脑电源定位

自从脑电图(EEG)被发现以来，人们希望脑电图能提供“一扇通往大脑的窗户”，研究人员和临床医生一直试图定位大脑中产生头皮电位的神经元活动，用脑电图进行无创测量。20世纪50年代的早期探索使用电场理论从头皮电位分布推断大脑中电流偶极子的位置和方向，引发了大量定量推断这些来源的努力。许多研究在实验和临床研究中使用了这种方法，并取得了显著的成功。后来，有人提出了新的方法，试图克服必须预先确定源的数量的问题，这些方法被称为分布式源成像技术。磁共振成像技术的引入和日益普及，使大脑和头部的详细真实解剖结构能够纳入源定位方法，极大地提高了这种方法的精度。今天，脑电图(和脑磁图)的源定位已经达到了一定的水平。与其他成像方法相比，它们的特殊优势在于其高时间分辨率，这可以将活动的起源与它的传播和信息流在待检测的大规模大脑网络中区分开来。本章对这些方法进行概述，并举例说明，重点介绍EEG源成像在癫痫和手术前规划中的成熟临床应用。本文发表在Handbook of Clinical Neurology上。

1. 介绍

一般来说，脑电图(EEG)的主要产生来源是锥体神经元上发生的突触后电位。这些突触电流的同步活动导致了大脑中的电流流动。由于头部是导电介质，体积传导允许这些电流传播到头皮表面，在那里它们会引起放置在头皮不同位置的电极之间的电位差。通过使用电极阵列记录这些电位，可以构建地形图，显示活跃神经元群在任何给定时刻产生的头皮电位分布。如果只有一个脑区活动，则头皮上的电位分布相当简单和偶极。然而，如果大脑的几个区域同时活跃，就会出现头皮电位的复杂模式，而推断潜在的来源就成为一项艰巨的任务。一般来说，需要先验假设，优先结合解剖学、生理学和生物物理学知识。一个重要的发展是引入头部的解剖约束，以促进解决脑电图源定位问题。进一步的发展引入了皮层源的生理约束，以促进解决分布式源成像。这种先验约束极大地提高了脑电源定位的可解性和精度，尽管只是对底层源的估计。

历史上，EEG源定位的第一次尝试是基于强烈的先验假设，即在某个时间点只有一个源是活跃的，头部可以近似为一个球体，并且整个大脑的电导率是均匀的。在这种情况下，非线性多维优化程序允许在大脑中发现等效偶极子的位置、方向和强度，以最好地解释所观察到的头皮电位测量。很快，不同组织之间的电导率差异被纳入多层球形头部模型中，最终，基于磁共振(MR)图像的真实几何头部模型被开发出来，使用边界或有限元重建头皮和不同组织。逆模型从一个或几个时变偶极子的强约束发展到估计整个脑容量中三维电流密度分布的分布式源重建方法。在接下来的文章中，回顾了脑电源定位的概念和原理。图6.1给出了现代脑电源成像的全过程示意图。

图6.1 现代脑电源成像流程。

高密度脑电图(这里是256通道)以高时间分辨率记录。准确的电极位置被评估。从这些记录中重建每个时刻的头皮电位图。评估受试者的结构MRI。电极与头部表面共配。大脑被分割，源点分布在灰质中。然后，利用从MRI重建的单个体积导体模型，将分布式逆解应用于脑电图图。

2. 脑电图正向问题

由同步突触后电位产生的电势在大脑中不均匀地传播。不同的组织，如头皮、颅骨、脑脊液和大脑，具有不同的导电特性，因此在不同程度上衰减电流。如果电导率参数已知，并正确考虑，泊松方程允许在大脑中已知来源产生的每个头皮电极上确定电势。因此，源通常被建模为等效电流偶极子，由一对电流源和通道组成，代表流经皮质锥体细胞顶端树突的突触后电流。由这种源产生的头皮电位的计算通常被称为脑电图正向问题。

脑电图正向问题的最简单的解决方案是无限齐次模型，其中整个空间被假定为均匀导电介质所占据。更复杂但更现实的模型将不同的导电性能归因于头部的不同组织，在球形模型中表示为均匀的壳层。这种模型已用于大多数使用等效偶极子拟合的初始源定位研究。他们中的许多人使用了40多年前Rush和Driscoll定义的电导率值，其中头骨电阻率被人为比头皮和大脑的电阻率高80倍。最近的几项研究表明，这些值过高，颅骨和大脑之间的传导率仅为20:1左右。但是，不仅颅骨电阻率比之前假设的要小，整个头部的颅骨厚度也不同，更重要的是，它随着年龄的变化而变化，年幼儿童的颅骨更薄，电阻率更低(图6.2A)。这导致脑电图的空间分辨率更高，因此对于正确采样头皮电场所需的电极数量有重要的影响。

