跳到主要内容

脑活动的瞬时辐射功率:应用于前脉冲抑制和促进身体畸形障碍

摘要

背景

神经元活动的全局测量包含了大脑活动的单变量、整体和独特描述的优势,减少了脑电图(EEG)分析的空间维度,但降低了定位效果的精度。在这项工作中,瞬时辐射功率(IRP)被提出作为一个新的全脑描述符,从专门的电磁角度反映皮层活动。考虑到大脑由多个基本偶极子组成,全脑IRP考虑了所有皮质源的辐射贡献。与评估大量头皮或源位置的传统脑电图分析不同,IRP反映了全脑、事件相关的测量,迫使分析聚焦于单个时间序列,从而有效地降低了脑电图的空间维度和多重比较。

后果

为了将开发的方法应用于真实的脑电图数据,两组(25个对照vs 30个身体畸形障碍,BDD,患者)的年龄和性别相匹配,并在脉冲前抑制(PPI)和易化(PPF)范式中进行测试。为了组间和条件间比较的目的,提取了两个全局脑描述符,即全局场功率(GFP)和全脑IRP。结果显示IRP可以复制预期的条件差异(PPF比PPI反应更大),在BDD中也显示出与对照组相比总体水平降低。使用GFP和IRP也有类似的结果,表明两种测量方法是一致的。最后,回归分析显示,与ppi相关的IRP (N100时间窗)与BDD心理测量得分呈负相关。

结论

用IRP研究大脑活动显著降低了数据维数,提供了关于整体大脑同步和强度的见解。我们的结论是IRP可以复制关于感觉运动门控效应的现有证据,也揭示组电生理改变。最后,电生理IRP反应显示出与BDD心理测量的相关性,可能作为BDD症状学的补充工具。

背景

脑电图(EEG)测量作为一种成本效益高、时间精确的大脑活动检测技术已被广泛采用[1.].在脑电图提供的各种各样的见解中,事件相关电位(event-related potential, ERP)技术已被广泛用于表征正常和病理神经元活动[2.].epr通常通过研究EEG时间序列数据的波峰和波谷来揭示信息处理的时域认知过程[3.].另外,通过传统的时频分解方法进一步分析脑电的时空和频谱特征,旨在通过脑电标记物在时域和频域表征被试的认知轮廓[4.].为了利用脑电精细的时间分辨率,人们开发了各种算法来解决逆问题,如标准化低分辨率电磁层析成像(sLORETA)和局部自回归平均(劳拉)[5.,6.].

大脑活动的全球测量作为压缩因素出现,以降低空间精度为代价,减少分析的维度和提高统计能力[7.,8.]整体大脑测量通常是通过对所有电极、体素或大脑区域进行平均或求和,从而得出单个受试者数据的单变量表示,通常是通过单个标量或时间序列。脑成像文献中提出了几种全脑测量方法,用于评估正常、病理和精神神经基础[8.,9,10,11]在功能磁共振成像(fMRI)中,全局信号(GS)被用来携带广泛神经活动的信息,表明GS地形图的个体变化再现了大规模功能网络的既定模式[8.].Hellyer等人利用全球大脑同步性(大脑各区域的BOLD信号的空间一致性)和全球亚稳态(同步性随时间变化的程度)[11显示了大脑整体活动和局部活动之间的显著关联。

在脑电图文献中,Skrandies [10]提出将多通道脑电记录的全局场功率(GFP)作为与空间标准差相对应的参比独立描述符。作为对GFP的补充,有人提出了全球地图不相似性(GMD)来表示后续位场分布中发生的地形变化[12]GFP和GMD的联合使用已被证明是识别ERP延迟和微状态分段的可靠方法[13]主成分分析(PCA)也被用于降维,主要导致三个成分占方差的90%以上[14].关键词:全局场同步15]测量频域脑电图数据的功能同步性,显示强迫症患者的同步性断开。

尽管现有的脑电图整体测度可以有效地用于数据约简,但其适用性存在一些关键特征。值得注意的是,GFP仅量化脑电图各通道显示不同电压值的程度,假设各通道之间的高标准差对应着活动量的增加[10].GMD只包含脑电图地形图的几何信息,测量两个相邻脑电图图之间的几何距离[12].PCA可以有效地降低脑电图数据的维数,但对预处理步骤(方差标度和数据标准化)和主成分选择非常敏感[14]。最后,GFS是一个频谱描述符,它只携带关于给定频带的全局同步程度的信息[15].

在这里,我们测试了大脑反应的辐射分布是否可以提供额外的全脑描述符。将大脑视为复杂电磁辐射器的关键动机包括:(i)从强度(如GFP和PCA)和同步性(如GFS)两方面描述大脑反应;(ii)在源水平上描述大脑活动,与现有的头皮定向测量相反,(iii)通过考虑大量基本源的电磁贡献来表示大脑活动。为了描述大脑的辐射特征,瞬时辐射功率(IRP)是根据电磁理论计算出来的[16,17,18,并被认为是检查脑电图测量值的综合措施。IRP的计算基于头部表面下所有电流源密度(CSD)矢量的辐射贡献,反映了大脑活动在辐射功率方面的时间进程。形式上,IRP计算是体素激活的非线性变换,与全脑电流密度及其二阶导数的乘积成正比。高IRP值可能与刺激反应所需的脑源同相活动增加和资源分配有关。

为了测试提出的方法的有效性,我们记录了两个匹配人群(30名身体畸形障碍患者和25名对照受试者)在脉冲前抑制(PPI)和脉冲前易化(PPF)范式下的脑电图[19,20.].惊吓反射的PPI定义为当惊吓声刺激(脉冲)紧接着低强度刺激(预脉冲)时发生的反应减量。相反,PPF是指当预脉冲和脉冲之间的间隔超过0.5秒时,受试者增加惊吓反应的趋势[21]由于这些原因,PPI被认为反映了信息处理的早期阶段(感觉运动门控),而PPF与广义警报或定向的后期阶段相关[20.,21].由于PPI被认为能够同时激活全局大脑激活和同步过程,我们测试了全脑IRP是否能够同时反映这些机制。在该范式中应用IRP方法的主要动机包括:(i)预期的条件差异,与PPF相比,PPI反应减少[22]; (ii)使用PPI/PFF对比精神病患者感觉运动门控效应的长期研究[19](iii)PPI范式应用于跨物种研究的能力[20.]和(iv)PPI/PPF试验的重测信度[23].

