把大腦類比為一座城市，腦區(qū)間白質(zhì)纖維是固定道路，決定信息傳遞通路；動(dòng)態(tài)神經(jīng)活動(dòng)如同實(shí)時(shí)車流，反映腦區(qū)實(shí)時(shí)協(xié)同模式。大腦解剖結(jié)構(gòu)相對(duì)穩(wěn)定，但在靜息、運(yùn)動(dòng)想象等不同認(rèn)知狀態(tài)下，會(huì)產(chǎn)生不同的功能活動(dòng)，這也引出神經(jīng)科學(xué)關(guān)鍵問題：大腦動(dòng)態(tài)功能活動(dòng)會(huì)在多大程度上受靜態(tài)結(jié)構(gòu)連接約束，這種約束關(guān)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(kuò)散磁共振構(gòu)建腦結(jié)構(gòu)網(wǎng)絡(luò)，搭配EEG、fNIRS等工具解析功能活動(dòng)，但兩種模態(tài)捕捉的生理信號(hào)存在本質(zhì)差異：EEG可記錄毫秒級(jí)神經(jīng)元電活動(dòng)，fNIRS則通過血氧濃度變化，經(jīng)由神經(jīng)血管耦合間接反映慢速血流響應(yīng)。二者雖均用于表征腦功能網(wǎng)絡(luò)，但二者受腦結(jié)構(gòu)約束的規(guī)律是否一致，以及靜息與任務(wù)狀態(tài)下耦合關(guān)系如何變化，仍缺乏同步多模態(tài)對(duì)照研究，針對(duì)fNIRS的結(jié)構(gòu)-功能耦合探索也較為匱乏。

Rosmary Blanco等人組成的研究團(tuán)隊(duì)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(jié)合擴(kuò)散磁共振構(gòu)建腦結(jié)構(gòu)連接組，依托圖信號(hào)處理框架與結(jié)構(gòu)解耦指數(shù)，從全局、局部腦區(qū)、固有功能網(wǎng)絡(luò)三個(gè)維度，系統(tǒng)對(duì)比靜息態(tài)與運(yùn)動(dòng)想象任務(wù)下神經(jīng)電活動(dòng)、血流動(dòng)力學(xué)活動(dòng)對(duì)應(yīng)的腦網(wǎng)絡(luò)結(jié)構(gòu)-功能耦合規(guī)律。結(jié)果表明，fNIRS血流耦合特征與EEG低頻振蕩模式相近，結(jié)構(gòu)-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(hào)在高級(jí)聯(lián)合網(wǎng)絡(luò)存在明顯差異，任務(wù)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(wǎng)絡(luò)結(jié)構(gòu)-功能關(guān)聯(lián)研究提供了標(biāo)準(zhǔn)化分析范式。

文章信息

1. 實(shí)驗(yàn)數(shù)據(jù)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(shí)驗(yàn)設(shè)置兩種腦狀態(tài)：1分鐘靜息態(tài)采集；左右手運(yùn)動(dòng)想象任務(wù)，單側(cè)任務(wù)各包含30個(gè)時(shí)長(zhǎng)10 s的試次。

同步采集EEG與fNIRS雙模態(tài)信號(hào)：EEG采用國(guó)際10-5系統(tǒng)30導(dǎo)電極記錄， fNIRS系統(tǒng)共設(shè)置36個(gè)測(cè)量通道，采用760 nm、850 nm雙波長(zhǎng)光源檢測(cè)皮層血氧波動(dòng)。

圖1 同步EEG-fNIRS采集系統(tǒng)與傳感器分布

2. 多模態(tài)信號(hào)預(yù)處理與源重建

（1）EEG信號(hào)處理

對(duì)原始EEG進(jìn)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(dú)立成分分析剔除眼電、肌電等生理偽跡。利用標(biāo)準(zhǔn)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(hào)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(jīng)電信號(hào)。

（2）fNIRS信號(hào)處理

先將光強(qiáng)信號(hào)轉(zhuǎn)換為光密度信號(hào)，通過頭皮耦合指數(shù)篩選并剔除質(zhì)量不合格通道；采用GVTD指標(biāo)識(shí)別并去除頭部大幅度運(yùn)動(dòng)時(shí)段，借助主成分分析去除皮膚淺表血流帶來的生理噪聲?；诼涔鈱W(xué)層析（DOT）完成皮層源重建，結(jié)合修正比爾-朗伯公式換算得到HbO、HbR源時(shí)序。

（3）空間統(tǒng)一配準(zhǔn)

將EEG電極、fNIRS光極空間坐標(biāo)配準(zhǔn)至Colin27腦解剖模板，兩類模態(tài)源信號(hào)統(tǒng)一映射至Desikan-Killiany腦圖譜；受fNIRS探頭覆蓋范圍限制，簡(jiǎn)化篩選出44個(gè)皮層感興趣區(qū)（ROI）用于后續(xù)跨模態(tài)對(duì)比分析。

3. 腦結(jié)構(gòu)網(wǎng)絡(luò)構(gòu)建與結(jié)構(gòu)解耦指數(shù)（SDI）計(jì)算

（1）群體結(jié)構(gòu)連接組

從ARCHI數(shù)據(jù)庫(kù)提取78名受試者擴(kuò)散磁共振（dMRI）數(shù)據(jù)，通過纖維束追蹤構(gòu)建個(gè)體結(jié)構(gòu)連接矩陣，取全組均值得到群體一致性結(jié)構(gòu)網(wǎng)絡(luò)，并匹配至上述44個(gè)ROI，形成統(tǒng)一解剖基準(zhǔn)。

