推动TMS-EEG数据预处理标准化

摘要

将非侵入性脑刺激(NIBS)技术与脑电生理活动记录相结合是神经科学领域广泛使用的方法。同时结合经颅磁刺激(TMS)与脑电图(EEG)尤其成功。但是，为了有效地与大脑活动进行交互，所需的强磁脉冲不可避免地会在同步EEG采集过程中产生伪影。因此，需要进行仔细但有效的预处理，以高效去除这些伪影。然而，正如文献中所报道的那样，不同的预处理方法可能会导致结果存在差异。在这里，本研究旨在分析目前可用的三种主要TMS-EEG预处理流程，即ARTIST、TESA和SOUND/SSP-SIR，为需要在不同方法之间做出选择的研究人员提供参考。与先前的研究不同，本研究使用具有已知真实值(无伪影的重建信号)的合成TMS-EEG信号对这些流程进行了测试。通过这种方式，可以精确和定量地评估每个流程的可靠性，为未来的研究提供更可靠的参考。总的来说，本研究发现所有流程的性能良好，但在真实值重建的时空精度方面存在差异。最重要的是，这三种流程对试次间变异性的影响不同，其中ARTIST引入了真实信号本不存在的试次间变异性。

引言

非侵入性脑刺激(NIBS)实验结果的不一致性在以往的文献中已有大量讨论。结果的不一致性主要归因于个体间和个体内因素。就前者而言，影响个体间差异的一个主要因素是大脑的结构和功能特性，这尤其影响TMS-EEG研究的结果。在TMS-EEG研究中，TMS诱发电位(TEPs)的振幅和潜伏期与个体的大脑结构特征有关。另一个影响因素是波动的大脑状态动态，这种动态可以调节TMS对电生理和行为指标的影响。例如，单脉冲TMS(spTMS)诱发的TEP幅度和重复TMS(rTMS)对TEP幅度的调节效应都取决于刺激时的皮层兴奋性状态。因此，必须控制上述个体内和个体间的变异性因素，以减少不同研究之间结果的不一致性。

目前已经提出了不同的技术来减少TMS-EEG记录阶段的个体间和个体内变异性。例如，Casarotto等人(2022)开发了一种工具箱，用于实时监测记录的TEPs质量和伪影成分的一致性。另一方面，还可以使用其他技术，如Lioumis和Rosanova(2022)提出的用结构神经导航来补充TMS-EEG记录。

然而，研究中观察到的变化不仅仅是由于个体内和个体间的差异，而且还受到清理TMS-EEG数据中伪影所采用的不同预处理流程所带来的影响。实际上，TMS不仅会引发皮层反应，还会在EEG记录中引入电磁和生理伪影。TMS脉冲与导电的EEG电极和导线产生电磁相互作用，利用其感应和电容效应，并与头皮的神经肌肉系统产生生理相互作用。通过磁感应，磁场会产生电流，从而导致伪影电位的出现，这些伪影电位的幅度可能会使放大器的电子元件饱和。磁梯度的强度与电极和皮肤之间的微小电容耦合，导致记录中出现大幅的波动和衰减伪影。磁梯度还会与头皮肌肉相互作用，产生肌肉伪影。所有这些伪影活动掩盖了源于神经过程的真实EEG反应。因此，如果不进行准确的预处理，就不可能观察到真正的TMS诱发活动(例如TEPs)。为此，人们开发出了不同的预处理流程，以处理TMS在EEG信号中引入的伪影。其中最常见的方法是独立成分分析(ICA)和手动识别TESA中的伪影。其他方法包括基于ICA的全自动化预处理流程(ARTIST)，以及一种非ICA的预处理流程，采用SOUND(利用去噪算法的源估计)和SSP-SIR(信号空间投影-源信息重建)来校正TMS相关的伪影。

最近的研究试图确定不同的预处理流程对重建TMS-EEG信号的影响，尤其是对其变异性的影响。例如，Bertazzoli等人(2021)在相同的TMS-EEG数据集上测试了四种不同的流程(即ARTIST、TESA、SOUND/SSP-SIR和TMSEEG)。研究结果显示，所选流程对获得的预处理TEPs(诱发电位)有显著影响。具体来说，不同流程的TEPs振幅和全局平均场功率(GMFP)各不相同，并且头皮电位的相关性也存在显著差异。此外，在两个独立实验阶段获得的TEPs重测信度在不同流程之间也存在显著差异。这些发现得到了另一项采用类似方法的研究的支持，该研究强调了即使在相同处理流程中进行微小调整，也可能导致重建的TMS诱发活动在幅度和空间分布上产生不同的结果。综上所述，这些研究表明，数据处理所使用的方法对最终得到的TMS-EEG信号有很大影响。

最近，一些研究通过将模拟的TMS伪影叠加到已知的真实EEG信号上，探讨了不同方法去除TMS相关伪影的有效性。例如，Atti等人(2024)测试了独立成分分析(ICA)在去除各种模拟TMS-EEG伪影方面的有效性，而Mutanen等人(2024)则比较了ICA和SSP-SIR在去除TMS脉冲诱发的肌肉伪影方面的效果。后一项研究报告指出，当伪影的地形与感兴趣信号的地形之间存在显著差异时，SSP-SIR在清除伪影方面的表现更好。此外，这两项研究都强调，当伪影的特征变化不大时，使用ICA来去除这些伪影可能会产生不准确的结果。虽然这些研究引入了已知的真实信号作为先验知识，但它们主要关注特定的伪影或分析步骤，而未考虑整个处理过程对TMS-EEG数据的影响。

本研究的主要目标是考察ARTIST、TESA和SOUND/SSPIR处理流程在去除EEG信号中的TMS伪影的效果和准确性。本文旨在评估哪种处理流程的整体表现最佳，并分析在使用这些处理流程时可能遇到的问题。这将为执行TMS-EEG实验的研究人员提供有价值的信息，帮助他们了解所使用的处理流程是否适合其数据，进而决定是否需要针对特定情况开发新的预处理方法。