BDD是一种相对常见且通常严重的精神疾病[24]根据《精神疾病诊断与统计手册》(DSM-5),被分类为强迫症和相关疾病的范畴[25]这种疾病的特征是痛苦和过度专注于一个或多个感知缺陷或外观缺陷,而这些缺陷或外观缺陷是别人看不到的或只是轻微出现。有大量证据表明BDD和OCD存在执行功能障碍,包括注意力、决策和感觉运动障碍与认知失调[26,27]具体而言,当BDD患者暴露于PPI/PPF试验时,与健康对照组相比,BDD患者表现出不同的光谱特征(更高的θ-1和更低的β-1振荡)[28].此外,在[29],显示BDD中N100反应不足。

在本研究中,我们将开发的IRP方法应用于这个真实的EEG数据集,试图从完全电磁的角度全面描述神经PPI/PPF响应。据作者所知,全脑评估的纯电磁方法尚未在EEG临床人群的框架内提出和检验。我们的假设包括:(i)PPI减量(相对于PPF)可能唯一地反映在全脑IRP描述中;(ii)BDD在注意资源分配和惊吓反射的早期处理中的缺陷可能被复制。为了进行比较,我们在相同的设置下进行了两次分析,分别使用两种全球大脑测量,即头皮导向的GFP和源相关的IRP,试图调查它们的一致性。

后果

模拟结果

在这一节中,我们具体描述使用简化激活波的方法中提出的全脑测量。为此,我们考虑100个皮质源以理想的正弦激活振荡。在不失一般性的前提下,假定每个源在x-方向,中心频率为10hz,随机振幅在[0,1]范围内,随机初始相位在[0,2 π]范围内,这取决于仿真场景。的模拟激活来源可以定义为:

$${J}{x}{\left(i\right)}\left(t\right)={A}{i}\cdot\mathrm{sin}\left(2\pi{f}{c}t+{\varphi}\i}\right)$$
(1)

在哪里\({f}{c}=10\)Hz是中心频率,我\ ({}_ {}\)为振幅我\ ({\ varphi} _ {} \)是正弦曲线的初始相位。为了计算IRP,我们使用以下公式(12,13)在“方法”部分介绍(常数项\({\mu}{0}/6\pic\)被忽略):

元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元元{100}\sum{J=1}{100}{A}{i}{A}{J}{\left(2\pi{f}{c}\right)}{2}\mathrm{sin}(2\pi{f}{c}{t}\varphi i}\cdot\mathrm{sin 2}_{c} t+{\varphi}{j}\right)$$
(2)

从(2.), IRP计算涉及到激活的一个因子的延伸\({\left(2\pi{f}{c}\right)}^{2}\),以及2倍的频率偏移。图1.演示从5个不同的模拟设置派生的模拟示例:

  1. 异相激活的全脑IRP:所有正弦激活都有单位振幅和从均匀分布中提取的随机初始相位\({\varphi}{i}\simu(\mathrm{0,2}\pi)\)

  2. 二,。

    全脑IRP用于同相激活:所有正弦激活均有单位振幅和随机初始相位,集中在狭窄的范围内\({\varphi}{i}\simu(0,pi/2)\)

  3. 3

    不同强度同相激活的全脑IRP:所有正弦激活都有不同的振幅\({A}{i}\simu(\mathrm{0,1})\)而随机的初始相集中在\({\varphi}{i}\simu(0,pi/2)\)

  4. 4

    相同强度相反激活的全脑IRP:所有正弦激活都有单位振幅和随机初始相位,集中在\({varphi}_{i}\sim U(\mathrm{0,0.1}\pi)\)\({varphi}_{i}\sim U(\pi,1.1\pi)\)

  5. v

    全脑IRP用于两种不同的同相成分激活:所有的正弦激活都有接近单位或接近零的振幅和集中在范围内的随机初始相位\({\varphi}{i}\simu(0,pi/2)\)

图1
图1

源激活。在每个场景(行)中,源激活的时间过程,正弦波的振幅和相位分布,以及IRP的时间过程依次描述(列)。

模拟五种不同结构的大脑的全脑IRP

正如Fig所观察到的。1.,全脑IRP达到其最大振幅值(约为107.),以最大振幅振荡(情景ii)。相反,IRP产生可忽略的峰值(10–1)。在方案i中,IRP减少了10倍2.与场景ii相关,由于源波形中的相位扩展。类似地,IRP也对源激活中的振幅变化(场景iii)敏感,减少了10倍1.与情景ii相关。最后,情景v表明IRP主要由源活动的高激活成分控制,尽管其他成分是激活的,并降低了整个大脑的IRP。模拟分析表明IRP与固有偶极子ac的相位和振幅特征之间存在普遍的相互依赖性因此,IRP振幅与整体大脑同步和高强度源激活呈正相关,同时表现出受限的空间信息。

实验结果

ERP组件的时间窗口

最初,在每个通道提取大平均ERP(跨参与者和条件),以直观地检测主要早期ERP峰值的位置和潜伏期。这种方法在[30.],已被用作初步分析步骤,以目视检查主要的ERP组件,提供关于全球任务参与的见解。与先前关于PPI诱发ERP的研究(293132)一致,图。2.确认存在两个总平均ERPs的早期诱发电位,即N100(60–160 ms)和P200(161–260 ms)。然后,全局场功率曲线(GFP;每个时间点电极ERPs的标准偏差)在两个关注窗口内计算作为基线全局测量。值得注意的是,GFP已被广泛用作反映头皮区域整体EEG强度的独立参考指标[10,12].

图2
图2

所有头皮通道的受试者和条件的大平均erp。N100和P200分量的三维地形分布在各自的时间窗上方。地形值分别对应60-160 ms和161-260 ms时间窗内的平均电压值

两种ERP组件均呈现前-中心分布,峰值电压在Fz、FCz和Cz通道。在下一节中,我们将使用全局描述符在头皮(即GFP)和源空间(即IRP)中比较组/条件差异。

全球领域力量

首先,分别提取每个受试者和条件的GFP时间过程[33].通过计算头皮通道活动的空间标准偏差提取GFP测量值。分别对N100(60-160 ms内的平均GFP)和P200(161-260 ms内的平均GFP)时间窗口进行计算,显示以下统计效应:

N100时间窗口方差分析表明,条件的主效应显著(左(\ \ (F \ mathrm{1, 53} \右)= 6.70,p = 0.012,{\埃塔}^ {2}= 0.11 \)),含PPF(\ ({} _ {\ mathrm {PPF}} = 2.10,年代{E} _ {\ mathrm {PPF}} = 0.09) \)显示出比PPI更高的GFP(\({M}{\mathrm{PPI}}=1.85,S{E}{\mathrm{PPI}=0.09)\).此外,组间存在显著的主效应(左(\ \ (F \ mathrm{1, 53} \右)= 6.76,p = 0.012,{\埃塔}^ {2}= 0.11 \)),与CTL组(\({M}{\mathrm{CTL}}=2.19,S{E}{\mathrm{CTL}=.12\))显示GFP比BDD组增加(\({M}{\mathrm{BDD}}=1.77,S{E}{\mathrm{BDD}}=0.11\)).最后,没有显著的交互作用(\ \ (p > 0.05))观察到。

P200时间窗口方差分析表明,条件只存在显著的主效应(\(左(\mathrm{1,53}\右)=12.85,p=0.001,{\eta}^{2}=0.195\)),含PPF(\ ({} _ {\ mathrm {PPF}} = 2.04,年代{E} _ {\ mathrm {PPF}} = 0.19) \)显示出比PPI更高的GFP(\ ({} _ {\ mathrm {PPF}} = 1.63,年代{E} _ {\ mathrm {PPF}} = 0.15) \).无其他显著影响(\ (^ {p{\ '}}年代> 0.28 \))观察到。

