标签：MEG 脑磁图 脑电图 信号 使用 EEG 活动 小脑
/ 论文题目 /
《Can EEG and MEG detect signals from the human cerebellum?》
摘要
小脑在运动学习、协调和计时的调节中起着关键的作用，并与感觉和认知过程密切相关。不过，我们目前对其电生理机制的认识主要来自动物的直接记录，由于对人类小脑功能的研究主要依赖于病变、血流动力学和代谢成像研究，虽然后者提供了小脑对各种小脑皮质通路介导行为的基本见解，但它们在时间和光谱分辨率方面仍然有限,原则上，这个缺点可以通过监测小脑的电生理信号来克服。
然而，由于皮层下结构（即深源）中脑电图（EEG）和脑磁图（MEG）的空间分辨率有限，对人类小脑电生理学的无创评估受到阻碍，此外，有人认为小脑的解剖结构导致脑电和脑电信号消除。
然而，在过去的十年中，越来越多的研究对MEG和EEG不能检测小脑活动的说法提出了挑战，在这里，我们解决这个争议和调查报告中，电生理信号成功地记录了人类小脑，我们认为用MEG和EEG非侵入性地检测小脑活动确实是可能的，并且可以通过适当的方法来增强，特别是使用源空间的连通性分析。我们提供了说明性的例子—小脑活动检测与脑磁图和脑电图。此外，我们提出实用的指导方针，以优化检测小脑活动与脑电兆欧，最后，我们讨论了脑磁图和脑电信号的污染，可能导致在小脑定位假源，并提出了处理这些人工制品的方法。
这篇综述将作为一篇前瞻性的综述来阅读，它强调了用MEG和EEG测量小脑确实是可能的，并鼓励MEG和EEG研究人员这样做。除了强调和鼓励之外，它的附加值是，它为有志于用MEG和EEG研究小脑的研究人员提供了有用的建议。
介绍
小脑除了在运动行为的控制和协调中起着公认的作用外，还参与感觉加工和认知任务，从学习和记忆到高阶认知控制过程，有研究利用功能磁共振成像（fMRI）显示，小脑参与多种功能，如手部运动、眼跳、分散注意力、语言流畅性、自传体回忆、单词理解、动作观察、心算、情绪处理和语言处理，这是进一步的证据，如果需要的话，那就是我们在研究人脑过程时不能忽视小脑。
然而，诸如脑电图（EEG）和脑磁图（MEG）等非侵入性电生理技术在测量小脑反应方面的应用尚未明确确立，同时，利用脑电图或脑磁图描绘大脑网络的研究往往不认为小脑是测量反应的潜在来源。在这篇综述中，我们主张对脑电图和脑磁图检测小脑活动的能力持更乐观的看法。此外，我们还为如何利用MEG改善小脑记录提供了建议，希望能为其他希望记录小脑电生理信号的研究人员提供一个有价值的工具。
我们目前对介导小脑活动的电生理机制的认识主要来自动物的直接记录，对人类小脑的研究主要包括对小脑病变患者的研究或跟踪代谢或血流动力学过程的研究，如正电子发射断层扫描（PET）和功能磁共振成像（fMRI），与电生理记录相比，这些神经成像技术只能通过监测局部代谢或血流动力学反应来间接测量神经活动。尽管如此，使用这些模式的神经影像学研究在阐明小脑的功能作用方面发挥了关键作用，揭示了小脑在许多任务中的作用，如运动控制、视觉引导行为和许多认知任务。因为它们同时监测整个大脑的活动，这些成像技术也被用于检测小脑在潜在的大规模脑网络中的参与情况，并评估小脑-丘脑-皮层通路的功能作用。
然而，血流动力学和代谢反应相对迟缓的性质仍然是研究小脑精确时间特性的严重限制活动，录制来自小脑的信号，其时间分辨率与电生理学中获得的毫秒范围是至关重要的，以便将测量的活动与行为参数（如反应时间或时变运动参数）相关联，但也为了比较小脑和其他大脑结构之间的激活潜伏期，并最终评估假定的大脑结构之间的细粒度同步特性小脑和受累脑网络的各个节点。
为了实现上述目标，需要一种非侵入性技术，该技术提供毫秒时间分辨率和整个头部覆盖，脑电图和脑磁图符合这些要求，前者测量头皮上的电位，后者则检测由同一底层脑发生器在头皮表面产生的微小磁信号。脑电图和脑磁图都以毫秒分辨率记录大脑信号，目前可用的系统提供密集的通道阵列，多达300个记录点，可以完全覆盖头部。
