把大腦類比為一座城市，腦區(qū)間白質纖維是固定道路，決定信息傳遞通路；動態(tài)神經活動如同實時車流，反映腦區(qū)實時協(xié)同模式。大腦解剖結構相對穩(wěn)定，但在靜息、運動想象等不同認知狀態(tài)下，會產生不同的功能活動，這也引出神經科學關鍵問題：大腦動態(tài)功能活動會在多大程度上受靜態(tài)結構連接約束，這種約束關系是否隨腦狀態(tài)、成像模態(tài)發(fā)生改變？

現(xiàn)有研究常利用擴散磁共振構建腦結構網絡，搭配EEG、fNIRS等工具解析功能活動，但兩種模態(tài)捕捉的生理信號存在本質差異：EEG可記錄毫秒級神經元電活動，fNIRS則通過血氧濃度變化，經由神經血管耦合間接反映慢速血流響應。二者雖均用于表征腦功能網絡，但二者受腦結構約束的規(guī)律是否一致，以及靜息與任務狀態(tài)下耦合關系如何變化，仍缺乏同步多模態(tài)對照研究，針對fNIRS的結構-功能耦合探索也較為匱乏。

Rosmary Blanco等人組成的研究團隊在《Scientific Reports》發(fā)表了題為“Comparing structure–function relationships in brain networks using EEG and fNIRS"的研究論文。采用同步EEG-fNIRS多模態(tài)腦成像方案，結合擴散磁共振構建腦結構連接組，依托圖信號處理框架與結構解耦指數，從全局、局部腦區(qū)、固有功能網絡三個維度，系統(tǒng)對比靜息態(tài)與運動想象任務下神經電活動、血流動力學活動對應的腦網絡結構-功能耦合規(guī)律。結果表明，fNIRS血流耦合特征與EEG低頻振蕩模式相近，結構-功能耦合沿單模態(tài)至跨模態(tài)皮層呈梯度分布，電生理與血氧信號在高級聯(lián)合網絡存在明顯差異，任務態(tài)可縮小兩種模態(tài)的耦合分歧，為低成本多模態(tài)腦網絡結構-功能關聯(lián)研究提供了標準化分析范式。

文章信息

1. 實驗數據采集

本研究共納入18名健康青年受試者，平均年齡28.5±3.7歲。實驗設置兩種腦狀態(tài)：1分鐘靜息態(tài)采集；左右手運動想象任務，單側任務各包含30個時長10 s的試次。

同步采集EEG與fNIRS雙模態(tài)信號：EEG采用國際10-5系統(tǒng)30導電極記錄， fNIRS系統(tǒng)共設置36個測量通道，采用760 nm、850 nm雙波長光源檢測皮層血氧波動。

圖1 同步EEG-fNIRS采集系統(tǒng)與傳感器分布

2. 多模態(tài)信號預處理與源重建

（1）EEG信號處理

對原始EEG進行全腦平均重參考，通過零相位巴特沃斯濾波器完成1 Hz高通、45 Hz低通濾波；采用Infomax獨立成分分析剔除眼電、肌電等生理偽跡。利用標準化低分辨率腦電磁斷層成像（sLORETA）開展皮層源重建，并將源信號分頻濾波，得到δ（1–4 Hz）、θ（4–7 Hz）、α（8–15 Hz）、β（15–25 Hz）、γ（25–45 Hz）五組頻段神經電信號。

（2）fNIRS信號處理

先將光強信號轉換為光密度信號，通過頭皮耦合指數篩選并剔除質量不合格通道；采用GVTD指標識別并去除頭部大幅度運動時段，借助主成分分析去除皮膚淺表血流帶來的生理噪聲。基于漫射光學層析（DOT）完成皮層源重建，結合修正比爾-朗伯公式換算得到HbO、HbR源時序。

（3）空間統(tǒng)一配準

將EEG電極、fNIRS光極空間坐標配準至Colin27腦解剖模板，兩類模態(tài)源信號統(tǒng)一映射至Desikan-Killiany腦圖譜；受fNIRS探頭覆蓋范圍限制，簡化篩選出44個皮層感興趣區(qū)（ROI）用于后續(xù)跨模態(tài)對比分析。

3. 腦結構網絡構建與結構解耦指數（SDI）計算

（1）群體結構連接組

從ARCHI數據庫提取78名受試者擴散磁共振（dMRI）數據，通過纖維束追蹤構建個體結構連接矩陣，取全組均值得到群體一致性結構網絡，并匹配至上述44個ROI，形成統(tǒng)一解剖基準。

（2）基于圖信號處理的SDI量化

依托圖信號處理（GSP）理論，對結構連接矩陣的歸一化拉普拉斯矩陣特征分解獲取圖譜諧波基函數；將各腦區(qū)時序功能信號做圖傅里葉變換，依據頻譜能量中位數分割為貼合解剖通路的耦合分量、脫離結構約束的解耦分量。

