酗酒者皮层脑电同步性分析

刘桂青 曹 锐 相 洁

(太原理工大学计算机科学与技术学院，太原 030024)

酗酒者皮层脑电同步性分析

刘桂青 曹 锐 相 洁*

(太原理工大学计算机科学与技术学院，太原 030024)

同步性可以度量不同脑区之间的相互作用，但目前对脑电的同步性研究多数是基于头皮数据进行的。脑电的容积导体效应，可能导致头皮电极之间出现伪相关，从而影响同步性的度量。实验所用的数据集包括正常(28例)和酗酒(28例)两类被试的61通道EEG时间序列，每一个被试参与3种条件的实验任务：单刺激(S1)、双刺激匹配(S2 match)、双刺激不匹配(S2 no match)。利用eLoreta溯源技术，在大脑皮层上自定义了61个感兴趣区域(ROI)，计算两类被试之间的同步似然性，最后对酗酒被试和正常被试执行认知任务时的同步性差异进行统计分析。结果发现，执行相同认知任务时，酗酒被试全脑平均同步似然均小于正常被试，且在α、β1和θ波段上均有P<0.05，差异达到统计显著。在执行不同认知任务时，正常被试的同步性可以准确反映出不同认知任务的复杂程度(S2 match > S2 no match > S1)，而酗酒被试的同步性则无规律变化。不同被试之间的区域MSL结果表明，在执行S2 match任务时，酗酒被试多个区域MSL均小于正常被试，且在α波段上额叶、左颞叶、中央和右颞叶区均有P<0.05，差异达到统计显著；在β1波段上，额叶区P<0.05，差异达到统计显著；在β2波段上，额叶、左颞叶区均有P<0.05，差异达到统计显著。研究结果表明，酗酒被试大脑不同区域之间的连接受到一定程度的损伤，这为研究酗酒引起的脑损伤提供一个新的角度和有力的证据。

酗酒者；皮层；EEG；同步性

引言

脑电图可以准确方便地记录大脑神经活动的电信号，并且采集方便、成本低廉，因此脑电信号的定量分析近年来在神经退行性疾病[1](如酒精相关的脑损伤、阿尔茨海默病等)的研究中得到广泛应用。其中，酒精相关的脑损伤(alcoholic related brain damage，ARBD)是一种神经退行性疾病，它作为酗酒所导致的结果，对患者及其家庭造成明显的生理和心理上的伤害。酗酒会造成大脑神经元的损伤，同时也抑制了成人神经元的形成[2]。前期一些研究已经发现，长期酗酒会导致大脑的灰质与白质发生变化(白质减少[3]，灰质结构改变[4])。不仅如此,长期酗酒也会造成记忆功能减弱[5]、执行功能受损[6]和处理复杂事务速度变慢[7]等。

目前，越来越多的研究表明，大脑活动时，不同区域的神经活动在各种空间和时间尺度上进行了整合，即神经生物学理论中的同步现象[8]，这种同步性也是大脑进行信息整合和处理的主要潜在机制。临床医学中已发现，部分难以治愈的神经性疾病均存在大脑整体或局部整合过程中的不足或异常。Mirowski等将脑电同步性方法运用于癫痫发作预测，并发现该方法优于之前的预测方法[9]；李莉在癫痫患者与正常人的同步性研究中，发现癫痫患者的同步性高于正常人的同步性[10]；Ma等和李红利等在阿尔兹海默症的研究中，发现阿尔兹海默症病人的同步性低于正常人的同步性[11-12]。用光学脑成像检测静息态下双侧语言皮质活动的同步性，发现自闭症儿童显著低于正常儿童，儿童显著低于成年人，男性比女性略低[13]。

虽然前人利用同步性对神经退行性疾病的研究已经较多，但目前利用同步性对酗酒的研究较少。本课题组之前已利用同步似然性对酗酒数据进行了分类，并达到了良好的效果[14]。下面将通过同步性度量酗酒被试和正常被试之间的差异，进一步揭示酗酒对大脑认知功能的影响。