图6.2 头部作为体积导体。

由于不同的脑区具有不同的电导率特性，正确的脑电源定位需要正确的导体模型。最重要的是头骨的电阻率，它的厚度和电导率随着年龄的变化而变化。在建立导体模型时必须考虑这一重要事实。

(A)颅骨厚度和颅骨导电性相对于大脑的年龄变化。

(B) T1 MRI估计局部颅骨厚度。

虽然具有不同组织均匀电导率特性的球形头部模型提供了脑电图正向问题的解析解，但这样的头部模型是不现实的。电势从大脑到头皮的传播会受到不同组织的电导率特性和头部的几何形状的影响。对这些特性的准确了解和对不同组织的精确建模是脑电图正确定位源的基础。通过使用磁共振成像(MRI)，可以精确地模拟头部形状、弯曲程度和组织厚度，并将其纳入所谓的正向解中，即大脑中的电流源和头皮上的电位之间的关系。最流行的解决脑电图正向问题的方法是边界元法(BEM)。BEM的使用允许将头部的解剖信息，以及主要的电导率特征，如大脑、颅骨和头皮，合并到EEG正向解中。BEM用三角形网格对头部每个组织之间的接口进行建模，例如空气/头皮、头皮/头骨和头骨/大脑接口。每种类型的组织被认为是电均质的和各向同性的，并为每种组织给出了不同的电导率值。另一方面，有限元方法(FEM)已被用于模拟白质内的组织电导率不均匀性甚至电导率各向异性分布。这些数值技术利用MRI提供的解剖信息来分割不同的脑组织和头部结构。

建立头部有限元模型仍然是一项相当费力的工作。Spinelli等人提出了一种替代方法，该方法结合了球形模型的简单解析解，但考虑了头部形状和脑组织。在一种被称为具有解剖学约束的球形头部模型(SMAC)的方法中，他们提出从单个MRI中确定最佳拟合球体，然后使用齐次变换算子将大脑转换到这个最佳拟合球体。然后可以应用多壳球模型的解析解，但解是直接计算这个轻微变形的MRI。该方法随后通过自适应局部球面模型(LSMAC)进行了改进，其中为每个电极建立了具有不同半径的局部球面。该模型通过考虑每个电极下的颅骨厚度，允许每个电极的电导率值的变化(图6.2B)。在38例接受手术的局灶性癫痫患者中，Birot等人直接比较了BEM、FEM和更简单的LSMAC模型在定位间期峰值方面的准确性。当使用单个MRI并将解决空间限制到灰质时，结果表明，所有三种头部模型都表现得同样好，超过70%的源极大值位于切除区域内。在这个特殊的临床应用中，三种头部模型之间没有发现显著差异。

3. 脑电图逆问题

确定在头皮上产生给定脑电图(或MEG)测量的颅内来源的基本问题是电磁逆问题的挑战。这个问题的解决方案只能在对来源进行先验假设的情况下才能找到。关于脑电图来源的神经生理学知识，关于电活动如何传播的生物物理学知识，关于传导组织的解剖学知识，以及关于神经元活动分布的知识或假设，都是这种先验约束的贡献者。多年来，已经引入了许多不同的约束条件，并且在文献中基于新的可用的信号生成知识不断制定新的约束条件和假设。这样的新模型必须经过严格的验证，这就导致了验证黄金标准的合法性问题。在这方面，模拟当然是有用和重要的，但要承担模拟最适合所提议模型的数据的风险。在生成器定义良好的记录中测试结果是另一种方法，但这可能会导致预选最适合所提议方法的数据的风险，以及该方法在多大程度上可以推广到测试条件以外的其他条件的问题。有可能一种方法在一个特定的数据集中工作得非常好，但另一种方法在另一种条件下的另一组数据中更可取。必须充分了解每种方法的特性、优点和局限性。