以兩類分量時域L2范數能量比值構建結構解耦指數 SDI=N_D/N_C：SDI數值越低，代表該腦區(qū)功能活動受解剖結構約束越強；SDI數值越高，則代表功能活動具有更強的獨立性。

1. 靜息態(tài)fNIRS耦合特征與低頻EEG相近

全局分析顯示，靜息態(tài)EEG與fNIRS結構-功能耦合存在顯著差異，運動想象任務下二者差異消失。靜息時α頻段耦合，δ、θ耦合高于β、γ。靜息態(tài)HbO耦合模式與δ、θ慢波EEG更相似，慢頻神經活動與血流信號時間尺度長，更貼合穩(wěn)定結構網絡；高頻腦電易受瞬時動態(tài)干擾，解耦程度更高。

圖2 全局結構-功能耦合對比

2. 運動想象任務重塑各頻段耦合模式

任務狀態(tài)下頻段耦合特征發(fā)生改變：靜息高耦合的α波段解耦增強，β頻段耦合；δ、β、γ耦合較靜息顯著上升，θ無明顯變化。β振蕩參與運動調控，運動想象激活體感運動網絡，耦合匹配度提升。HbO、HbR耦合水平在靜息、任務間無顯著差異，血流慢響應會抹平短時神經活動波動。

圖3 靜息與任務下SDI變化及模態(tài)對應關系

3. 局部腦區(qū)耦合呈單模-跨模梯度，雙模態(tài)空間規(guī)律統(tǒng)一

EEG與fNIRS局部SDI分布規(guī)律一致：體感、視覺皮層耦合更強，前額、頂葉高級聯(lián)合皮層解耦更突出，符合大腦單模態(tài)至跨模態(tài)皮層梯度。感覺運動、視覺區(qū)依托固定結構通路處理基礎輸入輸出；高級聯(lián)合皮層需多源信息整合，功能活動更靈活，高解耦代表更強整合能力，并非功能異常。

圖4 腦區(qū)結構-功能耦合空間分布

圖 5 EEG 與 fNIRS 局部結構 - 功能耦合跨模態(tài)空間差異

4. 雙模態(tài)差異主要集中于高級認知網絡

視覺、體感運動網絡耦合更強，默認模式、注意網絡解耦程度更高；額頂網絡耦合隨頻段、任務動態(tài)變化。單模態(tài)感覺網絡中EEG與fNIRS一致性高，默認模式、注意等跨模態(tài)網絡模態(tài)差異明顯。運動想象任務中EEG在體感運動網絡耦合特異性更強，電信號對快速運動神經動態(tài)更敏感。

圖6 五大固有功能網絡SDI分布對比

圖7 全頻段EEG與HbO/HbR功能網絡耦合差異

本研究基于同步EEG-fNIRS數據與圖信號處理，從全局、局部腦區(qū)、功能網絡層面對比電活動、血流信號與腦結構的耦合關系。fNIRS耦合規(guī)律整體和低頻EEG相近，耦合強度沿單模態(tài)皮層向跨模態(tài)皮層遞減；運動想象會大幅改變各EEG頻段的結構耦合，而血氧信號耦合狀態(tài)受任務影響較小。腦結構為信息傳遞提供基礎通路，但無法限定動態(tài)功能活動，EEG、fNIRS可分別從快速神經電活動、慢速血流代謝互補刻畫大腦結構約束與功能靈活并存的特性，可為腦機接口、神經康復、腦功能評估提供參考。

局限性：

1. 結構與功能數據來自不同被試，僅采用群體平均結構網絡，缺少個體解剖差異分析；

2. 樣本僅18人，靜息態(tài)僅采集1分鐘，不利于慢速fNIRS信號穩(wěn)定；

3. fNIRS覆蓋有限，僅選用44個皮層腦區(qū)，無法覆蓋全腦及深部腦區(qū)。

后續(xù)可對同一受試者同步采集dMRI、EEG、fNIRS，擴大樣本、延長靜息掃描時長，搭配高密度fNIRS設備，提升結果個體化與全腦覆蓋程度。

Blanco R, Preti M G, Koba C, et al. Comparing structure–function relationships in brain networks using EEG and fNIRS[J]. Scientific Reports, 2024, 14: 28976.

DOI：10.1038/s41598-024-79817-x

該研究由 Rosmary Blanco、Maria Giulia Preti、Cemal Koba、Dimitri Van De Ville 和 Alessandro Crimi 共同完成。作者單位包括：波蘭克拉科夫薩諾計算醫(yī)學中心計算機視覺實驗室、瑞士洛桑生物醫(yī)學成像中心、瑞士日內瓦洛桑聯(lián)邦理工學院神經-X研究所、瑞士日內瓦大學醫(yī)學院放射醫(yī)學與醫(yī)學信息學系、波蘭克拉科夫AGH科技大學計算機學院。

關于維拓啟創(chuàng)

相關產品