脑电新技术

  1. 超扫描技术. 例如可以研究夫妻/双胞胎之间的脑电信号同步性(心有灵犀一点通)
  2. 空间复杂度(spatial complexity, SC). SC提高, 独立神经活动越多, FC减弱. 作为一个新指标, SC的在认知控制(冷加工)和情绪加工(热加工)中的含义需要进一步挖掘.
  3. 颅内ERP：
    1. Pourtois, G., Spinelli, L., Seeck, M., & Vuilleumier, P. (2010). Temporal precedence of emotion over attention modulations in the lateral amygdala: Intracranial ERP evidence from a patient with temporal lobe epilepsy. Cognitive, Affective, & Behavioral Neuroscience, 10(1), 83-93.

    2. Krolak-Salmon, P., Hénaff, M. A., Vighetto, A., Bertrand, O., & Mauguière, F. (2004). Early amygdala reaction to fear spreading in occipital, temporal, and frontal cortex: a depth electrode ERP study in human. Neuron, 42(4), 665-676.

  4. 推荐使用Evoked ERP-ERO Toolbox。可以很好地衔接预处理数据。相当于是EEGLAB Study功能的优化版。

Advanced EEG methods

溯源分析

1.溯源分析介绍

  1. 溯源分析算法：Asadzadeh, S., Yousefi Rezaii, T., Beheshti, S., Delpak, A., & Meshgini, S. (2020). A systematic review of EEG source localization techniques and their applications on diagnosis of brain abnormalities. Journal of Neuroscience Methods, 339, 108740. https://doi.org/10.1016/j.jneumeth.2020.108740
  2. 正向求解（forward resolution）是从大脑到头皮，是以多算少，存在唯一解。逆向求解（inverse solution）就是溯源，从头皮到脑空间。某个头皮位置（CPz）的电位波形可能是又多个不同脑区的共同放电所形成。

  3. 大脑模型（head model）describes the electrical conductivity (导电性) distribution inside of the head, which is the link between the dipole sources and the EEG / MEG signals. 脑模型可以由个体的MRI结构像来计算其脑内导电性的分布情况。如果没有结构像，可以用标准脑模型。大脑模型包含以下要素： • Geometrical properties of the head • Electromagnetic properties of the head • Position of the electrodes

  4. 在得到脑容积导电模型（head model）后，就可以计算出脑的源空间模型，即理论上大脑偶极子（放电体素）的分布模型。源空间（Source space）模型（source model）： • The number of dipoles • Location of the dipoles • (clustering of dipoles)

  5. 由于溯源求解中，是以少算多，由少数头皮通道求解大脑源空间中几千个甚至几万个偶极子，这种计算理论上有无穷解，无法得到唯一解。 因此，溯源算法都会对源空间设立了限制性的假设。在计算的多个源空间中，根据假设进行最优化求解，找到最符合假设的解。主要的 溯源方法有如下几个：
    • MNE：假设大脑功能具有经济最优化（最大效率，大体是这个意思）的特性。计算中寻求效率最大的模型。
    • eLoreta：假设大脑的偶极子在空间上存在平滑性，即逐渐过渡，相邻的偶极子存在相似性。
    • beaforming（fieldtrip）：假设大脑不同脑区之间的活动相互独立
  6. 溯源之后得到的偶极子空间里，每个偶极子会有三个方向。相当于大脑体素具有三对阴阳电极，会向三个方向放电。 这样显然不符合大脑放电的生理结构模型。大脑结构中，只有椎体细胞具有典型的开放电场结构（大部分是闭环的？），它们同步活动产生的同一方向的电活动才有可能让我们在头皮记录到电位。 因此，还需要对偶极子的方向进行合并。合并方向的方法主要有两种：
    • data-driven: 通过PCA方法找到解释程度最大的方向
    • 理论驱动：根据生物学假设，把三个方向投射到垂直方向