1 数据和方法

1.1 数据

本研究所用的数据来自于加州大学尔湾分校(University of California, Irvine)提供的用于机器学习的数据集，该数据集记录了酗酒者和正常人两类被试的多通道EEG时间序列。实验电极位置按照国际标准10-20系统进行扩展，数据采集了两类被试61通道的头皮脑电，采样率为256 Hz，较详细的被试及数据描述可见文献[15]。由于原始数据中存在被试按键响应错误等，本研究对其进行了筛选，最终选取了酗酒者与正常被试各28例数据，每一个被试有3种实验条件(S1、S2 match、S2 no match)，每个数据长度为8 s(共2 048个时间点)。单刺激(S1)指呈现一幅图片，且不需要被试响应；双刺激匹配(S2 match)会在短时间内呈现两幅相同图片，而双刺激不匹配(S2 no match)会在短时间内呈现不同的两幅图片，这两种刺激需要被试判断两幅图片是否相同及按键响应。考虑到乳突参考电极是以小范围的细节为代价强调了长距离的连接[16]，因此本研究中将参考电极转为平均参考电极。

1.2 方法

1.2.1 同步似然性

目前，同步性常用的度量指标有相关性、相干性等，但相关性、相干性等不适合分析快速变化、非稳定的数据，只适用于获取时间序列之间的线性关系。也有利用非线性分析方法对脑电数据进行研究的，如PLV、PLI。PLV的优点在于它可以排除信号幅度的影响，只从相位上考虑两个信号之间的同步性[17]。PLI在PLV的基础上有一定的改进，最大的优点在于能有效地避免容积导体效应[18]。尽管非线性的度量指标也得到了一些新的发现，但是在EEG信号中并没有发现强烈的混沌；非线性分析方法作为线性分析方法的补充，可以挖掘更多的潜在信息，应该是更为合理的手段[19]。Stam等提出了一个可以用来衡量系统之间广义同步性的指标，即同步似然性(SL)[20]。SL最大的优点在于能够同时度量时间序列间线性与非线性的关系，并且能够快速度量非稳定数据集的变化，不考虑时间序列间的因果关系而只考虑其间的耦合关系，对于噪声干扰具有很好的鲁棒性。因此，本研究用SL比较酗酒被试和正常被试的大脑同步性差异。

1.2.2 平均同步性计算

由于大脑是个容积导体，神经元和体液均具有导电性能，因此一个头皮上记录点(电极)测量到的信号可能来自多个不同的源；而大脑中一个源的信号弥散到头皮时，也会影响到多个记录点(电极)的信号，从而使得本来无关的两个电极之间出现伪相关性。所以，本研究采用溯源后大脑皮层上的EEG数据进行同步性分析，有效地减少了容积导体效应带来的影响。

本研究在eLoreta溯源的基础上，通过在大脑皮层自定义ROI，度量ROI之间的同步性。具体过程如下：对采集到的头皮EEG数据进行预处理后，利用较新的eLoreta技术，将EEG信号源定位映射到大脑皮层，得到6 239个皮层体素上的神经电信号，之后将其划分到61个ROI；将61头皮电极的坐标分别作为61个ROI的初始中心点，根据每个体素的坐标，结合最近邻原则，将所有体素无重叠地分配到这些ROI上；计算每个ROI所属体素神经电信号的平均值，作为每个ROI的神经电活动信号，即时间序列。此时，便可度量这些ROI之间的同步性，并计算全脑的平均同步性。

通过计算两两ROI之间的同步似然性，可以得到任意一个电极与其他所有电极同步似然性的平均值，作为该ROI的平均同步似然性(mean synchronization likelihood，MSL)。进一步利用61个ROI的MSL，可计算得到全脑MSL；分配到6个脑区中，可计算得到区域MSL。该值用来表征某被试在执行认知任务时全脑或者区域的同步性活动程度。

