Prestimulus cortical EEG oscillations can predict the excitability of the primary motor cortex精读

Prestimulus cortical EEG oscillations can predict the excitability of the primary motor cortex

刺激前的皮层脑电振荡可以预测初级运动皮层的兴奋性。

摘要

背景
单脉冲经颅磁刺激(TMS ) 引起的运动诱发电位(MEP)在静止状态下变化很大，但这种振幅变化的潜在机制在很大程度上是未知的。我们假设刺激前 EEG 振荡以状态相关的方式调节随后的 MEP。

对象
我们研究了睁眼 (EO)/闭眼 (EC) 条件下预刺激 alpha/beta 振荡与 MEP 之间的关系，然后在 EO 条件下调制 TMS 强度。此外，我们开发了一个 EEG 触发的 TMS 系统（“知情开环”）来验证我们的假设。

方法
TMS 应用于左侧运动皮层。我们首先比较了使用高 TMS 强度时 EO 和 EC 条件下高振幅和低振幅 MEP 时期之间的 EEG 功率差异。接下来，我们评估了不同 TMS 强度（高与低）对 EEG-MEP 关系的影响。最后，我们使用 EEG 触发的 TMS 来确定刺激前 EEG 振荡是否预测 MEP 幅度。

结果
仅在高强度 EO 条件下，预刺激高功率 alpha/低 beta 波段才会产生更大的 MEP。在 C3 和左额电极处观察到 EEG 功率和 MEP 幅度之间的正相关关系。当使用较低的 TMS 强度时，这种关系变得模糊，但在 C3 电极的高强度条件下观察到。EEG 触发的 TMS 表明，较高的 alpha 功率预测较高的 MEP 振幅，但 20 Hz 左右的 beta 功率则没有。

结论
阿尔法/低贝塔振荡和静息时 MEP 振幅之间的因果关系需要在眼睛睁开时提供高 TMS 强度。这种关联可能使我们能够开发一种新的知情开环 TMS 协议。

介绍：

目前运动诱发电位 (MEP) 振幅反映初级运动皮层(M1) 和脊髓的兴奋性，脑电图 (EEG) 被广泛用于测量皮层活动。此外，睁眼 (EO) 和闭眼 (EC) 状态不仅决定对枕叶皮层的视觉输入，而且还调节全局连接 [ 19 ]。MEP 通常在 EO 状态期间被记录以确保参与者的警惕性。然而，如果 EEG 信号和 MEP 幅度之间的关系取决于静止时的 EO/EC，那么考虑这两个条件很重要。迄今为止，虽然一些研究报告了 EO/EC 对 M1 兴奋性的影响 [ [20]、[21]、[22] ]，但 EO/EC 状态如何影响 EEG-MEP 关系仍然未知。

基于这些发现，我们的第一个目标是确定在 EO 和 EC 条件下，以 SI 1mV强度提供 TMS 时，刺激前 EEG α/β 波段振荡与 MEP 振幅之间的关系。在第二个实验中，我们比较了在 EO 条件下由高 (SI 1mV ) 和低 (RMT) TMS 强度产生的 MEP 振幅。最后，TMS 调制（如知情开环或闭环刺激）最近获得了关注 [ [23]、[24]、[25] ]。知情开环是指刺激参数（例如时间或强度）的状态相关调整，而闭环是指基于参与者反馈的刺激参数调整 [ 25]。这些被认为有可能提高 NIBS 的功效。因此，在第三个实验中，我们开发了一个 EEG 触发的知情开环 TMS 系统来验证第一和第二个实验的结果。我们还希望知情的开环 TMS 设置有助于设计用于神经调节的新 NIBS 协议。

方法

MEPs

(A) 在实验 1 中，参与者被合成语音指示在 2 分钟的会话中睁开或闭上眼睛 30 秒，同时将TMS传送到他们左侧的 M1 靶点。每个会话包含 20 个脉冲，EO 和 EC 条件各 10 个，每个参与者至少完成 10 个会话。(B) 在实验 2 中，以伪随机顺序管理高强度 (SI 1mV ) 或低强度 (RMT) TMS。