数字3.描述总平均GFP曲线,分别计算为受试者和条件的平均值。

图3
图3

条件(左)和组(右)主要影响的总平均GFP曲线

全脑IRP

根据建议的IRP测度的计算,每个单项受试者的IRP由下列公式计算(12) - (13)(见“方法”一节)。该计算分别对N100和P200时间窗进行。

N100时间窗口与GFP结果一致,N100范围内全脑IRP在状态(\(左(\mathrm{1,53}\右)=5.79,p=0.02,{\eta}^{2}=0.10\))及组别(左(\ \ (F \ mathrm{1, 53} \右)= 7.75,p = 0.007,{\埃塔}^ {2}= 0.13 \)).具体来说,BDD患者({10} \ 5.25 \倍^ {9}{\ mathrm{一}}^ {2}/ {\ mathrm {mm}} ^ {2} {\ mathrm{她}}^ {2}\))显示IRP较CTL组降低(\(11.1次{10}{9}{\mathrm{A}}{2}/{\mathrm{mm}}}{2}{\mathrm{ms}}}}{2}\)),而PPF的反应(\(9.19次{10}{9}{\mathrm{A}}{2}/{\mathrm{mm}}}{2}{\mathrm{ms}}}}{2}\))与PPI相比,总体上有所提高({10} \ 7.13 \倍^ {9}{\ mathrm{一}}^ {2}/ {\ mathrm {mm}} ^ {2} {\ mathrm{她}}^ {2}\)).交互作用不显著(\(p=0.33\)).

P200时间窗口在P200范围内的IRP对条件产生边际影响(\(p=\)0.059),并且对组有显著的主效应(\(左(\mathrm{1,53}\右)=6.91,p=0.011,{\eta}^{2}=0.12\)),而交互作用不显著。BDD (\(4.46次{10}{9}{\mathrm{A}}{2}/{\mathrm{mm}}}{2}{\mathrm{ms}}}}{2}\))再次显示IRP比CTL降低({10} \ 7.89 \倍^ {9}{\ mathrm{一}}^ {2}/ {\ mathrm {mm}} ^ {2} {\ mathrm{她}}^ {2}\))而PPF有上升的趋势({10} \ 6.89 \倍^ {9}{\ mathrm{一}}^ {2}/ {\ mathrm {mm}} ^ {2} {\ mathrm{她}}^ {2}\))比PPI({10} \ 5.46 \倍^ {9}{\ mathrm{一}}^ {2}/ {\ mathrm {mm}} ^ {2} {\ mathrm{她}}^ {2}\))全脑IRP。

IRP大平均波如图所示。4.

图4
图4

每种情况(左)和组(右)的全脑IRP总平均值

IRP的光谱特征

为了进一步研究IRP指标的频谱特征,还进行了时频分析。该分析旨在确定IRP的主要频率成分,以便(i)验证频域中N100和P200成分的存在,以及(ii)识别导致先前时域差异的频带。通过连续小波变换(CWT)对IRP波形进行频率分解,以在时间分辨率和频谱分辨率之间获得合理的权衡(而不是使用FFT,后者通常具有较低的时间分辨率)。

数字5.说明了时间-频率分析的结果。如图所示。5.A、 B,PPI和PPF的刺激后活动与N100/P200时间窗口(刺激后60-260 ms)期间10-40 Hz频带的爆发有关。在方法(第G.2节)中提出的集群置换测试之后,两个不同的频带指示了条件差异(另见图。5.C表示PPF–PPI差异)。具体而言,在3.8–12.6 Hz的频带内,PPF响应高于PPI响应(\ (p = 0.004 \))及25.3-31.2 Hz (\ (p = 0.032 \))。然后比较CTL组和BDD组的波谱。我们发现仅在PPI条件下有显著的组差异,与CTL相比,BDD反应在14.5-33.4 Hz频段降低(\ (p = 0.003 \)).图的D和E面板。5.分别显示两组在PPI和PPF条件下的大平均谱波。所有值都用dB表示,与刺激前的光谱功率值相关。

图5
图5

IRP信号的时频分析。所有IRP频谱值均以dB表示,与预刺激周期相关(− 0.1至0)。A.PPI条件下IRP的总平均时间-频率表示。B在PPF条件下IRP的广义平均时频表示。CPPF和PPI之间逐像素的差异。从C,在N100/P200时间窗口内,在两个不同的频带(3.8–12.6 Hz和25.3–31.2 Hz)中,PPF大于PPI响应。D在PPI条件下,CTL组和BDD组的IRP谱功率均为大平均。灰色阴影区域表示组间显著差异的频带。ECTL组和BDD组在PPF条件下的总平均IRP谱功率值。两组的IRP谱均在0.6–0.26 s时间窗口内计算DE

IRP对心理测量学的预测强度

考虑到GFP和IRP测量所揭示的效应之间的显著一致性,我们进一步评估IRP和BDD心理测量学之间的相关性。具体而言,为了测试IRP测量是否能够预测BDD-YBOCS或DCQ得分,2个独立的逐步线性回归(SLR)进行模型研究。SLR的因变量为心理测量学得分,而IRP-N100-PPI、IRP-N100-PPF、IRP-P200-PPI和IRP-P200-PPF反应被视为预测因子。

模型显示,PPI条件下的IRP-N100是两种DCQ的显著线性预测因子(\({R}^{2}=0.114,p=0.0116\))及BDD-YBOCS (\({R}^{2}=0.167,p=0.002\)).没有其他术语可以预测筛查措施。图6.描述了PPI中IRP-N100反应和心理测量评分之间的散点图。

图6
图6

DCQ(左)和BDD-YBOCS(右)分数的逐步回归模型得出的最佳拟合线。灰色线表示95%的置信区间

讨论

有多种方法来研究复杂系统,主要是通过在多维空间中投射它们的活动,然后搜索局部或全局描述符来表示它们的模式。本研究提出了一种检测脑电图活动的电磁方法,将大脑视为一个复杂的电磁辐射体。应用ERP响应的源定位后,可以对源数据进行非线性转换,即IRP计算,以反映大脑的辐射剖面[16]。为了单变量描述EEG响应,IRP计算依赖于大脑总电流密度的辐射行为,考虑到所有基本电偶极子的辐射贡献[17,34].

所开发的方法用于表征PPI和PPF试验的电生理活性。检测其抑制机制和感觉运动门控效应[22都在神经活动中得到了全面的反映,评估了两个全面的大脑描述符。具体来说,首先检查了广泛使用的整个头皮描述符(GFP:通道间的空间标准偏差)[10,并将结果与采用IRP方法得到的结果进行了对比。

总的来说,我们观察到抑制调节效应反映在GFP和IRP反应中,PPI显示出与PPF相比显著降低的振幅。PPI和PPF神经反应已被广泛讨论,特别是在电生理学文献中[22,29,31,32].具体地说,长期的研究已经表明,PPI机制的功能是相对于脉冲单独反应的惊吓反射的减弱,无论是通过评估肌肉[35,36或神经活动[31,32]有趣的是,条件差异与表明PPI和PPF是独立过程的证据一致[20.].考虑到出现差异的时间,多项研究已经调查了PPI在早期时间窗(如N100和P200)的电生理反应。事实上,研究[29,31,32]在PPI中N100/P200期间,LORETA分布激活减少,这归因于支持抑制性调节的广泛神经网络。因此,本文的研究结果与现有证据一致,从整体描述符的角度证实了PPI试验期间存在抑制性调节。

此外,使用GFP和IRP观察到群体变化。具体而言,在N100时间窗(惊吓后60-160毫秒)内,GFP指数BDD缺陷,可能与注意力定向能力受损有关[24,28,37].事实上,鉴于强迫症和BDD分类法的重叠[25,发现强迫症患者的皮质抑制和兴奋功能障碍[38].此外,BDD患者表现出记忆和注意力的损害,这在几个脑电图范例中得到了证实[29,37].扩大GFP组效应,IRP显示对照组和BDD患者在N100和P200时间窗(惊吓后60-260毫秒)之间存在显著差异。这一发现可能构成BDD的额外电生理标记,表明IRP曲线的时域表示中,组效应更长。

GFP和IRP之间所呈现的效果的一致性归因于它们在分别代表与头皮总功率和源活动成比例的测量方面的相似性。其中,GFP的计算主要以通道活动平方和为主,清晰地反映了面向头皮的脑电功率[10]。类似地,IRP基于表示总源域EEG辐射功率的体素总和。有趣的是,PPI试验的IRP N100值被发现是BDD严重性指标的显著线性预测因子,即BDD-YBOCS和DCQ问卷。这一发现也与BDD严重程度与PPI诱发的电生理反应负相关的证据一致[29,31].

