功能连接(FC)是一种广泛使用的大脑网络建模方法，其中大脑不同区域之间的时间相关性或统计依赖性使用图论表示。这使研究人员能够在接受治疗或刺激前后，对参与者组内和组间的大脑网络进行统计比较。为了比较大脑网络，研究人员可以使用不同类型的分析。边缘分析侧重于不同区域之间的连接，例如它们的强度或效率，或连接模式的变化。节点分析包括检查网络中的单个区域，例如它们的程度或中间中心性。网络智能分析着眼于整个网络的整体组织和属性，例如其模块化或全局效率。
不同的方式，如视觉、触觉和音频反馈可以用于神经反馈训练。在心肌梗死训练中采用多种方式可以提供更完整的策略来增强大脑训练和运动功能。每种模式都有其好处，可以解决不同的大脑功能。此外，使用多种模式的组合可以提高心肌梗死训练的效果，因为它提供了几种可以相互加强和补充的反馈渠道。然而，在许多研究中，研究人员只使用光谱、ERD和分类分析来研究反馈如何诱导神经可塑性。这些方法并不能直接理解大脑不同区域之间复杂的相互作用。
因此，本研究旨在利用基于图的FC方法与传统方法相结合，系统地研究心肌梗死练习中α波段脑网络拓扑结构的变化。
本研究的脑网络分析框架如图1所示。首先，采用图2和图3所示的实验设置和定时方案采集脑电信号，并进行滤波、下采样、指数移动标准化和epoch预处理。将得到的预处理信号利用WPLI计算α波段内的功能连通性矩阵。然后将MST算法应用于矩阵以构建大脑连接的图形表示。最后，对图进行各种分析，包括节点分析、边缘分析和网络分析，以确定每个实验条件特有的任何独特特征。
图1. 脑网络分析概述，包括脑电信号预处理、网络构建和网络比较
本研究将20名初试者平均分为两组:仅接受视觉刺激的VIS组(7男3女，26.20±3.37岁)和接受视觉-触觉电刺激的VES组(7男3女，24.40±5.16岁)。所有参与者都没有任何已知的神经系统疾病，所有人都有正常或矫正到正常的视力。实验设置如图2A所示。
图2. 实验设置(A)实验设备包括一个EEG放大器，一个HMD，两个电触觉刺激(ES)装置和一台PC。(B)电极位置。(C) UnlimitedHand (UH)装置，用于提供电触觉刺激反馈。
图3A显示了预反馈会话的时间，其中包括在每次试验开始时在左侧或右侧随机呈现一个绿色十字(侧面提示)，以指示应该执行MI任务的哪一侧。当指示MI提示的虚拟手臂动画结束，红球消失时，参与者被指示重复开始动觉MI任务，持续6秒。VIS组的参与者在强化(R)期间观看MI任务的虚拟手臂动画，作为视觉强化的一种形式。然而，如果参与者属于VES组，则在R期间同时引入视觉和电触觉增强。蓝线表示试验结束时的结束提示。在分类器训练期间，如图3B所示，使用常用空间模式(CSP)滤波和对数方差计算从预反馈阶段收集的样本中提取特征。这些特征用于训练支持向量机(SVM)，其置信度得分用于确定反馈会话的反馈水平。图3C显示了反馈会话的定时方案。反馈阶段与预反馈阶段之间的唯一区别是MI周期从6 s减少到2 s，并且反馈(F)周期被R周期所取代。实验在每个会话中为每个MI任务包括两次运行，每次运行有40个试验。
图3. 实验方案时序方案及流程图，其中MI为运动图像，CSP为常用空间模式算法，SVM为支持向量机。(A)预反馈会话。(B)分类器训练框架。(C)反馈会话。
结果
功率谱
功率谱密度(PSD)图(图4)显示了在运动成像任务中从四个大脑区域记录的EEG信号的频率成分:额叶(AF3、AF4、FC3、FCz、FC4、Cz)、顶叶(C3、C4、CP3、CPz、CP4、Pz)、颞叶(T7、T8)和枕叶(O1、O2)。虽然VIS组和VES组在所有频率上表现出相似的功率分布，但VIS组在反馈过程中额叶和顶叶α波段活动(8-12 Hz)略低于反馈前。在12 ~ 30 Hz范围内，两组颞区α波段活性均升高，β波段活性均降低。两组之间的差异最明显的是枕叶，在这两个过程中，VES组都表现出更高的α波段活性。由于大多数观察到的差异发生在大脑不同区域的α波段，因此后续的分析将主要集中在该频段。计算额叶α波段不对称(FAA)来测量神经反馈训练期间的情绪投入。结果表明，在反馈前阶段观察到轻微偏左的FAA和反馈会话。虽然两组在反馈过程中均表现出左侧FAA减少，但差异无统计学意义。
各组α波段的相对功率(RP)地形图如图4B所示。结果显示，VIS组的顶叶面积，如CP3、CPz、Pz和AF3等，在统计学上有显著的减少。相比之下，VES组的运动皮质，包括C3、Cz、C4、Pz和O1，均有统计学上显著的减少。
图4. (A) 4个不同脑区(额叶:AF3、AF4、FC3、FCz、FC4、Cz；顶板:C3、C4、CP3、CPz、CP4、Pz；颞:T7, T8；枕部:O1, O2)。两组在所有频率上的功率分布都相当。然而，在反馈过程中，VIS组的额叶和顶叶α波段活性略低于反馈前。另一方面，在反馈前和反馈过程中，VES组的枕叶α波段活性均显著高于VIS组。(B)各组α波段相对功率(RP)地形图，其中RP表示各组相对功率的差异。VIS组α波段RP差异有统计学意义，特别是在AF3、CP3、CPz和Pz电极上。而VES组C3、Cz、C4、Pz、O1电极α波段RP差异有统计学意义。