EEG记录
使用了easycap记录19个电级，前额接地电极，耳垂作为参考电极。

实验一 EO 和 EC 对 EEG-MEP 关系的影响

参与者坐在带头枕的舒适椅子上，并被指示在大约 2 分钟的记录过程中放松肌肉，并提供视听反馈。在一次会话中，每 30 秒通过合成语音指示参与者睁开或闭上眼睛。在每条 EO/EC 指令后五秒，TMS被传送五次，刺激间隔从 5 秒到 7 秒不等。每个会话提供 20 个 TMS 脉冲，每个 EO/EC 条件下有 10 个脉冲（图1A）。强度设置为诱导 0.5–1.5 mV 幅度（SI 1mV） 在休息。条件顺序（EO/EC）在每个会话中被颠倒，并且开始条件（EO或EC）在参与者之间被平衡。每个参与者记录了 10 到 11 个会话，其中每个条件至少包括 100 个 MEP 和 EEG 时期。音频指令和 TMS 开始时间由 Psychopy [ 26 ] 控制。（python开源软件）

数据分析
使用 EEGlab 进行预处理。根据每个参与者的 MEP 中值，将 EEG 时期分为两个相等大小的组（高或低 MEP 幅度）。因此，对于每个参与者，高振幅和低振幅纪元的数量几乎相同。在对每个条件下的功率值进行对数转换并对其进行平均后，我们通过从高振幅时期的平均功率值中减去低振幅时期的平均功率值来估计高幅度和低幅度 MEP 时期之间的 EEG 功率差异。这是针对每个时间点、每个频率和每个电极进行的。因此，特定时间、频率和电极的结果值表明高振幅 MEP 时代的 EEG 功率是否高于低振幅 MEP。
统计分析
我们使用配对 t 检验分析了高振幅和低振幅 MEP 时期之间的功率差异。 根据时间（-500 到 0 毫秒）、频率（8-30 赫兹）和电极的相邻性，形成了显着差异 ( p < 0.05) 的集群。然后，每个集群的 epoch 被随机化 5000 次，以使用基于集群的置换测试 [ 31 ]来估计小于 0.05 的概率，其中通过比较最大集群的统计数据（总 t 值）来估计 p 值使用蒙特卡罗方法构建的统计直方图. 然后，通过将第二个集群与用于最大集群的相同直方图进行比较来计算第二大集群的 p 值。这种技术解决了多重比较的问题。对 EO 和 EC 条件进行了相同的分析。使用线性混合效应模型比较 EO 和 EC 条件下的 MEP 和刺激前 EMG 振幅，该模型具有 EO/EC 条件的固定效应和参与者的随机效应。对每个参与者的原始振幅（而不是平均振幅）进行了分析。小于 0.05 的 p 值被认为对所有分析都是显着的。如果未指定，数据表示为平均值±平均值的标准误差。

结果
在高振幅和低振幅MEP时期之间比较了TMS开始前 8 到 30 Hz 和 -500 到 0 ms 的功率值。在 EO 条件下，α/低β 波段中 C3 处的高振幅 MEP 时期的功率更高（图 3A）。
C：在EO条件下功率差异是显著的，一个显著的簇分布在c3和左前区，-200ms-0ms,alpha/低beta频段。

实验 2. 高低 TMS 强度对 EEG-MEP 关系的影响

我们为实验 2 招募了 26 名参与者（11 名女性；平均年龄：24.8 岁；范围：20-40 岁；2 名左撇子），其中有来自实验 1 的 7 名参与者。整个录音过程是作为 EO 条件进行的所有参与者，TMS 强度设置为高强度 (HI, SI 1mV ) 或低强度 (LO, RMT)。RMT 被确定为在 10 次试验中至少有 5 次引起 MEP > 50 μV 的强度。在持续约 2 分钟的会话中，20 个 TMS 脉冲由 10 个 HI 和 10 个 LO 脉冲组成，以伪随机方式传送（图 1）B)。TMS 强度和时间由 Pulse Timer (Medical Try System, Tokyo, Japan) 控制。每个参与者完成了 10 到 11 个会话，并且从每个录音中获得了至少 100 个 HI 和 100 个 LO 时期。EEG 和 MEP 数据的处理方式与实验 1 相同。分别分析来自 HI 和 LO 条件的数据。

