為探討衰老過程對大腦連接網(wǎng)絡(luò)的影響，Fabrizio Vecchio等人收集170名健康老年被試的靜息態(tài)EEG數(shù)據(jù)進行分析，文章發(fā)表在GeroScience。

方法：先對數(shù)據(jù)進行預(yù)處理，然后利用eLORETA分析基于皮層溯源的功能連接，最后對連接值進行圖論網(wǎng)絡(luò)分析，計算小世界屬性（small world，考察腦網(wǎng)絡(luò)全局屬性的經(jīng)典指標）。研究者比較全腦的左右差異，同時特別關(guān)注下列3個靜息態(tài)腦網(wǎng)絡(luò)：注意網(wǎng)絡(luò)（attentional network,AN）、額網(wǎng)絡(luò)（frontal network,FN）和默認模式網(wǎng)絡(luò)（default mode network，DMN）的左右腦區(qū)差異。分析的頻段有delta、theta、alpha1、alpha2、beta1、beta2、gamma。為了評估參數(shù)的穩(wěn)定性、驗證結(jié)果的可重復(fù)性，挑選32名被試在相同的環(huán)境下，間隔數(shù)天采集3次腦電數(shù)據(jù)。

結(jié)果：對全腦進行分析時并未發(fā)現(xiàn)左右腦區(qū)的差異，但是對3個子網(wǎng)絡(luò)進行分析的時候發(fā)現(xiàn)了左右腦區(qū)的差異：對于AN和DMN，低頻段（delta and/or theta）和高頻段(gamma)的小世界屬性在左側(cè)腦區(qū)更高;而對于FN，alpha1頻段的小世界屬性在左側(cè)腦區(qū)更低。同時，通過對前后測數(shù)據(jù)的分析得到結(jié)果穩(wěn)定可重復(fù)，前后數(shù)據(jù)并無差異。 結(jié)論：本研究以健康老年人為被試，采集其靜息態(tài)EEG數(shù)據(jù)，計算基于皮層的功能連接并進行圖論網(wǎng)絡(luò)分析，重點分析小世界屬性。此外，多次采集數(shù)據(jù)驗證結(jié)果的可重復(fù)性。結(jié)果發(fā)現(xiàn)注意網(wǎng)絡(luò)、額網(wǎng)絡(luò)和默認模式網(wǎng)絡(luò)在相關(guān)頻段上存在左右腦區(qū)差異，并且這些結(jié)果穩(wěn)定、可重復(fù)。研究亮點有2點：樣本量大，共收集了170名健康老年人的數(shù)據(jù)；首次進行了可重復(fù)性驗證。總的來說，研究結(jié)果表明圖論是探索EEG腦網(wǎng)絡(luò)的一種可靠方法，特別適合用來研究衰老對功能連接網(wǎng)絡(luò)的影響。

關(guān)鍵詞：圖論、小世界屬性、功能連接、EEG 

【引言】

人腦是一個復(fù)雜的網(wǎng)絡(luò)，不同的功能區(qū)域相互左右、相互協(xié)調(diào)。網(wǎng)絡(luò)模型和基于圖論的拓撲方法可以幫助理解大腦組織結(jié)構(gòu)和功能機制。小世界屬性（small world）就是圖論網(wǎng)絡(luò)的一個經(jīng)典指標，可用來評估不同腦區(qū)功能連接的強弱、靈活性等（基于EEG或MEG信號測量不同腦區(qū)隨時間變化的振蕩電磁活動的同步性）。

近年來，許多研究通過分析EEG信號的小世界網(wǎng)絡(luò)，研究了生理/病理衰老過程中大腦發(fā)育的變化。本研究受此啟發(fā)，著重探討探討三個功能網(wǎng)絡(luò)：注意網(wǎng)絡(luò)（與認知有關(guān)，比如執(zhí)行功能、工作記憶、語言、決策、視覺空間能力、警覺等）、額網(wǎng)絡(luò)（主要與語言有關(guān)，有研究發(fā)現(xiàn)額葉之間的功能耦合與健康老年人在語法學(xué)習任務(wù)中的表現(xiàn)、語義流利任務(wù)相關(guān)活動以及靜息狀態(tài)的功能連接有關(guān)）、默認模式網(wǎng)絡(luò)（作為一種內(nèi)在的功能連接網(wǎng)絡(luò)，在靜息狀態(tài)下很好地表現(xiàn)為一種心理重組和執(zhí)行任務(wù)的準備狀態(tài)。DMN與自傳體記憶和習慣性的自我參照思維有關(guān)。）。

