连续脑电信号的微状态分析

粥小文

已于 2023-11-08 14:58:08 修改

阅读量514

点赞数 1

分类专栏：脑电信号的处理文章标签：算法机器学习统计学数据分析程序人生经验分享

于 2023-11-08 14:54:46 首次发布

本文链接：https://blog.csdn.net/qq_44685030/article/details/134283825

版权

脑电信号的处理专栏收录该内容

4 篇文章 3 订阅

订阅专栏

连续脑电信号的微状态分析

摘要
介绍
方法
- 微状态分析流程
- 工具箱使用
讨论：
参考：

摘要

连续脑电信号相比于ERP信号更符合现实刺激情况，成为一个时兴的研究领域。相比于成熟的ERP分析方法，连续脑电信号的分析方法尚在探索发展中。其中，微状态分析是一个备受关注的方法。鉴于本人在以往研究中的摸黑探索，本文希望从技术角度给出可靠的连续脑电信号的微状态分析方法的流程。本文使用Koenig团队的工具箱，以微状态表征意识水平研究为例，详细介绍了流程的各个步骤。

介绍

微状态分析方法是一个从时空域角度分析脑功能的方法。它的形成源于学者对一个现象的发现–脑地形图能在80-120ms间保持相对稳定（亚稳态，quasi-stable）。这样一个的脑地形图称为一个微状态。学者认为微状态与大脑的意识、认知等脑功能有关，又被称为心理状态（mental state）。一般认为，人的微状态存在3~8个。目前而言，微状态应用于ERP信号比较成熟，但迁移至连续脑电信号的研究还在火热进行中。换言之，ERP的分析网上有详解步骤，而连续脑电信号还需要深入挖掘资料以一窥全貌。本文介绍可靠的Koenig团队工具箱，补充连续脑电信号的处理。

方法

意识障碍患者由于意识水平降低被划分为微意识状态和植物状态。连续脑电信号的微状态特征表征意识水平是一个时兴的方法。

微状态分析流程

微状态分析方法的步骤如下：

对于每个被试，计算其全局场能量（GFP, Global Field Power）。以GFP峰值处，获得该被试的地形图序列，并通过空间聚类的方法计算个体水平的模板。
注：当执行空间聚类方法时，我们需要选择聚类方法和指定微状态数量。
获得所有被试的个体水平模板后，将其拼接成新的序列，再次通过空间聚类方法获得组水平的微状态模板（参数同上）。
根据标准模板，矫正组模板的正负性和次序，再依次标注为A-B-C-D等，其次，用矫正后的组模板对个体模板重排序。
当我们的研究需要多组对比时，需要保证组别之间的模板是可比较的。组别的聚类旨在最大化每个微状态在各个被试之间的共性，尽管如此，一个或多个微状态之间的空间分布可能存在显著的差异。因此，我们需要为每个模板评估组间差异性的显著水平。
根据组模板，计算微状态特征：持续时间，覆盖范围，发生率，转化率。

图1：多组间对比分析的微状态分析流程

工具箱使用

下载安装工具箱及配置开发环境。微状态分析工具箱：Microstate in Matlab；TANOVA工具箱：Ragu；开发环境：MATLAB。工具箱见Koenig主页。
导入所有被试的EEG数据，计算个体被试的模板。

图2：微状态工具箱的点击示意图
计算组内模板
根据标准模板，矫正组模板的正负性和次序，再依次标注为A-B-C-D等。
根据组内模板，对个体水平的模板排序
如果需要多组间的对比分析，执行显著差异分析（TANOVA）
计算微状态特征

讨论：

微状态分析的结果可能达不到预期，这可能是信号质量的原因，也可能是步骤错误。本人的经验是多次尝试，提高信噪比。总的来说，为了保证研究的可靠性，我们必须保证组间模板是可比较的。

参考：

[1] Koenig 主页：https://www.thomaskoenig.ch/index.php
[2] Koenig, Thomas, Mara Kottlow, Maria Stein, and Lester Melie-García. “Ragu: A Free Tool for the Analysis of EEG and MEG Event-Related Scalp Field Data Using Global Randomization Statistics.” Computational Intelligence and Neuroscience 2011 (February 20, 2011): e938925. https://doi.org/10.1155/2011/938925.
[3] Khanna, Arjun, Alvaro Pascual-Leone, Christoph M. Michel, and Faranak Farzan. “Microstates in Resting-State EEG: Current Status and Future Directions.” Neuroscience and Biobehavioral Reviews 49 (February 2015): 105–13. https://doi.org/10.1016/j.neubiorev.2014.12.010.
[4] May, Elisabeth S., Cristina Gil Avila, Son Ta Dinh, Henrik Heitmann, Vanessa D. Hohn, Moritz M. Nickel, Laura Tiemann, Thomas R. Tolle, and Markus Ploner. “Dynamics of Brain Function in Patients with Chronic Pain Assessed by Microstate Analysis of Resting-State Electroencephalography.” Pain 162, no. 12 (December 2021): 2894–2908. https://doi.org/10.1097/j.pain.0000000000002281.