（2）基于圖信號(hào)處理的SDI量化

依托圖信號(hào)處理（GSP）理論，對(duì)結(jié)構(gòu)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(shù)；將各腦區(qū)時(shí)序功能信號(hào)做圖傅里葉變換，依據(jù)頻譜能量中位數(shù)分割為貼合解剖通路的耦合分量、脫離結(jié)構(gòu)約束的解耦分量。

以兩類分量時(shí)域L2范數(shù)能量比值構(gòu)建結(jié)構(gòu)解耦指數(shù) SDI=N_D/N_C：SDI數(shù)值越低，代表該腦區(qū)功能活動(dòng)受解剖結(jié)構(gòu)約束越強(qiáng)；SDI數(shù)值越高，則代表功能活動(dòng)具有更強(qiáng)的獨(dú)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(jié)構(gòu)-功能耦合存在顯著差異，運(yùn)動(dòng)想象任務(wù)下二者差異消失。靜息時(shí)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(jīng)活動(dòng)與血流信號(hào)時(shí)間尺度長(zhǎng)，更貼合穩(wěn)定結(jié)構(gòu)網(wǎng)絡(luò)；高頻腦電易受瞬時(shí)動(dòng)態(tài)干擾，解耦程度更高。

圖2 全局結(jié)構(gòu)-功能耦合對(duì)比

2. 運(yùn)動(dòng)想象任務(wù)重塑各頻段耦合模式

任務(wù)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(qiáng)，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(yùn)動(dòng)調(diào)控，運(yùn)動(dòng)想象激活體感運(yùn)動(dòng)網(wǎng)絡(luò)，耦合匹配度提升。HbO、HbR耦合水平在靜息、任務(wù)間無顯著差異，血流慢響應(yīng)會(huì)抹平短時(shí)神經(jīng)活動(dòng)波動(dòng)。

圖3 靜息與任務(wù)下SDI變化及模態(tài)對(duì)應(yīng)關(guān)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(qiáng)，前額、頂葉高級(jí)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(yùn)動(dòng)、視覺區(qū)依托固定結(jié)構(gòu)通路處理基礎(chǔ)輸入輸出；高級(jí)聯(lián)合皮層需多源信息整合，功能活動(dòng)更靈活，高解耦代表更強(qiáng)整合能力，并非功能異常。

圖4 腦區(qū)結(jié)構(gòu)-功能耦合空間分布

圖 5 EEG 與 fNIRS 局部結(jié)構(gòu) - 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(jí)認(rèn)知網(wǎng)絡(luò)

視覺、體感運(yùn)動(dòng)網(wǎng)絡(luò)耦合更強(qiáng)，默認(rèn)模式、注意網(wǎng)絡(luò)解耦程度更高；額頂網(wǎng)絡(luò)耦合隨頻段、任務(wù)動(dòng)態(tài)變化。單模態(tài)感覺網(wǎng)絡(luò)中EEG與fNIRS一致性高，默認(rèn)模式、注意等跨模態(tài)網(wǎng)絡(luò)模態(tài)差異明顯。運(yùn)動(dòng)想象任務(wù)中EEG在體感運(yùn)動(dòng)網(wǎng)絡(luò)耦合特異性更強(qiáng)，電信號(hào)對(duì)快速運(yùn)動(dòng)神經(jīng)動(dòng)態(tài)更敏感。

圖6 五大固有功能網(wǎng)絡(luò)SDI分布對(duì)比

圖7 全頻段EEG與HbO/HbR功能網(wǎng)絡(luò)耦合差異

本研究基于同步EEG-fNIRS數(shù)據(jù)與圖信號(hào)處理，從全局、局部腦區(qū)、功能網(wǎng)絡(luò)層面對(duì)比電活動(dòng)、血流信號(hào)與腦結(jié)構(gòu)的耦合關(guān)系。fNIRS耦合規(guī)律整體和低頻EEG相近，耦合強(qiáng)度沿單模態(tài)皮層向跨模態(tài)皮層遞減；運(yùn)動(dòng)想象會(huì)大幅改變各EEG頻段的結(jié)構(gòu)耦合，而血氧信號(hào)耦合狀態(tài)受任務(wù)影響較小。腦結(jié)構(gòu)為信息傳遞提供基礎(chǔ)通路，但無法限定動(dòng)態(tài)功能活動(dòng)，EEG、fNIRS可分別從快速神經(jīng)電活動(dòng)、慢速血流代謝互補(bǔ)刻畫大腦結(jié)構(gòu)約束與功能靈活并存的特性，可為腦機(jī)接口、神經(jīng)康復(fù)、腦功能評(píng)估提供參考。

局限性：

1. 結(jié)構(gòu)與功能數(shù)據(jù)來自不同被試，僅采用群體平均結(jié)構(gòu)網(wǎng)絡(luò)，缺少個(gè)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(hào)穩(wěn)定；

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

后續(xù)可對(duì)同一受試者同步采集dMRI、EEG、fNIRS，擴(kuò)大樣本、延長(zhǎng)靜息掃描時(shí)長(zhǎng)，搭配高密度fNIRS設(shè)備，提升結(jié)果個(gè)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(jì)算醫(yī)學(xué)中心計(jì)算機(jī)視覺實(shí)驗(yàn)室、瑞士洛桑生物醫(yī)學(xué)成像中心、瑞士日內(nèi)瓦洛桑聯(lián)邦理工學(xué)院神經(jīng)-X研究所、瑞士日內(nèi)瓦大學(xué)醫(yī)學(xué)院放射醫(yī)學(xué)與醫(yī)學(xué)信息學(xué)系、波蘭克拉科夫AGH科技大學(xué)計(jì)算機(jī)學(xué)院。

關(guān)于維拓啟創(chuàng)

相關(guān)產(chǎn)品