EEG微状态分析方法的可靠性评估

本文研究了脑电图（EEG）微状态方法的可靠性。EEG微状态代表在静息EEG记录中可观察到的功能性大脑网络，这些网络在40-120毫秒内保持稳定，然后迅速切换到另一个网络。假设微状态特性（如持续时间、出现次数、覆盖率和转换概率）可以作为精神和神经疾病以及心理社会特征的神经标志物。然而，需要稳健的重测可靠性数据来支持这一假设。此外，研究人员目前使用不同的方法学，这些方法需要在一致性和适用性方面进行比较，以产生可靠的结果。基于一个大规模数据集，本文发现微状态持续时间、出现次数和覆盖率的短期和长期重测可靠性良好到优秀，而转换概率的可靠性较差。研究结果支持微状态特性作为稳定神经特质的观点，并提供了微状态方法可靠性的有力证据。

方法

数据与样本

数据来源于多特蒙德生命研究（DVS），该研究在德国多特蒙德进行，样本在年龄、遗传、认知能力和就业方面大致代表德国工作人口。研究包含两天的数据收集，每天进行两次静息EEG测量。

EEG记录与预处理

使用64电极和30电极EEG系统记录静息EEG。预处理包括降采样、带通滤波、去除大伪影、重新参考、排除噪声通道、伪影校正和独立成分分析。

EEG微状态分析

使用EEGLAB中的微状态工具箱进行微状态分析。通过k-means聚类和原子化聚合层次聚类（AAHC）两种方法识别微状态类型。采用全局均值拟合（GM fitting）和个体拟合（Ind fitting）两种方法将个体EEG地图分配到微状态类型。

统计分析

计算微状态特性的组内相关系数（ICCs）以测试其重测可靠性和方法学一致性。ICC值小于0.50、0.50-0.75、0.75-0.90和大于0.90分别表示差、中等、良好和优秀的可靠性。

结果

描述性统计

在所有条件下，微状态类型解释了EEG中81.45%的方差。微状态的平均持续时间、出现次数和全局场功率分别为63.25毫秒、16.95次/秒和4.81标准差。

组平均微状态模板

各组得到5个微状态，如Table1所示

图片

短期重测可靠性

在一天或两天内，微状态持续时间、出现次数和覆盖率的ICC值均良好到优秀，而转换概率的ICC值较差，如图2和Table 3.

图片

图片

长期重测可靠性

在平均间隔63天的情况下，微状态持续时间、出现次数和覆盖率的ICC值大多中等到良好，而转换概率的ICC值仍然较差。即使在间隔超过半年的参与者中，也观察到了中等到优秀的重测可靠性，如图2和Table3所示。

方法学一致性

k-means聚类和AAHC在微状态特性上表现出高度一致性。

讨论

本文发现微状态地图在四种独立测量和两种聚类程序中表现出高度一致性，支持提取五个微状态地图的优越性。微状态持续时间、出现次数和覆盖率的短期和长期重测可靠性良好到优秀，而转换概率的可靠性较差。此外，全局均值拟合（GM fitting）优于个体拟合（Ind fitting）。研究结果为微状态特性作为稳定神经特质的观点提供了有力证据，并推动了微状态研究的标准化及其在基础和临床研究中的应用。

参考文献：On the Reliability of the EEG Microstate Approach.