多层脑磁图(MEG)源建模实现人类皮质深度分辨的层状(laminar)推断

《Nature Communications》:Multilayer MEG source modelling enables depth-resolved laminar inference in humans

【字体: 大 中 小 】 时间:2026年10月01日 来源:Nature Communications 18.1

编辑推荐:

  层状水平的神经动力学对皮层计算至关重要。然而,在人类中,用于探测此类动力学的非侵入性方法仅限于深层与浅层之间的粗略区分。此处,研究人员提出了一种多层脑磁图(magnetoencephalography, MEG)源重建框架,并评估了深度分辨的层状推断可能可行的

  
层状水平的神经动力学对皮层计算至关重要。然而,在人类中,用于探测此类动力学的非侵入性方法仅限于深层与浅层之间的粗略区分。此处,研究人员提出了一种多层脑磁图(magnetoencephalography, MEG)源重建框架,并评估了深度分辨的层状推断可能可行的条件。通过模拟,研究人员系统评估了MEG深度分辨率的极限,表明层状辨别依赖于足够高的信噪比(signal-to-noise ratio, SNR)、精确的共配准(co-registration)以及皮质柱取向的准确设定。研究人员证明,皮质解剖的区域变异会影响重建保真度,其中导场可分离性(lead-field separability)成为关键决定因素。随后,研究人员将该框架应用于来自三个独立数据集的实证数据,并发现层状激活模式与视觉和感觉运动回路中的经典前馈和反馈基序(motif)相一致,支持在有利条件下进行层状推断的合理性,并为桥接侵入性电生理学与人类神经影像学提供了机会。
该研究发表于《Nature Communications》。层状水平的神经动力学是皮层计算的核心,但人类非侵入性探测长期只能粗略区分深层与浅层。侵入性电生理学可提供层状信息,却受伦理和临床条件限制;功能磁共振成像空间分辨率较好但时间分辨率差;脑磁图(magnetoencephalography, MEG)和脑电图时间分辨率高,却受逆问题与空间特异性限制。传统观点认为MEG无法分辨皮质厚度尺度内的源,但高信噪比(signal-to-noise ratio, SNR)下理论上并非存在根本障碍;高精度MEG(high-precision MEG, hpMEG)通过定制头模等改善共配准与头动,但既往层状MEG研究多局限于深层与浅层的二元比较。因此,研究人员提出多层hpMEG源重建框架,系统评估深度分辨层状推断的条件,并在视觉与感觉运动经验数据中检验其能否恢复已知层状激活模式。

关键技术方法概要:研究人员基于个体磁共振成像(magnetic resonance imaging, MRI)构建白质至软膜之间的11层等距皮层表面,以link vectors保持顶点对应并约束偶极子方向;对各深度表面独立进行多重稀疏先验(multiple sparse priors, MSP)反演,以自由能进行模型证据比较。模拟中系统操纵SNR、共配准误差、偶极子方向、双源、粉红噪声、干扰源、源空间不匹配及边界元模型(boundary element model, BEM)前向模型不匹配。经验数据来自三个独立hpMEG数据集,共41名健康成人(18男23女),包括视觉空间注意任务、视觉提示按键任务和自主按键任务,使用个体头模稳定头部。