但是这些方法提供了研究人类小脑生理学的最佳时空分辨率吗？不幸的是，这个问题的答案并不直截了当。一个问题在于这些技术在深部结构（即远离传感器的结构）中的空间分辨率较差，距离传感器阵列和信号扩散问题产生了低信噪比（SNR）和线性混合在个别记录地点。因此，从声源估计的角度来看，浅表声源（如初级听觉或体感皮层的声源）比位于脑深部结构（如海马或小脑深部亚结构）的声源更容易通过MEG或EEG进行无创定位小脑皮质的结构也可能是一个特殊的限制因素，由于信号消除的原因，阻止了非侵入性方法检测小脑来源。一般来说，MEG和EEG信号产生于（A）潜在神经活动的空间总和，即相邻树突中具有相似方向的许多突触后电位，（B）这些电位的时间总和，即这些电流在相同的短时间间隔内产生。
对于小脑，人们一直认为，由于其相对于大脑皮层更为复杂的折叠，信号会相互抵消，因为相邻的小脑激活斑块会导致方向相反的电流，这种抵消将排除空间总和需要产生一个信号检测脑电图或脑磁图，这些潜在的困难，加上MEG和EEG信号强度随深度的衰减，导致了MEG和EEG不适合检测小脑活动的普遍观点。
因此，似乎局限于小脑的信号源常常被怀疑是人为的，或者仅仅是由噪声数据引起的。尽管如此，少量但越来越多的MEG和EEG研究报告了在一系列任务中小脑的激活，那么MEG和EEG到底能检测到小脑的活动吗？如果可以，我们如何优化它的检测，如何排除假阳性？我们相信，现在文献中有足够的证据来解决这些问题。
为什么用脑电图和脑磁图检测小脑活动是一个有争议的问题？
有人认为，由于小脑的神经元是以“封闭场”的形式排列的，因此很难用无创脑电图（以及扩展的脑电图）来记录小脑的活动，然而，小脑皮质浦肯野细胞的排列的研究结果与大脑皮层锥体细胞的研究结果非常相似（见图1），很可能是头皮EEG/MEG信号的来源。
对海龟小脑的研究表明，可以在远处检测到外部磁场；当激活10mm³的小脑片时，在17mm的距离检测到1pT的磁场，海龟小脑皮质的结构与包括人类在内的高等物种非常相似。有研究进一步强调，小脑具有有序结构，这将导致开放磁场配置，但他们注意到，小脑激活主要是局部的，这意味着相应的外部磁场较弱。然而，在从小脑外部施加同步活动的情况下，可以产生足以被MEG检测到的磁场，例如癫痫。
图1 浦肯野细胞（小脑）和锥体细胞（大脑皮层）的相似性
a 人类小脑浦肯野细胞的草图。
b 成人感觉皮层和运动皮层锥体细胞的草图，展示了不同的皮层层。这两张素描都是拉蒙·卡哈尔的作品，都是公开的
由于神经科学中常规使用的直接脑刺激方法也可能对小脑施加同步活动，因此至少在原则上，用MEG或EEG检测小脑并非不可能。然而，MEG可能比EEG更合适，因为MEG源定位比EEG源定位遭受的头部模型的不准确更少。这使得在头部模型质量相同的情况下，使用MEG进行源定位比使用EEG更精确，此外，特别是对于高频振荡，MEG似乎比EEG更能准确地捕捉到它们。
脑电图或脑磁图可能看不到小脑的一个原因可能是由于一些历史方法上的局限性，这些局限性后来被克服了。脑电图和脑磁图研究采用事件相关平均法，固有的优化，以区分锁相诱发活动，很少提示小脑激活。即使是在动物小脑中使用侵入性记录的实验也只是偶尔报告事件相关电位（ERP）；绝大多数这样的研究报告了振荡活动的调节，这表明小脑可能主要表现出振荡调节，而不一定是锁相的。事实上，阿德里安（1934）[猫，40–300赫兹]、陶氏（1938）[猫，150–250赫兹]、十卡特和威格斯（1942）[猫，50–230赫兹]、佩莱（1967）[豚鼠，200–400赫兹]的经典实验都证明了小脑的高频振荡活动。Niedermeyer和Uematsu（1974）观察了三例植入小脑电极的Lennox-Gastaut综合征患者的低频振荡（1.5–6 Hz），这是一项刺激治疗的实验尝试。
最近，有研究发现，刺激小鼠的下橄榄会导致小脑的高频振荡（350 Hz），来自人类小脑的颅内记录极其罕见，但回顾描述这些记录的稀疏文献并重新分析了一些关键的人类小脑的历史颅内记录，人类小脑在β波段（15–30 Hz）和低伽马（35–50 Hz）和高伽马（80–100 Hz）范围内都表现出自发振荡，因此，人类小脑的少数颅内记录似乎与动物文献相符。
也许小脑的神经机制或形态排除了产生强大的锁相诱发反应，这将给人一种印象，小脑对头皮脑电图/脑磁图沉默了几年，直到使用时频技术的非锁相分析的复苏。事实上，在源空间中进行时频分析的技术变得更为广泛后，小脑活动的MEG结果更令人信服。
