[科普中國]-腦電-磁共振成像融合

背景簡介

大腦內(nèi)部運作機制研究是21世紀(jì)的一大挑戰(zhàn)，功能神經(jīng)成像在了解大腦功能和障礙方面有著極好的應(yīng)用前景(Friston, 2009)，現(xiàn)已經(jīng)成為神經(jīng)科學(xué)研究和臨床應(yīng)用的重要工具。無創(chuàng)高時間、高空間分辨率成像是大腦研究所期待的工具。借助它有利于了解人類注意、執(zhí)行、記憶等機制，有利于揭示如癲癇活動的起源和傳播等機制。目前，主要的人腦無創(chuàng)技術(shù)有磁共振成像(Magnetic Resonance Image, MRI) 、腦電圖(electroencephalogram, EEG)和腦磁圖(magnetoencephalogram, MEG)等。它們在時空分辨率方面有著各自的優(yōu)劣勢。結(jié)合不同神經(jīng)成像模式（多模態(tài)成像，特別是腦電-磁共振成像融合）不僅可能實現(xiàn)優(yōu)勢互補提高時空分辨率(圖1)，而且還有助于我們對單一模態(tài)中神經(jīng)活動的理解(Biessmann, Plis, Meinecke, Eichele, & Muller, 2011; Huster, Debener, Eichele, & Herrmann, 2012; Laufs, 2012)，從而，推進我們對神經(jīng)和精神疾病的病理生理學(xué)理解。

圖1：融合的動機：通過各模態(tài)實現(xiàn)優(yōu)勢互補。

腦電-磁共振成像融合多模態(tài)成像主要是整合神經(jīng)活動的不同測量模式。其中，EEG作為一種無創(chuàng)記錄大腦活動電生理信號的方式，具有很高的時間分辨率（毫秒級），但空間分辨率較低；而另一種目前常用的無創(chuàng)技術(shù)，MRI則正好相反。顯然，這兩種無創(chuàng)記錄方式的結(jié)合有可能產(chǎn)生高時空分辨率的綜合神經(jīng)成像技術(shù)。其優(yōu)越的時空分辨率將有利于研究認知相關(guān)的大腦功能運作機制以及神經(jīng)和精神類疾病。本文僅介紹結(jié)構(gòu)信息[結(jié)構(gòu)磁共振成像(structural MRI, sMRI), 彌散張量成像(diffusion tensor imaging, DTI)]和功能信息(EEG, fMRI)的融合。值得注意的是，結(jié)構(gòu)信息的采集相對比較規(guī)范；而EEG-fMRI同步采集需要在兼容的采集系統(tǒng)下實現(xiàn)EEG記錄和fMRI掃描同時進行，從而可將實驗刺激或自發(fā)振蕩引起的神經(jīng)電生理活動和代謝活動都記錄下來(圖2)。

圖2：EEG-fMRI同步采集系統(tǒng)(Laufs, Daunizeau, Carmichael, & Kleinschmidt, 2008)

1腦電-磁共振成像信息的融合EEG-sMRI/DTI的融合

EEG與MRI的融合，首先體現(xiàn)在由sMRI為EEG源定位提供頭部容積導(dǎo)體模型，它對于源成像的精確度是至為重要的?；趕MRI，可以構(gòu)建個體特征的邊界元模型、有限元模型或有限體元模型。在EEG與DTI數(shù)據(jù)融合方面，現(xiàn)有研究主要是利用EEG數(shù)據(jù)獲得的神經(jīng)元節(jié)律活動信息和DTI數(shù)據(jù)得到的纖維束或者彌散等信息，分析探討大腦節(jié)律與結(jié)構(gòu)基礎(chǔ)的關(guān)系(Valdes-Hernandez et al., 2010; Whitford et al., 2011)。整體上來講，將高時間分辨率的EEG與高空間分辨率的sMRI/DTI進行信息融合，以探索大腦功能與結(jié)構(gòu)之間的聯(lián)系，仍是一個極具前途與挑戰(zhàn)的課題。