值得注意的是,通过计算IRP时间序列进行的EEG活动调查不限于本研究中使用的计算。与一般EEG分析类似,可以在频率和/或时频域检查IRP反应。此类指标可能反映能量或功率资源方面的特定波段脑激活在心理处理过程中需要。通过提取从IRP曲线得出的所有大脑感兴趣区域之间的相关性度量,交叉频率或连接性分析也适用。目标驱动分析可以在更精确的空间信息中利用IRP度量,这意味着他们可能对c感兴趣计算特定大脑区域、网络或感兴趣区域(如DMN、右半球、脑岛)内的IRP振幅。其他研究可能通过并置进行位置相关IRP比较,例如,特定脑叶、区域、Brodmann区域或网络发出的IRP。由于LORETA通常用作补充分析来定位头皮效应,IRP计算必须与第一部分分析一致。这意味着LORETA根据提取头皮导向测量的方法,可以在逐个试验的基础上提取数据源,也可以在各试验的平均ERPs中提取数据源。此外,请注意,必须谨慎解释LORETA衍生数据源的普遍性,尤其是在非稠密的情况下(< 32)电极帽用于EEG记录[参见中的“模糊定位”效应[39]然而,由于IRP抛弃了EEG模式的空间信息,它明确地专用于需要测量信号的高时间特异性的神经成像应用。在这种情况下,IRP可以应用于实验中,这些实验主要试图简洁地研究认知过程的时间发生,独立于其局部起源。这主要能够(i)识别信息处理认知过程中的广泛影响,以及(ii)确定区分临床组的时域EEG标记。例如,当在感觉运动门控评估(如PPI/PPF范式)中考虑临床人群时,IRP测量可以唯一地反映群体之间的全球差异,这可能归因于感觉系统的广泛缺陷。

研究全脑IRP继承了使用全脑描述符已经确定的所有优势,包括降维、整体表示、参考独立性、低复杂性设计和统计稳健性。相反,全脑测量过滤掉了效应的所有空间精度,主要是由于通道/体素之间的求和或平均运算。在EEG的情况下,这一缺点本质上是放松的,因为不仅参考选择的依赖性,而且源重建算法的精度也受到限制。

结论

在这项研究中,我们提出了一种电磁方法来反映大脑活动的辐射剖面,旨在全面描述多维脑电图数据。仿真分析表明,IRP时间序列对整体脑同步(同相源激活)和整体脑激活强度(IRP幅值以高幅值源为主)均敏感。为了验证该方法的有效性,在PPI/PPF范式下提取了两组(对照组和BDD患者)的IRP。计算了GFP曲线,以检验IRP所揭示的效应的一致性。总的来说,我们观察到GFP和IRP在条件下复制了预期的差异,证实了感觉运动门控效应,PPI反应相对于PPF降低。关于组间差异,我们注意到IRP反应在延长的时间窗(N100和P200)组间存在差异,而GFP仅表现出N100差异。所有组的差异表明BDD组的反应降低,这可能与BDD/OCD在注意资源分配和门控机制失调方面的障碍有关。重要的是,在N100时间窗期间,pi诱发的IRP振幅与BDD筛查措施(DCQ和BDD- ybocs)呈负相关,可能有助于作为补充BDD症状的电生理标记。

方法

参与者

共有55名受试者参与本研究。BDD组包括30名患者,其中19名女性(平均 ± SD年龄32.53岁 ± 8.30岁)和11名男性(平均 ± SD年龄27.55岁 ± 对照组由25名健康人组成,年龄和性别相匹配,包括16名女性(平均年龄) ± SD年龄32.25岁 ± 9.066岁)和9名男性(平均 ± SD年龄27.55岁 ± 5.65岁)。独立样本t检验证实两组年龄之间没有显著差异(t(53) = 0.153,p= 0.179)。所有参与者均获得书面知情同意。通过两位精神病医生的临床访谈对BDD进行临床评估。BDD是根据DSM-5标准诊断的[25],以及确认诊断的四项补充筛查措施:身体畸形症检查[40],耶鲁-布朗BDD强迫症状量表[41],畸形关注问卷(DCQ)[42]和布朗信念量表的评估[43].排除标准包括药物滥用或酒精滥用、神经系统疾病史和当前妊娠。

心理测验学

为了调查电生理(EEG测量)和行为(心理测量分数)数据之间的可能相关性,BDD和健康组都有两种不同的受试者特定分数,主要评估身体相关症状,并证明BDD严重程度的总分:

耶鲁-布朗BDD强迫症状量表(BDD-YBOCS)这种心理测量评分是一种专门、简明且易于管理的工具,用于测量BDD症状的严重程度。它是一种广泛用于评估BDD症状严重程度和治疗结果的量表,最近翻译、改编并在希腊语中验证[44]得出12项评分员管理的测量结果。12项中的每项评分为0-4分(0 = 一点也不到4岁 = (每天)在利克特量表上。

畸形关注问卷(DCQ)本问卷用于评估畸形关注[42].具体来说,DCQ是一项有7个项目的自我报告测量,评估对想象或轻微身体缺陷的过度关注的认知和行为症状。受访者对自己相对于他人的外表的担忧程度分为4个等级,从0(完全没有)到3(比大多数人高得多)。

BDD组为14.17 ± 0.82(DCQ)和29.40 ± 1.04(BDD-YBOCS),而对照组得分为6.04 ± 0.65(DCQ)和3.80 ± 0.47(在BDD-YBOCS中),所有t相应的测试\({p{\prime}}s<0.001\)值得注意的是,BABS和BDDE指标仅针对BDD组获得,得分为18.80 ± 2.80(在BABS中)和117 ± 27(BDDE格式)。表1.总结两组的人口统计资料和心理测量学。

表1实验组的人口统计和心理测量评分

脑电采集与刺激

脑电图记录是在电磁屏蔽的房间里进行的。为了尽量减少生理上的噪音,参与者在录音开始前以舒适的姿势坐好并放松。脑信号通过Braintronics DIFF/ISO-1032放大器放大(增益47 dB),然后进入32位模拟数字转换器(NI SCB-68)。数字化信号由国家仪器PCI-6255 DAQ卡(16位ADC)通过两个国家仪器CB-68LP终端模块输入。带有DAQ卡的PC运行LabView程序来记录信号,可以通过屏幕上的图形表示进行监控。根据国际10-20系统,使用安装在弹性帽上的活性电极,在30个头皮部位(FP1/FP2、FPZ、AFZ、F3/F4、F7/F8、FZ、FC3/FC4、FCZ、FT7/FT8、CZ、T7/T8、CP3/CP4、CPZ、TP7/TP8、P3/P4、P7/P8、PZ、O1/O2、OZ)以1000 Hz的采样频率数字化诱发生物电位活动。允许检测闪烁和/或扫视,水平(HEOG;位于左眼的外毗)和垂直(VEOG;置于右眼上方)两个电极也记录了眼电图。电极阻抗保持在5kΩ以下。 Online EEG biopotentials were referenced to the earlobes, while the ground electrode was placed on the left mastoid.