传感器覆盖率也可能是一个因素，传统的10/20脑电图系统，甚至是最先进的高密度电极帽，以及大多数全头部脑磁图系统可能根本无法在小脑信号可能投射的区域（例如，颈部顶部）提供足够的空间采样。使用低技术解决方案可以部分克服这个问题，例如将受试者仔细地放置在传统的MEG传感器阵列中（可能头部比通常更向前倾斜，以获得更好的小脑覆盖，而牺牲正面覆盖，），或者使用额外的自由电极进一步向下的脖子，以补充脑电图帽。随着光泵磁强计和高临界温度（high-critical temperature）等头皮上MEG技术的出现，自由放置传感器也成为可能，从而将其尽可能靠近小脑，放在脑后，甚至可能放在嘴里从另一边接近它。
源定位尝试传统上假设一个球形头部模型适合大脑皮层，可能导致与小脑皮层不太适合，现实头部模型的实现通常忽略了小脑，要么将其完全移除，要么将其与大脑皮层放在同一个隔间内。此外，假设来源与皮质表面正交的技术可能需要对小脑进行细化，因为小脑不太容易分割。小脑，由于其不同的形态以及它被厚的硬脑膜（小脑幕）分开的大脑皮层，可能最终受益于特别考虑其电特性的真实模型。
同样，在MEG中，考虑到次级电流对测量信号有贡献，这表明可以通过仔细模拟小脑幕来改善MEG源定位。
最后，长期以来人们一直认为，小脑的特别精细的折叠可能会导致在MEG或EEG距离处记录的信号被大量抵消，这是因为相反的龈沟上的源（同时具有相反的电流）可能同时处于活动状态。然而，2020年的一项研究基于非常高分辨率的离体MRI（在9.4T时体素尺寸为190μm）创建的小脑边界元模型，量化了可以预期的信号消除程度。他们的模拟估计，小脑信号相对于大脑皮层平均仅衰减30–60％，这表明小脑大部分的最终信号强度仍应在MEG和EEG的敏感度范围内。
以前的报告和说明性例子
如前所述，时频分析的介绍大大增加了关于小脑活动的已发表发现的数量，这些发现主要来自MEG录音和一些EEG录音。我们再次强调，使用fMRI无法提取该光谱信息，在这里，我们将更详细地介绍其中的一些。我们不希望这是一篇系统的综述，其中不包括已发表的有关小脑激活的所有EEG和MEG论文，而是一系列说明性示例（表1），这些示例表明MEG和EEG对小脑不是盲目的。
分类概述
1、 运动任务
基于相干源动态成像的应用发现正弦运动引起的肌电图（EMG）与对侧感觉运动皮层的MEG活动（即皮层相干性）之间具有相干性，定位与感觉运动皮层相干振荡的大脑区域，其中发现同侧小脑，丘脑和运动前皮层（PMC）参与了以8-10 Hz的节律振荡的反馈环，这对应于自然的运动中断。
Pollok等也使用DICS，扩展了网络，还包括补充运动区（SMA）和顶叶后皮质（PPC），表明预期的运动与从小脑到丘脑再到顶叶区域，即小脑到小脑的耦合增加有关，而未预期的运动与从顶区到小脑区域的耦合方向的增加有关，即小脑到小脑，将这两个差速定向联轴器分别解释为预期的电动机控制和失配检测。Jerbi（图2）发现，这些小脑与运动皮层的耦合也编码了手运动的速度，所有这些研究都利用了周围的EMG信号来减少潜在的一致性测试的空间，方法是将脑对大脑的一致性测试仅集中在包括最大皮质性脑-肌肉一致性的大脑区域上。此外，他们使用了简单的运动任务，其中小脑的作用无可争议，并使用单个MR来创建逼真的头部模型。
图2 基于任务的连贯性的强度，以初级皮质为参考：受试者应通过移动轨迹球来抵消围绕其中心旋转的立方体的不可预测的运动。记录轨迹球运动的运动学，并使用与任务相关的具有M1活动的Z变换相干性（白点）作为结果度量（ΔZcoh），估计其与神经时间序列的耦合性，从而显示与小脑的相干性。
Wilson（图3）发现运动前后β波段（15-30 Hz）的小脑活动，有研究进一步发现，当受试者进行手指运动时，小脑活动在高伽马频率（> 65Hz）下发生，本质上，使用了相同的任务，但是定位是基于整个大脑的，而不是基于与那些表现出最大皮质皮质相干性的区域相干的对象。
图3 小脑皮质中的运动前β激活。屈伸运动后同侧小脑皮质中的β激活，最大值出现在同侧小脑Ⅱ的下部。
