对EEG空间采样,头部建模和分片效应对异常性普遍性的网络变化的综合评估

科学领域:

• 神经科学是一个神经科学.
• 的研究研究.
• 大脑网络分析 脑网络分析

背景情况:

• 异常性普遍性 (IGE) 呈现出可通过电生理学检测的显著脑网络变化.
• 由于后勤需求和MRI要求,高密度EEG和磁脑电图在临床环境中受到限制.
• 了解EEG通道密度和头部模型对IGE大脑指标的影响对于临床应用至关重要.

研究的目的:

• 调查EEG通道密度和头部模型选择如何影响IGE中的大脑指标.
• 为了比较高密度 (256-通道) EEG与常规临床 (19-通道) EEG的发现.
• 评估低密度EEG用于检测IGE组差异的可靠性.

主要方法:

• 在不同密度下分析了35名IGE患者和54名对照组 (256通道EEG) 的休息状态数据.
• 使用单个MRI或标准模板进行源重建,并对连贯源进行动态成像.
• 在通道密度,头部模型和分片之间比较了EEG功率和连接性 (想象中的连贯性);在19通道监测单元样本中进行验证.

主要成果:

• 低密度EEG阵列可靠地检测到功率和连接的全球群体差异,特别是在关键频段.
• 256通道和低密度EEG之间的空间相似性对功率很好,但在64通道以下的连接性下降.
• 单个和正规头模型产生了一致的结果;较粗的分片提高了低密度地图的稳定性.

结论:

• 低密度EEG阵列足以识别IGE的全球大脑变化,特别是信号功率.
• 在IGE中,可以利用临床EEG进行大脑范围的分析,尽管需要高密度才能获得空间精度.
• 规范头模型为IGE中的区域/网络评估提供了个人MRI的实用替代方案.