EEG来自于哪里？有什么意义？_9

- 来自于荷兰Donders Center for Neuroscience的神经科学大牛Michael X Cohen在Trends in Neurosceince上发文讨论了EEG的来源与意义。

这里将部分内容呈现出来。

- Cohen最著名的著作之一就是《Analyzing Neural Time Series Data: Theory and Practice》。

他的网站在这里：
过去一个世纪，人们使用EEG技术来调查认知加工过程和大脑功能，取得了丰富的成果。

但是我们对EEG所包含的信息是从哪里来的，这些信息代表什么意义却知之甚少。

一、神经元微回路与EEG
神经元微回路 (Neural microcircuit)：是大脑在解剖或者功能上的一种尺度，这个尺度比单个神经元大，但是又比普通的fMRI研究中的体素更小。

微回路可以有多种形式，它由几十或者是几百个不同类型的细胞组成，但是他们相互之间的联系又比与其它细胞的联系更紧密，它们为共同的功能发挥作用。

这些微回路产生了多尺度的我们可以测量的电压上的变化，包括EEG的时间、频谱和空间特征在内。

如果我们能够在EEG特征和微回路之间建成一一对应的关系，那么EEG作为一种测量大脑功能的工具将变得异常强大。

但事实上，EEG 特征和微回路之间的关系很复杂，最乐观的情况是『few-to-some』，即少量的EEG特征与一定数量（希望不是非常大）的微回路相对应。

这种说法应该是部分正确的，因为只有当大量的锥体细胞对齐排列并同步放电时，我们才可以测量到EEG。

当前，我们需要解释为什么EEG信号中的某些特定模式总是与认知相关，比如相位扰动(phase perturbations)，基于相位或者是基于能量的联接，跨频率的耦合等等如何与某些认知功能关联。

在EEG被广泛用于脑科学研究和医学诊断一个世纪之后，我们仍然不能回答这个最基础的问题。

二、神经振荡与神经生理的联系
神经振荡(Neural Oscillations)是EEG中最重要的特征，过去几十年间有大量的研究表明知觉、认知、运动和情绪加工等都与特定的振荡模式相关。

在神经系统中的多时空尺度上我们都可以观察到振荡，它在不同的物种之间也普遍存在，这说明神经振荡具有重要的功能，并在进化中得以保留。

而且，采用活体内或活体外记录，甚至是电脑模拟等技术都能调查神经振荡，使得我们对振荡的原理和意义都有了深入的了解。

研究神经振荡可以帮助我们洞悉知觉、认知和行动中的神经计算的原理，时间精度和极限。

另一方面，我们必须意识到『神经振荡』是对一类现象的总称。

神经振荡从不同的生物物理机制产生，这些机制取决于离子通道、神经突起长度等内部特征，同时也受到诸如输入强度和噪音水平等外部特征的影响。

不同的微回路在不同的
认知背景下产生的神经振荡可能具有不同的计算特性。

比如：目前还不清楚视觉皮层的alpha振荡的功能原理与背外侧前额叶的theta振荡是否相同。

三、那么EEG到底是从哪里来的？
从生物物理的观点来看，我们对局部场电位(local field potential, LFP)和EEG的发生有了很多了解。

现在的标准观点认为LFP和EEG是细胞外的电流，这种电流反映的成千上万甚至是上百万个朝向相同的锥体细胞的突触后电位的总和。

尽管突触后电位对LFP的产生做了最大的贡献，其它的诸如钙钠尖锋，胶质细胞等同样对LFP的产生具有贡献，这些变化可能对LFP与EEG之间的不同具有贡献，在某种程度上EEG反映的是大空间尺度的活动，当然LFP与EEG之间的关系可能还取决于许多我们还不知道的因素。

虽然我们说EEG反映的是大量神经元的突触后电位的总和，但是这种说法对于我们描述EEG空间、频谱和时间特征没有足够的解释力。

EEG的这些特征是进行认知计算时微回路的动态，而神经科学家和心理学家是对这些认知计算最感兴趣的。

换句话来说，标准模式解释了EEG的存在，而不是EEG信号的内容；EEG 的存在是EEG信号内容的前提条件，但是信号的内容在认知电生理研究中更为重要。

目前，从三个方面汇聚而来的证据让我们有机会认识EEG各种特征的来源。

第一方面是EEG特征与记忆、知觉、情绪、语言、行动以及其他认知过程的关系，有人可能会想这些研究结果都是相关研究，过于宏观，或者是不能决定神经振荡是这些认知计算的一部分还是伴随而生的副产品。