本研究的亮點一是大樣本量，一共170名被試（以往研究沒有提供大量健康老年人群的數(shù)據(jù)），二是對結(jié)果進行了可重復(fù)性驗證（以往研究也沒有測試參數(shù)的再測試穩(wěn)定性）。
【被試和方法】
被試170名健康老年被試，平均年齡66.7±0.8，均為右利手。有32名被試在幾乎相同的環(huán)境下又記錄了2次數(shù)據(jù)，間隔天數(shù)為2天，用作可重復(fù)性驗證。 

數(shù)據(jù)記錄和預(yù)處理

腦電數(shù)據(jù)記錄時至少包括如下19個電極—Fp1、Fp2、F7、F8、F3、F4、T3、T4、C3、C4、T5、T6、P3、P4、O1、O2、Fz、Cz和Pz，電極排布符合10-20國際標準。記錄垂直眼電和水平眼電用來監(jiān)控眨眼。記錄時的電阻小于5kΩ，采樣率為256Hz。被試在安靜下的環(huán)境坐著記錄，整個過程保持清醒、放松，至少記錄5分鐘的閉眼靜息數(shù)據(jù)。 預(yù)處理采用EEGLAB，帶通濾波0.2-47Hz，分段長度為2s。通過ICA去除眼動、肌肉運動等偽跡。處理干凈的數(shù)據(jù)用作下一步分析。 

基于皮層溯源的功能連接

利用eLORETA計算ROI之間的功能連接，ROI的定義參考broadman分區(qū)。左右腦區(qū)共包括42個ROI（BAs 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 13,17, 18, 19, 20, 21, 22, 23, 24, 25, 27, 28, 29, 30, 31, 32,33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47）、注意網(wǎng)絡(luò)包括13個ROI(BAs 6, 7,8, 9, 10, 21, 22, 31, 32, 39, 40, 45, 47)、額網(wǎng)絡(luò)包括9個ROI（BAs 2, 7, 8, 9, 10, 40, 44, 45, 46）、默認模式網(wǎng)絡(luò)包括8個ROI（BAs 7, 8, 10, 23, 31,32, 39, 46）。詳見圖1。

圖1 AN/FN/DMN broadman腦區(qū)的分布

對基于eLORETA計算得到的電流密度時間序列，提取84個ROI最近鄰體素（以每個感興趣的BA中心坐標為原點，19mm為半徑）的信號，計算每個被試不同頻段下[delta (2–4 Hz)、theta (4–8 Hz)、alpha 1 (8–10.5 Hz)、alpha 2 (10.5– 13 Hz)、beta 1 (13–20 Hz)、beta 2 (20–30 Hz) 和gamma (30–45 Hz)]的皮層內(nèi)延遲線性相干（intracortical lagged linear coherence）。公式如下：

X、Y代表時間序列，該方程提供了一種不受容積傳導(dǎo)效應(yīng)影響且適用于空間分辨率較低時測量真實生理連通性的方法。在接下來的圖論分析中，每個被試每個頻段下所有ROI對的連接值被用來計算圖論屬性。 

圖論分析

網(wǎng)絡(luò)是現(xiàn)實世界復(fù)雜系統(tǒng)的數(shù)學(xué)表示，由節(jié)點（node）和連邊(edge)組成。在腦網(wǎng)絡(luò)中，節(jié)點指各個腦區(qū)，連邊指腦區(qū)間的連接。圖論網(wǎng)絡(luò)有2個核心指標：最短路徑（L,最短路徑越短，全局效率越高，網(wǎng)絡(luò)信息傳遞越快）和集聚系數(shù)（C，集聚系數(shù)越高，局部效率越高，局部信息傳遞越快）。小世界網(wǎng)絡(luò)（SW）具有高集聚系數(shù)和較短的最短路徑，通過集聚系數(shù)和最短路徑的比值來定義小世界屬性，如果數(shù)值大于1.1，說明網(wǎng)絡(luò)具有小世界屬性，值越大代表小世界屬性越強。