参与者被要求通过耳机听到51对音调。试验的呈现在每个阶段都是随机的,包括26个prepulse-pulse短的(PPI, 30-500 ms)和25 prepulse-pulse(PPF, 500-2000毫秒)。每个试验记录的持续时间为4秒(−2到+ 2秒),时间锁定在惊音开始时。惊动声刺激(脉冲)的振幅为140 dB,而脉冲前刺激的振幅为60 dB。两种刺激的频率都是2000赫兹。数字7.描述了PPI和PPF试验的记录结构。

图7
图7

PPI的记录结构(A.)和PPF(B)审判。预脉冲和脉冲之间的刺激间隔(ISI)在PPI试验中介于0.03–0.5 s之间,在PPF试验中介于0.5–2 s之间。惊吓音和预脉冲的振幅分别为140 dB和60 dB。所有刺激的持续时间为0.04秒,频率为2000赫兹

预处理管道

使用EEGLAB(2019.1版)去噪功能对所有数据集进行预处理[45].首先,为了压缩目的,将脑电图降采样至250 Hz。1 - 40hz离线数字带通滤波采用EEGLAB的[45]过滤函数(pop_eegfiltnew.m)其实现依赖于零相位汉明加窗sinc-FIR滤波器[46]参数化为:过渡带宽= 1hz,滤波器长度= 827,滚转- 6db /倍频。排除显示异常时间过程的电极并进行插值。两组间被拒绝的通道数目并无显著差异(t(53) = 0.598,p= 0.553;BDD中2.80±1.06通道;对照组为2.48±0.87个通道)。我们也视觉扫描了单次试验的记录,并丢弃了超过的试验\(pm 80 \mu V\)值为过度眨眼相关伪影(BDD组:每个参与者拒绝2.14个试验;CTL组:每个参与者拒绝1.93个试验)。随后,头皮活动再次参照共同平均值。

然后通过独立成分分析(ICA)对结果数据集进行分解,提供成分激活的估计[47]用于指导非脑(眨眼和扫视)成分的选择。成分排除标准包括同时考虑“自相关”(弱的自相关反映了噪声成分)、“焦点成分”(坏的通道有太多的焦点成分)、“焦点试验活动”(具有焦点试验活动的成分与非大脑的成分相对应)、“EOG correlation”(blink and saccade components与VEOG/HEOG相关),“ADJUST”[48]及" FASTER " [49)方法。在进一步处理之前,连续数据被分割为4秒(−2到+ 2秒),对惊音开始进行时间锁定,并基于0.03秒的惊音前周期进行基线校正。选择这个狭窄的基线是为了避免在PPI试验中与脉冲前音调重叠。

电磁学的背景

原则上,根据与辐射源的观测距离,可以在近场区和远场区区分电磁场。在远场区,发射的电磁场以瓦特表示的实际功率(能量)表示[17].一般来说,大脑的电磁行为可以通过在皮质物质中拟合大量的基本偶极子来模拟。反问题算法,如sLORETA,可接受地计算通过偶极子源的等效电流密度,每个偶极子源辐射一个电磁场[5.].这些源可以看作是一个三维偶极子天线阵列[17].总的脑辐射可以被估计为偶极阵列的输入功率的叠加。

本文介绍了电磁学的理论背景,并根据电磁学原理从实测脑电图中计算和提取了IRP。在不失一般性的前提下,假设每个体素的电流密度与仅z方向的电偶极子的电流有关(粗体表示矢量)[18]:

$ $ {J} _ {z} = I / L, $ $
(3)

在哪里\(L\)赫兹偶极子的长度(与体素的尺寸有关)是由电流提供的吗我\ \ ()这是在时域中振荡的\(i\left(t\right)=i\cdot\mathrm{cos}(\omega t)\)通过使用球坐标,可以表示这个基本振荡偶极子产生的电场的θ分量[16,17]:

$${E}{\theta}={j\omega\mu}{0}\frac{IL}{4\pi}\left[1+\frac{c}{j\omega r}-\frac{c}{2}{r}{2}}{r}\right}{frac{c}{c}{2}{r}\r}m}$$
(4)

在哪里ω\ (\ \)是振荡偶极子的频率,\(r\)为观测距离,\θ(\ \)是仰角,\(c\)是光速和\({\mu}{0}\)是自由空间的磁导率。为了计算源上的感应电动势,该分析的重点是偶极子的近距离,即。,\ (r \ 0 \),其中电场由奇异分量和非奇异分量组成[16].后者不依赖于观测距离r。4.)可以串联扩展:

$ $ \压裂{{e} ^{ω- j \ r / c}} {r} \大约\压裂{1}{r} \离开(1 - \压裂{j r \ω}{c} - \压裂{{\ω}^ {2}{r} ^ {2}} {2} {c ^{2}} + \压裂{j{\ω}^ {3}{r} ^ {3}} {6} {c ^{3}} \右),$ $
(5)

原则上,这四项足以计算电场的非奇异分量(5.) (4.)时,电场的非奇异分量可表示为:

$${E}{{\theta}{\text{non-singular}}}}=-\frac{{(j\omega)}^{2}{\mu}{0}{6\pic}IL\mathrm{sin}\theta$$
(6)

或转换为笛卡尔坐标:

$ $ {E} _ {{z} _{\文本{是非奇异}}}= \压裂{{(j \ω)}^{2}{\μ}_{0}}{6 \πc}。$ $
(7)

该表达式可通过采用傅里叶逆变换在时域中进行推广:

$ $ {E} _ {{z} _{\文本{是非奇异}}}= \压裂{{\μ}_{0}}{6 \πc} \压裂{{d} ^我(t)} {2} {{dt} ^ {2}} l $ $
(8)

通过表达平行于偶极矩的非奇异电场,电动势(感生电动势)\(\mathcal{E}\))在基本偶极子上,可通过以下线积分计算:

$ $ \ mathcal {E} \离开(t \右)= - {\ int} _ {{\ varvec {l}}} ^ {\ boldsymbol {}} {\ mathbf {E}} _{\文本{是非奇异}}\ cdot \ mathbf {d} \ mathbf {l} = \ boldsymbol{} - \压裂{{\μ}_{0}}{6 \πc} \压裂{{d} ^{2}我\离开(t \右)}{{\文本{dt}} ^ {2}} {1} ^ $ $ {2}
(9)

