双耳差频声刺激下的脑电特征

周 鹏，高 翔，王晓璐，綦宏志，王学民，明 东

(1. 天津大学精密仪器与光电子工程学院，天津 300072；2. 天津市生物医学检测技术与仪器重点实验室，天津300072)

双耳差频声刺激下的脑电特征

周 鹏1,2，高 翔1，王晓璐1，綦宏志1,2，王学民1,2，明 东1,2

(1. 天津大学精密仪器与光电子工程学院，天津 300072；2. 天津市生物医学检测技术与仪器重点实验室，天津300072)

为了研究双耳差频声刺激影响大脑状态的神经机制，采用功率谱、Lempel-Ziv复杂度(LZC)和基于互信息的脑网络等线性及非线性方法，深入探讨了两种不同模式的双耳差频声刺激(alpha & beta)对脑电的影响规律．13名受试者分别进行了alpha & beta差频刺激，结果表明自发脑电的功率谱并没有发现频率跟随响应效应，LZC也没有显著变化．而脑网络图则能够发现在alpha差频刺激下大脑皮层不同区域的信息连接性显著减弱，在beta差频声刺激下信息连接性则显著增强．因此，互信息脑网络图可以有效地监测大脑在双耳差频声刺激下的变化，为双耳差频声刺激的生物学效应提供了一种合理的解释．

双耳差频声；LZC；频率跟随响应；脑电

当一个强度稳定、频率恒定的音调被送入一只耳朵，同样强度但频率有轻微差别的音调被送入另一只耳朵，人在脑中就会感受到一种节拍声，这被叫做“双耳差频声”．所感受到的节拍频率相当于2个音调间的差频．很多报道证实了听双声拍可以对行为和认知带来一系列的影响，例如Le Scouarnec等[1]和Brady等[2]认为低频段(delta和theta频段)的双耳差频声刺激可以降低焦虑，促进深度冥想和提高催眠易感性；Foster[3]认为alpha频段的双耳差频声可使被试者更加放松；Kennerly[4]、Lane等[5]和Sornson[6]证实高频段(beta频段)的双耳差频声刺激有助于加强记忆、注意、警觉以及情绪的改善．然而近期发表的文献[7-8]则通过分析(theta & beta和alpha & beta频段)双耳差频声刺激下的脑电波，认为该刺激并没有带来显著的频率跟随响应，即脑电波的频段功率谱没有跟随外部刺激频率的变化而变化．

Vernon等[7]证实1,min的alpha & beta频段双耳差频声刺激不足以引起脑电波功率谱在颞区上的变化，因而本文将差频刺激时间延长至5,min，并采集全脑的脑电波并加以分析．目前国内外的研究均只是简单比较了自发脑电在刺激态和非刺激态的功率谱变化．考虑到脑电活动是一种时变非线性系统，本文从功率谱、Lempel-Ziv复杂度(LZC)以及基于互信息的脑网络等线性和非线性的角度展开分析alpha & beta频段的双耳差频声刺激对大脑的影响．

1 数据采集与预处理

实验对象共13名，年龄为19～26岁，6男7女，右利手，身体健康，无神经系统病史或注意力缺乏症．在实验前至少1周不饮用任何含咖啡因的产品、酒精和药物，且保持有规律的作息时间．脑电采集设备采用Neuroscan公司的脑电记录仪，电极按10～20导联系统放置，双耳乳突为参考电极，记录19导脑电数据，采样率为1,000,Hz．

在被试者已经熟悉实验环境和操作流程的情况下开始实验．首先采集5,min静息态脑电，然后给被试者施加5,min基频为500,Hz、差频为10,Hz的正弦纯音(alpha频段；左耳为550,Hz，右耳为560,Hz)，同时采集alpha刺激态脑电．间隔一段时间(大于9,min)以便被试者恢复初始状态后，再次施加基频为500,Hz、差频为20,Hz的正弦纯音(beta频段；左耳为550,Hz，右耳为570,Hz)，并同时采集beta刺激态脑电．其中两种刺激的先后顺序随机．

2 分析方法

2.1 功率谱分析

功率谱是描述在一段时间内信号能量在不同频段上分布的常用方法．其被广泛应用到包括脑电信号在内的信号分析与信号处理领域．其脑电信号x(n)的功率谱分布表达式如下：

2.2 复杂度分析

Lempel-Ziv复杂度是通过测量时间序列出现新模式的速率来表征其无序程度的一种非线性分析方法．目前LZC分析方法已经应用于阿尔兹海默症、精神分裂症、儿童多动症等研究中[9-11]．在脑电信号中，其信号序列的随机程度越高，即信息量越大，表明复杂度越高．研究表明[12-15]，LZC可以有效反映大脑在不同生理状态下的变化特征．

