L F P a n d E E G LFP and EEG LFPandEEG

神经科学最伟大的发现之一是人脑的电活动可以用附在头皮上的电极进行无创测量。脑电图（EEG）已成为研究实验室和临床实践中的一个宝贵工具。与此同时，局部场电位（LFP）的侵入性细胞外记录是动物实验中网络动力学的测量的一项常规技术。LFP和EEG拥有许多相似的特点，主要区别在于LFP指的是有创记录的信号，与EEG信号相比，LFP更能表征局部的细胞外电压的变化。与动作电位触发的细胞外记录相反，LFP和EEG信号均显示出非常有限的空间分辨率。在本篇文章中，将重点介绍这些信号是如何在最常用的记录配置上生成的，及其数据分析策略。

Part.1 网络活动引起的电场

在所有神经元中都可以观察到由神经元活动引起的细胞外电场结构。跨膜离子电流（突触电流和固有电流）和电容性电流产生的电场被记录为EEG和LFP信号（工具箱：Physics of Electric Fields）。阳离子（例如钠和钙离子）流入细胞（即，内向电流）在细胞外空间产生电流吸收。电流吸收在局部降低了细胞外空间中正电荷的密度。但是，在较大的空间尺度上，总电荷量始终保持不变，也就是说，在封闭的系统（此处是宏观组织体积）中，没有电荷可以神奇地出现或消失。该原理称为电子中性。由于电子中性，电流吸收与流出（向外的电流，通常在不同位置）匹配，从而产生电流源。一对电流源和吸收形成一个偶极子，它被定义为一对隔开一定距离的电荷。在空间上分离得源和接收越多，相应的偶极子对LFP或EEG信号的贡献就越大。对于较大的细胞，例如新皮层V锥体细胞，通常是这种情况，其中体细胞和根尖树突之间的距离很长。需要将大量此类电流源相加以生成可被EEG或LFP检测到的电场。由于是测量单个细胞信号的空间总和，这使得皮层中神经元的平行排列非常适合实现。由于细胞外空间的电导率相对较低，更紧密堆积的细胞会导致较高的LFP幅度。例如，小鼠皮质中的细胞密度高于大鼠皮质中的细胞密度。因此，在小鼠中测得的LFP的振幅将比在大鼠皮层中测得的LFP高。从理论上讲，广泛的电过程可能会产生LFP和EEG信号。但实际上，突触电流是LFP和EEG信号的最主要贡献者。突触电流的持续时间长于动作电位，因此来自多个神经元的突触电流比动作电位(EAPs)更可能在时间上重叠，从而相加。因此，突触电流加起来形成LFP和EEG信号。而在完全异步活动（在整个神经元中没有活动的时间组织）的理论情况下，时间总和将平均各个事件，并且不会生成LFP或EEG。换句话说，来自单个神经元活动的电场仅在神经元同步活动时才加起来产生中微观或宏观信号，表现出它们活动的共享时间模式。因此，EEG和LFP信号均不能测量总体活动水平，而只能测量总体网络活动的时间结构。因此，可以采用此类微观和宏观电生理信号和相关数据分析方法解决集中于剖析神经元网络活动的时间结构的科学和临床问题。

Part.2 脑电图(Electroencephalogram)

