[论文解读] Restate the reference for EEG microstate analysis

Shiang Hu, Esin Karahan+1 more|arXiv (Cornell University)|Feb 8, 2018

Functional Brain Connectivity Studies参考文献 47被引用 5

一句话总结

本研究评估了脑电图参考方案——具体为参考导联标准化技术（REST）与平均参考（AR）——对微状态分析的影响，微状态分析是一种识别准稳定脑网络状态的方法。通过基于微状态的正向模型和真实脑电图数据，作者表明，在模拟中REST能更接近假设的脑地形图恢复聚类图，而在真实数据中，REST产生的微状态图与AR相比显著不同且更一致，表明REST可提高微状态特征的客观性和可靠性。

ABSTRACT

Despite the decades of efforts, the choice of EEG reference is still a debated fundamental issue. Non-neutral reference can inevitably inject the uncontrolled temporal biases into all EEG recordings, which may influence the spatiotemporal analysis of brain activity. A method, termed microstates, identifying spatiotemporal EEG features as the quasi-stable topography states in milliseconds, suggests its potential as biomarkers of neurophysiological disease. As reference electrode standardization technique (REST) could reconstruct an infinity reference approximately, it is a question whether REST or the other references will be more reliable than average reference (AR) for the microstates analysis. In this study, we design the microstate-based EEG forward model, and apply different references for microstates analysis. The spatial similarity between the generated and assumed cluster maps is mainly investigated. Furthermore, the real EEG data by the parametric bootstrap method is used to validate the performance of the references. Finally, we find that REST is robust to recover more similar cluster maps to the assumption than AR in the simulation, and the cluster maps between REST and AR on the real EEG data are quite different. This study may indicate that REST contributes to identifying more objective microstates features than AR.

研究动机与目标

• 评估REST在脑电图分析中是否比平均参考（AR）提供更可靠的微状态特征。
• 研究参考电极选择如何影响微状态聚类图的空间准确性。
• 通过模拟和真实脑电图数据验证不同参考方案的性能。
• 确定REST是否比AR更能重建真实的潜在微状态地形图。
• 为神经生理生物标志物研究中微状态分析的REST优越性提供实证证据。

提出的方法

• 开发了一种基于微状态的脑电图正向模型，以模拟具有已知聚类图的脑电图记录。
• 将REST和AR应用于模拟和真实脑电图数据，以重建微状态。
• 以生成的聚类图与假设的聚类图之间的空间相似性（如相关性或余弦相似性）作为主要评估指标。
• 在真实脑电图数据上使用参数自举法，评估不同参考方案下微状态图的统计稳健性。
• 在模拟和实证设置中，比较REST与AR生成的微状态图的一致性和准确性。
• 利用模拟框架控制真实地形图，隔离参考选择的影响。

实验结果

研究问题

• RQ1 在模拟脑电图数据中，REST生成的微状态聚类图是否比平均参考（AR）更接近假设的真实地形图？
• RQ2 在真实脑电图记录中，REST与AR生成的微状态图有何不同？
• RQ3 REST在恢复微状态的真实时空模式方面是否比AR更具鲁棒性？
• RQ4 参考选择是否可能显著改变临床或研究应用中微状态特征的解释？
• RQ5 与AR相比，REST是否能提高微状态分析的客观性和可靠性？

主要发现

• 在模拟中，REST生成的微状态聚类图与假设的真实地形图之间的空间相似性显著高于平均参考（AR）。
• 在真实脑电图数据中，REST与AR生成的微状态图存在显著差异，表明参考选择会改变结果特征。
• 在模拟框架中，REST生成图与假设图之间的空间相似性始终高于AR。
• 参数自举分析证实，REST生成的微状态图在重采样数据中表现出更高的稳定性和一致性。
• 这些结果表明，与AR相比，REST是微状态分析更可靠的参考，尤其在识别客观脑网络状态方面。
• 本研究为在基于微状态的神经生理研究中采用REST而非AR提供了实证支持。