研究结果如下。多层hpMEG框架概述(Overview of the multilayer hpMEG framework):该框架结合解剖信息多层皮层表面模型、贝叶斯源重建与层级模型比较,通过比较不同深度前向模型的模型证据来推断最可能的层状来源。SNR与共配准约束(SNR and co-registration constraints on laminar inference):模拟显示,低SNR下无法可靠推断,约?50 dB时可支持粗略深浅区分,约?35 dB时准确层状推断开始出现,?20 dB及以上接近完美;共配准误差≤2 mm时各深度推断较准确,3 mm以上误差增至接近随机水平,5 mm时仅深层和浅层保留一定可辨性;结合BigBrain图谱后,中间层(laminae III和IV)在低SNR和较大共配准误差下最易失败,较厚层状结构重建误差较低。层状源分离限制(Limitations of laminar source separation):两个等强度同时源位于不同深度时,在?20 dB SNR和零共配准误差下,模型证据仍表现为单一中间峰,提示当前方法不能完全分离两个同时源,但自由能分布仍显示两个源有贡献。皮质柱取向与层状推断(Cortical column orientation and laminar inference):比较原始高分辨率表面法线、降采样表面法线、皮质斑块统计和link vectors等方向估计方法,发现模拟与重建使用同一方向方法时误差最低;方向角度偏差与层状重建误差呈强非线性正相关;固定跨层方向未见一致优势,准确估计偶极子方向比保持跨层解剖一致性更重要。对噪声、模型不匹配和并发源的稳健性(Robustness to noise, model mismatch, and concurrent sources):粉红噪声下结果几乎不变;加入三个较弱干扰源仅轻度降低准确度,仍支持约?35至?20 dB SNR和约2–3 mm共配准误差内的层状推断;源空间不匹配造成轻度下降;BEM前向模型生成数据、单壳模型重建时性能下降最大,但SNR与共配准依赖关系保持。解剖特征决定层状推断准确度(Anatomical features determine laminar inference accuracy):在理想条件下对全皮层顶点模拟,84.79%顶点重建误差为零;导场深浅差异是最强预测因素,较低导场差异、更切向偶极子方向、较大头皮至皮层距离和较薄皮层与更高误差相关;多变量逻辑回归和随机森林均显示导场差异贡献最大;中介分析提示皮层厚度和距离主要通过导场可分离性影响层状推断,偶极子方向则有较强独立效应。视觉与感觉运动皮层的经验层状推断(Empirical laminar inference in visual and sensorimotor cortex):在视觉空间注意任务中,视觉诱发场定位于初级视觉皮层(primary visual cortex, V1),视觉诱发场峰值期浅层I–III与颗粒层IV证据占优,家族级贝叶斯模型选择显示早期颗粒层优势、随后浅层优势,符合前馈序列;在运动任务合并数据集中,初级运动皮层(primary motor cortex, M1)运动场在运动前约150 ms起由深层V–VI主导,按键时及之后重复出现,随后浅层I–III出现;初级躯体感觉皮层(primary somatosensory cortex, S1)运动诱发场则表现为运动开始时深浅序列及后续深浅瞬变,符合躯体感觉再传入模式。

讨论部分总结:研究人员提出的多层hpMEG框架将层状推断从二元深浅比较推进到皮质柱深度分辨,但模拟表明其可靠应用需要高SNR、约2 mm以内共配准精度、准确前向模型和偶极子方向估计;解剖特征非线性影响推断精度,其中导场可分离性最关键。经验数据中视觉和感觉运动皮层分别恢复出前馈样和运动相关层状序列,说明在有利条件下可恢复层状家族水平的生理基序。局限包括不能分辨两个同时等强度源,结果应解释为局部区域和时间窗内主导层状贡献;深度与空间范围部分混淆;中层源较难分辨;patch大小、滑动窗和预处理会影响结果。未来可能通过贝叶斯模型平均(Bayesian model averaging, BMA)、个体化层与方向先验、更准确前向模型及光泵磁力仪(optically pumped magnetometer, OPM)等新兴传感器技术进一步提高层状精度。

研究结论翻译:总之,研究人员提供了一个多层hpMEG框架,并界定了深度分辨的层状推断可能可行的条件。通过系统探索信号质量、解剖约束与推断精度之间的权衡,研究人员勾画了基于MEG的层状推断的最佳和边缘条件。当前实现可靠支持深层与浅层区分以及层状家族水平的解释,而在体内分辨单个层仍取决于有利条件并需要进一步验证。研究结果进一步提示,层状推断可能不存在通用的最小试次数;可实现精度取决于试次数、成分幅度和变异性、预处理质量、头部稳定和记录噪声特征之间的相互作用,这些共同决定诱发反应的有效SNR。未来包括贝叶斯模型平均(BMA)、个体化层与方向先验、更准确前向模型和新兴传感器技术等进展,可能进一步改善hpMEG在层状水平解析皮层计算的能力。这些进展为非侵入性人类层状神经生理学铺路,桥接侵入性电生理学与全脑、毫秒分辨率功能成像。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号