
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于前向预测的皮层特征模式能够高效地表示静息态脑电图(EEG)在传感器空间中的特征
《Brain Topography》:Forward-Projected Cortical Eigenmodes Provide an Efficient Sensor-Space Representation of Resting-State EEG
【字体: 大 中 小 】 时间:2026年03月25日 来源:Brain Topography 2.9
编辑推荐:
传感器空间EEG分析引入基于皮质几何的Laplace-Beltrami特征映射方法,通过头模型将皮质模板特征映射至头皮电极,相比SPH/PCA/ICA方法在低阶模式(K=4)下实现更高方差解释(0.56 vs 0.44-0.08),且K70/K90更优(8.6/22.6 vs 12.3-30.2),同时保持眼开闭条件一致性。
传感器空间脑电图(EEG)分析通常依赖于电极布局或数据驱动的组件,很少编码大脑皮层的几何结构,这使得头皮上的电活动模式难以与解剖结构相对应,也无法在不同参与者之间进行比较。我们引入了一个传感器空间基础字典,该字典明确地整合了大脑皮层的几何信息。拉普拉斯-贝尔特拉米(Laplace-Beltrami, LB)特征模式是在标准的大脑皮层模板(fsaverage)上计算得出的,并通过三层边界元素(BEM)头部模型的导联场矩阵进行映射,从而生成以大脑皮层为基准的传感器空间谐波。这种基于导联场映射的LB字典能够覆盖整个头皮的分布图,同时保留了来自大脑皮层流形的有意义的空间-频率排序。我们使用普通最小二乘法(OLS)对59通道、32通道和19通道的静息状态EEG(闭眼/睁眼)数据进行投影分析,并将其与球谐函数(SPH)、主成分分析(PCA)和独立成分分析(ICA)进行比较。效率通过以下指标来量化:空间配置的解释方差\(R^2(K)\)(由前K个特征模式解释),以及效率指数\(K_{70}\)和\(K_{90}\)(达到\(R^2\!\ge \!0.70\)和\(R^2\!\ge \!0.90\)的特征模式数量)。此外,还通过闭眼/睁眼状态系数之间的ICC(3,1)一致性来评估结果的一致性。以大脑皮层为基准的表示方法在早期特征模式(K较小时)显示出比SPH和PCA更高的\(R^2\)值(例如,在59通道、闭眼条件下,当\(K{=}4\)时,LB的\(R^2\!\approx \!0.56\) [95%置信区间:0.54, 0.59],而SPH为\(\approx \!0.44\) [0.42, 0.46],PCA为\(\approx \!0.08\) [0.07, 0.09])。并且用更少的特征模式就能解释70%和90%的方差(LB的\(K_{70}\!\approx \!8.6\);SPH为\(\approx \!12.3\);PCA为\(\approx \!19.3\);ICA为\(\approx \!22.8\);LB为\(K_{90}\!\approx \!22.6\);SPH为\(\approx \!25.3\)\(\approx \!23.2\)\(\approx \!30.2\))。在特征模式间的系数一致性方面(闭眼 vs.睁眼),LB和SPH的结果相当。通过将大脑皮层的特征模式与头部前向模型相结合,这种方法能够得到一个与几何结构对齐、易于解释的传感器空间EEG表示,从而在小K值时实现更好的保真度与复杂度之间的平衡,并为低维EEG传感器空间分析提供了一个理论基础。
传感器空间脑电图(EEG)分析通常依赖于电极布局或数据驱动的组件,很少编码大脑皮层的几何结构,这使得头皮上的电活动模式难以与解剖结构相对应,也无法在不同参与者之间进行比较。我们引入了一个传感器空间基础字典,该字典明确地整合了大脑皮层的几何信息。拉普拉斯-贝尔特拉米(Laplace-Beltrami, LB)特征模式是在标准的大脑皮层模板(fsaverage)上计算得出的,并通过三层边界元素(BEM)头部模型的导联场矩阵进行映射,从而生成以大脑皮层为基准的传感器空间谐波。这种基于导联场映射的LB字典能够覆盖整个头皮的分布图,同时保留了来自大脑皮层流形的有意义的空间-频率排序。我们使用普通最小二乘法(OLS)对59通道、32通道和19通道的静息状态EEG(闭眼/睁眼)数据进行投影分析,并将其与球谐函数(SPH)、主成分分析(PCA)和独立成分分析(ICA)进行比较。效率通过以下指标来量化:空间配置的解释方差\(R^2(K)\)(由前K个特征模式解释),以及效率指数\(K_{70}\)和\(K_{90}\)(达到\(R^2\!\ge \!0.70\)和\(R^2\!\ge \!0.90\)的特征模式数量)。此外,还通过闭眼/睁眼状态系数之间的ICC(3,1)一致性来评估结果的一致性。以大脑皮层为基准的表示方法在早期特征模式(K较小时)显示出比SPH和PCA更高的\(R^2\)值(例如,在59通道、闭眼条件下,当\(K{=}4\)时,LB的\(R^2\!\approx \!0.56\) [95%置信区间:0.54, 0.59],而SPH为\(\approx \!0.44\) [0.42, 0.46],PCA为\(\approx \!0.08\) [0.07, 0.09])。并且用更少的特征模式就能解释70%和90%的方差(LB的\(K_{70}\!\approx \!8.6\);SPH为\(\approx \!12.3\);PCA为\(\approx \!19.3\)\(\approx \!22.8\);LB为\(K_{90}\!\approx \!22.6\);SPH为\(\approx \!25.3\)\(\approx \!23.2\)\(\approx \!30.2\)