结果：
HI 条件的 TMS 强度为 52.3 ± 9.7%，LO 条件的 TMS 强度为 43.0 ± 6.3%。HI 条件下的 TMS 强度平均为 RMT 的 121%。HI 条件下的 EEG epoch 平均数为 94.6 ± 8.6（平均值 ± SD），LO 条件下为 95.4 ± 8.3。数据由 HI (757.1 ± 239.3 μV) 和 LO (46.7 ± 29.2 μV) 条件的 MEP 中值分隔。当在 HI 条件下评估功率差异时，如在实验 1 的 EO 条件下，在 C3 电极处观察到更高的 EEG 功率，用于 alpha/low-beta 波段（图 4A）。因此，当使用 SI 1mV的强度时，α/低β波段对于高 MEP 振幅比低 MEP 振幅具有更高的功率，如实验 1 中所示。相反，当 TMS 强度在 LO 条件下降低到 RMT 时，功率差异是不明确的（图4B） ）。与实验 1 类似，虽然 C3 电极的相关系数也为正，但它们通常较低并且没有统计学意义（补充图 S3）。功效差异的聚类置换测试表明 HI 条件没有显着的聚类。然而，当我们根据实验 1 中的结果将 EEG 功率估计限制在 alpha/low-beta 波段（10–15 Hz）时，在 TMS 发作前的 -200 到 -100 ms 的 C3 和 P3 处检测到一个重要的集群在 HI 条件下（图 4C，p  = 0.0494）。在排除也参与实验 1 的 7 名参与者后，这仍然显着（p  = 0.0194），表明不同的样本群体可以产生与实验 1 中的 EO 条件相当的结果。但是，没有观察到显着的集群LO 条件，无论我们是否限制了频率范围。因此，结果表明 EEG 和 MEP 之间的关系取决于 TMS 强度。HI 条件下的平均刺激前 EMG 幅度没有显着差异 ( p  = 0.27)。相比之下，LO 条件（2.20 ± 0.17 对 2.02 ± 0.17 μV，p  = 0.001）观察到一个小但显着的差异。

实验 3 EEG 触发的 TMS 系统

我们为这项研究招募了 18 名参与者（3 名女性；平均年龄：26.1 岁；范围：21-47 岁；1 名左撇子），其中 5 名参加了实验 1 和/或 2。图 2显示实验设置。在这个实验中，C3 和四个周围的电极（F3、T3、P3 和 Cz）连接到头皮上，头皮参考相连的耳垂。选择 C3 是因为它在实验 1 和 2 中表现出与 MEP 振幅的显着关系，并且因为 C3 是最接近 TMS 线圈的电极。MEP 电极以与实验 1 和 2 相同的方式连接。 EEG 和 MEP 信号由 Neuropack 8 放大，带通滤波器为 EEG 为 1-200 Hz，MEP 为 10-500 Hz。EEG 和 MEP 数据使用 A/D 转换器（USB-6009，National Instruments，Austin，TX，USA）以 1000 Hz 的频率进行数字化，然后传输到 Windows PC 进行在线处理。使用 Matlab 2015b（Mathworks，Natick，MA，USA）中的数据采集工具箱进行信号处理。