1.2.3 小波包分解

在大脑中，不同的神经元振荡频率与大脑的功能活动有着密切的联系[21]，因此通常将脑电信号划分为不同频段对其进行研究。本研究采用小波包分解(wavelet packet decomposition，WPD)[22]方法，将脑电数据分解为δ(0～4 Hz)、θ(4～7 Hz)、α(7～13 Hz)、β1(13～20 Hz)、β2(20～30 Hz)共5个频段。

2 结果

2.1 不同被试之间全脑MSL对比

比较两组被试在执行相同的认知任务时全脑MSL是否存在差异。由于两组被试在执行S1和S2 no match任务时无显著差异，因此只呈现执行S2 match任务时的结果(P<0.05，KS-test)，如图1所示。

图1 两类被试执行S2 match任务时MSL对比(★表示存在显著性差异)Fig.1 The comparison of MSL when performing the S2 match task(★indicates a significant difference)

从图1可以看出，酗酒的被试全脑MSL均小于正常被试，而且在α波段(P=0.021 0)、β1波段(P=0.021 0)和θ波段(P=0.043 8)，差异达到统计显著。

2.2 不同认知任务时全脑MSL变化趋势分析

比较两组被试在执行不同认知任务时，全脑MSL是否存在显著差异。正常被试在执行3种任务时，两两之间MSL的统计检验结果如图2所示。

图2 正常被试执行3种任务时全脑MSL差异性分析(★表示组间存在显著性差异, P<0.05，KS-test)Fig.2 The difference analysis for the brain MSLs for the control group(★indicates a significant difference)

从图2可以看出，在θ、α、β1和β2波段上，正常被试在执行S2 match和S2 no match任务时的全脑MSL都大于执行S1任务。具体统计检验结果为：θ波段上，S2 match(P=0.021 0)和S2 no match(P=0.043 8)的MSL显著大于S1任务；α波段上，S2 match(P=0.009 3)和S2 no match(P=0.043 8)的MSL显著大于S1任务。β1波段上，S2 match(P=0.021 0)和S2 no match(P=0.043 8)的MSL显著大于S1任务；β2波段上，S2 match(P=0.084 4)和S2 no match(P=0.043 8)的MSL边缘显著大于S1任务。从以上结果可以看出，几乎每个波段上的MSL都有S2 match > S2 no match > S1，这也许与任务的复杂性有一定的关系。

酗酒被试执行3种任务时，两两之间MSL的统计检验结果如图3所示。可以看出，酗酒被试在执行不同认知任务时，全脑MSL只在θ波段差异达到统计显著。具体检验结果为：S2 match(P=0.043 8)和S2 no match(P=0.043 8)的MSL均显著大于S1任务的MSL。

图3 酗酒被试执行3种任务时全脑MSL差异性分析(★表示组间存在显著性差异, P<0.05，KS-test)Fig.3 The difference analysis for the brain MSLs for the alcoholic group(★indicates a significant difference)

2.3 不同被试之间区域MSL分析

前面的研究是基于被试全脑的平均同步似然性的，从之前的结果可以看出，酗酒被试与正常被试的全脑MSL在多个波段和多个任务上均存在显著性差异。为了进一步分析两组被试之间出现差异的区域特性，本研究将溯源后的ROI分为6个区域，分别计算每个区域的MSL，并分析每个区域上两组被试之间的差异情况。本研究在划分区域时参考了Stam的研究[23]，将ROI划分为6个区域，分别为额叶区(frontal)、左颞叶区(left temporal area)、中央区(central area)、右颞叶区(right temporal)、顶叶区(parietal area)和枕叶区(occipital area)。

两组被试在执行S1和S2 no match任务时无显著差异，只有执行S2 match任务时在α、β1和β2波段上呈现显著性差异。

从图4可以看出，酗酒被试6个区域MSL均小于正常被试，而且在额叶(P=0.018 7)、左颞叶(P=0.042 0)、中央(P=0.042 0)和右颞叶(P=0.018 7)区域差异达到统计显著。