式中：()c n为将原始脑电序列二值化后并通过反复级联构造的不同子串，即为二值化后脑电序列的复杂度；LZC为将其归一化后的信号复杂度．

2.3 脑网络分析

复杂网络理论为研究各类人群大脑间连接性提供了必要的工具和分析方法，利用此方法已有大量研究学者对人大脑的结构和功能网络及网络异常如精神分裂症、阿尔兹海默症等进行了研究[16-17]，图论是目前复杂网络分析领域最主要的数学工具．其中基于互信息的脑网络是一种研究不同脑区间相互关系的有效方法．在概率论和信息论中，互信息可以定量描述两列随机序列的相互依存关系．总的来说，两列连续随机序列X和Y的互信息可以被定义成

式中：p(x，y)为X和Y的联合概率密度函数；p(x)和p(y)为X和Y的边缘概率密度函数；X和Y分别为不同脑区的两导脑电信号．I(X；Y)值越大，表明两导联间的信号依存度越高，即两脑区间的连接性越强．

3 结果与讨论

3.1 功率谱

去除眼动伪迹和干扰后，本文比较了静息态与刺激态在alpha差频下的alpha频段占总频段能量的百分比以及在beta差频下的该频段占总频段能量的百分比．如表1、表2所示，没有发现显著的频率跟随响应现象(所有P＞0.5)．这与近期文献[7-8]的研究一致．

3.2 LZC

本研究比较了静息态与刺激态在alpha差频和beta差频下的LZC，如图1所示．从图中可以看出LZC在alpha & beta差频刺激下没有发生显著变化(所有P＞0.05)．

3.3 脑网络差值图

图2为13名被试者的平均脑网络差值图，即刺激态的平均脑网络与静息态的平均脑网络的差值图．两导联间灰色连线表明其二者间的互信息值比刺激前有所上升，即信息流的传递增加，表明该两导处大脑皮层电活动的连接性受到激励．反之，两导联间黑色连线表明其二者间的互信息值下降，信息流传递减少，表明该两导处大脑皮层电活动的连接性受到抑制．可以明显看出：经过alpha差频刺激后，被试者各脑区间的信息交流主要受到抑制，而经过beta差频刺激后，被试者各脑区间的信息交流主要受到激励；抑制区集中在顶区、枕区和右颞区，而激励区则集中额区与前顶区．这种显著差异有可能从新的角度解释双耳差频声刺激对行为学变化带来的影响．

表1 双耳差频声能量(alpha频段)Tab.1 Power of binaural beats(alpha band)

表2 双耳差频声能量(beta频段)Tab.2 Power of binaural beats(beta band)

图1 LZC柱状图Fig.1 Bar of LZC

图2 脑网络差值Fig.2 D-value of brain network

4 结 语

本文通过对比alpha & beta双耳差频声刺激态与静息态脑电在线性与非线性及脑网络方面的变化．发现传统的功率谱与LZC不能有效地发现双耳差频声对脑电频率跟随响应效应，而前者也被Vernon等[7]和Goodin等[8]的研究结果支持．

笔者首次引入了差频刺激下的互信息脑网络，通过对比其与静息态的脑网络，发现在两种刺激模式下大脑信息传递的不同．这可能从一个新的角度揭示了前人发现的双耳差频声影响行为学变化[3-6]的原因，即在alpha差频刺激下被试者各脑区间的信息交流受到显著抑制，信息传递减弱，促使被试者大脑“放空”，进入精神放松状态；而在beta差频刺激下被试者各脑区间的信息交流则显著增强，信息传递增加，从而注意力增强，警觉性提高，甚至记忆力也有所提升．

在下一步的研究中，笔者将进一步扩展双耳差频声的刺激频率，同时增加实验对象，以期获得更加广泛并具有统计意义的结果．

［1］ Le Scouarnec R P，Poirier R M，Owens J E，et al. Use of binaural beat tapes for treatment of anxiety：A pilot study of tape preference and outcomes[J]. Alternative Therapies in Health and Medicine，2001，7(1)：58-63.

［2］ Brady B，Stevens L. Binaural-beat induced theta EEG activity and hypnotic susceptibility[J]. American Journal of Clinical Hypnosis，2000，43(1)：53-69.

［3］ Foster D S. EEG and Subjective Correlates of Alpha Frequency Binaural Beats Stimulation Combined with Alpha Biofeedback [D]. Memphis，USA：Memphis State University，1990.

［4］ Kennerly R C. An Empirical Investigation into the Effect of Beta Frequency Binaural Beat Audio Signals on Four Measures of Human Memory [D]. Ontario，USA：West Georgia College，1994.

［5］ Lane J D，Kasian S J，Owens J E，et al. Binaural auditory beats affect vigilance performance and mood [J]. Physiology & Behavior，1998，63(2)：249-252.

［6］ Sornson R O. Using binaural beats to enhance attention [J]. Hemi-Sync Journal，1999，17(4)：1-4.

