静息态脑电图不同分析方法在解码卒中针刺效应中的应用研究

吴林纳,徐 帆,杨霖轩,孙 瑱,许瀚予,徐志杰,李桂平△

1.天津中医药大学第一附属医院,天津 300193; 2.国家中医针灸临床医学研究中心,天津 300193;3.启元生物(杭州)有限公司,上海 200120

脑卒中常被称为中风,主要表现为突然起病、意识障碍和局灶性神经功能缺失,是严重影响中国国民健康的重大非传染性疾病[1]。全球疾病负担研究(Glo-bal burden of disease study,GBD)数据显示,2019年中国脑卒中造成的死亡人数高达219万,成为导致我国人口减寿的主因[2]。中医认为中风多是由于气血内虚、饮食不节与情绪不调等导致气血阴阳逆乱、脏腑失和,使血溢脑脉之外或脑脉痹阻,而中医学可通过针刺特定穴位,达到活血化瘀、通络宣痹的效用以治疗本病。多项研究表明针刺对脑卒中具有确切疗效[3],被《中国卒中学会脑血管病临床管理指南》列为Ⅱ级推荐[4]。现阶段研究多从组织形态、血液成分、炎症因子与神经递质等角度阐述针刺治疗的作用机制[5],缺乏对大脑活动变化的实时模拟或难以直观揭示中枢层面的针刺效应。

随着信息工程学科的飞速进步,研究人员基于医工结合模式,应用静息态脑电图(resting state electroencephalogram,rsEEG)技术探索针刺对大脑的调节规律,直观展示针刺治疗的中枢效应,实现了脑功能改变的可视化。近几年,rsEEG分析技术不断更新,从早期的时域分析,发展到目前常用的频域分析、功能连接分析等新型手段。如何在针刺治疗脑卒中相关研究中选择适宜的脑电分析方法是一个关键步骤,备受国内外学者关注。现总结近年来rsEEG技术在针刺治疗缺血性脑卒中(IS)机制研究中的应用现状,以期为后续开展相关研究提供参考。

1 rsEEG技术及其分析方法概述

EEG是一种检测人脑功能的研究方法,可通过捕捉神经元水平的病生理信息来反映大脑皮层的活动情况,在解析大脑状态与认知功能等方面发挥重要作用[6]。脑电信号按照频率可分为4个波段:δ波(1～4 Hz)、θ波(4～8 Hz)、α波(8～13 Hz)与β波(13～30 Hz)。其中,δ波常出现于极度疲劳和深度睡眠状态;θ波与幻想、情感有关,在精神病患者以及成年人感到挫败时最为明显;α波与注意力、短期记忆和运动学习相关,在清醒安静状态下最为明显,是健康人脑电的基本节律;β波与感官运动行为相关,以精神紧张、焦虑亢奋和注意力高度集中时较为典型[7]。EEG技术具有时间分辨率高、采集过程相对简易与脑电信号特征为非线性等特点,可在毫秒级时间范围内捕获大脑活动产生的复杂数据[8],能很好地揭示中枢层面的针刺效应[9]。同时,作为医学领域研究中枢神经系统疾病的热门技术,正逐步应用于脑卒中的诊断识别及判定预后[10]。

根据EEG的不同状态可分为静息态和任务态,静息态脑电记录卒中患者在安静放松状态下的脑电信号,反映大脑内在活动模式[11],能够更全面地观察患者在各种刺激中表现出的缺损,加深对疾病本身和干预措施的理解。rsEEG技术在解码脑卒中针刺效应研究中的应用主要包括时域分析、频域分析、时频分析、图论理论与功能连接(Functional connectivity,FC)等。这些方法从时间特性、频率特性与脑网络等不同视角分析信号,解析针刺刺激时脑电不同波段的节律和能量以及刺激产生的信息在大脑内的传递特点,使基于rsEEG技术的针刺研究从简易观察信号波形波幅的改变转向为挖掘信号变化背后所蕴含的内容,已成为探讨针刺调节效应的有效工具之一。

2 rsEEG不同分析方法在解码脑卒中针刺效应中的应用现况

头皮脑电信噪比低,采集过程中容易受到外界噪声干扰产生伪迹,故在分析前需要预先去除伪迹,预处理常用数字滤波及独立成分分析方法。之后再对脑电数据进行分析,方法包括时域分析、频域分析、时频分析及基于图论理论的FC分析。

2.1 脑电信号预处理

影响电生理信号的干扰信号被称为人工伪迹,可分为非生理和生理两类[12],非生理性伪迹主要以工频干扰为主,生理性伪迹主要由眼部、肌肉与心脏等部位的运动引起[13]。伪迹会导致目标信号的不良变化,从而为分析过程带来了挑战,因此如何规范且有效地去除伪迹成为应用rsEEG技术所需要解决的首要问题。在解码脑卒中针刺效应研究中最常应用的预处理技术为数字滤波方法和独立成分分析(Independent components analysis,ICA)方法。

