基于静息态脑电图的偏头痛患者脑网络变化

时间：2024-09-03

周燕权利阮江海

0 引言

偏头痛是原发性头痛的主要亚类。据统计，原发性头痛疾病在1年内的患病率为23.8%[1]。2018年《国际头痛分类第三版》(The International Classification of Headache Disorders 3rd edition, ICHD-3)中将原发性头痛分为偏头痛、紧张性头痛、三叉神经自主神经性头痛及其他原发性头痛[2]。偏头痛发病机制目前尚不明确，临床诊疗中进行神经系统体征及辅助检查也很难根据客观体征诊断。因此，探索偏头痛患者脑电(electroencephalogram, EEG)网络客观改变，有助于加深对偏头痛的理解。

振荡神经元之间的同步被认为是协调皮质网络之间信息的重要因素[3-4]。对于记录着神经元活动的脑电信号，通过其相位分析可以了解其同步性。锁相值(phase lock value, PLV)是最常用的相位相互作用测量方法[5]，其可量化在特定频带和时间区域的两个神经信号振荡同步程度[6]，目前PLV被广泛应用于脑网络连接分析以探索疾病的潜在异常[7-8]。EEG的脑功能网络连接分析是借助各种溯源分析方法，根据头皮记录的脑电信号建模，逆计算大脑皮质各脑区的脑电信号，再通过计算各脑区间的信号关系，从而得到脑功能网络连接，这种脑功能网络连接分析方法，较传统脑电报告提供了更多的信息，加深了对疾病的理解。

既往已经有部分研究借助EEG和功能磁共振(functional magnetic resonance imaging, fMRI)技术分析发现部分偏头痛患者顶-枕区之间连接增强，且伴或不伴先兆的患者直接在注意网络等方面存在差异[9-10]，这可能揭示了部分偏头痛患者伴有视觉先兆现象；也有研究基于fMRI技术发现偏头痛患者在默认模式网络、中央执行网络连接等方面存在异常改变[11-12]。这些研究虽然有助于理解偏头痛可能的发病机制，但这些针对偏头痛多数研究的样本量仍然较少，且多为fMRI研究，较少研究利用偏头痛患者脑电数据进行分析。

因此，本研究拟选择偏头痛患者静息态脑电数据进行PLV构建脑网络矩阵，分析脑网络，借助PLV构建矩阵进行网络属性分析；最后，借助eloreta方法进行脑功能网络分析。借此探索偏头痛患者脑电脑网络方面存在的可能异常。

1 研究方法

1.1 一般资料及分组

分别收集2016年1月至2019年6月在简阳市人民医院神经内科脑电图室接受常规脑电图检查者，根据ICHD-3中的分类及诊断标准, 经临床明确诊断为偏头痛者73例。具体纳入标准为：(1)临床症状及表现符合偏头痛疾病特征；(2)年龄在18以上；(3)既往病史无其他神经系统及精神系统疾病；(4)临床脑电报告未见癫痫样放电及其他严重异常放电。同时，选择73例年龄和性别匹配的健康体检人员作为健康对照组。一般资料情况如下，偏头痛组(A组)：男性29例，女性44例，年龄(55.5±10.9)岁；对照组(B组)：男性32例，女性41例，年龄(51.8±15.7)岁。两组在年龄、性别上无显著统计学差异。

1.2 数据采集及处理

1.2.1 数据采集

采集仪器为北京新拓公司的NT9200脑电图仪，采样率为500 Hz，参考临床神经生理学国际联合会(The International Federation of Clinical Neurophysiology)制定的国际10-20系统安装头皮电极，头皮电极采用桥式电极，用95%酒精对头皮进行脱脂，放置16个桥式电极于双侧前额极(Fp1，Fp2)、额极(F3，F4)、前颞(F7，F8)、中颞(T3，T4)、后颞(T5，T6)、中央区(C3，C4)、顶极(P3，P4)、枕极(O1，O2)，耳电极A1、A2作为参考电极(图1)。患者处于暗光、安静、闭眼状态下，采集时长约30 min。

图1 脑电电极安装位置示意图Figure 1 Schematic diagram of installation position ofelectroencephalogram electrode

1.2.2 EEG数据处理

每例受试者的脑电数据导出为欧洲数据格式(European Data Format, EDF)格式，导出导联包括Fp1、Fp2、F7、F3、F4、F8、T3、C3、C4、T4、T5、P3、P4、T6、O1、O2共16个导联。随后，采用Matlab (R2014a，MathWorks，US)工具箱EEGlab v14.1.1(http://sccn.ucsd.edu/)进行数据预处理，包括滤波(1～45Hz)、参考导联重连为平均电极、去除眼动干扰及去除肌电干扰4个步骤。随后依据以前学者研究推荐[13]，单例被试应至少选择大于40 s时长的EEG数据进行分析。毎例EEG数据选择5段未见肉眼可见干扰，清醒闭眼静息状态下时长为10 s的数据，转换为文本格式，用于后续分析。