3.1 偶极子源定位

有限数量等效偶极子的定位是解决脑电逆问题的第一个方法。在这种经典方法中，先验假设是大脑中只有一个或几个区域是活跃的，并产生头皮电位场。在此约束下，可以通过非线性优化找到数学上的最佳解。可以可靠地发现的偶极子的数量受到头皮电极数量和多源搜索算法的非线性复杂性的限制。先进的方法，如解耦估计的线性和非线性部分，或在一段时间内搜索随偶极子强度时变的最佳解可以稍微增加偶极子的数量。然而，如果低估了偶极子的数量，源的定位就会因缺少偶极子而产生偏差，如果假设偶极子过多，就会引入伪源。

尽管这种先验假设的简单性和局限性，偶极子源定位在某些特定条件下可以产生合理的结果，特别是在癫痫病灶定位方面或在感官领域，在这些临床应用中，偶极子源定位仍然广泛应用于MEG。

3.2 分布式源成像

在脑电图实验研究中，偶极子源定位方法已被分布式源成像方法所取代。这些方法对源的数量没有限制。相反，大量的等效偶极子(通常超过5000个)分布在整个源空间的固定位置上，并估计每个偶极子的强度。使用来自个体或模板MRI的解剖信息，源空间通常局限于灰质。Dale和Sereno提出了皮层电流密度模型，其中偶极子被限制在与皮层表面垂直的方向上。解剖学上的限制减少了需要估计的参数的数量。尽管如此，未知的数量显然比已知的数量要大得多(在电极上的记录)，如果没有施加额外的约束，就会使问题高度不确定。这些约束可以是纯数学的，也可以是基于生物物理或生理信息的，或者包含来自其他结构或功能成像方式的知识，例如弥散张量成像或功能MRI。

第一个也是最一般的线性分布逆解是最小范数(MN)解。该解提出的约束条件是所有解点上的电流分布具有最小能量(使最小二乘误差最小化，即L2范数)，并且该分布的正解最优地解释了测量数据。显然，最小总能量的限制有利于更接近头皮电极的源，而忽略了更深结构的源。利用不同的数学运算，深度加权策略已经被提出来克服表面源的问题。

目前广泛使用的MN解决方法被称为LORETA(低分辨率电磁层析成像)。该解决方案中添加的附加约束是源的拉普拉斯函数的最小化，从而实现3D活动的平滑(低分辨率)分布。这一方法已经被生理学上看似合理的假设所证明，即相邻体素的活动是相关的。在这种情况下，LORETA会导致模糊和平滑的解决方案。本文作者和其他作者提出了对该算法的改进，算法命名为sLORETA， eLORETA，LAURA,V ARETA 等。

近年来，各种信号处理技术被用于进一步发展分布式源成像算法。其中包括L1范数算法，其本质上是基于源是离散的和局部的假设，因此更有利于局部定位的解决方案(而不是像L2范数中那样过度平滑的解决方案)。

除了空间源成像，时空源成像方法也已开发出来。时空源成像对于癫痫发作源成像具有实际意义，癫痫发作源本质上是具有高度时间相关性的振荡源。一种特殊的方法是将独立成分分析(ICA)与源成像集成在一起，其中癫痫发作脑电图测量值使用ICA进行分解，在这些独立成分的选定集合上执行源成像，然后重新组合以获得估计的癫痫发作源。

波束形成是另一种用于源成像的时空方法。这种方法背后的想法是，通过找到源空间每个位置的权重，将头皮捕获的信号重新聚焦到其原始位置，这样每个位置的电流偶极子的方差就最小了。波束形成技术具有与MN解决方案相同的平滑问题，并且已知当底层源相互关联时面临挑战。

扫描技术是另一类试图通过扫描源空间的所有可能位置来求解偶极子分布的方法，以确定偶极子最可能的位置。MUSIC是一种著名的扫描方法。MUSIC的一些变体是递归应用和投影MUSIC (RAP-MUSIC) 和第一原理向量(FINE) 定位方法。扫描方法将降低相干和相关源的性能，特别是当源彼此接近时。

