脑电图(EEG)的宏观形态在憬悟形态下已被普遍协商，并被刻画为“思惟原子”。从前对脑电图的协商曾经发掘了四种微形态A、B、C、D，它们在静息形态下是一致的。同时运用脑电图和性能磁共振成像(fMRI)的协商曾经为静息形态下EEG微形态和fMRI网络之间的相干性供给了左证。在非神速眼动(NREM)睡觉中已发掘了微形态，而慢波睡觉(SWS)里程中脑电微形态与脑性能网络之间的相干尚未赢得协商。本协商在SWS里程中搜罗同步的EEG-fMRI数据，以测验EEG微形态与fMRI网络之间的对应相干。解析显示，4个微形态中有3个与fMRI数据显著相干：1)岛叶和颞后回的fMRI摇动与微形态B呈正相干，2)颞中回和梭状回的fMRI记号与微形态C呈负相干，3)枕叶的fMRI摇动与微形态D呈负相干，而扣带回和扣带回的fMRI记号与微形态B呈正相干。而后，基于fMRI数据，运用组自力份量解析来评价脑性能网络。组级空间相干解析显示，fMRI听觉网络与微形态B的fMRI激活图堆叠，履行节制网络与微形态C的fMRI失活堆叠，视觉和突显网络与微形态D的fMRI失活和激活图堆叠。别的，由二元回归赢得的各微形态的寻常线性模子(GLM)β图与各成份的自力图之间的私人水准空间相干性也讲明，在SWS里程中，EEG微形态与fMRI衡量的脑性能网络紧密相干。综上所述，熟练效果讲明，SWS里程中脑电微形态与脑性能网络紧密相干，讲明脑电微形态为脑性能网络供给了严重的电生理基本。
第一届脑影象编程本领实战班（郑州，.12.19-12.23）第一届脑影象机械研习实战班（郑州，.12.24-12.28）第四届脑电数据解析本领实战班（郑州，.1.23-1.27）第三届磁共振数据解析基本班（郑州，.1.9-13）1、靠山慢波睡觉(SWS)，时常被称为非神速眼动(NREM)睡觉的第三阶段，被表明在睡觉期间脑电图的30s时段中有超出20%的δ波运动。SWS被觉得在人类的复原中表现严重效用，并参加睡觉的保持和睡觉期间的回顾稳固。有左证讲明，SWS在新赢得消息的加工和回顾的永远储备中起重视要效用，这被称为“睡觉相干回顾加工”。
普遍的EEG协商曾经发掘了停歇和职责履行期间的四种准则类其它EEG微形态图。这四个微形态图显示右额到左后(微形态A)、左额到右后(微形态B)、中线额枕(微形态C)和额中心最大(微形态D)的运动。脑电微形态的协商要紧集合在静息形态，并被觉得与脑性能形态相干。
同时实行的EEG-fMRI协商曾经将康健受试者在憬悟停歇期间的脑电微形态与fMRI摇动关联起来。运用这些微形态图的时候里程做为回归变量，与每个微形态图相相干的血氧水准依赖(BOLD)激活/去激活形式近似于某些保守的BOLD静息形态网络，比如视觉网络、听觉网络、突显网络和提防网络。有协商发掘脑电微形态的动力学也许是性能磁共振成像网络的神经生理学基本。
2、法子
2.1熟练计划
48名受试者(男性26名，岁数22.50±2.64岁)参加了熟练。受试者被请求奉命规律的睡觉时候表两周，并通度日动纪录仪和睡觉日志监测他们的习惯性睡觉形式。
受试者在时常的睡觉时候参加了MR处境适应会话，这是通度日动纪录和为期两周的睡觉日志搜罗的数据断定的。在适应里程中，他们被请求戴着EEG帽躺在扫描仪上，接纳6分钟的T1加权扫描和30分钟的BOLDfMRI扫描。熟练会话是在适应会话的一周内实行的，BOLD扫描也是在受试者时常的睡觉时候最先的。
2.2数据收罗