（左上面板）EEG 触发的 TMS 设置。在 C3 电极和我们周围的电极（F3、T3、P3 和 Cz）上记录 EEG。然后，C3 信号减去周围四个电极信号的平均值，通过 A/D 转换器以 1000 Hz 的采样率传输到 Windows PC。该信号被分割为 1 s 时期（“分割”），每 0.1 秒通过快速傅立叶变换（“FFT”）将其转换为新的功率谱。当功率达到预定的高功率或低功率阈值（“阈值”）之一时，触发脉冲被传送到 TMS 发生器以获得MEP（“MEP”）。
使用来自四个周围电极的记录重新引用 C3 的 EEG 数据，如 Hjorth 蒙太奇 [ 29 ]。因此，在以下程序中仅分析了C3处的数据（图2 ）。通过快速傅立叶变换计算脑电功率使用 1-s 数据箱实现 1-Hz 分辨率，每 0.1 s 更新一次；因此，0.9 秒的数据重叠。根据实验 1 和 2 的结果选择了 alpha 和低 beta 波段（10–15 Hz）的感兴趣频率，并在 1 分钟的准备会议中通过记录和平均 EEG 功率谱在在EO条件下休息。在 12 名参与者中确定了峰值，范围从 10 到 13 Hz。以同样的方式，将 18-24 Hz 频段设置为对照，并在 12 名参与者中确定了 19-24 Hz 的峰值。对于未观察到清晰峰值的其余参与者，我们使用 10 Hz 的 alpha 频段和 20 Hz 的控制频段。使用 EEG 触发的 TMS 进行 MEP 记录，每次进行 2 分钟。在每个会话中，当功率超过上限或下限阈值时传送 TMS。阈值在每次会议之前确定，并基于下限的第 10 个百分点和上限的第 90 个百分点（基于前面一分钟的功率的平均值）。当产生一个触发脉冲时，下一个触发被停用至少 4 秒以等待下一个 TMS。至少进行了 5 个会话，以在高功率和低功率条件下分别获得 40 多个 epoch。

数据分析
当在刺激前 EMG 或 EEG（每个参与者少于 5 个时期）中目视观察到过多的伪影时，时期被排除在分析之外。 计算每个时期的对数转换 MEP 振幅。 如实验 1 和 2 所示，刺激前 EMG 振幅被估计为 TMS 发作前最后 100 毫秒的均方根。
MEP 和刺激前 EMG 振幅在高功率和低功率条件下是分开的。 使用具有 EEG 功率条件的固定效应（两个级别：高或低功率）和考虑参与者依赖性的参与者的随机效应的线性混合效应模型分析这两种条件的每个振幅。
对每个参与者的原始振幅（而不是平均振幅）进行了分析。 分别分析了 Alpha 波段和 Beta 波段（大约 20Hz，控制频率）。

基于实验 1 和 2 的结果，我们开发了一个带有 EEG 触发 TMS 的知情开环系统，用于在 C3 的 alpha 功率高或低时通过提供 TMS 来估计 EEG 振荡对 MEP 振幅的影响（图2）。当功率值达到预定的高功率或低功率阈值时，传送 TMS 并记录 MEP。从 EEG 采集到 TMS 触发的延迟为 175.7 ± 26.1 ms（平均值 ± SD）。图 5a显示了代表数据的功率谱，其中系统在 alpha 频带和控制频带检测到高或低功率。所有参与者的 EEG 功率值成功地分为高功率或低功率条件（图 5）b)。MEP epoch 的平均数在高功率条件下为 48.2 ± 3.6（平均值 ± SD），在 alpha 波段下为低功率条件下为 45.3 ± 2.8，高低为 45.7 ± 5.2 和 45.9 ± 4.2 -功率条件，分别在控制频带。EEG α 功率高时的 MEP 幅度显着高于 EEG 功率低时的幅度（图5c，p  = 0.011）。在排除参与其他实验的五名参与者（p  = 0.009）后，这也是正确的，从而在不同的人群中复制结果。相比之下，功率高时控制频段的 MEP 幅度与功率低时的幅度没有显着差异（图5B，p  = 0.241）。因此，知情的开环 TMS 强调了与后续 MEP 幅度相关的刺激前 alpha 振荡的重要性。对于 alpha 波段 ( p  = 0.976) 或控制频段 ( p  = 0.825)，预刺激 EMG 在高功率和低功率条件之间没有显着差异。

讨论：

我们在调节条件（EO 或 EC）和TMS强度（高或低）时研究了 alpha/低 beta 波段中的刺激前 EEG 功率与MEP振幅之间的关系。分析表明，阿尔法/低贝塔功率范围内的脑电图振荡反映了 M1 静止时的兴奋性。此外，EO 状态和 SI 1mV的 TMS 强度对于估计 EEG-MEP 关系很重要。EEG 触发的 TMS 系统证实，较高的 alpha 波段功率预测较高的 MEP 幅度，并且在控制频率上未发现这种关系。因此，EEG-MEP 关系很可能以状态相关的方式进行调节。