脑电图是通过附着在头皮上的电极记录的宏观大脑活动的非侵入性测量。所测得的头皮电势是由脑中的电流源和电流，非脑部其他生理电流源（例如肌肉活动）和环境电噪声组成。优化脑电数据的收集和分析，以最大限度地利用大脑中电流源对测量信号的贡献。同时，目的是最大程度地减少与大脑活动无关的信号贡献者（例如，肌肉组织中的电活动）。脑电图记录是差分信号，即测量两点之间的电压差。通常，将用于单通道EEG记录的一对电极称为记录和参考电极。所有EEG记录都遵循这种双极结构，该结构有选择地消除了在记录和参考电极位置相同的信号分量（抑制了共模信号）。更准确地说，我们可以假设在磁头上两点测得的电压V1和V2都是该位置特定的电压信号（分别为U1和U2）与共模信号Ucmd的和，在这两个位置： V 1 = U 1 + U c m d V_1 = U_1 + U_{cmd} V1=U1+Ucmd V 2 = U 2 + U c m d V_2 = U_2 + U_{cmd} V2=U2+Ucmd在最简化的情况下，电压U1和U2是由大脑中的电流源（即感兴趣的神经元信号）引起的，而Ucmd是由执行记录的房间中的电噪声引起的电位。为简化起见，我们可以假定这种外源性噪声在头皮上的不同位置是相同的，因为与电极和噪声源之间的距离相比，电极之间的距离相对较小。差分放大可通过系数（增益） A V A_V AV来缩放两个测量信号之间的差异： A V ( V 2 − V 1 ) = A V ( U 2 + U c m d − U 1 − U c m d ) = A V ( U 2 − U 1 ) A_V(V_2 - V_1) = A_V(U_2 + U_{cmd} - U_1 - U_{cmd}) = A_V(U_2 - U_1) AV(V2−V1)=AV(U2+Ucmd−U1−Ucmd)=AV(U2−U1)从而消除了共模成分。结果信号的解释并不直观，因为这是从两个不同电极位置测得的神经元活动之间的差异。选择参考电极的位置可以在某种程度上解决这一问题。参考电极向差动放大器提供第二输入，该差分输入测量EEG信号，作为位于感兴趣区域上方的电极与远处参考电极之间的差。理想情况下，远处的位置与神经元活动引起的电场无关。目的是放置参考电极，使其吸收与记录电极相同的总电势和噪声。如果参考电极离记录电极太近，它会拾取感兴趣的神经元信号。然后，该信号将被减去，并导致记录结果被低估了记录电极下方的真实神经元活动。因此，参比电极位置的典型选择是在头上，但相对大脑距离较远，例如耳垂，鼻子和乳突（指的是位于耳垂后方的乳突骨上方的位置）。然而，对于脑电图中测量的大多数类型的活动模式，不可能找到真正“安静”的参考。或者，可以执行双极记录。双极记录是用词不当，因为所有EEG记录本质上都是双极的（请参见前面）。而是在参考电极位置的上下文中的双极记录表示其中参考电极非常靠近记录电极，从而通过差分放大来抑制大量神经元信号的记录。但是，优点是双极性信号是实际的本地信号。因此，该策略通常在临床中用于定位病理信号。理想情况下，我们可以确定真实的头皮电位（此处表示为U1和U2），而不会受到来自参比电极的信号的污染（单极性记录中的问题）和没有信号损失（双极性记录中的问题）。来自参考电极（VR）的信号可以通过重新参考消除。在此过程中，两个电极V1和V2的信号相减： V 1 − V 2 = ( U 1 − V R ) − ( U 2 − V R ) = U 1 − U 2 V_1 - V_2 = ( U_1 - V_R ) - ( U_2 - V_R ) =U_1 - U_2 V1−V2=(U1−VR)−(U2−VR)=U1−U2重新参考的另一种策略是使用平均参考。该方法基于平均测得的头皮电位并从各个头皮电位中减去该平均电位。如果电极数量很多（例如128个电极），平均头皮电势大约等于参考电极的电势，并且具有相反的符号，因为由于头部的球形特性，所有N个头皮电势Vi的总和大约为零。因此，平均头皮电势的减法大约确定了与参考无关的电势。
除记录和参考电极外，还有一个接地电极，它连接到放大器的内部接地，这是将放大器硬件保持在相对于感兴趣信号而言适当的电势所必需的。接地电极可防止线路噪声造成的污染，当参与者和设备的相对电气水平不同时，这种噪声将不可避免地发生。具有实际意义的是，如果将两个放大器同时连接到一个参与者，那么拥有一个共享地至关重要。否则，如果两台设备相对于地面的电压不同（例如，其中一台接地失败），则两台机器之间的电势差可能会导致危险的电流流过参与者。EEG电极由具有不同特性的不同材料制成，并且有几种不同的策略可确保皮肤与电极之间的良好电接触。涂有氯化银的电极用于记录非常慢的信号，例如直流电势的变化。相反，金电极显示出显着的电容（与氯化银电极不同）。因此无法测量直流电势（请参见工具箱：电路）。金电极不能吸收缓慢的电信号，但也不会出现与电极与头皮的界面变化有关的缓慢漂移的问题。准备皮肤后，使用导电性凝胶或糊剂将电极涂在头皮上，以确保与皮肤的良好接触。电极阻抗可以衡量电接触的质量，在正常情况下，低于50 kU的阻抗被认为是可以接受的。电极阻抗通过施加穿过电极的弱电流来测量。放大器的输入阻抗越高，电极的低阻抗就越不重要（与细胞外单位录音的原理相同，请参阅章节：单位活动）。通常，只需清除皮肤上的油性残留物即可。过去，对皮肤进行研磨以去除表皮（皮肤的最外层具有最高的电阻）。由于现代EEG放大器具有足够高的输入阻抗，因此不再需要皮肤磨损。使用相对于三个颅骨界标确定的标准坐标执行各个记录电极的定位：

nasion：鼻子和额头之间的最深点，
inion：颅骨的最低最低点在脖子开始的位置，
preauricular points：耳前方的颊骨与耳屏的交点，耳道前方的小向后指向结构。