数字滤波是通过计算减少干扰信号占比的一种方法,可分为低通滤波、高通滤波、带通滤波以及陷波滤波。多数研究人员在收集针刺作用下卒中患者脑电信息时常采用带通滤波器提取4个波段信号,少部分根据试验目的只提取快波,如仅分析α波段旨在研究电针恢复患者生活能力的作用机理[14],或仅通过β波段观察运动功能好转与卒中发作时间的相关性以探究电针介入的最优时机[15];还有试验通过对比快波α和慢波δ评价针刺前后大脑功能状态和组织损害情况[16]。此外,王鹏博[17]、Guo XL等[18]还采用陷波滤波器去除50 Hz工频干扰。尽管该方法快捷,但理想状态下要求伪迹与正常脑电频带不混叠[19],在实际情景中难以实现,极易在滤除伪迹时损失部分有用信息。

相较于滤波技术把其余信号全部滤除不能找回,ICA作为一种实现盲源分离的通用方法,其主要用途是分离rsEEG信号中的伪影[20]。根据此算法理论,眼电(Electrooculography,EOG)、心电(Electrocardiography,ECG)和肌电(Electromyography,EMG)等产生的伪迹均可看作独立信号源,ICA通过统计不相关性,可分离伪迹并保留有用信号。Song Z T等[21]认为EOG伪迹严重影响卒中患者针刺前-中-后脑电数据的后续分析,故应用ICA侧重去除EOG;另有学者在预处理中以去除ECG为主[22]。而彭景[23]、Lin YF等[15]研究者则选择去除EOG、ECG、EMG和其他类型的伪迹,尽量减少其对有用信号带来的不良影响。不足之处在于较为耗时费力需人工判别伪迹成分,并且去除效果依赖于数据量。

预处理方法对提高信号质量至关重要,同时也是基于脑电技术揭示针刺治疗脑卒中作用机制的先决条件,常用的数字滤波和ICA均有不足之处,而研究表明机器学习方法应用于提高预处理去除伪迹水平有巨大潜力[24],但目前针刺领域的脑电研究较少使用此法。

2.2 时域、频域和时频分析

2.2.1 时域分析 原始rsEEG信号是由很多个样本点数所构成的一个有限的离散的时间域数据。时域分析直接从时域数据中提取特征,其主要关注rsEEG波幅随时间进程的变化情况,且具有直观性强、计算快捷与物理意义明确的特点,是最早发展起来的脑电信号研究方法[25]。

既往研究分析rsEEG主要通过肉眼观察,可看作是人工时域分析,如刘丽瑾等[26]通过肉眼观察脑出血患者接受针刺后的rsEEG发现信号从以δ节律为主迁移到以α节律为主。另有学者应用时域分析揭示针刺的部分促醒机制,通过计算一定时间范围内脑电信号的频率和波幅变化证实相较于毫针组和空白组,电针可显著增快急性脑梗死患者的rsEEG频率[27-28],虽未明言患者脑电波段主要类型,但频率增快预示着大脑从疲劳睡眠状态转向清醒状态。时域分析由于无须滤波处理,具有更高的时间精度,然而时域分析仅能体现幅值随时间的变化,缺少对频段内容的挖掘,不足以全面反映信号中所蕴藏的信息。

2.2.2 频域分析 傅里叶变换作为一种线性积分变换,可将脑电信号从时间域转换到频率域进行分析。转换后,频域分析可描述信号的频率结构和各频率成分的幅值大小。因此rsEEG信号在频域往往比在时域更加直观[27-28],所以大多数基于rsEEG技术的针刺研究是在频域下进行的。

部分研究通过应用频域分析重点关注β带功率变化,以揭示针刺恢复卒中患者运动、行为与感觉功能的效应机制。如Zou F等[22]研究单次电针对肢体运动功能障碍的卒中患者产生的即刻效应,试验发现电针能使弛缓性及痉挛性瘫痪的患者双侧运动皮层β带功率增加,δ带功率降低。两年后的一项电针对卒中后失眠患者日间嗜睡的影响研究[17]亦表明首次电针刺激过程中β频段能量增加,但略有不同的是研究还发现慢波δ频段能量也在增加,这可能与δ波振荡是机体迈向清醒状态的稳健生物标志物[29]有关;研究还观察了电针的累积效应,治疗3周后,脑区反应提高,仅有β频段功率增加,嗜睡症状改善显著。有试验仅探索针刺的累积效应,结果表明[23]肢体麻木的卒中患者在治疗12次后β波平均功率在额叶区较前明显提高,且与诺丁汉感觉评价量表评分的升高呈正相关。

α频带功率与中风患者的运动和日常生活功能有明显的相关性,被认为是卒中患者临床结局的脑电图定量指标[30],故有研究应用频域分析着眼于α频带变化,意在阐释针刺康复的效应机制,试验发现针刺中α频带节律明显增加,针刺后仍保持高振幅[14]。简而言之,针刺可通过减少代表疲劳状态δ波的大脑活动,增强代表清醒状态的α波、β波功率,增强脑电觉醒活动,进而发挥康复疗效。遗憾的是频域分析只能展示频段能量的分布,缺乏时间信息,无法体现特定频段能量随时间的变化,仅适用于稳态数据分析。

