成像结果的定量结果，如图(c)。

3

研究意义

这项研究也标志着高密度脑电图首次被用于研究癫痫发作。目前，在梅奥诊所接受治疗的患者可以使用更为强大的成像技术，其电极数量是一般临床使用的两倍多。研究人员相信，在未来五年内，FAST-IRES方法将开始影响我们理解许多神经系统疾病的方式。

研究人员表示“这项工作表明，脑电图源成像可能成为人脑成像技术的非侵入性高空间、高时间分辨率范式，这是 BRAIN Initiative 的一个重要目标。”

该项研究可能会改变癫痫患者的生活，并使神经病学、神经外科和人类神经科学领域的研究人员和医生受益。这项工作让我们离实现革命性的大脑动态图像又近了一步。

参考

Sohrabpour, A., Cai, Z., Ye, S., Brinkmann, B., Worrell, G., & He, B. (2020). Noninvasive electromagnetic source imaging of spatiotemporally distributed epileptogenic brain sources. Nature Communications, 11(1), 1–15.

https://doi.org/10.1038/s41467-020-15781-0

https://www.sciencedaily.com/releases/2020/04/200423082227.htm

[2]https://www.technologynetworks.com/neuroscience/news/high-density-eeg-makes-its-case-to-revolutionize-functional-brain-imaging-333968

不用于商业行为，转载请联系后台

若有侵权，请后台留言，管理员即时删侵！

更多阅读

11张PPT看懂中国脑机接口产业现状

学习神经科学，发展人工智能

厦大教授Science发表“仿生纳流离子学”前瞻性论文！

脑电数据的Epoching处理

注意力缺陷障碍可以通过训练大脑来管理

脑机产业迎来“新标准”，CESI发布《脑机接口标准化白皮书》

2021世界机器人大赛脑机接口系列视频讲座之SSVEP相关

投稿通道

如何让你的工作让更多人知晓和受益？

脑机接口社区就是这样一个连接学界、

企业界和爱好者的平台渠道。

社区鼓励高校实验室、企业或个人在我们平台上分享优质内容。

稿件要求

稿件系个人原创作品，若已在其他平台发表，请明确标注。

稿件一经录取，便提供稿费！

投稿通道

微信扫码，备注：投稿+姓名+单位

微信交流群，请扫码上方微信

(备注：姓名+单位+专业/领域行业)

QQ交流群：913607986

你的每一次在看，我都很在意！