然后，通过这些参考点之间的等距子午线确定电极的位置，以子午线界标之间的完整距离的百分比表示。基于这些界标的最常用电极放置策略是上图所示系统。数字10和20表示电极间距，以所测头尺寸的百分比表示。
脑电信号首先被放大。 EEG放大器的典型增益至少为1000，这意味着输出信号等于输入信号乘以1000的倍数。正如我们将看到的，放大对于数字化信号很重要。模数转换器读取模拟信号（例如，放大的EEG信号）并对信号进行数字化以供计算机存储。这些设备的分辨率由用于对模拟输入信号进行编码的位数定义。如果此分辨率较低，则数字化信号的幅度将显示可见的阶跃。通常的分辨率是16位；在这种情况下，系统可以表示216（65,536）个不同的振幅值。对于100 mV的工作范围，系统的分辨率为200 mV / 65,536 =3.1 uV。此外，计算机不能存储真正的连续信号，而是以周期性间隔（采样率，请参见工具箱：时间和频率）对信号进行采样。从理论上讲，采样频率必须是信号中最高频率的两倍。在实践中，信号的采样率是感兴趣的最高生物频率的10倍，因此这不是问题。
脑电图记录容易受到电伪影的污染，这些伪影会污染所记录的信号，其中一些是生理上而非神经生理上的来源（图10.3）。肌肉伪影（肌电势）是一种非常常见的EEG伪影，通常在额肌和颞肌中观察到（它们是由额肌和颞肌的活动引起的）。眼部运动和眨眼经常污染牙根电极。由于眼睛充当偶极子，因此眼睛的运动会引起电瞬变。角膜带正电，视网膜带负电。眼眶内和眼眶周围的肌肉活动可能会导致其他伪影。脑电图通道可能被心电图（EKG）伪影污染，可通过同时记录胸部的心电图来轻松识别。除这些生理伪影外，录音还会被非生理噪声源污染。最典型的是，来自环境电磁辐射的线路噪声（欧洲为50 Hz，美国为60 Hz）会污染EEG信号。此外，记录电极和头皮之间的电界面的任何快速变化（例如，阻抗的突然变化）也会引起记录伪影，该伪影仅限于单个受影响的电极（“电极弹出”）。

Part.3 局部场电位(Local field potential)

与EEG相比，由于电极位于大脑内部，因此LFP的记录不太容易出现伪影。然而，LFP记录大部分限于动物研究（除了稍后讨论的人类患者的侵入性电生理记录）。 LFP电极可以使用多种不同的材料（例如钨，铂和铱）。暴露电极头的材料特性和几何形状通常经过优化，以拾取细胞外动作电位，因为LFP相对容易记录，并且对电极特性的要求也较低。电极阻抗主要由电极尖端的裸露面积决定。 LFP记录对电极的尺寸（因此阻抗）不是很敏感（与单单位和多单位记录相比）。关于电极几何形状选择的另一个更重要的考虑是引起的组织损伤的量，这主要是电极尺寸的函数。对于LFP信号的研究，具有规则间隔的接触点的深度探头特别有用（图10.4），因为它们可以通过电流源分析确定活动度与深度的函数关系（请参阅下文）。记录硬件要求与EEG的要求非常相似。参考电极通常位于LFP电极附近，但是它的电阻抗比其他接触点低。这降低了参比电极拾取动作电位的可能性。然而，参考电极与记录电极的这种紧密接近导致整体LFP信号的低估。这是一个合理的牺牲，因为它避免了记录其他在远处检测到的大脑区域的信号（称为体积传导）。接地电极通常是一条银线，缠绕在圆头螺钉周围，并通过小颅骨切开术插入。