综上所述，这些研究提供了一致的证据，表明当进行简单的运动运动时，可以在MEG中检测到小脑活动。最后，最近的一项EEG研究使用分布式模型重建与腕部简单弯曲有关的锁相活动，使用MEG是否可以完成相同的操作还有待观察，这将非常有趣，尤其是因为这些方法的应用非常简单。
除了检测健康参与者的小脑活动外，还可以在运动异常的患者中检测到小脑活动，使用DICS以及与Gross等人相同的一般方法，发现了6名帕金森氏病患者手部震颤的肌电图与其对侧M1之间的震颤一致性，他们发现对侧M1和同侧小脑之间具有连贯性的证据。2009年，类似地在8名原发性震颤患者中发现手的肌电图和对侧M1之间存在振荡连贯性，再次使用DICS，他们还发现M1与同侧小脑之间具有连贯性，在与威尔逊氏病有关的震颤中也发现了类似的结果。
2、 体感
据报道，基于MEG的小脑参与纯躯体感觉的证据早于其参与运动控制的证据，1997年发现正中神经刺激引起小脑事件相关反应，这与上面仅报道了远程EMG连接性的运动研究相反。
此外，2000年发现，如果没有预期的体感刺激，则在应该发生刺激的时间点之后会引发振荡活动，而在随后的预期刺激之前，小脑振荡活动再次增加。请注意，在这些研究中，活动并不是严格说来局限于小脑，而是在假定首先存在小脑的前提下，他们估计了小脑源的时间过程。正如他们也承认的那样，当以这种方式估算时程时，源可能包括在与假定源相邻的源处生成的活动。但是，使用波束形成器技术来定位正中神经刺激引起对小脑的反应，由于该研究突出了传感器覆盖的重要性，因此将在下一部分（第4节）中对此研究进行更深入的讨论。除EMG之外，还发现人体运动的运动学信号与小脑在各种情况下相结合。在上下文中，这种现象被称为皮质运动相干性（CKC）。例如，小脑活动会牵动手指运动的速度和运动学，最近对相关文献的评论认为，CKC反映了本体感受性脊髓皮质传入信号，而CMC则反映了皮质脊髓传入信号，这里的策略与使用EMG作为外围信号来减少相干源空间非常相似。
不依赖耦合，Andersen和Lundqvist（图4）使用DICS，局部小脑振荡活动与更新和保持对躯体感觉的期望有关，与躯体感觉的受刺激同侧，在theta和β带中与听觉研究讨论如下：这两项研究表明，低频小脑振荡可能与更新和维持预期有关。Andersen和Lundqvist的研究与上述运动研究之间的重要区别是，它们间接依赖于外围参考信号，通常是EMG或手运动学。在引用的大多数运动研究中，外部参考（例如建立了肌电图和M1活动，然后研究了M1与其他区域之间的连贯性。Andersen和Lundqvist虽然也使用DICS，但使用DICS输出的功率图研究了整个大脑，这表明，使用最新的MEG和源重建方法，可以检索小脑信号。
图4 预期刺激和意外刺激之间的小脑激活差异。有节奏地（每3秒）对受试者的右手食指进行刺激，时不时地没有刺激，此处显示的对比表明，重复刺激（另一刺激后的刺激）的大脑区域比第一刺激（遗漏后的刺激）具有更大的功率，其中0ms表示刺激发作，这个数字是根据CC BY 4.0许可改编自Andersen和Lundqvist（2019）的数据。
3、海选
Riaz等人使用MEG调查了与运动（弹奏钢琴）有关的听觉反馈，他们提供的反馈是预期的（与运动有关）或意外的（与运动无关）。当收到意外反馈时，他们发现theta（3–7 Hz）和beta频段（15–30 Hz）与收到预期反馈时有所不同。随后，他们使用通用空间模式（CSP）分析发现与预期和意料不到的反馈之间的差异最密切相关的活动模式，并将偶极子与这些模式相匹配，从而揭示了小脑发电机。
Cao等人同样使用MEG，发现当TMS破坏小脑活动时，自发音调的衰减会降低，如听觉场的减少所示，他们发现小脑ver在实际衰减期间，即在TMS的假状态期间更为活跃，源重构使用eLORETA算法基于事件相关字段（ERF）。雷耶斯等人使用脑电图发现小脑参与所谓的40 Hz听觉稳态响应的证据。如图3、图4。40 Hz ASSR是当音调以40 Hz的频率进行幅度调制时产生的振荡，使用LORETA算法，当重建通过独立PET扫描加权和未加权的活动时，他们将活动定位在左小脑。
4、视觉马达