图4 两类被试执行S2 match任务时α波段区域MSL差异性分析(★表示组间存在显著性差异, P<0.05，KS-test)Fig.4 The difference analysis for the region MSLs when performing the S2 match task of α band(★indicates a significant difference)

从图5可以看出，酗酒被试6个区域的MSL均小于正常被试，而且在额叶(P=0.018 7)区域差异达到统计显著。

图5 两类被试执行S2 match任务时β1波段区域MSL差异性分析(★表示组间存在显著性差异)Fig.5 The difference analysis for the region MSLs when performing the S2 match task of β1 band(★indicates a significant difference)

从图6可以看出，酗酒被试6个区域的MSL均小于正常被试，而且在额叶(P=0.018 7)、左颞叶(P=0.042 0)区域差异达到统计显著。

图6 两类被试执行S2 match任务时β2波段区域MSL差异性分析(★表示组间存在显著性差异)Fig.6 The difference analysis for the region MSLs when performing the S2 match task of β2 band(★indicates a significant difference)

3 讨论

本研究为了避免头皮脑电信号之间存在的伪相关，利用皮层脑电数据进行同步性度量，这种较新的方法在目前的研究中比较少见。笔者进行了大胆的尝试，得出了较好的结果。皮层脑电同步性统计结果显示，执行S2 match任务时，在θ、α和β1波段上，酗酒被试全脑MSL均显著小于正常组，如图1所示。有学者在之前的研究中发现，酗酒被试同步性在α2和β1波段上的统计分析结果显著小于正常被试[15]。执行相同任务时酗酒者同步性的减弱，意味着大脑内部不同区域之间的连接减少，而脑区之间的连接是大脑认知功能的基础，因此连接的减少意味着大脑功能受到了一定的损伤。两组被试在执行不同认知任务时全脑MSL差异结果显示，正常被试在θ、α、β1和β2波段上执行复杂任务(S2 match和S2 no match)的全脑MSL显著大于执行简单任务(S1)，但酗酒被试仅在θ波段上执行复杂任务时的全脑MSL显著大于执行简单任务，如图2、3所示。在执行不同复杂程度的认知任务时，正常被试全脑MSL几乎在所有波段上都有显著差异，意味着正常被试的全脑MSL能够更清晰地反映出不同认知任务之间复杂性；酗酒被试只在个别波段上有显著差异，意味着酗酒被试的全脑MSL变化无规律。笔者的前提假设是复杂性不同的认知任务导致被试全脑MSL不同，并且正常和酗酒被试应表现不同的差异，而本研究的结果与这前提假设一致。

Cao利用该数据集研究发现，酗酒者可能局部连接受损而增加了一些长连接[24]。在此基础上，本研究提出将大脑区域化，进一步分析两组被试之间出现差异的区域特性，区域分析结果如图4～6所示。执行S2 match任务时，在α、β1和β2波段上，酗酒被试多个区域上MSL均显著小于正常被试，并且多个波段上呈现的差异区域均包含了额区，这与Singh等人利用该数据集的研究结果[25]是一致的，或许是由于大脑额区与执行功能高度相关所致。执行相同任务时，酗酒者多个区域同步性减弱，意味着大脑内部多个区域受损，意味着大脑多个区域的功能都存在不同程度的损伤。可以看出，该结果与之前全脑同步性分析结果的结论较一致。

4 结论

本研究结果为：不同被试执行相同认知任务时，酗酒被试的全脑MSL低于正常被试，进一步划分脑区也表明酗酒被试的多个区域MSL均低于正常被试；执行不同认知任务时，正常被试的全脑MSL随着任务复杂性的增大而增加，而酗酒者的全脑MSL的变化无规律。以上结果均说明，正常被试的全脑MSL变化能更为清晰地表明认知任务的复杂性，而酗酒被试可能由于大脑认知功能受损导致其全脑MSL不能准确反映出认知任务的复杂性。本研究从一个全新的视角，为长期酗酒导致大脑认知功能受损又提供了一个新的依据。

[1] de Haan W, Pijnenburg YAL, Strijers RLM, et al. Functional neural network analysis in frontotemporal dementia and Alzheimer′s disease using EEG and graph theory[J]. BMC Neuroscience, 2009, 10(1): 1-12.