腦網(wǎng)絡(luò)包括有向/無向、二值/加權(quán)幾種。無向網(wǎng)絡(luò)不考慮連接的方向，哪個腦區(qū)影響哪個腦區(qū)；有向網(wǎng)絡(luò)考慮連接的方向，A腦區(qū)影響B腦區(qū)還是B腦區(qū)影響A腦區(qū)。二值網(wǎng)絡(luò)將腦區(qū)連接分為2類，有連接的全部標記為1，不考慮連接的強弱，無連接的標記為0；加權(quán)網(wǎng)絡(luò)則考慮連接的強弱。本研究選擇無向加權(quán)網(wǎng)絡(luò)進行分析。節(jié)點由BAs表示，連邊由eLORETA計算得到的延遲線性相干進行表示。作者計算了集聚系數(shù)、最短路徑以及小世界屬性考察網(wǎng)絡(luò)整體效率。 

統(tǒng)計

統(tǒng)計方法采用方差分析，使用Greenhouse-Geisser校正來防止可能違反球形假設(shè)。采用Duncan’s test進行事后分析，顯著性水平為0.05。所有統(tǒng)計分析均采用Statistica軟件。為了考察左右腦區(qū)的差異，對所有頻段的全腦數(shù)據(jù)和3個子網(wǎng)絡(luò)的數(shù)據(jù)（AN/FN/DMN）進行2（腦區(qū)：左 vs.右）×7（頻段：delta vs. theta vs. alpha1 vs. alpha2 vs. beta1 vs. beta2  vs. gamma）的雙因素方差分析。此外，為了檢驗結(jié)果的可重復(fù)性，對小世界屬性進行3（時間：第一次采集 vs. 第二次采集vs. 第三次采集）×7（頻段：delta vs. theta vs. alpha1 vs. alpha2 vs. beta1 vs. beta2 vs. gamma）的雙因素方差分析。 

【結(jié)果】

基于EEG皮層溯源的圖論分析標準化后的小世界屬性表現(xiàn)出一種趨勢（見圖2）：delta、theta、gamma小世界屬性值較大，alpha1、alpha2小世界屬性值較小。具體的平均數(shù)和五分位數(shù)詳見表1。

圖一 170名被試的小世界屬性表現(xiàn)出一種趨勢

表1 平均小世界屬性數(shù)據(jù)

為了分析左右腦區(qū)的差異，進行2（腦區(qū)：左 vs. 右）×7（頻段：delta vs.theta vs.alpha1 vs.alpha2 vs.beta1 vs.beta2 vs. gamma）的雙因素方差分析，但是差異均不顯著（詳見圖3）。此外，為了分析3個子網(wǎng)絡(luò)左右腦區(qū)（AN/FN/DMN）的差異,分別對每個腦網(wǎng)絡(luò)進行2（腦區(qū)：左 vs. 右）×7（頻段：delta vs. theta vs.alpha1 vs.alpha2 vs.beta1 vs.beta2 vs. gamma）的雙因素方差分析。結(jié)果如下：

對于AN（F(6, 774) = 6.7446, p = 0.00000），delta（p<0.009）、theta(p<0.002)和gamma(p < 0.000004)頻段上左側(cè)腦區(qū)的小世界屬性顯著高于右側(cè)腦區(qū)；

對于FN (F(6, 774) = 5.0472, p = 0.00004)，alpha1(p < 0.031)右側(cè)腦區(qū)的小世界屬性顯著高于左側(cè)腦區(qū)，而gamma(p < 0.00001)右側(cè)腦區(qū)的小世界屬性顯著小于左側(cè)腦區(qū)；

對于DMN (F(6, 774) = 4.6416, p = 0.00012)，theta(p < 0.0015)和gamma (p < 0.0008)頻段上左側(cè)腦區(qū)的小世界屬性顯著大于右側(cè)腦區(qū)。