然后可以计算赫兹偶极子的瞬时辐射功率:

$${P}{rad}\left(t\right)=\mathcal{E}\left(t\right)i\left(t\right)=\boldsymbol{}-\frac{0}{L}{2}{6\pic}\frac{d}{2}i\left(t\right){{$$
(10)

考虑到电流密度矢量,可在所有空间方向上概括瞬时辐射功率\ (\ mathbf {J} = \离开({J} _ {x}, {J} _ {y}, {J} _ {z} \) \)。忽略(的常数项10),可使用以下公式计算3D瞬时辐射功率:

$${P}{\text{rad}}\left(t\right)=\mathbf{J}\left(t\right)\cdot\frac{{d}^{2}\mathbf{J}\left(t\right)}{{\text{dt}}{2}$$
(11)

方法概述

该方法利用反问题(此处为sLORETA)算法来估计产生头皮ERP波形的CSD向量。sLORETA的计算依赖于基于MNI-152模板的真实头部模型,三维解空间仅限于皮质灰质(5)。在源定位之前,通过分别平均每个受试者数据集的特定条件试验,提取ERP。然后将30个通道阵列输入sLORETA xyz算法,以计算ERP\ (6239 \)-体素源阵列(每个立方体的电流密度)。对于每个主题,sLORETA输出三个笛卡尔维度中每个体素的激活(\({J}{X}^{voxel i}(t)\),\({J}{Y}^{voxel i}(t)\),\ ({J} _ {Z} ^{体素我}\离开(t \右),所有体素的\我= 1,\点,6239 \)).

全脑IRP计算概述如下图所示的程序。8.具体而言,根据sLORETA建模,每个体素可被视为包含一个基本电偶极子源,由电流密度矢量和基本立方体(体素)的尺寸表示。根据电磁兼容性理论,相反电流密度(差模电流)的影响考虑到它们之间的距离与问题的尺寸(如波长)相比非常小,可以安全地忽略几乎放置的体素与电场之间的距离[17,34].电场的重要分量主要是由共模电流(等号电流)的贡献产生的。因此,可以安全地假设,所有体素上的电流密度矢量的代数和抵消了微分模态分量[34],同时保持共模组件(全脑sLORETA激活):

图8
图8

方法概述。在步骤1中,sLORETA算法以三维电流密度矢量的形式返回皮层激活的时间过程。在步骤2中,总电流密度矢量是通过对X、Y和Z方向的体素求和来计算的。在步骤3中,应用Eq. (13)

c数组$ $ \开始{}{}{J} _ {X} \左(t \右)= \ sum_ {i = 1} ^ {6239} {J} _ {X} ^{体素我}\离开(t \) \ \ {J} _ {Y} (t) = \ sum_ {i = 1} ^ {6239} {J} _ {Y} ^{体素我}\离开(t \) \ \ {J} _ {Z} \左(t \右)= \ sum_ {i = 1} ^ {6239} {J} _ {Z} ^{体素我}\左(t \右)。\{数组}$ $
(12)

然后,整个大脑的IRP可以从(11)(点为时间导数):

$ ${\文本{IRP}} \离开(t \右)= {J} _ {X} \离开(t \右){\ ddot {J}} _ {X} \离开(t \右)+ {J} _ {Y} \离开(t \右){\ ddot {J}} _ {Y} \离开(t \右)+ {J} _ {Z} \离开(t \右){\ ddot {J}} _ {Z} \ (t \右)。$ $
(13)

最后,利益窗口内的总权力\ ([{t} _ {1}, {t} _ {2}] \)可计算为各IRP值之和:

$ ${\文本{IRP}} _ {[t1, t2]} = \ sum_ {t = {t} _ {1}} ^ {{t} _{2}}{\文本{IRP}} \ (t \右)。$ $
(14)

假设sLORETA算法计算电流密度\(\mathbf{J}=\left({J}{x},{J}{y},{J}{z}\right)\)每一个小学\(5乘以5乘以5{\text{mm}}^{3}\)立方(电流密度单位\ \(压裂{一}{\文本{mm}} \)在每个方向),标准化IRP值以\({\left(\frac{A}{{\text{mm}}\cdot ms}\right)}^{2}\)并将所有数据称为“标准化IRP”。

时频分析

利用连续小波变换(CWT)对IRP时域信号进行时频分解− 100至700毫秒(锁定到惊吓音开始的时间)[50].IRP信号与复杂的Morlet小波进行卷积,使用78个线性分离的频率(从2到80赫兹)。用于与原始IRP信号卷积的Morlet小波核长度为0.5 s,而核以4 ms步长(对应采样率为250 Hz)滑动,直到覆盖整个信号。每个时频点的IRP谱功率(\ (P \左(t、f \) \)),作为各复小波系数绝对值的平方[50].为了解释光谱功率值在受试者之间的变化,数据被db -归一化(\ ({P} _{\文本{dB}} \左(t、f \) \)),基于刺激前周期−100 ~ 0ms(点0为预预脉冲发作),通过以下公式(针对每个时频点)\((t,f)\)):

$ $ {P} _{\文本{dB}} \离开(t、f \右)= 10 \ cdot {\ mathit{日志}}_{10}\压裂{P \离开(t、f \右)}{\压裂{1}{100}\ sum_{左我\ \ [- \ mathrm{0} 100年\右]}P \离开(我f \右)}。$$
(15)

还需要注意的是,在少量的PPF试验(每个参与者0.93个试验)中,没有足够的100毫秒长的刺激前间隔。在这些极端情况下,我们将先前试验的基线视为当前基线。

统计分析

分别对时域信号产生的2个全脑描述符(GFP和IRP)进行双向混合方差分析(ANOVA)检验,研究组(被试之间因素:BDD vs CTL)和状态(被试内部因素:PPI vs PPF)的影响。当条件存在显著的主效应时,采用事后配对t检验比较两种条件(PPI和PPF)。所有的方差分析测试参考Bonferroni和Greenhouse-Geisser校正,分别对多重比较和球形违规进行调整。对于组间比较,采用Levene检验来确认组间方差相等。所有统计过程均采用SPSS和MATLAB软件进行。统计阈值设置为α= 5%。

频域差异本节对应于Results section B.4。首先,从IRP信号的时频表征中得到N100/P200窗口(60-260 ms)期间的频谱波(2 - 80 Hz)。为了识别在条件和组之间显示显著差异的子频带,我们使用了非参数聚类排列检验[51,52].簇排列测试允许比较所有频点上的组/条件,并检测“簇”(即连续频点)由于差异分布是以数据驱动的方式进行的,使用5000个排列,因此也适合控制多重比较问题[52].在每个置换实例中,我们随机洗牌条件/组标签(“PPI”与PPF)然后,在每个频率点进行所有可能的t检验t-scores > 2(对应于p= 0.05),然后分组根据它们是否属于连续的频率点。然后计算每个集群内的t-scores的总和来表示集群t统计量.最后,利用矩阵构造差分分布最大聚类t统计量每个置换实例的[51].如果实际标签产生的原始聚类超过临界t分数(对应于p= 0.05)。对组和条件分别进行聚类排列检验,使我们能够确定N100/P200差异的主导频带。

数据和材料的可用性

本研究中使用和/或分析的数据集和代码脚本可根据合理要求从相应作者处获得。

缩写

脑电图:

脑电描记法

企业资源规划:

与事件相关电位

斯洛雷塔:

标准化低分辨率电磁层析成像

GFP:

全球领域力量

GMD:

全球地图不同

PCA:

主成分分析

政府飞行服务队:

全局字段同步

强迫症:

强迫症

IRP:

瞬时辐射功率

惩教署:

电流源密度

BDD:

身体变形障碍

CTL:

对照组

PPI:

预脉冲抑制

PPF:

预脉冲易化

DSM-5:

精神障碍诊断和统计手册第5版

其他:

负向ERP成分在100毫秒左右达到峰值

P200:

正向ERP成分在200 ms左右达到峰值

类:

连续小波变换

快速傅立叶变换:

快速傅里叶变换

单反:

逐步线性回归

DCQ:

变形问题调查问卷

YBOCS:

Yale-Brown强迫性规模

ICA:

独立成分分析

新兴市场:

电磁的

电动势:

电动势

方差分析:

方差分析

参考文献

  1. 1.

