NeuroImage

摘 要

既往研究表明，使用功能性磁共振成像(fMRI)来优化刺激位点是有效的，但尚不清楚是否能用电生理学方法达到类似效果。

本研究探讨了以脑电图(EEG)确定的脑区为靶点的tDCS是否能改善图片命名任务中的语言表达表现。首先验证EEG信号分析能否识别与fMRI相似的区域，然后比较EEG引导的tDCS与传统以 Broca’s area 为靶点的tDCS对语言命名功能的改善效果，研究对象为健康参与者。

研究方法

在实验1中，21名参与者在不同日期分别接受fMRI和EEG测量，完成图片命名任务。一半参与者先进行EEG测量，另一半先进行fMRI测量。在实验2中，15参与者首先在第一天进行EEG测量，然后在单盲交叉设计中使用三种不同的刺激条件（假手术，Broca-tDCS和EEG-tDCS）进行为期三天的tDCS干预，每次tDCS干预间隔至少5天的洗脱期。

图1实验流程图

兴趣区(ROIs)：基于既往关于语言任务的文献，从HCP-MMP图谱中选取36个区域，主要位于额叶皮层，以验证所提方法。

使用EEG数据识别任务与控制试验差异最大的区域：通过计算任务和对照试验的第一特征变量CCS信号之间的差异波，并计算其整体幅度作为均方根差(RMSD)，确定每个参与者的tDCS最佳区域，RMSD最大的区域被选为tDCS的靶区。具体而言，任务和对照试验的第一特征变量时间序列CCS信号的平均信号在每个ROI的0至1的范围内进行归一化，使用刺激开始后0至1.5秒的归一化信号计算RMSD。

对于CCS估计，通过使用VBMEG提供的分层变分贝叶斯方法，其具有在皮层上具有10，000个顶点的标准大脑正向模型。使用根据人类连接体计划多模式微粒化（HCP-MMP）图谱的解剖学微粒化图谱，提取每个脑区域中包含的顶点的信号，并应用独立分量分析来推导每个区域的第一特征变量信号。

图2 ROI和EEG传感器相对于ROI的位置

(A)将61个EEG传感器位置和带有ROI信息的膨胀大脑模型渲染到一个三层模型上，该模型由头皮（深棕色）、颅骨（灰色）和脑脊液（CSF，粉红色）组成，该模型是使用VBMEG工具箱通过一个参与者的T1 MRI图像创建的。根据该图确定tDCS电极的位置。

(B)根据文献综述，从HCP-MMP图谱中选择额叶皮质中的36个区域，并在VBMEG工具箱提供的膨胀标准脑模型上对其进行着色和标记缩写名称。

fMRI与EEG的对应关系:除了基于HCP-MMP图谱区域分离的评估外，还进行了基于秩的置换检验，以测试fMRI激活和EEG活动强度测量之间是否存在显著的空间关联。通过在标准大脑模型上着色显示了fMRI和EEG识别出的ROIs，并基于HCP-MMP图谱计算了两个识别ROIs之间的区域数量，以评估两种方法的一致性。

图3比较fMRI和EEG分析识别的ROI位置

HCP-MMP图谱中显示最大任务-对照差异的区域是使用每名参与者的fMRI数据的GLM分析的t值和EEG信号的RMSD确定的。在VBMEG工具箱提供的标准脑模型上对ROI进行着色。根据HCP-MMP图谱，计算两个已识别ROI之间的分隔区域数量，并根据分隔区域数量将受试者分为4组：< 0（相同或相邻，红色）、= 1（粉红色）、= 2（黄色）和> 3（蓝色）。鉴于tDCS电极的尺寸（5 × 5cm 2），认为刺激效应适用于除蓝色组外的所有组。

图4EEG-CCS信号和tDCS干预结果示例

A）任务试验的正确反应的平均反应时间；B）不同tDCS条件下的反应时间差异；C）控制试验的平均反应时间；D）识别的ROI L-p47r和Broca区域（L-44和L-45）之间的信号比较的示例。 Broca区（L45）的波幅高于ROI L-p47 r，但L-p47 r的任务-控制差异大于Broca区。

结果 

研究结果表明EEG引导的tDCS在改善语言功能方面比靶向Broca区的常规tDCS方法更有效，也表明了所提出的EEG分析方法用于识别与特定认知任务相关的区域的有效性。