基于脑电的复杂网络性别差异性研究

徐桂芝，付灵弟，尹宁，耿跃华，于洪丽

（河北工业大学 电磁场与电器可靠性省部共建重点实验室，天津 300130）

引言

在脑科学研究领域，复杂网络作为一门新兴学科备受研究者们的广泛关注，并给予足够高的重视。早在20年前，DNA双螺旋的发现者之一Crick就指出若没有脑连接图就不太可能理解脑的工 作机制。美国NIH的院长也指出脑连接组学是唯一能够理解脑功能和脑疾病的途径。在此基础上，国内外研究者们纷纷意识到研究脑网络的意义重大，并开展了大量与脑网络相关的研究与工作，得出一些比较重要的结论（如小世界属性，发现默认网络等），为进一步理解脑的工作机制奠定了基石。

在众多关于脑网络研究的文献中，有关静息态下脑功能网络的性别差异性的研究相对较少，更多的研究都忽略性别差异的影响直接研究任务状态下的脑功能网络。众所周知，在结构上，男性与女性的最大区别在于大脑皮层结构，具体来说男性的右侧颞顶区的灰质体积相对偏大些，女性颞平面的灰质体积相对偏大些[1]。在功能上，男性在执行与视觉空间相关的任务更有优势，有研究也表明在执行该类任务时存在显著的性别差异[2]，与之相比，女性在执行跟语言相关的任务时，相应的脑功能区更为活跃。有的研究[3]还表明女性前额叶活动相比男性来说更为活跃，不同性别的正常人在边缘区的功能连接也同样存在差异性表现[4]。之前有关性别差异性研究侧重于任务状态，而我们所熟悉的大脑静息状态独具魅力，所谓静息仅仅是对外的一个表象，在人脑约消耗的20%的人体能量中，由任务诱发的能量代谢只占大脑基础状态能量需求的5%左右，大部分神经活动都不受外部事件和刺激的影响，而且由这大部分的神经活动所消耗的能量占大脑总能消耗的百分比高达60%~80%[5]，更为重要的是静息状态能够在很大程度上表征大脑的一些基本神经调节，从新的视角反映人脑中固有的神经生理特性[6]。所以本文基于脑电技术，从复杂网络角度研究静息状态下不同性别的脑电数据并在连续的阈值区间内构建脑网络研究其差异性，进而为那些利用脑网络手段诊断各类疾病的研究提供一种参考，以提高诊断率。

1 研究数据和处理方法

1.1 研究数据

被试对象：健康右利手男性、女性各10名自愿参加本次实验，年龄均在20至33岁之间，没有任何神经、精神病史。

实验仪器：采用美国NeuroScan公司生产的128导脑电采集以及同步分析系统，采样频率1000HZ，电极帽选用64导Quik-Cap电极帽，其电极安放标准遵循国际通用标准10~20临床脑电信号采集电极放置方法。

实验采集：所有被试的静息实验数据采集工作均在安静，温度适宜，被试舒适的环境中由熟悉脑电采集操作的学生老师共同完成。采集时间3分钟，整个采集过程中，要求被试闭眼，放松，不想特定事情但要保持头脑清醒以防睡着。

1.2 处理方法

1.2.1 数据预处理

利用脑电信号采集系统自带的软件包“Scan4.3.2”进行预处理，以消除各类干扰信号对后续分析所产生的影响，提高分析的可靠性与准确率。其主要步骤包括：

图1 脑电信号预处理步骤Fig. 1 The Preprocessing of EEG

1.2.2 数据后处理

所有被试者的脑电数据预处理完毕后，在构建脑网络之前至关重要的一步就是对所有被试的脑电数据进行统一，也就是选择统一合适的节点构建脑网络，以减少后续分析过程中因数据不统一所产生的伪差，本实验最终选取的通道数为55导。

针对统一好的数据，对每个被试者选取50个周期约50s（50000×55个数据点）多通道时间序列，利用皮尔逊相关系数公式作关联特性分析，求取50次关联矩阵最后取平均得到最后的关联矩阵A，用以表征各个通道之间的同步性以及紧密程度，其中Pearson相关系数公式为：

为了进一步分析由所有被试的关联矩阵构成的脑功能网络的属性，需要设定一确定阈值构建脑网络。一般说来，阈值的选取会直接影响其脑网络属性，为了避免由单一阈值带来的局限性与偶然性，本文在连续的阈值区间内构建对应于每个阈值下的脑功能网络，分析由不同性别的健康被试构建的脑功能网络的拓扑结构差异。阈值区间确定的原则遵循：