［7］ Vernon D，Peryer G，Louch J，et al. Tracking EEG changes in response to alpha and beta binaural beats [J]. International Journal of Psychophysiology，2012，93(1)：134-139.

［8］ Goodin P，Ciorciari J，Baker K，et al. A high-density EEG investigation into steady state binaural beat stimulation [J]. PLoS One，2012，7(4)：e34789.

［9］ Abásolo D，Hornero R，Gómez C，et al. Analysis of EEG background activity in Alzheimer's disease patientswith Lempel-Ziv complexity and central tendency measure[J]. Medical Engineering & Physics，2006，28(4)：315-322.

［10］ Zhao Qinglin，Hu Bin，Liu Li，et al. An EEG based nonlinearity analysis method for schizophrenia diagnosis [C]// The Ninth IASTED International Conference on Biomedical Engineering. Innsbruck，Austria，2012.

［11］ Cerquera A，Arns M，Buitrago E，et al. Nonlinear dynamics measures applied to EEG recordings of patients with attention deficit/hyperactivity disorder：Quantifying the effects of a neurofeedback treatment [C]// 2012 Annual International Conference on Engineering in Medicine and Biology Society(EMBC)of the IEEE. San Diego，CA，USA，2012：1057-1060.

［12］ Zhang Xusheng，Roy R J，Jensen E W. EEG complexity as a measure of depth of anesthesia for patients [J]. IEEE Transactions on Biomedical Engineering，2001，48(12)：1424-1433.

［13］ 裴晓梅，和卫星，郑崇勋. 基于脑电复杂度的意识任务的特征提取与分类[J]. 中国生物医学工程学报，2005，24(4)：421-425. Pei Xiaomei，He Weixing，Zheng Chongxun. Feature extraction and classification of consciousness task based on EEG complexity [J]. Chinese Journal of Biomedical Engineering，2005，24(4)：421-425(in Chinese).

［14］ 郑 杨，钱志余，李韪韬，等. 基于复杂性测度的光诱发下 alpha 波脑电特性研究[J]. 中国医学物理学杂志，2011，28(3)：2644-2647. Zheng Yang，Qian Zhiyu，Li Weitao，et al. Study on the characteristics of EEG alpha wave induced by photic stimulation based on the complexity [J]. Chinese Journal of Medical Physics，2011，28(3)：2644-2647(in Chinese).

［15］ Li Yingjie，Tong Shanbao，Liu Dan，et al. Abnormal EEG complexity in patients with schizophrenia and depression [J]. Clinical Neurophysiology，2008，119(6)：1232-1241.

［16］ Na S H，Jin S H，Kim S Y，et al. EEG in schizophrenic patients：Mutual information analysis [J]. Clinical Neurophysiology，2002，113(12)：1954-1960.

［17］ Jeong J，Gore J C，Peterson B S. Mutual information analysis of the EEG in patients with Alzheimer's disease [J]. Clinical Neurophysiology，2001，112(5)：827-835.

(责任编辑：赵艳静)

EEG Feature Under Binaural Beat Stimulation

Zhou Peng1,2，Gao Xiang1，Wang Xiaolu1，Qi Hongzhi1,2，Wang Xuemin1,2，Ming Dong1,2
(1. School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，Tianjin 300072，China；2. Tianjin Key Laboratory of Biomedical Detection Technology and Instrumentation，Tianjin 300072，China)

In order to study the neural mechanism of brain state induced by binaural beat(BB)，linear and nonlinear methods，such as power spectral density，Lempel-Ziv complexity(LZC)and brain network based on cross mutual information were applied to discuss the change of brain under two kinds of BB stimulations(alpha & beta). Thirteen subjects were involved in alpha & beta BB stimulations，and the results showed no frequency following response(FFR)by PSD of spontaneous electroencephalogram(EEG)and no obvious change by LZC. However，the information transmission among various cortical areas reduced under alpha BB stimulation but enhanced under beta BB stimulation by brain network. Therefore，brain network based on mutual information can effectively monitor the change of cerebral cortex under BB stimulation，which provides a new perspective for biological effects induced by BB stimulation.

binaural beat；Lempel-Ziv complexity；frequency following response；EEG

R318

A

0493-2137(2015)09-0834-05

10.11784/tdxbz201404022

2014-04-08；

2014-04-28.

国家自然科学基金资助项目(51377120，51007063，31271062，81222021，61172008，81171423)；天津市自然科学基金资助项目(13JCQNJC13900)；国家科技支撑计划资助项目(2012BAI34B02)；教育部新世纪优秀人才支持计划资助项目(NCET-10-0618).

周 鹏（1978— ），男，副教授.

周 鹏，zpzp@tju.edu.cn.

时间：2014-05-08.

http：//www.cnki.net/kcms/detail/12.1127.N.20140508.1423.001.html.