Jousm aki等让受试者每3秒进行一次水平扫视，他们使用非线性最小二乘拟合法，对八名受试者进行了双偶极子模型的拟合，每个模型都产生一个偶极子定位于小脑，一个偶极子定位于后顶叶皮层，这些发现在扫视开始后约170毫秒时引起诱发反应，这些偶极子拟合代表了源的本地化，而不是时程的估计。
Bourguignon等让受试者观察到实验者有节奏地移动手指（3Hz），使用DICS，减少了相干源空间，他们发现受试者的运动皮层随着实验者的3Hz振荡运动而连贯振荡，此外，他们发现初级运动皮层与小脑和V3也在3Hz处一致地振荡。
Cebolla等人在视觉运动任务中使用脑电图比较了宇航员处于失重状态（在太空中）或在地球上时的α-mu（〜8–12 Hz）振荡，他们发现，当宇航员在太空中时目视着目击目标刺激时，与在地球上时相比，μ节律更不同步，使用LORETA式算法，小脑被发现有助于这种差异，可能反映了姿势的必要激活稳定。
5、认识
小脑中的高伽马振动（60–180 Hz）也与决策，对决策、感知和运动的内省有关。研究发现当参与者做出与数字表示，显式记忆和自我表示有关的决策时，小脑中出现高伽马振荡，他们特别发现左小脑半球以及顶下小叶是内部暗示决策的关键结构，小脑是激活的网络的一部分，当要求参与者对三种事件的时间进行反思时：音素感知，他们自己的反应决定或表现该决定的运动。这两项研究都利用了时频波束形成器技术以及基于统计非参数映射的群体统计数据。
最后，Styliadis使用MEG发现，使用LCMV（线性约束最小方差）波束形成器，反映情绪唤醒，情绪化合价和它们的相互作用的振荡（60-100 Hz）位于小脑的不同区域。此外，他们遵循时间层次，在价之前先处理唤醒。
6、癫痫
也有一些关于癫痫患者小脑活动的报道，1974年的3例癫痫患者是当时涉及小脑刺激的实验疗法的候选人，他们特别记录了直接在小脑中植入深度电极的患者以及头皮脑电图的记录，这表明在侵入式和非侵入式记录中均可以显示小脑的活动，包括明显正常的睡眠纺锤体和癫痫发作活动线索。
穆罕默德等发现，使用LCMVbeamformeron MEG宽带活动（25-100 Hz），在一个四岁男孩的运动皮层发作后14 s产生小脑活动，他们讨论了小脑活动延迟可能在癫痫发作终止中起调节作用的可能性。
Lascano等发现高密度头皮脑电图的14个月大女孩中小脑病变是主要的癫痫发作发源地，随后在手术切除前即刻行颅内脑电图证实了小脑病变以及无癫痫发作术后。
最后，Elshoff等测试了癫痫发作期间记录的10sEEG时期的频谱来源，使用DICS，他们发现11名患者中有5名存在小脑活动，患者年龄在1至19岁之间。
7、静息状态和网络调查
功能磁共振成像文献中有大量关于静息状态的研究，并且小脑也被发现为所谓的默认模式网络的一部分。布鲁克斯结合了波束成形和独立成分分析（ICA）来检索组成默认模式网络的成分，他们发现的成分与fMRI文献中发现的成分有很大的重叠，小脑成分专门在β波段范围内（13–30 Hz）被发现。
Wibral调查了听觉短期记忆，并使用传递熵和DICS波束成形技术发现了伽马波段（60-120 Hz）中的脑小脑连接。
最后，Kujala研究了在阅读任务中的相位耦合，并发现在使用DICS波束形成器的阅读过程中，α波段（8-13 Hz）中的脑小脑耦合。
综上所述，这些研究表明，在某些情况下，MEG和EEG可以检测到小脑活动。许多研究依靠外部参考（例如运动和观察到的运动）来建立区域之间的连贯性，并且检测到的是振荡之间的连贯性，而不是标准的与任务相关的源激活。
我们如何增强通过MEG监测小脑的能力？
在本节中，我们将介绍可增强MEG检测小脑活动机会的方法，我们描述了已成功用于检测小脑活动的方法，并讨论了更多有前途的策略。
1、优化设计（表面目标和初始定位）
小脑前部的信号将相对较小，这完全是由于与MEG传感器的距离所致，如果可能的话，相对而言，目标可能是针对肤浅的小脑区域。当然，这将要求基于其他方式的研究牵涉到特定的小脑区域。为了获得启发，可以看看King等人的详细功能映射，一种相关的策略是使用一种范式，该范式可以强烈引发小脑反应，也可以将其小范围地定位。使用这种范式，可以首先定位小脑源，然后可以估计其时程，以进行更精细的操作和定位范式的变化。