[2] Sutherland GT, Sheahan PJ, Matthews J, et al. The effects of chronic alcoholism on cell proliferation in the human brain [J]. Experimental Neurology, 2013, 247: 9-18.

[3] Jacobus J, Tapert SF. Neurotoxic effects of alcohol in adolescence [J]. Annual Review of Clinical Psychology, 2013, 9: 703-721.

[4] Pfefferbaum A, Rosenbloom M, Rohlfing T, et al. Degradation of association and projection white matter systems in alcoholism detected with quantitative fiber tracking [J]. Biological Psychiatry, 2009, 65(8): 680-690.

[5] Coles CD, Goldstein FC, Lynch ME, et al. Memory and brain volume in adults prenatally exposed to alcohol [J]. Brain and Cognition, 2011, 75(1): 67-77.

[6] No⊇l X, Van der Linden M, Brevers D, et al. The contribution of executive functions deficits to impaired episodic memory in individuals with alcoholism [J]. Psychiatry Research, 2012, 198(1): 116-122.

[7] Thoma RJ, Monnig MA, Lysne PA, et al. Adolescent substance abuse: the effects of alcohol and marijuana on neuropsychological performance[J]. Alcoholism: Clinical and Experimental Research, 2011, 35(1): 39-46.

[8] Palva J M, Palva S, Kaila K. Phase synchrony among neuronal oscillations in the human cortex [J]. The Journal of Neuroscience, 2005, 25(15): 3962-3972.

[9] Mirowski P, Madhavan D, LeCun Y, et al. Classification of patterns of EEG synchronization for seizure prediction[J]. Clinical neurophysiology, 2009, 120(11): 1927-1940.

[10] 李莉, 陈静静, 郑旭媛. 阿尔茨海默病脑电信号的同步似然分析[J]. 国际生物医学工程杂志, 2015, 38(3): 152-155.

[11] Ma CC, Liu AJ, Liu AH, et al. Electroencephalogram Global Field Synchronization Analysis: A New Method for Assessing the Progress of Cognitive Decline in Alzheimer′s disease[J]. Clinical EEG and Neuroscience, 2014, 45(2): 98-103.

[12] 李红利, 王江, 邓斌, 等. 癫痫脑电的互信息和同步性分析[J]. Computer Engineering and Applications, 2013, 49(6): 19-22.

[13] 李军, 邱丽娜, 朱绘霖, 等. 光学脑成像检测静息态下双侧语言皮层活动的同步性[J]. 中国生物医学工程学报, 2014, 31(4): 410-417.

[14] 曹锐, 武政, 相洁, 等. 基于同步似然的脑电分类方法研究[J]. 太原理工大学学报, 2014, 45(4): 510-514.

[15] Tcheslavski GV, Gonen FF. Alcoholism-related alterations in spectrum, coherence, and phase synchrony of topical electroencephalogram [J]. Computers in Biology and Medicine, 2012, 42(4): 394-401.

[16] Calmels C, Foutren M,Stam CJ. Bbeta functional connectivity modulation during the maintenance of motion information in working memory: importance of the familiarity of the visual context[J].Neuroscience,2012,212:49-58

[17] 董国亚, 陈小刚, 史姗姗, 等. 相位同步性分析方法在癫痫研究中的应用[J]. 北京生物医学工程, 2011, 30(3): 274-277.

[18] Koelstra S, Mühl C, Soleymani M, et al. Deap: A database for emotion analysis; using physiological signals[J]. IEEE Transactions on Affective Computing,, 2012, 3(1): 18-31.