2.2.3 时频分析 时域和频域分析方法主要用于解析平稳信号,对于不平稳、非线性的rsEEG信号,独立应用二者都难以提取出有效的特征信息,而时频分析方法能够准确地提取到非线性信号频率随时间变化的特征信息,弥补了时域及频域分析方法的缺点[31]。有文献提及运用rsEEG时频分析的傅里叶变换和小波变换探究针刺对卒中后上肢运动功能的影响[16],但只统计了α和β频带的平均功率数值,并未清晰地阐释信号频率时变性。既往有学者采用时频分析方法解码针刺镇痛机制[32],观测不同频段的响应情况,更为全面地展现针刺引发大脑振荡信号活动的变化模式,这提示研究人员后续应当提取静息态脑电数据中更多的特征信息,以明确针刺对卒中患者脑区的调节规律。

2.3 基于图论理论的FC分析

FC是指解剖学上不同但功能协作的大脑区域中活动的时间同步,其相应分析方法可以测量两个神经元集合体活动之间的各种关系,目前已成为研究rsEEG的主要手段[33]。FC分析常用的指标有:皮尔森系数(Pearson correlation coefficient,PCC)、波谱相干(Spectral coherence,SC)、相互信息(Mutual information,MI)、相位滞后指数(Phase lag index,PLI)、锁相值(Phase locking value,PLV)、定向传递函数(Directed transfer function,DTF)和部分定向相干(Partial directed coherence,PDC)。随着分析方法的革新,大脑功能的数据集越来越多,因此需要一种新的多学科方法来解构复杂系统。图论理论作为脑网络分析领域的新兴方法,使用由节点和边组成的图来表示脑网络[34-35]。其中,节点代表脑区,边象征脑区间的功能连接,节点强度就是和此节点相连边的数目,总结节点之间的数学结构关系,以节点强度和边缘权重描述脑功能的分离和整合特性,在拓扑水平上度量大脑不同区域之间的功能连通性。

应用FC分析不仅可以阐释针刺作用机理,而且可以为优化针灸介入方案提供理论支持。有试验基于图论理论采用PCC、MI、PLI、DTF与PDC等多种FC度量指标构建α和β频带的脑网络图谱,从节点间的相关性、相位同步程度与信息传递方向等角度研究电针对不同病程卒中患者脑功能连通性的改变[21]。研究结果发现不同病程的患者功能连接数量、节点强度均有所增加,表明电针可在不同维度上增加脑区的功能连通性,进而诱导神经元重塑,以恢复肢体功能。但无论使用哪个指标进行映射,病程越长的患者脑区反应越弱,提示医师应当把握针刺介入的黄金时机。

人脑是以各个功能区联合协作的方式工作,不同功能区内部及功能区之间都有广泛的协作关系。功能连接和脑网络特征可以描述不同区域之间的功能整合联系,直观化大脑不同脑区协同合作的信息。而卒中患者信号传入输出的过程发生障碍,连通性异于健康人,因此可以通过基于图论理论的FC挖掘针刺对卒中患者脑区的调节规律,并且脑网络的表现形式展示了更多的空间结构,这是其他分析方法所不具备的。

3 总结

目前,从rsEEG视角揭示针刺治疗IS的中枢效应机制研究正在逐步深入中,虽然该技术具有可视化大脑的功能活动,但存在空间分辨率较低等不足之处。随着工程信息技术的不断发展,形成了EEG-fMRI、EEG-NIRS等多模态融合的脑功能成像手段,各模态技术取长补短,全面提高了检测的精确性及时效性[6],有望成为今后针刺研究中的主流应用工具。

应用rsEEG不同分析方法从各个尺度脑功能水平阐述脑卒中针刺效应,有助于直观的解析结果,然而由于大脑活动的复杂性和脑电信号的动态特性,传统的分析方法无法实现动态刻画及排除非针刺效应因素。基于因素的考量,有学者认为微状态分析是极具竞争力的针刺效应研究工具[36],相对稳定的微状态拓扑结构图,在保留了信号的时间域信息同时又涵盖了空间域信息,可通过微状态时间序列和电信号之间的转换,全局衡量针刺时大脑神经网络的时间动态特性,更为精准地刻画针刺的即刻效应,或有望成为阐释特定针刺手法的新方法。

此外,研究人员提出采用深度学习模型,可解构针刺数据之间的隐藏关系,通过自动提取信号之间最重要的辨识特征,形成端对端的网络模型来针对性地刻画数据关系[37-39],准确反映针刺效应,尽可能排除其他因素干扰。目前,一项基于rsEEG技术应用深度学习模型探索“醒脑开窍针法”治疗缺血性脑卒中作用机制的临床试验研究正在开展[40],实现了针刺作用下大脑内部状态刻画,直观阐释了针刺不同腧穴对患者脑区的调节规律。此外,深度学习模型能根据患者的基础信息和病史资料提供个性化诊疗方案,为临床提供决策支持[41]。

未来,研究人员可利用先进的rsEEG采集工具及分析方法将大样本临床信息和脑电数据整合,揭示效应机制同时预测疗效,并在个体水平上提供针对性的临床指导,达到针灸转化研究的新高度。