以Hz的采样率收罗熟练期间的EEG-fMRI数据，脑电运用57个按国际10/20系统定位的通道，2个参考通道(A1，A2)，2个眼电图(EOG)通道，2个肌电图(EMG)通道，1个心电图(ECG)通道。采纳MPRAGE序列收罗全头组织T1加权MR图象。受试者被差遣试验沉睡。采纳平面回波成像(EPI)序列收罗fMRIT2*加权数据。当受试者统统憬悟而且不能再次沉睡时，也许当悉数个VOL(在BOLDfMRI序列的运转中也许赢得的最大致积数)都完竣时，会话完结。
2.3数据预责罚
运用BrainVisionAnalyzer2.1离线责罚原始EEG数据。运用21个分段的滑动均匀值去除了EEG数据中的MR梯度伪影，而且随后将EEG数据下采样到Hz。在去除梯度伪影以后，校订数据中的心音心动图伪影，而后用自力成份解析(ICA)去除残留的BCG和梯度相干成份。
运用SPM12软件包对fMRI数据实行解析。fMRI数据通过准则预责罚环节，囊括切片准时校订、头部运动校订、与剖解学数据的连结配准、归一化。
2.4睡觉阶段评分
将责罚后的EEG数据从新参考通道A1和A2的均匀值。而后，对除肌电(10~Hz)外的悉数通道的脑电记号实行0.5~30Hz带通滤波，并进一步向下采样至Hz。在预责罚以后，筛选10个通道(F3、F4、C3、C4、O2、O2、EOG1、EOG2、EMG1和EMG2)。
对五个分割睡觉阶段实行评分：闭眼觉悟、NREM阶段1、NREM阶段2、NREM阶段3和神速眼动。24名受试者(女性12人，岁数21.46±2.96岁)起码见5min的SWS(第3阶段NREM睡觉)投入解析。为每个受试者索取5分钟的同步EEG-fMRI数据，其没有伪影而且包罗最洪量的慢波运动以供进一步解析。
2.5脑电微形态评价
去除伪影后，对责罚后的57个通道(囊括A1、A2、EOG1、EOG2、EMG1、EMG2和ECG)的脑电数据实行0.5~20Hz的带通滤波，而后进一步下采样至Hz。运用CARTOOL用具箱揣度脑电微形态。首先，断定了全部场强(GFP)的最大值。由于GFP峰邻近的地形保持安稳，咱们索取了标识为GFP峰的悉数地形，并将其提交给k-means聚类解析。而后，断定给定脑电数据的最要紧地形图。运用交错考证准则界说了微形态图的最好数目。交错考证准则显示给定EEG数据集的最慷慨差的最少量目的宏观形态图。而后，基于悉数受试者的微形态模板图在组级别履行近似的聚类解析，在SWS期间在组级别形成一组特定的微形态模板图。
为每个微形态揣度了四个参数：均匀联接时候、全部注解方差(GEV)、笼罩率平和均相相干数。均匀联接时候被界说为每个微形态图的联接时候除以涌现次数。GEV被界说为由每个微形态图注解的百分比如差。笼罩率被界说为每个微形态图的联接时候除以总时候。均匀相相干数被界说为空间相相干数除以涌现次数的和。
2.6脑电微形态和fMRI时候序列的寻常线性模子(GLM)
在揣度出组级其它微形态模板图以后，运用组级其它模板图来拟合单个EEG数据。窗口半巨细和最小联接时候均为3帧。而后将预责罚后的脑电数据与每个微形态模板之间的空间相干时候序列以脑电数据的采样率与模范血滚动力学呼应函数(HRF)实行卷积。而后，将卷积的时候相干序列下采样到fMRI采样率，并建模为GLM解析的回归变量。将头部运动参数做为协变量参加到GLM模子中，以消除头部运动的影响。首先在私人水准实行寻常线性模子解析，而后在组水准实行第二级单模范t测验。
2.7fMRI数据的组ICA