更高的 MEP 振幅需要更大的 EEG 振荡

据报道，手部运动会导致外侧区域的 α 功率降低，但不会引起与腿部运动相关的中线区域 [ 32 ]。使用电流源密度可减少体积传导的拖尾效应，并且对局部活动更敏感 [ 33]]。因此，在我们的结果中观察到的 alpha/low-beta 振荡可能反映了手部感觉运动区域的活动。
很多研究表明alpha与MI兴奋呈现负相关，而和本文的结果不符合。二者最大的区别就是我们是在静息情况下测量的EEG和MEP，而不是在运动任务期间。所以这种矛盾的结果表明EEG振荡和M1兴奋性的关系可能因任务而异。据报道，α 振荡主要来自 S1，β 振荡来自 M1 [ 36 , 37 ]。因此，以 alpha/低 beta 振荡测量的 S1 活动，可能会影响 M1 的兴奋性。

M1 和 S1 具有密切的相互关系，因此一个区域的活动会影响另一个区域的活动。例如，MEP 受到感觉刺激的抑制，例如短暂的传入抑制 [ 38 ]。此外，一些研究报告说 S1 抑制 M1 兴奋性 [ 39 , 40 ]，尽管这不是结论性的 [ 41 , 42 ]。如果 alpha 振荡反映 S1 活动，并且如果 S1 抑制 M1 活动，那么高 MEP 振幅与 alpha/低 β 波段中的更高功率（即较低的 S1 活动）之间的关联可能是由于 M1 的去抑制。

EO/EC 状态的影响

在实验 1 中，仅在 EO 条件下观察到更高的 alpha/低 β 波段功率预测更高的 MEP 振幅的发现。先前的研究表明，EO 状态要么降低 [ 21 ]，要么增加 MEP 振幅 [ 18 , 20 ]。然而，之前没有研究检查 EO 和 EC 状态对 EEG-MEP 关系的影响。由于 EO 和 EC 条件之间的平均 MEP 振幅差异相当小，它们似乎不太可能对当前结果产生重大影响。

EO/EC 状态可能与涉及感觉运动皮层的皮层网络相互作用。视觉刺激抑制枕骨α 波并增强mu 节律[43,44]。徐等人。(2014) [45] 报道了 EO/EC 条件调节功能性大脑网络，并可能表明外感受和内感受网络之间的转变。因此，通过 EO/EC 条件在外感受/内感受网络之间转换可能会影响感觉运动网络，从而调节 EEG-MEP 关系。或者，枕骨 alpha 在 EC 状态下占主导地位，这可能会污染中央 alpha 振荡。然而，我们使用源推导来改善振荡的定位 [ 33 , 46]。此外，在 EC 条件下，枕部区域没有发现差异。这意味着在 EC 条件下，高 MEP 幅度时期和低 MEP 幅度时期之间的枕骨 alpha 功率具有可比性。综上所述，我们认为 EO/EC 差异是由皮质活动的相互作用引起的，并且需要睁开眼睛才能看到中央 alpha/低 β 振荡来预测 M1 兴奋性。（在ES条件下，枕骨alpha可能会污染中央alpha，所以EO可以更好的预测M1兴奋性）

TMS 强度影响 EEG-MEP 关系

我们发现 TMS 强度对于观察 EEG-MEP 关系也很重要。当使用 SI 1mV的强度而不是 RMT 的较低强度时，在它们之间观察到显着的关系。先前的研究报告称，在 RMT [ [12]、[13]、[14]、[15] ]的 TMS 强度下，中频 β 和 α 波段的较低 EEG 功率预测较高的 MEP 幅度，并且 对于TMS在相对较弱的强度 (110% RMT) 下EEG 和单脉冲 MEP之间没有发现显着联系。在 RMT 时，β 波段 EEG 和 MEP 振幅之间呈负相关，但在高达 150% RMT 的更高强度下没有显着关系。从这些结果来看，T**MS 强度较低时负相关关系很明显，但这可以在较高强度下被掩盖。**如上一节所述，更大的区域（如 S1）会受到更高强度刺激的影响。相比之下，较弱的 TMS 只会影响 M1，不会激活对 M1 的 S1 抑制控制。因此，在低强度条件下，EEG 振荡和 MEP 振幅之间的关系会变得模糊。勒佩奇等人。(2008) [ 8] 发现使用高强度 (SI 1mV ) 静息时中端 β 波段 EEG 和 MEP 之间存在负相关。但是，他们的方法和我们的方法有一些不同。例如，他们使用双相脉冲，而我们使用单相脉冲。主要电流在双相脉冲和单相脉冲之间反转，这会导致对 I 波的不同影响 [ 47 ]。需要进一步的研究来检查这些因素对 EEG-MEP 关系的影响。