脑网络分析
边缘分析
边缘分析检查大脑不同区域之间的联系，并提供有关它们之间的交流和整合模式的有价值的信息。本研究采用基于网络的统计(NBS)和图形编辑距离(DGED)进行边缘分析。NBS寻找一种特定的模式或一组边缘，以区分两种情况之间的大脑功能连接。相比之下，DGED量化了两个图之间的不同或差异。图5A显示了不同实验条件下各组脑网络连接模式。特别是，在反馈过程中，VIS组显示出更多连接到左枕叶的边缘和更少连接到右顶叶的边缘。相比之下，VES组在不同条件下表现出相对稳定的组特异性网络连通性。然而，在构建特定群体连接的MST之前，在所有参与者之间平均功能连接时，可能会丢失个体可变性和重要信息。因此，建议避免直接比较特定于组的连通性，而使用NBS来更准确地评估边缘差异。使用t值阈值为2的NBS确定显著边缘，如图5B所示。
对于VIS组，确定了三个子网，主要在顶叶区域，一些边缘跨越右半球。在VES组中确定了两个子网络。第一个子网由8个节点和7条边组成，集线器节点位于FC4和O2。FC4和O2各有一条边连接到位于对半球的节点，具体为AF3和CP3。此外，两个节点共享一条连接到AF4的公共边。FC4和O2分别连接到空间近(AF4和CP4)和空间远(AF4和Cz)的区域。第二个子网包括FC3和CPz之间的边缘。本文研究了两次会话之间DGED的分布情况。VIS组(11.40±4.22)比VES组(13.80±5.20)有更低的平均值和更窄的分布。此外，从反馈前到反馈阶段，两组的DGED都有增加的趋势。
图5. 基于α波段功能连通性的脑网络组织图。(A)在计算最小生成树(MST)之前，通过取所有参与者的功能连接的平均值来计算特定于组的连接。(B)会话之间的显著边缘，使用基于网络的统计(NBS)识别。左半球用L表示，右半球用R表示。VIS组有三个子网，主要位于顶叶区。在VES组中发现了两个明显不同的子网，集线器节点位于FC4和O2。
节点分析
在节点分析中，计算图中每个节点的度(k)和中间中心性(CB)。k表示直接连接到一个节点的边的数量，而CB表示一个节点在连接网络中不同部分的重要性，通过识别它在网络中两个节点之间的最短路径上出现的频率。每个电极位置的k和CB值在图6中用不同大小和颜色的圆圈表示相应的值。k和CB分析的结果揭示了类似的趋势。与VES组相比，VIS组表现出微妙的变化，包括C3和T8节点重要性显著增加，CP4节点重要性降低。
图6. (A)各组的度(k)可视化，其中k为每次比较k的差值，L为左半球，R为右半球。VIS组在T8时k值升高，CP4时k值降低，而VES组在AF3时k值明显升高，但在O2时k值降低。(B)各组间中心性(CB)可视化，其中CB为每次比较CB的差值，L为左半球，R为右半球。VIS组的变化更为微妙，C3和T8时升高，CP4时降低，而VES组在AF3、FCz和C4时显著升高，O2时降低。相比之下，VES组在整个脑区的节点重要性显著增加，其中AF3、FCz和C4的增加最为显著。然而，观察到O2的节点重要性显著降低。根据统计分析，没有一个节点显示出任何显著差异。
解码
每个参与者在分类精度和Cohen's kappa值方面的ShallowConvNet解码性能如表1所示，其中突出显示的值表示跨会话的最佳性能。结果表明，当提供反馈时，VIS组和VES组的整体解码性能分别提高了4.45%和0.28%。性能改善是边际的，无统计学意义(VIS: p = 0.2754, VES: p = 0.4316)。此外，一些参与者并没有从反馈中受益，因为他们的表现大幅下降。VES组在前反馈和反馈环节的表现均优于VIS组，差异分别为12.05%和7.88%。
表1. 每个参与者的分类精度和Cohen 's kappa值，其中粗体值表示会话之间的最佳表现。在MI训练期间提供反馈导致VIS组和VES组解码性能的边际改善。然而，VES组表现优于VIS组。
讨论
在心肌梗死患者中，神经反馈训练对大脑活动产生了特定的影响，特别是在顶叶，表明不相关的皮层活动在心肌梗死期间受到抑制。与过去的研究相比，有神经反馈训练的组表现出更专注和更少的困难。然而，研究发现证实了主观评估，即神经反馈训练改善了情绪和认知功能，但在系统分类精度方面的提高仅是边际的，这限制了在运动康复应用中的实际效果。
此外，本研究还指出可能存在的原因，例如天花板效应和训练时间不足。另外，神经反馈训练似乎对大脑区域的信息传递效率和整合产生了一定的影响，尤其是在视觉-触觉电刺激反馈训练后。然而，研究也提出了对神经反馈训练效果的一些限制和局限性，例如研究样本的限制和分析方法的局限性。
总的来说，本研究的结果表明了神经反馈训练在改善运动康复方面可能有潜在的益处，但也存在一些挑战和限制。未来的研究应该注重更多样化的样本和更全面的分析方法，以对神经反馈训练的效果进行更深入的探讨。
参考内容
https://www.nature.com/articles/s41598-023-44621-6
—— End ——
仅用于学术分享，若侵权请留言，即时删侵！
