机能脑网络在视觉运动任务中的重组变化

研究背景

运动执行是一个复杂的认知功能，依赖于空间上接近和远离的脑区的协调激活。视觉运动整合任务需要处理和解释视觉输入以规划运动执行，并调整人类运动以与环境互动。基于功能性磁共振成像（fMRI）的研究表明，前额叶和顶叶区域在视觉运动整合过程中起着重要作用。此外，sensorimotor皮层也涉及其中。然而，现有研究主要使用fMRI技术探索这些过程，对于脑电图（EEG）信号的研究相对较少。

在诸多研究中，通过功能连接性分析明确了不同脑区之间的统计依赖关系，并研究它们在不同条件下如何相互作用和交流。有研究通过脑磁图（MEG）和颅内EEG探讨了大脑在gamma波段的连接性，发现大脑在视觉运动过程中的动态参与。此外，基于脑电图的研究确认了前顶叶区域在视觉运动过程中的作用，且它们的活动和互动是频率依赖的。

枧失参考更是在右撇子个体中发现，通过简单的运动任务如指敲、指拇对顶、指展，右撇子与非右撇子在运动执行过程中的脑激活存在差异。在这些研究中，实验主要是通过简单运动任务来执行的，并不涉及视觉输入的处理。而在使用脑电图的研究中，也主要是探讨左右手活动的脑电差异。因此，关于视觉运动整合任务中左右手的脑电活动还需进一步探讨。本研究则通过九孔栓测试（NHPT）这一复杂视觉运动整合任务来填补这一空白。

研究来源

这篇研究论文由Alessandra Calcagno, Stefania Coelli, Martina Corda, Federico Temporiti, Roberto Gatti, Manuela Galli和Anna Maria Bianchi写成，作者分别来自电子信息与生物工程系 (Department of Electronics, Information and Bioengineering, DEIB), Politecnico di Milano，以及物理治疗单位 (Physiotherapy Unit, IRCCS Humanitas Research Hospital)，和人类生物医学科学系 (Department of Biomedical Sciences, Humanitas University)。论文发布于2023年的IEEE Transactions on Neural Systems and Rehabilitation Engineering。

研究流程

实验流程设置

受试者

本研究招募了44名健康的右撇子志愿者（23名男性和21名女性，年龄在18到30岁之间），没有任何肌肉骨骼或神经系统功能障碍。本研究获得了Humanitas临床和研究中心伦理委员会的批准（n. CLF20/08, 2020年7月），并在Politecnico di Milano的运动与姿势分析实验室和B3Lab实验室进行。所有志愿者在实验前均签署了知情同意书，个人隐私通过数据匿名化来保证。

采集协议

实验协议包括以下几个阶段：首先，受试者在闭眼休息一分钟和睁眼休息一分钟期间采集EEG数据。随后，受试者分别用右手和左手执行NHPT任务，每只手执行两次。采集数据重点集中在睁眼休息阶段（baseline，BL）以及右手（RH）和左手（LH）执行NHPT中的EEG信号。EEG信号通过Micromed公司生产的64导电极系统（SD LTM 64 Express System）以1024 Hz的采样率进行记录，通过国际10-20系统进行通道放置，最终采集了55个导联信号。

EEG预处理

EEG预处理使用EEGLAB MATLAB工具箱进行。首先，原始EEG信号经过1-45 Hz带通滤波并重采样至256 Hz。随后，手动识别并去除噪声通道，通过独立成分分析（ICA）识别和去除假性源，并结合ICLabel插件支持。最终的预处理步骤包括通道重新插值和重新参考到公共平均参考点。

频谱分析

通过Welch方法估算EEG信号的功率谱密度（PSD），并应用1秒窗的重叠50%的窗函数tapering。每个窗口内，通过归一化过程将信号归一化到零均值和单位方差。然后，计算与眼睛睁开时baseline（BL）20秒条件相比的功率变化。

Δ𝑃!"#$ = (𝑃!#"$ - 𝑃%&) / 𝑃%&

研究集中在ϑ（4-8 Hz），µ（7-13 Hz）和ß（14-24 Hz）三个频段。每个频段都选择特定的范围，以避免和µ频段的重叠。

连接性分析

通过相位斜率指数（Phase Slope Index, PSI）研究EEG信号对的功能连接性。PSI是基于两条时间序列的相位差异计算得出的。PSI的最终连接矩阵是反对称的，具有方向性信息。

图论分析

图论分析用于描述网络的拓扑结构，包括全局效率（GE），模块度（Q）和度（D）。全局效率和度是描述网络整合的指标，模块度是描述网络分离的指标。图论分析同样应用于前顶叶网络（Frontoparietal Network, FPN），sensorimotor网络（SMN）和注意网络（Attention Network, AN）三个已知的功能网络（FNs）。

结果与讨论

频谱分析结果

在ϑ频段，前顶叶ϑ功率的增加和µ和ß频段的去同步化现象在右手和左手移动期间一致。这一现象与文献中关于运动控制，尤其是运动计划、空间记忆处理和运动学习的ϑ节律增加相关的发现相一致。然而，这些频谱特征不足以明显区分左右手移动相关的大脑机制。

连接性分析结果

简化网络（SIMNs）的实证分析显示在ϑ频段中，在右手移动时，连接数目的显著增加这一现象；而在µ和ß频段中，运动执行期间的µ带网络和ß带网络均显著减少。这与运动相关的µ和ß频段去同步化现象相一致。此外，功能连接的量化图论分析显示了不同频率带的网络拓扑变化。

图论分析结果

在µ频段中，运动执行期间的µ带网络表现出较少的连接，较低的整合度（D和GE减小），和较高的分离度（Q增加）。这些变化在右手移动中特别明显，而在注意网络中，µ调制在两只手的任务执行中表现相似。这些结果支持了运动执行与µ带的网络去同步化现象。

在ß频段中，发现右手和左手执行任务期间总网络的β节律整合度与任务执行表现之间的正相关关系：GE增加，任务执行时间缩短，表现更好。在ϑ频段中也有类似的发现。这表明分布式大脑区域之间的有效通信支持视觉运动功能。

研究局限性和未来工作

研究的一些方法学方面的考虑，例如潜在的体积传导（Volume Conduction, VC）问题和大脑连接性估计的稳健性。此外，有必要在左撇子个体和患有神经疾病的患者中进行类似的研究，以提供更广泛的生理和方法论的理解。这将进一步验证研究方法的有效性，并确定可能的生物标志物用于评估神经康复技术对神经和功能障碍患者的行为效果。

结论

本研究揭示了与视觉运动整合过程相关的脑网络组织变化的频率特异性调制，且不同的频带、功能网络类型和反侧性条件下表现出不同的网络组织模式。总网络中、 µ和ß频段的网络测量值与任务表现存在相关性，这些发现有助于理解右撇子志愿者在视觉运动任务中的脑网络变化。此外，未来可以使用这些脑网络描述符为运动康复和训练策略提供新见解。