神经数学:估计人类大脑活动和连通性的先进方法

---

众所周知，脑电图(EEG)和脑磁图(MEG)由于其高时间分辨率，是研究大脑动力学的有用技术。然而，众所周知，由于大脑、头骨和头皮的电导率不同，EEG的空间分辨率相当低，显著模糊了EEG的电位分布，使皮层发生器的定位问题。在过去的十年里，人们开发出了一套数学技术，即高分辨率脑电图(EEG)，通过非侵入性脑电图测量来更精确地估计皮层活动。这些技术包括使用大量的头皮电极，通过磁共振成像(mri)得到的真实头部模型，以及与解决所谓的“逆问题”相关的高级处理方法，也就是说，通过脑电图/脑磁图测量来估计大脑活动(即电磁发生器)。这种方法意味着使用数千个等效电流偶极子作为源模型，以及从磁共振图像重建的真实头部模型作为体积导体介质。对神经源或头部模型中的神经源的位置使用几何约束通常会减少解空间(即，所有可能的皮质偶极强度组合的集合)。另一个约束是强迫偶极子用最小或低能量(最小范数解)解释记录的数据。通过使用同一任务中记录的血流动力学测量(即fMRI-BOLD现象)获得的信息，可以进一步缩小解决方案空间。多模态方法的基本原理是，神经活动调节神经元放电和产生脑电图/脑磁图电位，增加葡萄糖和氧气需求。 This results in an increase in the local hemodynamic response that can be measured by functional magnetic resonance images (fMRIs). Hence, fMRI responses and cortical sources of EEG/MEG data can be spatially related, and the fMRI information can be used as a priori in the solution of the inverse problem．所有这些计算方法的结果是，从非侵入性脑电图测量，可以用几毫米的空间分辨率和毫秒的时间分辨率来估计皮质活动。

然而，在特定任务中激活的大脑区域的静态图像并不能传达这些区域如何相互沟通的信息。大脑连通性的概念被认为是理解大脑皮层区域的有组织行为的中心，而不仅仅是简单地绘制它们的活动。这种组织被认为是基于不同的和不同专门化的皮层部位之间的相互作用。皮层连通性估计的目的是将这些相互作用描述为连接模式，这些连接模式保持了皮层区域之间信息流的方向和强度。为了实现这一点，一些计算方法已经应用于从血液动力学和电磁技术收集的数据。通过使用这些方法，可以推断出人类在执行特定运动和认知任务时大脑皮层区域之间的信息流。这一前景广阔的技术可能在人类行为和认知研究领域以及脑机接口领域得到应用。与功能磁共振成像(fMRI)、近红外光谱(NIRS)、脑电图(EEG)或脑磁图(MEG)相关的文献中，已经提出了估计脑连通性的方法。

因此，本期特刊的主要目的是通过非侵入性的神经电和血流动力学测量，增加对数学方法的认识，从而估计人脑皮层活动和连通性。该特刊包括世界一流科学家撰写的关于脑电图和脑磁图方法的技术综述文章，以及可用于生成皮质-皮质连接的特定皮质模型的描述。

本特刊中有几篇文章以脑机接口为主题，在脑机接口的背景下，对与运动行为想象相关的脑信号进行收集和分析。源估计的应用技术也在神经经济学领域,提供了一个例子的追踪大脑活动的脑电图观察期间电视片段,甚至在汽车,利用近红外线设备,或在研究ERD / ERS的情绪处理技巧。本特刊的其他论文与使用不同的先进方法分析精神病人的大脑信号有关，其中一篇致力于描述神经科学领域数据共享的可能WEB结构。

总而言之，本期特刊提供了一些有趣的信息，这些最新的方法能够在不同的任务中追踪健康受试者和精神病人的大脑活动和连接。我们希望CIN的读者能够像我们在撰写特刊时那样欣赏这期特刊。

劳拉Astolfi
Andrzej Cichocki
法比奥Babiloni

版权

版权所有©2009 Laura Astolfi et al。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。