圖3 左右腦區(qū)的小世界屬性

圖4 AN/FN/DMN的小世界屬性

被試內(nèi)的可重復(fù)性驗證

對32名被試3次記錄數(shù)據(jù)進行3（時間：第一次采集 vs. 第二次采集 vs. 第三次采集）×7（頻段：delta vs.theta vs.alpha1 vs.alpha2 vs.beta1 vs.beta2 vs. gamma）的雙因素方差分析，結(jié)果發(fā)現(xiàn)交互作用不顯著、時間主效應(yīng)不顯著，證明了本研究方法學(xué)測量參數(shù)的穩(wěn)定性。作為控制分析，作者還對每個頻段進行了非參數(shù)統(tǒng)計（Friedman’s ANOVA），結(jié)果也證實了參數(shù)的穩(wěn)定性。 

【討論】

功能連接被認為是理解大腦解剖區(qū)域在活動過程中組織行為的關(guān)鍵，這種組織可能是基于不同皮層部位的相互作用。皮質(zhì)功能連接旨在將這些相互作用描述為連接模式，反映相關(guān)皮質(zhì)區(qū)域之間信息傳遞的效率。而圖論分析就是考察功能連接的一個有效方法，本研究即選擇了該方法進行分析。

結(jié)果可總結(jié)如下：

從描述性分析來看，delta、theta和gamma的小世界屬性較大，alpha的小世界屬性較小。從統(tǒng)計結(jié)果來看，整個腦網(wǎng)絡(luò)并不存在左右腦區(qū)差異，但是子網(wǎng)絡(luò)的左右腦區(qū)存在差異。

對于注意網(wǎng)絡(luò)，delta、theta和gamma頻段左側(cè)腦區(qū)的小世界屬性更高；

對于額網(wǎng)絡(luò)，alpha頻段右側(cè)腦區(qū)的小世界屬性更高，gamma頻段左側(cè)腦區(qū)更高； 對于默認模式網(wǎng)絡(luò)，theta和gamma頻段左側(cè)腦區(qū)的小世界屬性更高。描述性結(jié)果的趨勢與前人研究一致，與老年癡呆患者相比，健康老年被試delta和theta的小世界屬性更高，alpha的小世界屬性更低。

此外，半球功能網(wǎng)絡(luò)的小世界結(jié)構(gòu)可表征發(fā)育生長過程中的最佳組織模式。從結(jié)果來看，左側(cè)子網(wǎng)絡(luò)對功能連接的貢獻度更大（AN/DMN 的delta、theta、gamma以及FN的alpha1的參與度更高）。人類大腦半球的損傷表明兩個半球具有互補功能:左半球(LH)專門負責語言和動作，右半球(RH)負責注意力和視覺空間感知。分裂腦研究進一步表明，每個半球都是一個完整的認知系統(tǒng)。可見老年人的左右腦區(qū)依舊存在差異，且左側(cè)腦區(qū)貢獻更大。

最后，本研究也發(fā)現(xiàn)了頻段的差異。一些證據(jù)顯示大腦的頻率依賴存在不對稱性。關(guān)于alpha頻段，EEG研究發(fā)現(xiàn)alpha活動在大腦半球?qū)?cè)的枕頂葉相對減少（與空間注意有關(guān)）。目前，EEG中最常被研究的就是額葉alpha頻段（8—13赫茲）的不對稱性。頭皮上觀察到的不對稱通常反映了底部神經(jīng)系統(tǒng)的功能不對稱。

不過，腦區(qū)和頻段的差異具體反映了什么，作者并未深入討論，因為本研究的主要目的是驗證數(shù)據(jù)庫，將結(jié)論立即運用到老年病人的臨床場景。未來研究，可考慮收集年輕被試，分析年輕被試與老年被試腦網(wǎng)絡(luò)的差異。 

【總結(jié)】

本研究通過對腦電信號進行圖論分析，證實了采用數(shù)學(xué)方法研究真實復(fù)雜網(wǎng)絡(luò)相關(guān)特征的實用性。研究結(jié)果與假設(shè)一致，衰老會影響大腦功能網(wǎng)絡(luò)連接。從這個意義上說，圖論可應(yīng)用于EEG幫助分析連接模式，特別是動態(tài)特性，因為EEG信號具有高時間分辨率。

微信掃碼或者長按選擇識別關(guān)注思影