问题是，是否存在这样的范例，可能的候选者可能是眨眼条件范例，在眨眼调节中，眨眼被调节到音调的开始（条件刺激），然后向眼睛吹气（未调节的刺激），这种条件反应取决于完整的小脑。2003年有研究者使用MEG发现小脑参与此反应的证据，但是请注意，他们的策略与Tesche和Karhu（1997，2000）的策略相似，他们估计了假定的小脑源的时间过程。最近，Lin显示了使用吹气范例的有前途的证据，这将在第7小节中进一步讨论。
2、MEG传感器阵列或EEG的覆盖范围
Todd等人的最新研究通过在电极Oz下方的额外电极扩展了10–20的布局，他们发现，这些“小脑”电极吸收了这些电极特有的高频振荡（>100Hz），而在上方的枕骨电极或下方的脾肌电极上均未发现，这突显了真正覆盖小脑的重要性，这样一来就可以拾取信号。
有研究者使用横河电机MEGVISION和160轴梯度计研究了正中神经刺激引起的体感场，使用beamformer方法，他们能够重建出小脑内侧部分产生的磁场，如图5所示，传感器覆盖范围扩展到小脑以下，包括上颈椎，这似乎是通过让受试者相对于头盔向前倾斜头部来完成的，这意味着牺牲了一些额叶覆盖，而获得了对小脑的采样能力，如图5的底部所示，当对象不倾斜头部时，小脑未完全覆盖。
图5 倾斜头部以获得更好的小脑传感器覆盖范围。上部面板显示了现代MEG系统Neuromag Triux中典型的头部放置，其102个传感器位置以蓝色表示，虽然小脑被该位置部分覆盖，但相对于传感器阵列向后倾斜头部可以提供对小脑的更完整覆盖。桥本演示了如何使用160通道横河MEG系统进行定位，如右下图所示。
3、仔细清除假象
小脑反应容易被颈部肌电图掩盖或与之混淆，因此，建议记录主要颈部肌肉的肌电图，像是最小范数估计和偶极子拟合源重构，因为它们会将传感器记录的所有磁场分配到假定的源空间。如果源空间包括小脑，并且在重建源之前未除去颈部肌肉活动，则可能会由于源于小脑的虚假产生而将颈部肌肉活动重建。即使存在伪像，波束形成器方法也将是有用的，因为这些方法可以在每个假定的光源位置独立地重建光源活动。这是通过创建一个空间过滤器来完成的，该过滤器将来自其他来源（如大脑和噪声）的贡献降至最低。
4、远程耦合
定位小脑活动的一种成功策略是根据其与“远距离”信号（如EMG或脚或手的运动学信号）的相干性进行定位，如第3节所述，由于远程连接评估有很多解释上的缺陷，因此使用远程耦合为连接性评估增加了一定程度的可信度。Gross和Jerbi小组的范例在应用此策略方面非常成功（请参阅第3节），但是，可以用这些策略运行的范式可能仅限于感觉和运动范式。
5、使用皮层信号抑制功能减少新皮层活动
Samuelsson和哈马林·艾琳开发了皮层信号抑制（CSS）方法，这种方法的总体思想是基于分别使用平面梯度计和磁力计的独特功能，如Neuromag系统一样。口语上说，平面梯度仪是“近视”的，对大脑皮层产生的信号最大敏感，而磁力计也对大脑皮层以外的信号敏感。
通过仅从磁力计的信号中投影出磁力计和平面梯度计之间共享的信号，就可以获得一个唯一代表非大脑皮层的磁力计信号。将该方法应用于听觉稳态响应（ASSR），可以降低大脑皮层产生的ASSR信号增加了97％，而皮质下产生的ASSR信号又增加了10％。该方法尚未用于研究小脑活动。关于此方法的另一个有趣的方面是，它不需要任何特殊的数据获取过程。因此，如果预期有小脑或皮质下的来源，已经获得的数据集很可能受益于使用CSS的重新分析。
6、改善小脑的解剖模型
在Beamformer应用中，光源模型通常不包括光源的方向，取而代之的是，通常选择最大化波束形成器输出SNR的方向作为源方向，该方向是通过基于奇异值分解的优化确定的，Hillebrand和Barnes发现，如果引入解剖学约束，则可以改善波束形成器的信号，从而使源在源模型中正确定向。但是，信号的改善关键取决于MEG和MRI之间的共配准误差以及放射源方向估计的精度，Hill-ebrand和Barnes得出结论，这些解剖约束的误差需要小于2mm和10°。关于共配准误差，已经开发了几种不同的策略来将误差减小到2mm以下，例如摄影测量法、结构光扫描仪以及头部石膏。
