Oscillatory TMS-EEG-Responses as a Measure of the Cortical Excitability Threshold 论文精读

Oscillatory TMS-EEG-Responses as a Measure of the Cortical Excitability Threshold 论文精读

​

1.Proposal

In the present study, we assessed changes in cortical
synchronization, as measured by ERSP and ITC, with TMS at different stimulation intensities targeting the M1. We hypothesized that ERSP and ITC responses in M1 will exhibit SI-dependent behavior, which could enable future assessment of cortical excitability threshold using oscillatory TMS-EEG responses instead of the conventionally used rMT.

ERSP（event-related spectral perturbation）：反映的是时频域内能量的变化，即相对于基线能量值升高（ERS）或降低（ERD）。

ITC（inter trial coherence）：反映的是相位的变化，ITC是指同一过程的多次试验之间的局部相位一致性，ITC越接近1，说明相位锁定越好，ITC越接近0，说明没有相位锁定。

Methods

Data recording

EEG信号：
采集如图所示的9个通道的数据，并且通过0-1000hz的带通滤波。

MEG信号：
使用集成的 eXimia EMG 设备记录双手第一背侧骨间骨 (FDI)、拇短外展肌 (APB) 和小指外展肌 (ADM) 的 EMG。

TMS-EEG Experiment

The location with the highest amplitudes of MEPs, the so-called FDI hotspot, was then used to identify the rMT using the TMS Motor Threshold Assessment Tool 2.0 [10]. Next, pulse trains containing 150 pulses with the inter-trial interval (ITI) randomized between 2.5s and 3.5s were delivered to the FDI hotspot at the dominant M1 with SIs of 60%, 80%, 100% and 120%rMT. For comparison purposes, the non-dominant M1 was stimulated with a 150-pulse train with 2.5–3.5s ITI at 100%rMT. The order of the pulse trains was randomized.
将包含 150 个脉冲的脉冲序列（ITI）随机分配在 2.5 秒和 3.5 秒之间，以 60%、80%、100% 和 120%rMT 的 SIs 传送到占主导地位的 M1 的 FDI 热点。 出于比较的目的，非优势 M1 受到 150 脉冲序列的刺激，ITI 为 2.5-3.5 秒，100% rMT。 脉冲串的顺序是随机的。

Statistical Analysis

在每个时间窗口中，SI 和 FREQ 对 ERSP 和 ITC 值的影响通过双向重复测量方差分析估计。为了满足球形假设，需要时应用温室-盖瑟校正。使用具有 Bonferroni 校正的事后配对样本 t 检验来评估连续刺激强度之间的差异。
SIs 之间ERSP 和ITC 值的一致性用组内相关性（ICC）估计。使用具有一致性类型的双向混合模型来确定单项措施的 ICC。对于所有 SI，在 30 个试验窗口中分析了 SI 内试验期间 ERSP 和 ITC 响应的稳定性。这是通过使用具有单一测量和绝对一致性的双向随机模型计算窗口之间的 ICC 来完成的。
中值 MEP 振幅与 ERSP、ITC 和 TEP 峰值振幅值之间的关系使用 Spearman 等级相关性 (rho) 进行评估。
100%rMT 时 ERSP、ITC 和 TEP 的半球间差异和关联通过 Pearson 相关系数 ® 和应用于三个时间窗口中平均值的配对样本 t 检验进行评估。

RESULT

首先对不同刺激强度下的诱发脑电图做ERSP和ITC分析。通过对图上的信息可以发现，ERSP和ITC有明显的依赖性，在30ms最为明显.
右图为ERSP和ITC在时间域上的均值和方差。
灰色阴影区域对应于 ERSP 和 ITC 值与0时刻之差的有显著差异性的部分(p < 0.001，Bonferroni 校正；通过在 0 到 300 毫秒的 5 毫秒非重叠时间窗口中为 ERSP 和 ITC 运行单独的单向方差分析计算得出）

​
通过双向重复测量方差分析结果可以知道，各组的组间平均值区别很大，显著性水平都低于0.05，除了20-60ms，FREQ和FREQ x SI的ERSP值，他们显著性水平高于0.05，组间差异没那么大。
分析方法：第一个数据，将不同频率段的ERSP进行方差分析，可以发现他的p大于0.05，说明他们的组间差异并不明显。
方差分析
方差分析参数解读
F值：检验的统计量，组间差异/组内差异
p值：显著性水平
p>0.05,各组数据之间没有显著差异，
p<0.05，各条件下的数据有显著差异。