3.3 脑网络分析

EEG(和MEG)源定位已广泛应用于识别涉及信息处理和任务执行的大脑区域，并在不同的神经和精神疾病中定位功能障碍区域。然而，全脑成像方法，特别是功能磁共振成像，已经使人们越来越认识到，大脑功能和功能障碍是基于形成大规模网络的不同区域之间的相互作用。这些相互作用是如何组织的，各区域如何相互交流，各区域如何传递和接收信息，以及精神疾病中这种交流是如何受到干扰的，这些问题已经成为神经科学研究的一个关键课题。由于血流动力学过程的缓慢，fMRI在解释神经元相互作用方面受到限制。EEG(和MEG)具有较高的时间分辨率，更适合于研究网络动力学和连通性。为此人们开发了许多具有不同性质的不同技术，在维纳-格兰杰因果关系或动态因果模型的框架下，使用有效的连通性度量可以估计相互作用的方向。它们主要用于评估头皮上电极对之间的关系，这种方法存在体积传导的问题和参考依赖性，并限制了大脑连接区域的可解释性。因此，有研究人员提出在解决源成像(逆)问题后，对源域进行功能连通性分析。这种方法可以更充分地描述大脑区域之间的相互作用。功能连通性分析，如结构方程建模，有向传递函数，部分定向相干和图论已被应用，允许从高时间分辨率脑电图(或MEG)直接映射大脑功能网络。

图6.3展示了EEG或MEG功能连接成像的方法。结合电源成像(ESI)和定向功能连接分析可以识别所研究网络的节点和节点间连接。ESI可以客观地确定网络节点，提取激活时间过程，并将其提供给定向功能连接分析，如格兰杰因果关系分析，以确定定向连接模式。

图6.3 脑电图/脑磁图(EEG/MEG)对功能连通性进行绘制和成像。

结合ESI和定向功能连通性分析，可以识别所研究网络的节点和节点间连接。ESI可以客观地确定网络节点，提取激活时间过程，并将其提供给定向功能连接分析，如格兰杰因果关系分析，以确定定向连接模式。

目前，已有许多不同的方法用于估计功能连通性，并已在传感器和源水平上应用于EEG和MEG。由于它们具有不同的特性，因此必须仔细评估它们对给定数据集的适用性，并且仍然需要使用模拟和基准数据进行验证研究。

4. 脑电成像的临床应用

脑电图源成像越来越多地应用于临床，用于定位功能异常的大脑区域和/或定位有效的皮层，以进行手术规划。关键的应用之一是癫痫，更准确地说，在术前评估患者的药物耐药性局灶性癫痫。脑电图成像已被证明是确定癫痫病灶、决定手术切除可能性或指导颅内电极放置的重要工具。

在接下来的部分中，我们将描述在临床和实验研究中应用脑电图源成像的研究案例。本文还描述了使用MEG代替EEG的研究，这两种模式测量相同的源并使用相同的定位方法，但是对不同类型的源的敏感性存在一些差异。

4.1 癫痫

癫痫患者脑电成像的主要目的是确定致痫灶。这有助于决定手术切除或消融病灶，或在必要时指导颅内电极的位置。

早期脑电图癫痫病灶定位应用等效偶极子模型。随后，许多不同的小组证明了偶极子拟合癫痫峰值的准确性。一些商业上可用的EEG分析包也将此工具添加到他们的分析软件中。偶极子拟合也成为临床MEG系统的标准，它已被FDA批准，并仍在广泛使用。然而，这种单点偶极子的解剖精度有明显的限制。然而，最重要的是，人们越来越认识到癫痫是一种网络疾病，癫痫活动在大规模网络中快速传播。识别这些网络节点和这些网络中的时间动态需要分布式源成像方法，允许识别多个源。

在过去15年的许多研究中，使用ESI已经可以对间断性尖状信号的精确定位。Sperli等人分析了30例手术后无癫痫发作的ESI患儿的标准(20个电极)临床脑电图。他们在90%的病例中报告了叶水平的正确定位，而PET和SPECT分别仅显示了82%和70%的正确定位。然而，他们也表明，更多数量的电极(在他们的案例中是128个)可以增加定位精度，特别是在颞叶癫痫中。使用高密度脑电图记录，Michel等人在32例患者中93.7%的叶水平上显示了正确的定位。在24例接受手术的患者中，ESI最大限度限制在切除区域内，即在叶下水平，占79%。Brodbeck等人，2010年分析了10例MRI正常的手术患者，其中8例在切除边缘内显示了正确的定位。Zumsteg等对15例近颞叶癫痫患者进行了ESI分析，并将其与卵圆孔电极同时记录的数据进行了比较。他们表明，卵圆孔电极观察到的19种不同局部电场模式中，有14种可以用ESI正确识别。这些结果表明，即使是近颞源也可以被头皮脑电图记录下来，并被ESI正确定位。此外，Brodbeck等人表明，ESI精度不容易受到病变导致的最终电导率不均匀性的影响。尽管脑损伤较大，但ESI在14例患者中有12例在切除区域内正确定位了spike活动(图6.4)。