关于放射源方向的估计，MEG的典型解剖学约束是假设放射源与从解剖T1 MRI扫描提取的皮质表面正交。然而，由于小脑皮层太薄，因此从1.5T或3T MRI提取高质量的皮层表面较难处理，这导致不幸的结果是，大多数依赖于皮层表面信息的来源分析管道都只是将小脑从源头上丢弃完全空间。7T MRI可以产生足够的分辨率，以合理提取小脑皮质表面。
Samuelsson强调了高分辨率小脑表面模型的重要性，因为它们表明小脑的标准分割会由于信号抵消的低估而导致净小脑信号的高估，这可以通过高分辨率模型来避免。高分辨率模型还显示，与大脑皮层相比，小脑中发生的信号消除更多，但是仍应使用MEG和EEG来检测小脑活动。作为从高分辨率扫描中提取表面的替代方法已经提出，神经纤维的方向可能来自于3T时定制的扩散加权MRI（DWI）序列；初步研究表明，该方法可以帮助区分视觉皮层和小脑的激活。必须强调的是，小脑的侵入性电生理记录与MEG和/或EEG的距离远未提供有关小脑信号消除幅度的实际信息，但Samuelsson等人的模型显示该信号小脑的消除不可能使小脑的MEG和EEG记录不可行。
7、未来的推测——头皮MEG
正在开发几种技术，其目标是创建头皮上或几乎头皮上的MEG传感器的全头阵列，一种替代方法是使用高Tc SQUID，使用这些已经成功地记录了体感和听觉区域。目前，已经建立了多达7个高Tc SQUID磁力计的阵列，它们实际上可以放在头皮（<1毫米）上。另一种替代方法是光泵磁强计（OPM），已经在市场上出售，可以组装成适合MEG的小型系统，已经进行了20次OPM的记录，也可以将其放置在距头皮约6.5 mm的位置。
由于当朝向头皮移动时，磁力计的拾音线圈尺寸可以做得更小，因此空间分辨率将提高，与使用最新的MEG相比，这可以对与更多的大脑活动相关的磁场进行采样。如前所述，MEG小脑据称不可见的一个经常提及的原因是，它比大脑皮层更精细地折叠，从而导致信号消除，利用更好的空间分辨率，可以消除信号消除的问题。
有趣的是，上述横河系统（Hashimoto）的皮库帕面积比当前的CTF系统（254 mm²）和Neuromag系统（441 mm²）小189mm2。相比之下，高Tc SQUID中的拾波线圈尺寸为81mm²（Andersen；Pfeiffer），等效OPM的拾音面积更小；例如，QuSpin QZFM OPM的蒸气室表面积仅为9mm2（Osborne），这些新技术可能会为小脑MEG录音带来一个崭新的时代。
此外，在进行经典的正中神经刺激时，似乎可以使用头皮技术从小脑中恢复诱发的反应，头皮MEG还可改善高频振荡的SNR，因为它比常规MEG可以从远处采样大脑更稀疏地采样大脑活动。重要的是要注意带宽和灵敏度在OPM中是如何成反比的，这意味着不能使用同一传感器同时采样低频和高频活动。
另一方面，某些类型的OPM可以单独调整，以使其带宽适合进行相关活动，但是，高Tc SQUID的带宽与MEG状态系统的带宽相同。在设计阵列时，重要的是传感器的位置要比目前固定的低Tc SQUID阵列的位置低（图5），同时构建具有高Tc SQUID和OPM的灵活阵列也是可行的，这意味着人们可能能够根据对自己当前范例的最佳选择来定位传感器。最后，类似于在CTF（MEG国际服务有限公司）MEG系统中使用参考传感器，使用多层传感器可以更好地分离大脑皮质和深层来源。参考传感器用于消噪，但也有可能用于抑制皮层信号，这与上文讨论的皮层信号抑制技术有关。
8、小脑MEG和小脑EEG的源定位
MEG和EEG在来源定位和灵敏度方面存在众所周知的差异，在大脑皮层中，MEG和EEG的敏感性特征有所不同，因为MEG对回旋激活不敏感，可以认为小脑也会出现类似的差异，但是由于小脑的精细折叠，所以腓肠沟和回旋并没有定义明确。由于MEG源定位比EEG源定位对头部模型中的误差不那么敏感，因此，如果给定相同的头部模型，则MEG源定位将比EEG源定位更精确和准确。
因此，尤其需要特别注意脑电图的头部模型，以帮助他们确认小脑源的定位，如前所述，仔细注意MEG头部模型也可能会改善小脑源的定位，但不会像在EEG中那样重要。在敏感性方面，Samuelsson（2020）还表明，MEG对小脑后表面特别敏感，在小脑后表面附近引起活动的范例，例如气垫范例和潜在的触摸/省略范例，因此可能特别值得研究），Samuelsson还表明，脑电图可能对小脑前叶更敏感。