（1）保证无孤立点；

（2）对每个被试而言，在阈值区间内构建的脑功能网络平均度值不低于2lnN≈8，其中N=55；

（3）对每个被试而言，在阈值区间内必须具备小世界属性。

由以上条件，确定阈值区间为0.2~0.8，并以步长为0.05构建所有稀疏度下每个被试者脑功能网络。但由于阈值太低会造成全连接，研究意义不大，所以最终确定阈值区间为0.4~0.8，作为构建脑网络的门限值区间。并从不同维度对所构建脑网络进行分析，分析网络测度包括：全局属性聚类系数、特征路径长度、效率、连接密度，和局部属性节点度。

1）聚类系数C

在脑功能网络中，聚类系数又称聚合系数、集聚系数。是衡量脑功能网络全局属性的重要指标，反应所给状态两个节点互为邻居的可能性，Ci表示局部聚类系数，整个脑网络的聚类系数C可由所有通道节点局部聚类系数Ci取平均得到，其表达式为

其中，ki表示通道节点i的度值，Ei表示i的邻居节点间存在的实际连接边数。

2）特征路径长度L

特征路径长度是是衡量脑功能网络全局属性的另一重要指标，它可以表示网络中任意两个节点之间的最短路径长度的平均值，是反映网络内部信息传输的关键参数。

3）全局效率e

全局效率用以表征网络的传输能力，评价信息传递的快慢的指标可以表示为：

4）连接密度

网络的平均度，即连接密度，对应全局状态属性，表达式为：

5）节点度

度被定义为一个通道节点的边数，是反映局部属性的一个重要指标，其计算方法最简单但也最重要。往往一个节点的度越大代表其在网络中的地位越重要。计算方法为：

2 实验结果与分析

根据以上方法以及各个网络测度指标计算方法构建了阈值区间内一系列的脑功能网络，并计算所有被试在每一阈值下的各个网络测度。为了消除因被试者差异性给实验结果带来的影响，使实验结果更为可靠，本文所有结果都是对组内所有被试计算结果进行组内取平均得到，其结果如图所示。

全局属性：聚类系数、最短特征路径长度、网络平均度、全局效率是衡量全局属性的重要指标，图2中，（a）（b）（c）（d）分别表示阈值区间内不同被试组聚类系数、最短特征路径长度、网络平均度、全局效率的变化曲线。

从图（a）可以看出在阈值区间内，女性组的聚类系数普遍高于男性组，而且无论男女被试聚类系数都随阈值的增大而逐渐降低，这与Yan等人[7]的结果具有一致性。（b）（c）（d）三个图除个别点外，女性组的特征路径长度、网络平均度、效率也都高于男性组。其中，在（b）图中男女被试特征路径长度在阈值大于0.7后出现下降趋势，这很可能是因阈值的增大使得脑网络连接由全脑尺度向局部脑网络连接过渡的一种表现所致。（d）图中女性被试者的效率在阈值大于0.45后大于男性被试者，这与Wu[8]等人的结论即存在一致性也存在差异性。差异性可能是由于采用数据、处理方法的不同导致。Wu[8]等人利用功能磁功振成像（fMRI）数据，研究阈值在0~0.5区间内的不同性别被试者的脑网络全局效率，得出男性组显著高于女性被试的结论。而本文利用脑电数据，研究阈值区间0.4~0.8的脑网络属性，在一定程度上印证了Wu等人的结论，也对其进行一定的补充，使得研究更为全面。

图2 全局属性曲线图Fig.2 The Graph of Global Attribute.

局部属性：节点度是反映局部属性的一个重要指标，往往一个节点的度越大代表其在网络中的地位越重要。为了更为形象直观的考察不同性别脑网络节点度的异同，特绘制阈值0.6以及0.7下的节点度的脑电信息图。

图3中，（a）和（b）分别表示阈值0.6下的男性组与女性组的节点度脑电信息图、（c）和（d）分别表示阈值0.7下的男性组与女性组的节点度脑电信息图。由两组对比图可以看出两组被试在额叶、枕叶、颞叶以及中央区节点度都存在差异性，额叶与中央区差异比较明显，其中女性组的度值在额-中央两区相对男性来说比较高，印证了女性前额叶活动水平较高的说法。从总体度分布角度而言，男女被试度分布存在一致性即中央区附近的节点度相对边缘区来说比较高，表明中央区在信息传递与处理中起到了中央枢纽的作用。

3 讨论

在脑科学研究领域，复杂网络作为一门新兴学科备受研究者们的广泛关注。但在该研究领域关于不同性别的脑网络研究相对较少，而众所周知，人脑的生理结构和功能因性别不同存在很大差异，为了更清楚的理解人类脑功能网络不同性别的拓扑结构特性的差异，考察性别在脑络网络研究中的差异化表现。本文将静息状态的男女被试者各10例的脑电数据作为研究对象，展开相关研究。

图3 节点度脑电信息图Fig.3 the BIM of Node Degree.