EEG 和 M1 兴奋性的知情开环估计的有效性

我们发现 EEG 触发的 TMS 还表明较大的 alpha 振荡预测较高的 MEP 振幅。闭环，并通知开环NIBS已经在文献[近期热点18，24，25，48，49 ]。例如，一些研究在各种任务中采用了使用 β 波段的 EEG 触发的 M1 刺激 [ 24 , 49 ]，监测减少的振荡以触发 TMS。有趣的是，Thies 等人。[ 18] 报告了左中央区域的个体 alpha 功率与 MEP 振幅之间的弱正相关。这些结果部分支持我们的发现。我们对他们研究的扩展表明 alpha 波段比 20 Hz 左右的控制频带更重要。此外，我们的方法在几个方面与他们的不同。例如，他们在记录期间不断更新频率，并强调对传递 TMS 的短延迟进行精确时间控制，而我们没有评估参与者的个人 alpha 峰值，也没有在录音期间更新频率。尽管我们在本研究中使用了一种更简单的算法来估计 EEG 功率，但我们仍能够证明 EEG 触发的 TMS 在延迟约 175 ms 时很有用。这可能是因为幅度调制缓慢，正如在 alpha 振荡的增减中所观察到的那样。
我们的结果可能意味着早在 -200 ms 的 alpha 波段 EEG 振荡就反映了 M1 兴奋性。然而，我们假设在刺激之前延长时间段将使我们能够确定最能影响刺激前 EEG 振荡和 MEP 振幅之间关系的精确频率和时间。因此，我们预计未来的研究将使用更长的时间段来证实我们的发现。

限制

应该注意的是，我们使用了少量的通道。因此，即使使用来源推导，空间特异性也可能是有限的。实验1中EO条件下的EEG振荡在地形上分布在左额中央区，而实验2中HI条件下的EEG振荡分布在左侧中央顶区（图3、图4））。因此，虽然我们获得了支持性数据，但实验 2 无法完全证实实验 1 的结果。

我们分析的时间精度是有限的，因为小波分析在实验 1 和 2 中需要数百毫秒，而在实验 3 中使用 1 s 时期进行 EEG 分析。此外，我们只研究了两个频段，10 Hz 左右的 alpha 和 20 Hz 左右的 beta。因此，应探索其他频段，例如中档 Beta (15-17 Hz)，以确认频率特异性。

实验 1 中的 EC 条件和实验 2 中的 LO 条件的刺激前 EMG 存在轻微但显着的差异。视觉上监测刺激前 EMG，并在检测到过量 EMG 时将其排除。通过这样做，测量的 EMG 活动非常低，我们认为 EMG 活动不会显着影响 MEP 幅度或 EEG-MEP 关系。然而，小的预刺激活动可能会影响结果，进一步的研究应该精确控制这一点，以更准确地估计 EEG-MEP 关系。

结论

我们发现阿尔法/低贝塔脑电图振荡与静止时的MEP振幅之间存在关系，这取决于 EO 状态和高TMS强度。因此，EEG-MEP 关系以状态相关的方式进行调制。EC 状态期间模糊的关系可能是由将感觉运动振荡和 M1 兴奋性联系起来的外感受网络和内感受网络之间的转换引起的。我们知情的开环 TMS 系统还通过 alpha 波段功率预测了 M1 兴奋性。因此，我们的结果扩展了我们对 EEG-MEP 关系的了解，并提供了对大脑网络状态和 M1 兴奋性的更详细估计，这可能适用于新型NIBS协议的开发。