事后比较表明，对于 ERSP 和 ITC，连续 SI 之间的大部分显着差异都存在于 20-60 毫秒的时间窗口内（图 4）。 在所有分析的时间窗口中，ITC 的差异比 ERSP 的差异更大。而且在ITC中有个线性的关系。
分析方法：事后比较法配对ttest。比如我们对20-60ms 8-70hz的ERSP数据求均值，然后对不同SI下的求配对T检验，看两组之间的差异，结果发现p<0.05，所以60%rmt和80%rmt 之间有显著的差异。
每个bar代码他们各自的时域以及频域上的均值，黑线代表均值标准误差，*代表显著性水平。
标准差与标准误差

主要发现了 ITC 的 SI 依赖性（8-70 Hz，20-60 ms；SI 之间的值一致，ICC = 0.78，p < 0.001；图 5a）以及 ITC 在 100% rMT 时的稳定性（ ICC = 0.97，p < 0.001)。 对于 TEP 峰 P30（ICC = 0.39，p <0.005；图 5b）和 N100（ICC = 0.15，p > 0.05；图 5c），观察到显着较低的 ICC 值。
每个 SI 中有 150 个刺激，不包括 60%rMT 的最低 SI，其中 EEG 响应几乎不可见。 例如，在 100%rMT 时，ERSP 和 ITC 的稳定性测量 ICC 的范围为 ICC = 0.66-0.97，FREQs 8-70 Hz、8-13 Hz 和 13-30 Hz，ICC = 0.48-0.87 对于所有时间窗口内的 30-70 Hz 频段。 在 20-60 ms 窗口中，包括 ERSP 和 ITC，所有 FREQ 的范围为 ICC = 0.84-0.97
分析方法：ICC
比如第一幅图，描述了不同trail下的ITC值，我们取了不同si下，不同实验下的ITC值，然后计算组内的ICC，刻画ITC与si变化的一致性。

图六显示了运动响应和皮层兴奋性的关系，使用spearman相关系数，表明在 8-70 Hz 频带中，中值 MEP 值与 20-60 ms 的 ITC 之间呈正相关（rho = 0.72，p < 0.001）（图 6a）。 观察到 P30（rho = 0.69，p < 0.001；图 6b）和 N100（rho = -0.63，p < 0.001；图 6c）的相关值较低。

最后分析了左右半球的区别，在 100%rMT 时，ERSP、ITC 和 TEP 的半球间差异和关联使用 Pearson 相关系数 ® 和应用于三个时间窗口平均值的配对样本 t 检验进行评估
总体来看他们的相关系数很高，利用配对检验也没有没有显著区别

Discussion

在本研究中，我们利用健康志愿者的导航 TMS-EEG 测量来评估皮质振荡反应的 SI 依赖性，以评估它们作为皮质兴奋性阈值的潜在用途。以 ERSP 和 ITC 为特征的皮层同步水平是根据 TMS 测量的，该 TMS 应用于具有不同 SI 的运动皮层。在 20-60 ms 时间窗口内发现了最强的同步，具有线性 SI 依赖性（图 3 和 4）。
作为主要结果，我们在 20-60 毫秒内确定了 ITC
时间窗口和 8-70 Hz 频带作为测量皮质兴奋性阈值的最有潜力的候选者，原因有以下三个：1**）早期反应**（<45 ms），2）在 ITC 中有更明显的 SI 依赖性和更小的方差响应比在所有频率和时间窗口中看到的 ERSP 响应，3) 不同的皮质区域具有不同的 TMS 诱发振荡的特征频率 [28] 这表明最宽的频带可能最适合于一般应用广泛的皮质区域。此外，与 P30 和 N100 峰值相比，ITC（8-70 Hz，20-60 ms）比 TEP 峰值更可取，因为它提供了近似线性和更一致的 SI 依赖性以及与 MEP 的略微更高的相关性。

参考文献：
https://ieeexplore.ieee.org/document/8125707