    脑电图的基本神经机制。脑电图临床神经生理学。1998;106(2):101-7。

    文章谷歌学者

  2. 2.

    《精神病学中的常规和定量脑电图》,神经精神病学临床神经科学杂志,1999;11(2):190-208。

    文章谷歌学者

  3. 3.

    Picton TW,Bentin S,Berg P,Donchin E,Hillyard SA,Johnson R等.利用人类事件相关电位研究认知的指南:记录标准和出版标准.心理生理学.2000;37(2):127-52。

    文章谷歌学者

  4. 4.

    研究综述:脑电图生物标记在儿童精神病学研究中的应用——现状和未来方向。儿童精神病学杂志。2016;57(1):4-17。

    文章谷歌学者

  5. 5.

    标准化低分辨率脑电磁断层扫描(sLORETA):技术细节。方法《临床药理学杂志》2002;24:5-12。

    谷歌学者

  6. 6.

    Menendez RGDP,Andino SG,Lantz G,Michel CM,Landis T.电磁癫痫活动的无创定位I方法描述和模拟.脑地形图.2001;14(2):131-7。

    文章谷歌学者

  7. 7.

    陈婷,蔡W,雷阿里S,苏佩卡K,梅农V.不同的全球脑动力学和显著网络的时空组织。普洛斯生物。2016;14(6):e1002469。

    文章谷歌学者

  8. 8.

    李杰,Bolt T,Bzdok D,Nomi JS,Yeo BTT,Spreng RN,等。人脑中整体信号的地形图和行为相关性。Sci Rep.2019;9(1):1-10。

    谷歌学者

  9. 9

    王志强,王志强,王志强,等。全脑网络交流分析显示右侧颞叶癫痫的结构-功能相关性增加。科学杂志。2016;11:707-18。

    文章谷歌学者

  10. 10.

    《整体场功率和地形相似性》。脑地形图学。1990;3(1):137-41。

    文章谷歌学者

  11. 11.

    Hellyer PJ,Shanahan M,Scott G,Wise RJS,Sharp DJ,Leech R.全球大脑动力学的控制:额顶控制和默认模式网络对注意力的相反作用.神经学杂志.2014;34(2):451-61。

    文章谷歌学者

  12. 12.

    王志强,王志强。基于无参比的棋盘格诱发多通道电位场分析。脑电图临床神经生理学。1980;48(6):609-21。

    文章谷歌学者

  13. 13.

    Michel CM,Koenig T.EEG微状态作为研究全脑神经网络时间动力学的工具:综述。神经影像学。2018;180:577–93。

    文章谷歌学者

  14. 14.

    多通道场的数据简化:全局场功率和主成分分析。脑地形图。1989;2(1–2):73–80.

    文章谷歌学者

  15. 15

    Özçoban MA,Tan O,Aydin S,Akan A.强迫症患者多通道额叶脑电图测量的整体场同步性降低。医学生物工程计算机。2018;56(2):331-8。

    文章谷歌学者

  16. 16

    作者简介:陈志强,男,硕士研究生。来自时变电和磁偶极子的瞬时辐射。中国科学(d辑:地球科学)(英文版);

    数学网文章谷歌学者

  17. 17

    《天线理论:分析与设计》。纽约:Wiley;2016。

    谷歌学者

  18. 18

    Griffiths DJ, Inglefield C.电动力学入门。中国科学:地球科学,2005;37(6):574-574。

    文章谷歌学者

  19. 19

    休克前抑制的人类研究:正常人、患者组和药理学研究。精神药理学。2001;156(2 - 3):234 - 58。

    文章谷歌学者

  20. 20.

    Plappert CF,Pilz PKD,Schnitzler HU.控制小鼠声惊吓反应的脉冲前抑制和脉冲前促进的因素。Behav Brain Res.2004;152(2):403-12。

    文章谷歌学者

  21. 21.

    韦恩·JK,道森·梅,谢尔·阿姆,麦基·M,萨尔维森D,格林·MF.精神分裂症患者及其未受影响兄弟姐妹的预脉冲易化和预脉冲抑制.生物精神病学.2004;55(5):518-23。

    文章谷歌学者

  22. 22.

    作者:高桥,桥本,石井,武田等。惊吓反应前脉冲抑制的研究进展。临床精神药理学杂志。2011;9(3):102-10。

    文章谷歌学者

  23. 23.

    Stachtea X, Zioga I, Giannopoulos AE, Papageorgiou PC, Spantideas ST, Kapsalis NC,等。脉冲前抑制和易化范式中脑振荡的重测可靠性:健康人的性别影响。NeuroReport。2020; 31(13): 985 - 90。

    文章谷歌学者

  24. 24.

    《身体变形障碍》。对话临床神经科学。2010;12(2):221-32。

    文章谷歌学者

  25. 25.

    《DSM-5:分类和标准变化》,世界精神病学杂志,2013;12(2):92-8。

    文章谷歌学者

  26. 26.

    De Brito MJA,Nahas FX,Ortega NRS,Cordás TA,Dini GM,Neto MS等。识别身体畸形障碍风险的决策支持系统:模糊模型。国际医学信息杂志。2013;82(9):844–53。

    文章谷歌学者

  27. 27

    Jefferies Sewell K,Chamberlain SR,Fineberg NA,Laws KR.身体变形障碍中的认知功能障碍:病理系统和神经生物学模型的新含义.中枢神经系统光谱.2017;22(1):51-60。

    文章谷歌学者

  28. 28

    Kapsali F, Zioga I, Papageorgiou P, Smyrnis N, Chrousos GP, Papageorgiou C.躯体变形障碍的事件相关脑电图振荡。中国临床医学杂志。2020;50(3):e13208。

    文章谷歌学者

  29. 29

    Giannopoulos AE,Zioga I,Papageorgiou PC,Kapsali F,Spantideas ST,Kapsalis NC等。身体畸形障碍的早期听觉诱发电位:一项ERP/sLORETA研究。精神病学第2021号决议;113:865.

    谷歌学者

  30. 30

    如何在ERP实验中获得统计上显著的效果(以及为什么不能)。心理生理学。2017年,54(1):146 - 57。

    文章谷歌学者

  31. 31

    De Pascalis V,Cozzuto G,Russo E.人格特质情绪性对听觉惊吓反应和预脉冲抑制的影响,包括N100和P200事件相关电位。临床神经生理学。2013;124(2):292–305。

    文章谷歌学者

  32. 32.