1. 3 PLV矩阵

PLV是信号之间的平均相位差的绝对值，通过PLV可以衡量脑电信号在某一频段的同步化程度，图论理论认为处于锁相关系的信号间可以进行有效的信息交流。

PLV的定义公式表示为：

(1)

Δφn(t)=[φx(t)-φy(t)]

式中：N为取样点的总数；Δφn(t)为信号x与y在时间t的瞬时差。PLV的取值范围为0～1，当PLV=0时，表示无相位同步，两个信号是独立的无明显同步化。相反，如果PLV越趋于1，表明两个信号的相位耦合越强，同步化程度越高。

以每例被试16个脑电电极通道作为节点，算出各通道间PLV，从而构建16×16的PLV网络矩阵，并进行后续网络属性分析。

1.4 PLV网络的网络属性分析

本次研究中，对提取的PLV网络属性将特征路径长度(characteristic path length，L)、全局效率(global efficiency，Eglobal)、聚类系数(clustering coefficient，C)、局部效率(local efficiency，Elocal)4种全局属性作为分析脑功能网络的指标以了解其拓扑结构。

特征路径长度L，是指任意两个节点间距离的平均值，代表了网络传递信号的能力。其定义可以表示为：

(2)

式中：Lij表示两个节点i、j之间的距离长度；N表示节点个数。

全局效率Eglobal是指最短路径长度的倒数的平均值，代表了网络节点间传递信号的效率。其定义可以表示为：

(3)

聚类系数C，是指某一节点的邻居节点相互连接的程度，代表了网络的集团化程度。网络中节点i的聚类系数计算如下：

(4)

式中：ki为该节点的邻居节点数；Ei为与该节点相连的邻节点中实际有的边数；ki(ki-1)/2为在这ki个邻居节点之间最多可能存在的边数。在无加权网络中，为了反映单个节点周围的集群连接，将所有节点的C取平均值作为网络的平均聚类系数Ci，其公式表示为：

(5)

局部效率Elocal是度量网络中具有强连接的节点形成聚类的趋势, 其公式表示为：

(6)

1. 5 默认模式网络连接分析

本研究采用精确低分辨率电磁断层成像(exact low resolution brain electromagnetic tomography, eLORETA)方法，考察偏头痛患者默认模式网络(default mode network， DMN)是否存在异常改变。该方法由Pascual-Marqui提出，是一种三维、离散、线性、加权的最小范数逆解，用于从头皮脑电图数据中描述脑电活动的源定位分析[14]。eLORETA头模采用MNI152模板，由6239个皮层灰质体素组成[15-16]。eLORETA算法已经被一系列fMRI[17]、同步EEG-fMRI[18]等研究所确证。

1.5.1 DMN网络节点的选取

考虑到EEG具有低空间分辨率的特点，根据既往DMN研究[19]，选取4个最具有代表性的节点作为DMN网络节点，其蒙特利尔神经学研究所(Montreal Neurological Institute，MNI)脑空间坐标如表1。随后通过LORETA Key软件创建转换矩阵(* .ROIspinv)。

表1 默认模式网络的感兴区域定义Table 1 The definition of region of interest indefault mode network

1.5.2 节点间功能连接分析

输入预处理后的脑电信号文件，设置导联数目、数据长度、采样率、频段分段，输入ROI转换矩阵文件，选择滞后相位同步(lagged phase synchronization, LPS)作为功能连接参数，即计算各ROI之间的连接强度参数。LPS是一种去除瞬时贡献后，对两个节点之间非线性关系进行量化的方法[20]，此方法可以有效去除头骨容积效应等对脑电信号的干扰，被广泛用于脑电功能连接分析[21]。

1.6 统计学方法

2 结果

2.1 PLV网络连接分析

图2显示了偏头痛患者与健康人群在不同频段的PLV脑网络连接差异。与健康者相比，偏头痛患者在全频段、delta频段及beta1频段，左侧额区与右侧顶区存在大量连接增强的边(蓝色)；在alpha1、alpha2、beta2频段，头痛患者左侧额区与右侧顶区存在少量连接增强的边(蓝色)；而在theta频段，头痛患者左侧额区与左侧顶枕区之间存在少量连接减弱的边(红色)。