图6.4 脑电图源成像对癫痫的定位。

这个例子显示了128通道脑电图记录的平均癫痫峰值。如图所示(A)所示为峰值上升阶段50%处的头皮电位图。该时间点的脑源通过分布式逆解(LORETA)和患者的MRI作为头部模型进行估计。最大活动出现在右侧额叶病变附近(B)。患者随后接受了手术，术后MRI显示(C)。在这名术后无癫痫发作的患者中，脑电图源最大值被正确定位在切除区域内。这种通过与手术切除面积比较来评估源估计正确性的方法，已经成为评估脑电图源成像灵敏度的几项研究的基础。

鉴于所有这些有前景的研究，Plummer等人在一项综述中得出结论，ESI在定位相关癫痫患者的常规检查中应该占有一席之地，但仍需要在更大的临床群体中进行前瞻性验证研究。2011年，Brodbeck等人对152例术后随访的手术患者进行了这样一项前瞻性研究，使他们能够观察ESI对癫痫病灶定位的敏感性和特异性。该研究表明，如果脑电图用大量电极(128 - 256通道)记录，并将单个MRI用作头部模型(SMAC头部模型)，其敏感性为84%，特异性为88%。这些值与结构MRI、PET和发作期/间歇期SPECT的值相比更好(图6.5)。当电极数量较低(<32个通道)和模板头模型时，ESI的敏感性和特异性显著降低。Lascano等人利用该数据库以及其他数据评估了术前评估中使用的所有常规成像研究(PET、SPECT、MRI)的预测价值，并将高密度ESI纳入该研究。190例接受手术的局灶性癫痫患者纳入研究，所有患者均使用高密度脑电图(128 - 256通道)进行记录。结果表明，结构MRI和高密度脑电图源成像是唯一两个有利的预后预测因素。结构MRI和HD-ESI结果一致的患者预后良好的概率为92.3%。Feng等人对43名颞叶癫痫患者进行了一项独立研究，记录了256通道脑电图，在亚叶水平上的敏感性为91.4%，特异性为75%，证实了这些结果。虽然源成像的精度可能与大范围切除的患者不太相关，但ESI如何精确定位癫痫病灶的问题与小范围切除相关。Meevand等人专门评估了38例患者的HD-ESI定位精度问题，这些患者后来接受了颅内脑电图监测。

图6.5 脑电图源成像的敏感性和特异性。

Brodbeck等人的这项研究评估了不同成像方式在耐药癫痫患者术前检查中的临床效果。共纳入152例术后随访至少1年的患者。一种方法的敏感性是通过评估该方法所提出的定位是否在术后无癫痫发作患者的切除区域内来确定的，而特异性是通过评估该方法所提出的定位是否在手术没有减少癫痫发作的患者的切除区域外来确定的。高分辨率脑电图(128 - 256电极)源成像(HR-ESI)具有最高的敏感性和特异性。基于标准临床脑电图(19 ~ 29电极)的脑电成像(LR-ESI)的准确率较低。

虽然现在有越来越多使用ESI定位癫痫峰的令人信服的结果，但是不断有人批评说，真正的癫痫发作区需要分析发作期活动，而不仅仅是发作间期活动。

Meevand等人在他们的38例有颅内记录的患者中显示，发作间隙区和被确定为属于癫痫发作区电极之间的中位数距离为0毫米。因此，用HD-ESI定位尖波也正确地识别了大多数患者的癫痫发作区，基于尖波的ESI最大值与癫痫发作区之间的中位数距离为17 mm。