实行组ICA来揣度大脑网络中的性能联接性。运用FSL用具箱中的MELODIC实行组ICA。对悉数受试者赢得的预责罚后的静息形态fMRI数据在时候维度长实行联接。组ICA的空间维度为30。查看每个组件的空间和时候特点，并筛选10个组件做为感爱好的性能网络。这些网络向来显示为静息形态和慢波睡觉fMRI。
对来自组ICA的每个空间成份图运用下列两个回归环节实行两重回归解析。首先，将每个空间成份图与每私人积的fMRI数据实行回归；针对每个受试者，将所赢得的空间回归系数随时候串连起来。其次，来日自上述空间回归的时候序列与呼应的SWSfMRI数据实行回归，以约莫每个受试者的特定份量图的回归权重。
2.8GLM激活/去激活图与性能网络的对照
为了评价GLM激活/去激活图与fMRI网络之间的相干，将GLM解析赢得的β图与fMRI数据的组ICA赢得的网络图实行了下列两种方法的对照。首先，揣度组水准的GLM激活/去激活图(即来自第二级单模范t测验的β图)与感爱好的10个组ICA份量之间的空间相干性。其次，揣度每个受试者在二次回归第二步后在受试者水准上的Beta图和呼应份量图之间的空间相干性。将空间相相干数调动为Fisher’sz评分后，实行单模范t测验(p0.05)。
3、效果3.1慢波睡觉中的脑电微形态在每个受试者中区别出四个微形态图(图1)。在SWS里程中，通过组级聚类后，发掘了四个最优聚类。组水准的四个微形态图如图2所示。
图1在每个受试者中区别四个微形态图图2慢波睡觉期间组水准的四个微形态图图3a显示了四个微形态的均匀联接时候。微形态C的联接时候(约63ms)比其余三种微形态的联接时候长，而微形态A的联接时候(约46ms)最短。不同微形态的GEV形式与均匀联接时候的形式宛如(图3b)。微形态C抵达最高的GEV(约36%)，而微形态A和B最低(约10%)。笼罩率的形式(图3c)再次近似于均匀联接时候的形式。微形态C所占比例最大(约36%)，其次是微形态D(约23%)，微形态B次之(约20%)，最低的是微形态A(约19%)。对于均匀相相干数(图3d)，微形态C抵达了最高的均匀相相干数(约83%)。微形态B略低于微形态C(约79%)，而微形态A更低(约78%)，最低的是微形态D(约76%)。
图3慢波睡觉中的四个微形态参数：均匀联接时候(a)、GEV(b)、笼罩率(c)平和均相相干数(d)3.2组ICA效果从30个网络当选出10个为感爱好网络，如图4所示。这10个网络囊括内侧视觉网络、外侧视觉网络、帮忙运动网络、运动网络、额顶网络、听觉网络、履行节制网络、突显网络、默许形式网络和小脑网络。
图4感爱好的十个构成部份的空间舆图。这10个网络从左到右次序为内侧视觉网络(MVN)、外侧视觉网络(LVN)、帮忙运动网络(SMN)、运动网络(MN)、额顶网络(FPN)、听觉网络(AN)、履行节制网络(ECN)、突显网络(SN)、默许形式网络(DMN)和小脑网络(CN)。3.3来自微形态GLM解析的激活/失活图四个微形态中有三个与fMRI数据有显著的相干性(图5)。视察到微形态B在空间上与听觉网络堆叠的脑岛和颞后回有显然的BOLD激活。微形态C呈现为枕叶、梭形回、壳核和颞中回的失活，与履行节制网络相对应。微形态D在空间上与视觉网络堆叠的低级视区失活，在空间上与突显网络堆叠的前扣带回和扣带回激活。在微形态A和fMRI数据之间没有视察到显著的激活或失活。
图5基于fMRI数据的三个微形态的GLM图及其与ICA成份的空间堆叠。微形态B与听觉网络相干(a)；微形态C与履行节制网络相干(b)；以及微形态D与视觉和突显网络相干(c)。3.4GLM图和ICA图在组水准上的相干性在组级别上，图6显示了10个ICA份量图和4个β图之间的空间相干性。听觉和运动网络与微形态B之间的空间相干性显著，这与GLM的发掘是一致的(图5a)。履行节制网络与微形态C的相干最高，微形态D与视觉网络呈负相干，与突显网络呈正相干。