功能连接

  1. 无论是在时域还是频域，都可以分析两个或多个信号之间的共変性程度。
  2. 源空间上的功能连接，一般是在ROI尺度上进行。这就需要先求出ROI源空间的电极方向。计算ROI电极方向的常见方向有：
    1. 直接平均
    2. PCA
    3. 中心化，类似于以ROI中心的偶极子为准来对齐。 计算完ROI电流的方向，再计算ROI之间的功能连接。

  3. 为什么不建议在头皮上做功能连接?因为存在共同源问题（common source problem），即大脑两个头皮电极之间的信号存在相关， 可能是因为它们具有共同的神经信号发生源（脑结构放电基础一样）。

  4. 脑电功能连接的常见指标：
    1. 时域，相关性(correlation)，描述两个时间序列时域的相似性
    2. 频域，相干性(coherence )，描述两个时间序列频域的相似性

Toolbox

1. 商业软件

  1. BP公司：Brain Vision Analyzer2

  2. Neuroscan： SCAN

2. Open-source packages

  1. Matlab-based
    1. Brainstorm 有GUI，Support for multiple modalities MEG, EEG, sEEG, ECoG, NIRS, electrophysiology. 可视化功能超级强大，难以匹敌。
    2. EEGLab 有GUI
    3. STATLAB：https://mp.weixin.qq.com/s/lwT0SHA1pKfTjN3Ea78Frw
    4. FieldTrip NO-GUI
    5. The Batch Electroencephalography Automated Processing Platform (BEAPP)
    6. Evoked ERP-ERO Toolbox （专注ERP-EEG组分析） 短线完成任务，brainstorm和eeglab；长线搞研究的话，用fieldtrip，可以知道各种分析都是怎么回事。brainstorm的问题，比起EEGlab和 fieldtrip，是他们没有对领域原始贡献，就是把别人的方法借来，写成工具包，优点就是好用，方便，‘傻瓜’。

  2. Python-based: MNE

  3. R-based: http://onlinelibrary.wiley.com/doi/10.1111/psyp.12299/abstract

BrainStorm学习笔记

安装和数据导入

  1. 安装。需要先注册才能在官网下载，matlab中启动brainstorm的时候也需要先登录帐号才可以。Brainstorm安装涉及四个文件夹：
    1. 工具包文件夹，如eeglab一样，需要setpath
    2. 数据库文件夹，必须命名为brainstorm_db，而且一旦建立就不可以移动或删除。如果有改变，必须重新设置。
    3. 用户个人相关配置文件夹，默认即可
    4. 个人数据存储文件夹，自定义即可，但不能跟前面三个文件夹有重合。
  2. 数据导入（io）。Brainstorm既可以导入原始的未经预处理的EEGLAB数据，也可以导入预处理后分段的EEGLAB数据。主要io函数：bst_process。具体导入数据步骤：
    1. 先打开软件，brianstorm
    2. 以实验名称建立一个protocol
    3. 使用代码批量导入被试。注意代码必须在建立protocol之后才可以运行。
  3. 数据导入时注意原始数据的电极点的分布是否符合实际情况。可能出现电极点跑到了头皮下面，这时候就无法进行溯源分析。需要Add EEG position. 这一步可以写到代码中批量进行，也可以导入数据后，选中所有被试，拖入process使用GUI方式进行。
  4. 数据平均。
    1. Drag and drop all the subjects in Process1. Select button [Process recordings].
    2. Select process Average > Average files: By trial group (subject average) Arithmetic average, No Weighted (因为保留的都是good trials)
    3. Add process Average > Average files: By trial group (grand average) Arithmetic average, Not weighted

ERP分析

TFA分析

  1. 组分析

溯源分析

  1. 先计算每个被试的头部模型(head model)。前提是确保EEG position（即每个电极点的分布）正确无误。有问题会提醒进行修改。
  2. 计算head model选择方法，bs提供了两种空间设置（皮层表明和MRI全脑），三种计算方法：
    1. OpenMEEG BEM
    2. 3-shell sphere
    3. DUNEURO EEM
  3. Compute Source

参考文献：

  1. EEG Source Imaging: A Practical Review of the Analysis Steps
  2. EEG Source Analysis: Methods and Clinical Implications