使用ESI定位癫痫发作区域的问题是，癫痫发作活动的快速传播可能导致对癫痫发作区域的错误识别。早期研究应用相位校正频源分析来确定哪个区域首先开始发作，初始发作频率最突出。在Lantz等人的研究中，9例中有7例的优势频率源重建与颅内结果一致。然而，这种类型的简单频率分析不能捕捉非常快的传播，因为时间分辨率丢失了。时频分析在这方面可能更有前景。Yang等人使用时频域的独立成分分析来确定代表癫痫发作时节律性放电的脑地形图。这些地形图来源的定位与颅内记录确定的癫痫发作区密切对应。图6.6显示了两例颞叶癫痫和额叶癫痫患者的直接癫痫发作成像。Nemtsas等人过滤了癫痫发作时节律的主导频率的高密度脑电图，并在6名术后无癫痫发作患者中的5名患者中显示了该主导频率在切除区域的正确源定位。他们还发现发作期和间歇期源定位之间有93%的一致性，再次表明在大多数病例中，尖波定位与癫痫发作区相对应。虽然这些基于频率的方法非常有前途，但它们只适用于癫痫发作以持续同步节律性放电为特征的患者。功能性连接成像在癫痫发作源定位方面也显示出一定的优点。Ding等人报道了一项对一组患者20例癫痫发作的研究。在同一患者中，对使用扫描技术估计的源应用格兰杰因果分析，与结构MRI和SPECT相比，结果一致。Staljanssens等人最近还提出了一种替代方法，该方法基于源空间的功能连通性分析，并将外向连接数最高的源识别为癫痫发作发作区。虽然该方法在高密度脑电图(>200个电极)中显示出良好的结果，但在较低的通道计数(<128个电极)中则明显不太成功。

图6.6 癫痫发作的脑电图源成像：借助独立成分分析的高密度脑电图癫痫发作区电源成像(ESI)实例黄色是指通过时频分析确定的发作成分的无创ESI结果。

绿色表示患者术后MRI量化的手术切除区域。(A)和(B)是指两个病人的结果。术后随访1年，患者无癫痫发作。

患者临床检查的另一个高度感兴趣的主题是高频振荡(HFOs)，主要在80 - 500 Hz范围内。现在有大量关于HFOs的研究，表明HFOs在颅内脑电图中更频繁地出现在癫痫发作区或靠近癫痫发作区，甚至与手术结果相关。HFOs是非常集中和低振幅的，因此很难用头皮脑电图检测到，但最近的报告表明这是可能的，特别是当使用高密度脑电图时。Lu et al 和 Kuhnke et al分别证实了高密度脑电图对局灶性HFO事件的检测，并表明脑电图源成像可以正确定位。

越来越多的人认识到癫痫是一种网络疾病，这引发了一些研究，着眼于这些病理网络的不同节点之间的功能连通性。Wilke及其同事表明，格兰杰因果关系或图论可以极大地促进在间歇发作和癫痫发作时从颅内脑电图中分辨癫痫发作区。Ding等人证明，将这种方法应用于源空间数据可以成功地定位发作点，并将其与传播活动区分开来。Coito等人使用源空间中的另一种定向连通性测量(部分定向相干)来研究左颞叶癫痫和右颞叶癫痫的癫痫网络。结果显示，两组患者之间存在明显差异，右侧颞叶癫痫的双侧神经网络比左侧颞叶癫痫多。有趣的是，同一组也表明，在静息的脑电图中，相同的病理网络是活跃的。这项研究表明，癫痫网络可能在癫痫活动之外也很活跃，并可能解释癫痫患者的神经心理和认知功能障碍。

图6.7显示了一例颞叶癫痫患者使用EEG和MEG源成像和功能连接定位原发性癫痫源的例子。在该患者中观察到两种类型的间断性峰值(脑电图和MEG均可观察到)。当对平均峰值进行逆问题求解时，一种提取的峰值定位于颞区，另一种提取的峰值定位于左侧顶枕区。使用EEG和MEG峰值发现的感兴趣区域彼此重叠得很好。图6.7A的两个图之间的箭头表示从连通性分析得出的信息流，从癫痫活动主要源指向次要源。从图6.7B的信息流方向和总流出量(两个节点之间)对比也可以看出这一点。在该患者中，ROI1向ROI2显示了显著的信息流，而从ROI2到ROI1则没有这种显著性。因此，位于左颞叶的ROI 1被确定为主要来源。图6.7D为术后MR图像，红线标出手术切除区域。结果表明，E/MEG源成像结果和连通性分析结果与临床结果吻合较好，可用于定位引起癫痫发作的原发性癫痫源。