蓝色线代表病例组较健康组连接增强的节点连接，红色代表病例组较健康组连接减弱的节点连接；A 组为偏头痛患者组，B组为健康对照组图2 各频段PLV网络连接分析Figure 2 PLV network connection analysis in each frequency band

2.2 电极间PLV网络属性图论分析

依据PLV分析各组网络属性包括路径长度、全局效率、聚类系数和局部效率。在全频段，头痛组患者的聚类系数、全局效率及局部效率较对照组有增加，路径长度较对照组降低，差异无统计学意义(P>0.05)。

在分频段时，beta1频段头痛组的聚类系数、全局效率及局部效率均高于对照组，这些差异有统计学意义(P<0.05)，路径长度降低，差异无统计学意义(P>0.05)，而delta频段、theta频段、alpha1频段、alpha2频段、beta2频段间两组网络属性间无明显的统计学差异(聚类系数、全局效率及局部效率均较对照组有增加，而路径长度降低)(P>0.05)。beta1频段网络属性见图3。

*表示P<0.05，差异有统计学意义图3 网络属性beta1频段(13～30 Hz)Figure 3 Network properties of beta1 frequency band(13-30 Hz)

2.3 默认模式网络连接分析

通过对DMN的4个感兴趣区域的节点间的信号连接进行分析，发现头痛组在alpha2频段感兴趣节点间连接增强，以左右顶下小叶间连接增强显著，具有统计学差异(P<0.05)，见图4。在其他频段的DMN的连接强度未见显著差异(P>0.05)。

图4 偏头痛患者组与健康对照组在alpha2频段(10～13 Hz)的DMN比较结果Figure 4 Default mode network comparison between migraine group and healthy control group in alpha2 frequency band (10-13 Hz)

3 讨论

本研究通过对偏头痛患者的脑电信号进行分析发现，虽然临床脑电图检查均未发现异常，但偏头痛患者的脑电进行脑功能连接分析时其脑网络连接强度，网络属性及脑功能网络连接间均与健康者存在差异。

通过PLV脑网络分析发现偏头痛患者与健康人群的PLV网络连接在全频段及分频段有显著差异，尤其在theta频段及beta1频段最明显，这些差异基本集中在左颞区、顶区，表现为区域内的连接增强。推断这可能与患者的疼痛部位有一定相关性。Nichols等[22]提出工作记忆主要为额颞区的theta频段相位同步实现，在工作记忆中信息的维持过程时，额叶和顶叶区域的beta频率得到增强[23]。通过PLV网络连接分析这可能表明偏头痛患者在工作记忆处理过程中存在异常，主要表现在theta频段和beta1频段的颞顶区，为早期识别偏头痛患者认知功能损伤提供了方向，但对于偏头痛患者工作记忆加工相关区域及频段的机制有待进一步研究。

偏头痛患者皮质兴奋性增加与神经元兴奋性改变有关[24]。脑电信号是来自神经元锥体细胞的树突产生的突触后电位在皮质与皮质、丘脑与皮质间神经纤维传导时相互作用形成的有节律的神经生物电活动。本研究中分析脑网络属性发现，偏头痛患者脑网络beta1频段节点与周边的连接增多、节点间的信号传递速率增快、节点形成聚集的趋势更强。病例组脑功能连接增强表明神经元兴奋性增高从而出现疼痛，从电生理角度证实偏头痛神经生物学现象。在偏头痛的治疗过程中可以通过增加抑制性神经递质从而降低神经元的兴奋性达到治疗目的，并可通过脑网络属性分析进行治疗效果评估。为偏头痛的治疗及效果评估提供了理论依据。

本研究证实了偏头痛患者存在DMN的异常，其脑电在alpha2频段下双侧IPL间连接较健康组增强。考虑到既往研究已经证实IPL与认知功能障碍关系密切[25-26]，这可能暗示偏头痛患者存在潜在认知功能障碍。事实上，现已有报道指出原发性头痛的各种亚型，如偏头痛、紧张性头痛、丛集性头痛等发作时均有不同程度的认知功能改变，可表现为语言和记忆、注意力、执行和视觉空间功能的减弱[27-29]。从本次研究发现偏头痛患者存在潜在DMN连接异常，这种异常可能与其认知功能改变相关，将来的研究应进一步探讨这种改变在诊断和治疗评估中的作用。从本次研究中发现偏头痛出现这些认知功能障碍与默认模式网络连接增强有非常密切的联系，而记忆功能损害可能更为明显。另外，据报道，脑区间的功能连接关系与疼痛的程度和疼痛的调节有关[30]。偏头痛患者疼痛程度及大脑对疼痛的调节能力可以通过DMN的活跃度进行评判，在治疗过程中及预后的评估中具体临床参考意义。