Part.4 数据分析

表征LFP和EEG信号的时间结构的最常见分析策略是频率分解，它确定了不同频率下节奏结构的存在（请参见工具箱： Time and Frequency）。这些感兴趣的频率范围从1到300 Hz。通常选择较低的截止频率以排除作为伪影而非神经元信号的缓慢漂移。设计上限频率是为了防止出现尖峰活动，因为单个尖峰的时间标度为1e2-ms。神经活动谱通常以对数标度显示，因为总体结构大致遵循所谓的1 / f分布（f代表频率），这意味着较低频率下的功率更大。在以下单元中讨论了在不同频率下的振荡的生理学解释：皮质振荡。网络动力学的主要特征之一是它们的非平稳性质，这意味着大脑根据内部和外部需求在不同的活动状态之间快速切换。因此，将频谱图定义为频谱的时间相关表示，可用于描述不同振荡的相对存在随时间的变化。

Part.5 总结与展望

在本文中，我们讨论了测量反映大量神经元活动的介观和宏观电信号的主要理论和实践方面。从单个神经元的活动到细胞外电压的微小变化总和足以强到足以以头皮形式从头皮无创记录的信号。 **LFP测量是等效的侵入性测量方法，与EEG相比具有更好的但不是理想的空间分辨率。**此外还了解了不同的分析策略，并讨论了诱发和诱发（振荡）活动之间的差异。

References
[1] Nunez PL, Srinivasan R. Electric fields of the brain: the neurophysics of EEG. 2nd ed. Oxford, New York: Oxford
University Press; 2006. xvi, p. 611.
[2] Buzsaki G, Anastassiou CA, Koch C. The origin of extracellular fields and currentseEEG, ECoG, LFP and spikes.
Nat Rev Neurosci 2012;13(6):407e20.
[3] Mitzdorf U. Current source-density method and application in cat cerebral cortex: investigation of evoked potentials and EEG phenomena. Physiol Rev 1985;65(1):37e100.
[4] Fröhlich, F. (2016). LFP and EEG. Network Neuroscience, 127–143. doi:10.1016/b978-0-12-801560-5.00010-0

Understanding of LFP and EEG相关推荐

【脑电数据处理】electrophysiology and EEG(AP\LFP\ECoG\EEG)
图片来源 EEG Signal Processing and Feature Extraction&Adjamian et al 2014 Electroencephalogram (EEG) ...
功能连接分析方法及其解释缺陷的综述
文章来源于微信公众号(茗创科技),欢迎有兴趣的朋友搜索关注. 本文是一篇关于功能连接分析方法及其相关注意事项的综述,于2016年发表在Frontiers in Systems Neuroscience ...
跨频率耦合：连接架构、机制和功能
研究概述: 1.跨频率耦合(CFC),即多频率神经振荡的关联,存在于不同的频带和神经系统中. 2.环路机制决定了CFC的特性:不同的环路vs.重叠环路中产生的振荡,以及连续的vs.间歇性快速振荡(FO ...
推荐7本EEG领域值得阅读的书籍
本教程为脑机学习者Rose发表于公众号:脑机接口社区 .QQ交流群:903290195 1.<Niedermeyer's Electroencephalography:Basic Princip ...
多尺度熵---Understanding Multiscale Entropy
目录导言计算多尺度熵多尺度熵在脑电分析中的应用参考文献导言多尺度熵(Multiscale entropy, MSE)将样本熵扩展到多个时间尺度,以便在时间尺度不确定时提供额外的观察视角.样 ...
文献合集 | 超扫描之fNIRS / fMRI / EEG / MEG
文章来源于微信公众号(茗创科技),欢迎有兴趣的朋友搜索关注. 在很多情况下,一个大脑中的神经过程与另一个大脑中的神经过程是通过环境传递的信号耦合.大脑间的耦合塑造了社会网络中每个个体的行为,从而导致更 ...
EEG实验后统一两种不同的脑电帽的电极点数据
在不同设备或者使用了不同种帽子,可能会造成电极点数据顺序不一样,这里提供了一个自己编写的一个脚本,用来统一两种不同帽子的顺序,其中两个帽子的电极点需要自行修改,实现环境为matlab2013+eegl ...
推荐10本EEG领域值得阅读的书籍
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达 Rose分享10本EEG领域的书籍,当然好书不止于此,欢迎大家在交流群里分享自己领域里的好的书籍,社区会根据大家的推荐和 ...
NeuroImage：MEG/EEG数据中常见的错误
文章来源于微信公众号(茗创科技),欢迎有兴趣的朋友搜索关注. 导读像所有人一样,MEG/EEG研究人员在推论时也会犯某些错误.本文阐述了反向推论.以偏概全.草率排除.从群体推论个体.从相关推论因果. ...

Understanding of LFP and EEG

子曰：桃李不言，下自成蹊。