图6GLM效果与组水准的10张ICA网络图之间的空间相干性3.5GLM图和ICA图在私人水准上的相干性图7显示了在两重回归的第二步以后，来自私人级GLM解析的β图与每个受试者的10个份量图之间的空间相干性。微形态B与视觉、听觉和运动网络显著相干。微形态C与履行节制网络呈正相干。微形态D与内侧视觉网络呈负相干，与突显网络呈正相干。在私人水准上，没有视察到微形态A与性能网络之间的显著相干性。
图7在私人水准上，GLMβ图和10个ICA网络之间的空间相干性。*示意p0.05。4、商议咱们纪录了睡觉时同步的EEG-fMRI数据，并运用脑电微形态消息的fMRI解析来协商SWS里程中脑电微形态与fMRI网络之间的相干。效果讲明，4种微形态中有3种与fMRI数据有显著相干性：微形态B与岛叶和颞后回的fMRI激活呈正相干，微形态C与颞中回和梭状回的fMRI激活呈负相干，微形态D与枕叶的fMRI摇动负相干，与扣带回和扣带回的fMRI记号呈正相干。空间相干解析显示，听觉网络与微形态B的fMRI激活图堆叠，履行节制网络与微形态C的fMRI失活堆叠，视觉和突显网络与微形态D的fMRI失活和激活图堆叠。值得提防的是，无脑性能网络与微形态A显著相干。
即使睡觉和憬悟时的脑电微形态拓扑图宛如，但咱们发掘在SWS和憬悟时，每个微形态对应的网络是不同的。在SWS里程中，4个微形态中有3个与fMRI网络相干。微形态B与岛叶和颞后回的激烈摇动呈正相干，这两个地区在空间上与听觉网络堆叠，并与语音责罚相干。微形态B也与视觉网络显著相干，这与以前的静息形态协商一致。微形态C与履行节制网络呈负相干。GLM效果与ICA网络的空间相干解析也撑持微形态C与SWS中履行节制网络显著相干的发掘。微形态D与视觉网络呈负相干，与突显网络呈正相干。集体和私人水准的空间相干性解析撑持微形态D与视觉和突显网络显著相干的发掘。突显网络囊括额部脑区，这也许与SWS里程中慢波运动的形成相对应。fMRI网络与微形态A无显然相干性，GLM呈现与组ICA图在私人或组水准均未视察到显然的空间相干性。这一发掘也许注解下列。首先，微形态A在四个微形态中联接时候最短，全部注解方差最小，笼罩率最低，注解微形态A对方差的注解较小，记号摇动较弱。第二，微形态A在不同受试者之间的改变是不同的，这升高了统计手腕。
上述效果基于ICA维度为30的10个感爱好成份。咱们还在20个维度上协商了微形态和感爱好的ICA成份之间的相干性。咱们还筛选了10个成份做为感爱好的性能网络，并与来自微形态的GLM解析的激活/去激活图很好地对应。在组水准上，微形态B与听觉网络呈正相干，微形态C与履行节制网络呈正相干，微形态D与视觉网络在组和私人水准上呈负相干，这与咱们在ICA维度30的发掘一致。
在SWS里程中，微形态B与视觉网络、运动网络和听觉网络相干。微形态C与履行节制网络相干。微形态D与视觉网络和突显网络相干。对应于微形态的特定范围的脑网络在静息形态和SWS之间也许不同。
5、论断本协商同时纪录睡觉中的EEG-fMRI数据，探究SWS里程中脑电微形态与fMRI网络的相干。效果讲明，脑电微形态与脑性能网络紧密相干，注解脑电微形态在SWS里程中为脑性能网络供给了严重的电生理基本。
注：解读不易，请多多转发撑持，您的每一次转发是对咱们最好的撑持！本文原文及附加材料，请增加赵教师