由于生物医学技术的不断发展，能够表征大脑生理活动的脑电信号采集变得更加精确与简便[9]。脑电信号作为一种无创的，具有高时间分辨率以及可接受的空间分辨率，能够反映信息的传递和处理等众多技术优势的研究方法，已成为对脑部疾病的机理分析、诊断和治疗的重要手段[10]。而在复杂网络领域，利用脑电技术进行的研究相比磁共振成像技术而言还比较少，其中侧重于研究不同性别的脑网络差异性表现的目前尚未见报道，故本文首次利用脑电技术与复杂网络理论相结合探讨不同性别被试者在脑网络拓扑结构中的差异性，以期为后续研究提供一种参考与借鉴。本研究对20例健康人脑静息状态下的脑电数据使用复杂网络理论，在连续的阈值区间内进行相关分析，目的在于研究不同性别在脑网络研究中的差异性表现。研究结果表明在连续的阈值区间内女性组聚类系数、特征路径长度、网络平均度、以及效率都普遍高于男性组，这与之前有关研究的结论即存在一致性也存在差异性。女性组的节点度在额—中央两区相比男性组来说比较高，但无论男女被试组都出现中央区附近的节点度相对边缘区来说比较高的表现。一般说来，阈值的选取会直接影响其脑网络属性和分析，考虑目前尚无确定阈值的好方法，为了避免由单一阈值带来的局限性与偶然性，本文在连续的阈值区间内构建对应于每个阈值的脑功能网络，分析由不同性别的健康被试构建的脑功能网络的拓扑结构差异。本文还通过比较不同阈值下所有被试的脑网络测度，发现了不同阈值间脑网络拓扑属性差异极显著（P<0.01）。

目前关于不同性别的脑网络研究还比较少，所得的结论也不尽相同，差异性可能源于研究数据的手段、节点的定义、阈值的设定、以及脑网络构建方法等处理手段的不同。因此，尚需更多的研究者们从多角度设计大样本，多方法的实验进一步探讨不同性别在脑网络研究中的差异性，为利用复杂网络手段诊断各类疾病提供一个有力的参考。

4 结论

本文从全局属性以及局部属性两方面考察了不同性别被试者在脑网络研究中的差异性。所得结论提示：性别差异在研究人脑的生理结构和功能中是一个不容忽视的因素。在利用复杂网络手段诊断各类疾病时，将性别因素考虑在内，很有可能提高基于脑网络分析手段对各类疾病诊断的准确率。同时，本文发现阈值选取对脑网络的研究影响极显著（p<0.01），后续研究者要慎重选择阈值构建脑网络，以得到更为可靠结论。

[1]王昱青. 基于运动任务的脑功能动态网络的整合研究. 西安: 电子科技大学, 2011.

[2]D Voyer, T Butler, J Cordero, et al. Imperato-McGinley. Therelation between computerized and paper-and-pencil mental rotation tasks: a validation study. J. Clin. Exp. Neuropsychol., 2006, 28: 928-939.

[3]R Seurinck, G Vingerhoets, F P DeLange, et al. Does egocentric mental rotation elicit sex differences? NeuroImage, 2004, 23:1440-1449.

[4]陈志晔, 李金锋, 刘梦雨, 等. 性别对正常人脑边缘区功能连接的影响. 中国医学科学院学报, 2013,35(3): 294-298.

[5]尧德中, 罗程, 雷旭, 等. 脑成像与脑连接. 中国生物医学工程学报, 2011,30(1): 6-10.

[6]M D Greicius, B Krasnow, A L Reiss, et al. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proc. Natl. Acad. Sci. USA, 2003,100:253-258.

[7]C G Yan, G L Gong, J H Wang, et al. Anatomical connectivity patterns of human cerebral cortex are associated with brain size, sex and intelligence. NeuroImage, 2009,47 (Supplement1): S128.

[8]K Wu, Y Taki, K Sato, et al. Topological Organization of Functional Brain Networks in Healthy Children: Differences in Relation to Age,Sex, and Intelligence. PLOS ONE, 2013, 8(2): 1-14.

[9]蔡世民, 洪磊, 傅忠谦, 等. 基于复杂网络的脑电信号回归分析.中国科学技术大学学报, 2011,41(4): 330-334.

[10]欧阳高翔. 癫痫脑电信号的非线性特征识别与分析. 秦皇岛: 燕山大学. 2010.