但实际上，更大的进展还是取决于已经确定了的基本关系。

比如：监控正在进行的活动的错误与内侧前额叶的短暂的theta波段振荡密切相关。

前额叶中部的theta振荡的起源和意义仍然是一个密，但是如果没有这样基于观察的研究，我们就不可能知道大脑活动的无数个特征中的哪些特征值得更深一步的研究。

探索性的描绘的EEG研究仍然很重要，因为许多认知功能和疾病的EEG特征仍然有待去发现。

但是总体来说现在已经有足够的基础性工作，要进步就需要更为细致的研究，包括细致的实验研究和新的数据分析方法。

第二方面，关于微回路的组织与操作方面的神经生理学文献出现了很大的增长。

对微回路的结构和功能模型的研究有几十年了，但是直到最近才在清醒的动物上实现对这些模型的实验追踪。

比如：我们现在知道在不同皮质层(cortical layers)的神经元之间的可识别的分子参与到锥体细胞不同方面的调节。

现在来看，微回路的这些模型如何与LFP振荡相关联是一个新的令人兴奋的话题，这些模型如何与特定的EEG特征相关还是未探究的研究领域。

第三方面是技术的革新让我们可以通过全新的方法去测量和操纵诸如老鼠这样的小动物的大脑。

电极变得越来越小，越来越密，允许我们通过深入大脑的多个皮层和皮层下结构同时对几十上百个点进行测量。

同时，光遗传学技术让我们可以结合大尺度的电生理技术对通过分子标志识别出来的不同类型的神经元进行更精确的时空控制。

既然技术这么发达了，那我们去认识EEG的来源与意义的瓶颈又是什么呢？其中一个瓶颈便是将正确的资源放在正确的地方：具有必要设备和专家的实验室不想去关注神经生理与EEG之间的关联，而那些研究人类EEG的实验室通常又缺乏测量神经电生理的专家和设备。

四、要了解EEG信号的意义，我们需要什么样的数据？
要认识EEG信号的意义，应该在多个空间尺度上同时搜集神经数据。

最理想的数据集应该是包含不同大脑区域的不同皮质层中上百个微电极的数据，以及在头皮记录到的EEG数据。

EEG电极最好有足够的密度（理想状态是多于30个电极）来获得头皮分布图，然后进行基于空间成分或者是基于源分离的分析。

神经成像技术能提供高空间分辨率的数据，与EEG结合也可以决定特定皮质层的血液动力活动与EEG特征的关系。

但是了解EEG信号的意义，并不仅仅是对皮质层或者是各类中间神经元的测量，采用适当的数据分析同样可以将EEG与其背后的神经计算和执行关联起来。

比如，如果EEG活动的振荡本质与认知相关，那么相位应该与认知或神经元动态相关。

非正弦的，不对称的，和其它非线性的EEG特征也会与认知现象关联。

让无数的线索和非线性的EEG数据特征具有意义需要仔细的数据分析和聪明的思考，而不仅仅是昂贵的设备。

五、我们需要什么样的数据分析？
对上述的多尺度的数据集进行分析，可能需要新的、至少是与目前的方法不同的数据分析技术。

目前，主流的时频分析技术都假设EEG是在毫秒时间尺度上的正弦活动。

很明显，神经振荡是有节律的，但是他们是不是真的就是正弦呢？这还不清楚。

因为已经有研究发现老鼠海马回的theta节律就是非正弦活动的神经振荡。

由于现行的数据分析方法采用正弦来滤波，导致这些方法很难区分正弦的和非正弦的神经振荡。

但是必须要说，正弦的假设被证明是足够有效的，而且产出了很多关于大脑功能的知识。

如果一个人具有『多尺度的数据集』，即同时记录了神经元活动、LFP和EEG，那么就应该运用不同类型的分析方法。

将这些数据以矩阵的方式排列，可以帮助我们采用矩阵分解，源分离以及机器学习算法对数据进行分析。

参考文献：
Cohen, M. X. (2017). "Where Does EEG Come From and What Does It Mean?" Trends Neurosci 40(4): 208-218.。