EEG 与 fNIRS 看到的是同一个大脑吗？多模态解析脑结构 - 功能耦合差异

把大脑类比为一座城市，脑区间白质纤维是固定道路，决定信息传递通路；动态神经活动如同实时车流，反映脑区实时协同模式。大脑解剖结构相对稳定，但在静息、运动想象等不同认知状态下，会产生完全不同的功能活动，这也引出神经科学关键问题：大脑动态功能活动会在多大程度上受静态结构连接约束，这种约束关系是否随脑状态、成像模态发生改变？

现有研究常利用扩散磁共振构建脑结构网络，搭配EEG、fNIRS等工具解析功能活动，但两种模态捕捉的生理信号存在本质差异：EEG可记录毫秒级神经元电活动，fNIRS则通过血氧浓度变化，经由神经血管耦合间接反映慢速血流响应。二者虽均用于表征脑功能网络，但二者受脑结构约束的规律是否一致，以及静息与任务状态下耦合关系如何变化，仍缺乏同步多模态对照研究，针对fNIRS的结构-功能耦合探索也较为匮乏。

Rosmary Blanco等人组成的研究团队在《Scientific Reports》发表了题为“Comparing structure–function relationships in brain networks using EEG and fNIRS”的研究论文。采用同步EEG-fNIRS多模态脑成像方案，结合扩散磁共振构建脑结构连接组，依托图信号处理框架与结构解耦指数，从全局、局部脑区、固有功能网络三个维度，系统对比静息态与运动想象任务下神经电活动、血流动力学活动对应的脑网络结构-功能耦合规律。结果表明，fNIRS血流耦合特征与EEG低频振荡模式相近，结构-功能耦合沿单模态至跨模态皮层呈梯度分布，电生理与血氧信号在联合网络存在明显差异，任务态可缩小两种模态的耦合分歧，为低成本多模态脑网络结构-功能关联研究提供了标准化分析范式。

文章信息

1. 实验数据采集

本研究共纳入18名健康青年受试者，平均年龄28.5±3.7岁。实验设置两种脑状态：1分钟静息态采集；左右手运动想象任务，单侧任务各包含30个时长10 s的试次。

同步采集EEG与fNIRS双模态信号：EEG采用国际10-5系统30导电极记录， fNIRS系统共设置36个测量通道，采用760 nm、850 nm双波长光源检测皮层血氧波动。

图1 同步EEG-fNIRS采集系统与传感器分布

2. 多模态信号预处理与源重建

（1）EEG信号处理

对原始EEG进行全脑平均重参考，通过零相位巴特沃斯滤波器完成1 Hz高通、45 Hz低通滤波；采用Infomax独立成分分析剔除眼电、肌电等生理伪迹。利用标准化低分辨率脑电磁断层成像（sLORETA）开展皮层源重建，并将源信号分频滤波，得到δ（1–4 Hz）、θ（4–7 Hz）、α（8–15 Hz）、β（15–25 Hz）、γ（25–45 Hz）五组频段神经电信号。

（2）fNIRS信号处理

先将光强信号转换为光密度信号，通过头皮耦合指数筛选并剔除质量不合格通道；采用GVTD指标识别并去除头部大幅度运动时段，借助主成分分析去除皮肤浅表血流带来的生理噪声。基于漫射光学层析（DOT）完成皮层源重建，结合修正比尔-朗伯公式换算得到HbO、HbR源时序。

（3）空间统一配准

将EEG电极、fNIRS光极空间坐标配准至Colin27脑解剖模板，两类模态源信号统一映射至Desikan-Killiany脑图谱；受fNIRS探头覆盖范围限制，简化筛选出44个皮层感兴趣区（ROI）用于后续跨模态对比分析。

3.脑结构网络构建与结构解耦指数（SDI）计算

（1）群体结构连接组

从ARCHI数据库提取78名受试者扩散磁共振（dMRI）数据，通过纤维束追踪构建个体结构连接矩阵，取全组均值得到群体一致性结构网络，并匹配至上述44个ROI，形成统一解剖基准。

（2）基于图信号处理的SDI量化

依托图信号处理（GSP）理论，对结构连接矩阵的归一化拉普拉斯矩阵特征分解获取图谱谐波基函数；将各脑区时序功能信号做图傅里叶变换，依据频谱能量中位数分割为贴合解剖通路的耦合分量、脱离结构约束的解耦分量。

