[论文解读] Graph analysis of spontaneous brain network using EEG source connectivity

Aya Kabbara, Wassim El Falou+3 more|arXiv (Cornell University)|Jul 4, 2016

Functional Brain Connectivity Studies参考文献 22被引用 3

一句话总结

本研究利用图论分析方法，对14名健康受试者在静息状态下通过高密度EEG源连通性重建的功能脑网络进行分析。研究识别出扣带脑岛区与眶额皮层为关键功能枢纽，并证实默认模式网络在促进区域间高效通信中发挥核心作用，展示了EEG在绘制内在脑网络拓扑结构方面的有效性。

ABSTRACT

Exploring the human brain networks during rest is a topic of great interest. Several structural and functional studies have previously been conducted to study the intrinsic brain networks. In this paper, we focus on investigating the human brain network topology using dense Electroencephalography (EEG) source connectivity approach. We applied graph theoretical methods on functional networks reconstructed from resting state data acquired using EEG in 14 healthy subjects. Our findings confirmed the existence of sets of brain regions considered as functional hubs. In particular, the isthmus cingulate and the orbitofrontal regions reveal high levels of integration. Results also emphasize on the critical role of the default mode network (DMN) in enabling an efficient communication between brain regions.

研究动机与目标

• 利用高密度EEG研究自发脑网络的拓扑组织结构。
• 通过源水平连通性识别静息状态下人脑的功能枢纽。
• 评估默认模式网络（DMN）在促进脑区间高效通信中的作用。
• 验证EEG源重建在静息态条件下用于基于图论的网络分析的可行性。

提出的方法

• 利用EEG源定位技术，从静息态EEG数据中重建功能脑网络，以估计皮层区域的活动。
• 基于源重建时间序列，采用基于相关性的方法计算脑区间配对功能连通性。
• 应用图论指标（如度中心性、介数中心性和聚类系数）以表征网络拓扑结构。
• 网络分析聚焦于识别枢纽区域，并评估默认模式网络对整体网络效率的贡献。
• 分析基于14名健康受试者的数据，采用高密度EEG阵列和先进的源重建技术完成。

实验结果

研究问题

• RQ1 在静息态人脑网络中，哪些脑区充当功能枢纽？
• RQ2 默认模式网络如何参与维持脑区间高效通信？
• RQ3 基于EEG源连通性的功能脑网络具有怎样的拓扑组织结构？
• RQ4 如度中心性和介数中心性等图论指标如何反映关键脑区的整合特性？

主要发现

• 扣带脑岛区与眶额皮层被识别为高阶度功能枢纽，表现出与整体网络的强整合性。
• 默认模式网络在促进脑区间高效通信中发挥关键作用。
• 具有高介数中心性的区域主要位于默认模式网络中，表明其作为网络桥接的关键角色。
• 功能网络表现出小世界特性，支持高效的信息传递，具有低路径长度与高聚类性。