图6.7 从颞叶癫痫患者的间期峰识别癫痫网络。

(A)峰值(蓝色来自EEG，绿色来自MEG)估计的来源，以及感兴趣的两个区域的方向因果关系。

(B)皮层模型描述的两个ROI之间的信息流动方向和总流出量的比较。

(C)两个ROI之间DTF值的统计检验结果。红线以上的DTF值显著，P值<0.05。

(D)术后MR图像为红色虚线，皮质模型为红色椭圆。该患者患有左颞叶癫痫，切除后无癫痫发作。

4.2 手术计划

EEG/MEG源成像的另一个重要的潜在临床应用是脑外科手术规划中脑皮质的定位，无论是切除脑肿瘤还是癫痫病灶。虽然最大限度地切除是手术成功的关键，但切除的范围不应威胁神经功能或生活质量。因此，为了使手术尽可能彻底和精确，在术前规划时，切除有用区附近的病灶和有用的区(即感觉运动皮层，语言区)都需要精确定位。目前最成熟的术前脑皮层定位的非侵入性方法是功能磁共振成像，特别是感觉运动区域的定位。然而，此方法也存在一些缺点，除了由于技术原因(运动伪影、扭曲、系统不稳定等)导致相对较高的遗漏率外，在脑损伤的背景下，最重要的问题是血管活性的改变可能导致神经血管解耦，并错过依赖于血氧合水平的激活。因此，在给定区域中缺乏fMRI活动并不一定表明该区域不包含在函数中。EEG/MEG源成像在这方面可能更有前景。

然而，在术前规划中使用脑磁图和脑电图源成像来定位脑皮质的情况并不多见。高分辨率MEG系统已经上市较长时间，因此在一些研究中被用于这一目的，特别是用于感觉和运动皮层的定位。这些研究采用单偶极子定位方法，总体上显示出良好的定位结果。最近，在个体真实的头部模型中，通过HD-EEG和源成像证明了体感觉皮层的精确定位。受试者采用气动刺激拇指，体感诱发电位(SEPs)计算并使用分布式逆解进行定位。结果与fMRI和颅内SEP和DCS进行比较(图6.8)。研究表明，SEP的ESI精确定位于初级体感觉皮层，且个体间差异很小。ESI和fMRI的对比显示，除了内外侧方向外，其余差异较小，因为SEP（体感诱发电位）最大值在40 ms潜伏期时比fMRI最大值系统地定位在皮层更深的地方。这可以解释为SEP的早期峰值来自于3b区(包括中央后回的前壁)的激活，而fMRI缺乏时间分辨率，主要是1区和2区的激活，因此比SEP获得了更侧向和更后部的激活。无创与有创方法比较，fMRI更接近颅内SEP，而ESI更接近DCS位置。Klamer等人的一项独立研究证实，与作为金标准的fMRI相比，高密度脑电图对体感觉皮层的定位精度更高，并再次显示脑电图的定位更接近内侧。有趣的是，这些作者比较了高密度脑电图源成像(256通道)和MEG使用相同的刺激方案。他们发现，脑电图的定位明显更接近于功能磁共振成像，但前提是使用个体真实的头部模型，这再次证实了真实的头部模型对于脑电图源成像的重要性。

图6.8 脑电成像对脑皮层的定位。

比较了个体患者体感皮层的定位，包括体感诱发电位(SEP)源成像、硬膜下网格接触直接电刺激的皮质成像和SEPs的颅内记录。这三种方法之间有很高的一致性。 感觉诱发电位(EPs)的源定位不仅可以定位大脑皮层，还可以识别和定位各种神经系统疾病的脑部病变。Lascano等人在最近一篇关于EPs临床使用的综述中得出结论:“基于多通道脑电图记录的EPs，被称为高密度EPs，有助于更好地区分健康受试者和患者，此外，它们提供了关于病变部位的有价值的空间信息。”

5. 总结

本文介绍了脑电源定位的基本原理和研究进展。基于头皮脑电图的脑神经元活动定位已经从一个球内等效偶极子的粗略估计成熟到电流密度分布的解剖学精确定位。一些重要的发展起到了极大的帮助：高密度电极阵列，基于MRI的个体头部模型，以及分布式逆求解方法是最重要的。EEG源成像不仅可以在给定的时间实例中精确地定位源，而且EEG的高时间分辨率还可以观察大规模大脑网络中的信息流，并获得这种网络区域相互通信方式的新见解。

基于高密度脑电图的脑电图源成像是目前许多研究正常脑功能的实验实验室的标准。但是，这种方法也进入了几个临床实验室，用于定位异常的大脑功能和网络。最重要的是脑电图源成像在术前癫痫评估中的应用。虽然脑电图仍然是癫痫诊断的基石，但使用本章中描述的方法对这些信号进行高级分析，可以使脑电图与用于评估这种疾病的其他脑成像方法处于同一水平。这些方法应用于其他病理以及手术前功能区皮质的功能定位，现在是触手可及的。