以两类分量时域L2范数能量比值构建结构解耦指数 SDI=N_D/N_C：SDI数值越低，代表该脑区功能活动受解剖结构约束越强；SDI数值越高，则代表功能活动具有更强的独立性。

1. 静息态fNIRS耦合特征与低频EEG相近

全局分析显示，静息态EEG与fNIRS结构-功能耦合存在显著差异，运动想象任务下二者差异消失。静息时α频段耦合最强，δ、θ耦合高于β、γ。静息态HbO耦合模式与δ、θ慢波EEG更相似，慢频神经活动与血流信号时间尺度长，更贴合稳定结构网络；高频脑电易受瞬时动态干扰，解耦程度更高。

图2 全局结构-功能耦合对比

2. 运动想象任务重塑各频段耦合模式

任务状态下频段耦合特征发生改变：静息高耦合的α波段解耦增强，β频段耦合；δ、β、γ耦合较静息显著上升，θ无明显变化。β振荡参与运动调控，运动想象激活体感运动网络，耦合匹配度提升。HbO、HbR耦合水平在静息、任务间无显著差异，血流慢响应会抹平短时神经活动波动。

图3 静息与任务下SDI变化及模态对应关系

3. 局部脑区耦合呈单模-跨模梯度，双模态空间规律统一

EEG与fNIRS局部SDI分布规律一致：体感、视觉皮层耦合更强，前额、顶叶联合皮层解耦更突出，符合大脑单模态至跨模态皮层梯度。感觉运动、视觉区依托固定结构通路处理基础输入输出；联合皮层需多源信息整合，功能活动更灵活，高解耦代表更强整合能力，并非功能异常。

图4 脑区结构-功能耦合空间分布

图 5 EEG 与 fNIRS 局部结构 - 功能耦合跨模态空间差异

4. 双模态差异主要集中于认知网络

视觉、体感运动网络耦合更强，默认模式、注意网络解耦程度更高；额顶网络耦合随频段、任务动态变化。单模态感觉网络中EEG与fNIRS一致性高，默认模式、注意等跨模态网络模态差异明显。运动想象任务中EEG在体感运动网络耦合特异性更强，电信号对快速运动神经动态更敏感。

图6 五大固有功能网络SDI分布对比

图7 全频段EEG与HbO/HbR功能网络耦合差异

本研究基于同步EEG-fNIRS数据与图信号处理，从全局、局部脑区、功能网络层面对比电活动、血流信号与脑结构的耦合关系。fNIRS耦合规律整体和低频EEG相近，耦合强度沿单模态皮层向跨模态皮层递减；运动想象会大幅改变各EEG频段的结构耦合，而血氧信号耦合状态受任务影响较小。脑结构为信息传递提供基础通路，但无法完全限定动态功能活动，EEG、fNIRS可分别从快速神经电活动、慢速血流代谢互补刻画大脑结构约束与功能灵活并存的特性，可为脑机接口、神经康复、脑功能评估提供参考。

局限性：

1. 结构与功能数据来自不同被试，仅采用群体平均结构网络，缺少个体解剖差异分析；

2. 样本仅18人，静息态仅采集1分钟，不利于慢速fNIRS信号稳定；

3. fNIRS覆盖有限，仅选用44个皮层脑区，无法覆盖全脑及深部脑区。

后续可对同一受试者同步采集dMRI、EEG、fNIRS，扩大样本、延长静息扫描时长，搭配高密度fNIRS设备，提升结果个体化与全脑覆盖程度。

Blanco R, Preti M G, Koba C, et al. Comparing structure–function relationships in brain networks using EEG and fNIRS[J]. Scientific Reports, 2024, 14: 28976.

DOI：10.1038/s41598-024-79817-x

该研究由 Rosmary Blanco、Maria Giulia Preti、Cemal Koba、Dimitri Van De Ville 和 Alessandro Crimi 共同完成。作者单位包括：波兰克拉科夫萨诺计算医学中心计算机视觉实验室、瑞士洛桑生物医学成像中心、瑞士日内瓦洛桑联邦理工学院神经-X研究所、瑞士日内瓦大学医学院放射医学与医学信息学系、波兰克拉科夫AGH科技大学计算机学院。

关于维拓启创

相关产品