EEG-fMRI融合

有關(guān)EEG與fMRI的融合，目前有多種不同的融合方法(Biessmann, et al., 2011; Huster, et al., 2012; Rosa, Daunizeau, & Friston, 2010)。通常將EEG-fMRI融合分為以下三類：1、空間信息融合，2、時間信息融合，3、模型/對稱融合。如圖3所示。

圖3：融合的三種思路：(i).空間信息的融合; (ii).時間信息的融合;(iii).時-空信息的對稱融合。

**(i)**空間信息融合

空間整合的一種常用方法是利用功能磁共振成像激活圖作為EEG源位置的先驗信息。已有的方法包括功能磁共振成像約束的偶極子定位方法和fMRI-約束/加權(quán)的分布源成像方法。由于增加了fMRI空間約束條件，EEG逆問題的不適定性可在一定程度上得到緩解。近年來，也有課題組創(chuàng)新性的將獨立成分分析所獲得的fMRI功能網(wǎng)絡(luò)，作為EEG源定位的先驗信息引入到EEG源估計的EB(empirical Bayes)模型之中, 發(fā)展出了基于fMRI網(wǎng)絡(luò)信號約束的EEG源定位技術(shù)(Lei et al., 2010)。

**(ii)**時間信息融合

時域上的整合是利用在時域或頻域的EEG動態(tài)信號特征為功能磁共振成像提供信息。這些特征信息通常來自于特定時間段或特定頻段的數(shù)據(jù)。通常是將此電磁記錄獲得的變量與常規(guī)的血流動力學(xué)響應(yīng)函數(shù)（hemodynamic response function, HRF）卷積，然后與基于體素的BOLD信號作線性回歸（general liner model, GLM），以確定相應(yīng)感興趣電磁信號特征的fMRI統(tǒng)計激活圖。Lei等發(fā)展了一種基于經(jīng)驗貝葉斯(empirical Bayes, EB)模型反演HRF函數(shù)的方法(Lei, Qiu, Xu, & Yao, 2010)。該技術(shù)利用EEG提供的高時間分辨率的神經(jīng)活動時間信息和強度信息，重建出相應(yīng)fMRI的血流動力學(xué)函數(shù)。

**(iii)**模型對稱融合

上述兩種融合分析方法，分別側(cè)重于一種模態(tài)對另一模態(tài)的幫助。此外，EEG-fMRI融合還包括由“發(fā)生模型驅(qū)動”或“信號模型驅(qū)動”的融合方法。典型的例子是DCM (Friston, Harrison, & Penny, 2003; Kiebel, Garrido, & Friston, 2007)。由于模型驅(qū)動的融合通常建立在神經(jīng)生理學(xué)基礎(chǔ)之上，因此這些模型的反演將有助于我們理解神經(jīng)活動的起源及相應(yīng)調(diào)節(jié)機制，但是模型的構(gòu)建比較困難。為此一些研究者也通過研究EEG與fMRI信號間的相互依賴關(guān)系，即用互信息來實現(xiàn)EEG與fMRI的融合(Valdes-Sosa et al., 2009)，這種信號模型驅(qū)動的實現(xiàn)可采用先對EEG和BOLD信號分別進行空間和時間逆問題求解，然后借助兩者時間特征的最大化相關(guān)實現(xiàn)融合。

綜上所述，在同步EEG-fMRI融合方面，迄今為止，已經(jīng)有許多方法技術(shù)用以整合EEG與fMRI。然而，有關(guān)整合信息的可信度目前尚不明確。最近，Dong等在現(xiàn)有研究的基礎(chǔ)上，提出了一種層級框架用以區(qū)分有關(guān)整合結(jié)果的可信度，并用這種層級框架來理解腦活動(Dong et al., 2014)。只有通過了時間與空間兩個方面的匹配才可得到可信度最高的、高時空分辨率的信息。仿真實驗和真實數(shù)據(jù)驗證表明，該框架對于解釋人腦的認知過程是一個可行的方案。

本詞條內(nèi)容貢獻者為:

堯德中 - 教授 - 電子科技大學(xué) 神經(jīng)信息教育部重點實驗室