[19] Sakkalis V. Review of advanced techniques for the estimation of brain connectivity measured with EEG/MEG[J]. Computers in Biology and Medicine, 2011, 41(12): 1110-1117.

[20] Stam CJ, Van Dijk B W. Synchronization likelihood: an unbiased measure of generalized synchronization in multivariate data sets [J]. Physica D: Nonlinear Phenomena, 2002, 163(3): 236-251.

[21] Groppe DM, Bickel S, Keller CJ, et al. Dominant frequencies of resting human brain activity as measured by the electrocorticogram[J]. Neuroimage, 2013, 79: 223-233.

[22] Ma C, Liu A, Liu A, et al. Electroencephalogram Global Field Synchronization Analysis: A New Method for Assessing the Progress of Cognitive Decline in Alzheimer′s disease[J]. Clinical EEG and Neuroscience, 2014, 45(2): 98-103.

[23] Calmels C, Foutren M, Stam CJ. Beta functional connectivity modulation during the maintenance of motion information in working memory: importance of the familiarity of the visual context[J]. Neuroscience, 2012, 212: 49-58.

[24] Cao Rui, Wu Zheng, Li Haifang, et al. Disturbed connectivity of EEG functional networks in alcoholism: a graph-theoretic analysis[J]. Biomedical Materials and Engineering, 2014, 24(6): 2927-2936.

[25] Singh N, Godiyal AK, Panigrahi K, et al. Source localization in alcoholic and control subjects to estimate cognitive load using EEG signal[C]// 2015 International Conference on Computer, Communication and Control (IC4). Indore: IEEE, 2015,10: 1-5.

Synchronization in Alcoholics Using Cortical EEG

Liu Guiqing Cao Rui Xiang Jie*

(DepartmentofComputerScienceandTechnology,TaiyuanUniversityofTechnology,Taiyuan030024,China)

Synchronization can measure the interaction between different brain regions. However, existing synchronization analyses on EEG synchronization are almost all based on the scalp EEG data. Due to the volume conductor effect, pseudo relevance between the scalp electrodes may occur, which further affects the measurement of synchronization. In this study, we selected the 61 channel EEG time series data of both the control subjects (28) and the alcoholics (28). For each trial, the subject was exposed to one of the following three different stimuli: a single stimulus (S1), two matched stimuli (S2 match), or two non-matched stimuli (S2 no match). The study used eLoreta and the self-defined 61 ROI (regions of interested) in the cerebral cortex. The synchronization between ROIs and the synchronization difference between alcoholic subjects and controls (non-alcoholics) during certain cognitive tasks were measured. Results indicated that the synchronization for the alcoholic group was lower than in the control group when performing the same cognitive task, the difference was statistically significant with α, β1 and θ band (P<0.05). The synchronization for the control group can reflect the complexity levels of the cognitive tasks (S2 match > S2 no match > S1), whereas the alcoholics only displayed erratic changes when the different cognitive tasks performed. The brain regional MSL between different subjects indicated that the alcoholic group was lower than control group when the S2 match performed，and in α band, frontal, left temporal area, central and right temporal area have significant differences (P<0.05); in β1 band, frontal showed significant differences (P<0.05); in β2 band, both frontal and left temporal area showed significant differences (P<0.05). These results indicate that in alcoholics, brain synchronization was reduced, and the connection between different brain regions was inhibited, meaning brain cognitive function is impaired. Our research provides indicated that long-term alcoholism causes functional damage to the brain from an entirely new perspective.

alcoholics; cortical;EEG;synchronization

10.3969/j.issn.0258-8021. 2016. 06.005

2016-01-04， 录用日期:2016-07-23

国家自然科学基金(61373101); 虚拟现实技术与系统国家重点实验室开放课题(BUAA-VR-15KF-16);山西省教育厅高等学校科技创新项目(2015124)

R318

A

0258-8021(2016) 05-0671-06

*通信作者(Corresponding author)， E-mail: xiangjie@tyut.edu.cn