9、摘要和一般建议
因此，有几种策略可用于检测小脑活动，然而，对于任何范例，都应该通过获取尽可能多的试验来增加信噪比，这就需要没有太多条件的相对简单的范例。可以通过确定与运动或躯体感觉相关的任何反应均来自同侧小脑来验证结果。但是，这需要对两侧（例如左右手）进行测试，这与减少条件数量的想法背道而驰。因此，必须在这些相互竞争的考虑因素之间优化实验设计。
10、MEG对新皮层以外其他结构的敏感性
在本节中，我们简要地考虑了MEG和EEG对新皮层外部结构的敏感性的证据，我们的目的是消除MEG和EEG仅由大脑皮层表面附近的锥体细胞产生的观念。听觉脑干反应也许是头皮上的传感器能够测量皮层下活动的最著名的证据，听性脑干反应包括对短暂听觉刺激的反应，该反应由耳蜗，听神经，上橄榄复合体，侧弯韧带和下丘脑相继产生。它在临床中通常使用头皮电极进行测量，作为听力测试或神经完整性的测量。
MEG传感器还能够在实验环境中捕获听觉脑干反应，但是必须强调的是，这需要进行多次试验。例如，Parkkonen（2009）使用了30分钟内进行的16,000次试验。
Ruzich（2019）发现了2005年至2018年之间的37项MEG研究，这些研究揭示了强大的海马活动，有证据表明，使用独立成分分析（ICA）可以发现MEG可以发现海马和杏仁核的激活（14名患者中有6名）。一些患者的数据（14个中的4个）甚至显示出丘脑信号的证据。这些激活是通过同时颅内脑电图记录独立验证的。即使不到一半的患者具有可检测到的信号，这也表明有可能从其他较深的区域进行记录。
在另一项最新研究中（Müller，2019），在先天性盲人受试者中发现了丘脑和视觉皮层之间的α波段功能连接，尤其是丘脑的发现很有趣，因为由于MEG的位置靠近大脑中心，并且形态不佳，因此是否能被MEG完全检测到丘脑仍然是一个有争议的问题。然而，使用模拟和真实数据相结合，支持Pizzo和Müller研究结果的有效性Attal和Schwartz，表明MEG对信号敏感源自海马，杏仁核和丘脑。他们强调需要有解剖学上精确的源空间，方向受限的偶极子（如果该区域有一个首选方向）和不同区域偶极子矩密度的真实估计。我们在建议使用精确解剖的小脑模型时也附和了这些建议。因此，没有任何关于深度本身，离开小脑以外的梅格的敏感度范围。
结论
我们得出的结论是，确实有可能检测到来自人类小脑的EEG和MEG信号，使用不同方法的许多研究已经在听觉，视觉和躯体感觉等不同感觉领域以及运动过程中展示了EEG和MEG信号。
也有基于MEG的证据表明小脑参与了更多的认知操作，例如更新和维持感官期望以及做出决策，但是目前确实存在一些局限性，最主要的原因是由于大部分小脑与传感器之间的距离较大（与大脑相比），因此信噪比很低。这意味着如果信噪比低，我们可能会错过小脑的真正激活，在有利的情况下，例如大量的试验，优化的范例，便利的耦合方法，抑制皮层活动等，该评价表明可以检测到小脑激活，就像许多其他更深层的大脑结构可以检测到的一样。
但是，即使当我们可靠地检测小脑激活时，我们仍然面临空间分辨率的限制——使用EEG和MEG很难检测出我们在小脑中的确切位置，更精确的小脑解剖模型可能对限制EEG和MEG可能的来源重建有用。然而，与功能磁共振成像反应缓慢相比，小脑的脑电图和脑电图研究具有巨大的实用性，因为它可以实时显示大脑活动，因此能够解决大脑活动。这对于理解小脑功能和功能障碍的复杂性和细节可能至关重要。
添加cheitech，获取英文原文
联系我们 扫描二维码 获取更多
欢迎关注我们的微信公众平台
（BCIduino脑机接口社区）
本篇由BCIduino脑机接口开源社区整理或撰写。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫码加入社群，备注"BCI"，也欢迎采购BCIduino脑电模块（某宝搜索即可）
标签：MEG,脑磁图,脑电图,信号,使用,EEG,活动,小脑 来源： https://blog.csdn.net/nvsirgn/article/details/114260527
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。