    De Pascalis V,Scacchia P,Sommer K,Checcucci C.精神病特征和强化敏感性理论:预脉冲抑制和ERP反应.生物心理学.2019;148:107771。

    文章谷歌学者

  33. 33.

    默里·MM,布鲁内特·D,米歇尔·CM.《地形ERP分析:逐步教程回顾》.脑地形图.2008;20(4):249-64。

    文章谷歌学者

  34. 34.

    Paul CR.电磁兼容性导论,第184卷。纽约:Wiley;2006年。

    谷歌学者

  35. 35.

    Valls SoléJ,Valldeoriola F,Molinuevo JL,Cossu G,Nobbe F.正常人受试者惊吓反应和眨眼反射的预脉冲调制。实验大脑研究1999;129(1):49-56。

    文章谷歌学者

  36. 36.

    健康人群听觉惊吓反射的Prepulse抑制(PPI)与听觉诱发θ波振荡的PPI相关。>。2006;400(3):246 - 51。

    文章谷歌学者

  37. 37.

    Toh WL,Castle DJ,Rossell SL.身体变形障碍(bdd)中的注意偏差:使用情绪Stroop任务进行眼睛跟踪。综合精神病学。2017;74:151–61.

    文章谷歌学者

  38. 38.

    Richter MA,De Jesus博士,Hoppenbrouwers,Daigle M,Deluce J,Ravindran LN,等。强迫症中皮层抑制和兴奋功能障碍的证据。神经精神药理学。2012;37(5):1144-51。

    文章谷歌学者

  39. 39

    Menendez RGDP,Andino SG.讨论拉普拉斯极小化的能力.脑地形图.2000;13(2):97-104。

    文章谷歌学者

  40. 40.

    Rosen JC,Reiter J.身体变形障碍检查的发展.行为疗法.1996;34(9):755-66。

    文章谷歌学者

  41. 41

    Phillips KA, Hollander E, Rasmussen SA, Aronowitz BR。身体畸形障碍的严重程度评定量表:改良版的耶鲁-布朗强迫量表的发展、信度和效度。Psychopharmacol公牛。1997;33(1):17。

    谷歌学者

  42. 42

    Oosthuizen P, Lambert T, Castle DJ。畸形关注:患病率和与临床变量的关联。澳洲新热情精神病学杂志1998;32(1):129-32。

    文章谷歌学者

  43. 43

    艾森JL,菲利普斯KA,贝尔L,比尔DA,阿塔拉KD,拉斯穆森SA。布朗信念评估量表:信度和效度。精神病学1998;155(1):102-8。

    文章谷歌学者

  44. 44.

    Kapsali F,Nikolaou P,Papageorgiou C.耶鲁-布朗强迫症量表(BDD-YBOCS):希腊语翻译,验证和心理测量学特性。第8卷,EC心理学和精神病学,2019年。

  45. 45.

    EEGLAB:一个用于分析单次试验脑电图动力学的开源工具箱,包括独立分量分析。中华神经科学杂志。2004;134(1):9-21。

    文章谷歌学者

  46. 46.

    Widmann A,Schröger E,Maess B.电生理数据的数字滤波器设计——一种实用方法.神经科学方法杂志.2015;250:34-46。

    文章谷歌学者

  47. 47.

    Chaumon M,Bishop DVM,Busch NA.《伪影矫正脑电图独立成分选择的实用指南》。神经科学方法杂志。2015;250:47–63。

    文章谷歌学者

  48. 48.

    Mognon A,Jovicich J,Bruzzone L,Buiatti M.调整:基于空间和时间特征联合使用的自动EEG伪影检测器.心理生理学.2011;48(2):229-40。

    文章谷歌学者

  49. 49.

    Nolan H, Whelan R, Reilly RB。更快:脑电图伪影排斥的全自动统计阈值。中国神经科学杂志。2010;192(1):152-62。

    文章谷歌学者

  50. 50

    王毅,韦鲁沃卢KC,李M.基于BMFLC和卡尔曼滤波的脑机接口应用的带限脑电时频分析.神经工程康复杂志.2013;10(1):109。

    文章谷歌学者

  51. 51

    Maris E,Oostenveld R.脑电图和脑磁图数据的非参数统计检验.神经科学方法杂志.2007;164(1):177-90。

    文章谷歌学者

  52. 52.

    功能性神经成像的非参数排列测试:有示例的初级读本。Hum Brain map . 2002;15(1):1 - 25。

    文章谷歌学者

下载参考资料

致谢

作者热烈感谢Alexandros Pantazis博士和Emmanouil A. Kitsonas博士对实验过程的概念和技术实现所作的贡献。我们还要感谢Foteini Kapsali博士在数据采集方面所做的努力。

资金

这项研究是由阿提卡地区州长资助的。

作者信息

从属关系

作者

贡献

形式分析,写作原稿,可视化,软件。STS:调查,形式分析,写作-初稿。CC:监督,构思,写作-审查和编辑。PP:写作-评论和编辑。NK:写作、评论和编辑。KK:写作-评论和编辑。CP:概念化、方法学、验证、调查。所有作者阅读并批准了最终的手稿。

相应的作者

对应到Anastasios大肠Giannopoulos

道德声明

道德认可和参与同意

这项研究是在雅典国立和卡波德兰大学精神健康、神经科学和精确医学研究所" Costas Stefanis "的心理生理学实验室进行的,与雅典国立和卡波德兰大学医学院、eginian医院第一精神病学系合作进行的。该研究得到了雅典国立和Kapodistrian大学eginian医院医学院第一精神病学地方伦理委员会的批准,注册号为349/15-7-2013。所有参与者都被广泛地告知了程序,并给予了参与的书面同意。根据《赫尔辛基宣言》,这项研究是在国立卫生研究院心理生理学实验室与埃根尼医院第一精神病学部合作进行的。

同意出版

不适用。

竞争利益

作者声明他们没有相互竞争的利益。

补充资料

出版说明

beplay苹果端怎么下载Springer Nature在公布的地图和机构附属机构的管辖权主张方面保持中立。

权利和权限

开放获取本文是基于知识共享署名4.0国际许可,允许使用、共享、适应、分布和繁殖在任何媒介或格式,只要你给予适当的信贷原始作者(年代)和来源,提供一个链接到创作共用许可证,并指出如果变化。本文中的图像或其他第三方材料都包含在本文的知识共享许可中,除非在该材料的信用额度中另有说明。如果资料不包括在文章的知识共享许可协议中,并且你的预期用途没有被法律规定允许或超过允许用途,你将需要直接从版权所有者获得许可。如欲查阅本许可证副本,请浏览http://creativecommons.org/licenses/by/4.0/.创作共用及公共领域专用豁免书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文提供的数据,除非在数据的信贷额度中另有说明。

重印和许可

关于这篇文章

通过交叉标记验证货币和真实性

引用这篇文章

Giannopoulos, a.e., Spantideas, s.t., Capsalis, C。et al。大脑活动的瞬时辐射功率:应用于身体变形障碍的预脉冲抑制和易化。生物医学工程在线20.108(2021)。https://doi.org/10.1186/s12938-021-00946-9

下载引文

关键字

  • 身体变形障碍
  • 脑电图描记器
  • 瞬时辐射功率
  • 预脉冲抑制
  • sLORETA