動搖實時相位估計基礎(chǔ)的事實

1. 研究背景

由于刺激偽跡會掩蓋信號，我們很難通過標(biāo)準(zhǔn)的信號處理方法決定刺激給予時的相位。本研究中利用相等估計值的方差和合成相位已知的模擬EEG信號，量化了信噪比及實時信號峰值對相位估計誤差方差的影響。

2. 研究方法

2.1 被試

為了調(diào)查相位估計的準(zhǔn)確率，利用了來自EEG–TMS實驗的現(xiàn)有數(shù)據(jù)集，共包括 140 名被試，其中男性53 人, 女性87 人, 年齡范圍24±5歲。

基于刺激前的EEG相位對MEP（motor evoked potentials：運動誘發(fā)電位）進(jìn)行事后分類利用的是另一個實驗的現(xiàn)有數(shù)據(jù)集，在該實驗中，一名健康被試左運動皮層的hand-knob區(qū)域接受1150個TMS脈沖刺激，

2.2 數(shù)據(jù)采集和處理

靜息態(tài)EEG信號的采集采用64導(dǎo)腦電帽，實時數(shù)據(jù)采集采樣率為5kHz；MEP實驗中，EMG信號的采集是通過EEG放大器的雙極輸入通道進(jìn)行的。

對于靜息態(tài)EEG信號，數(shù)據(jù)離線處理選擇以C3為中心的部分電極（FC1, FC5, CP1, CP5），降采樣為1kHz，選取最初的250s。

在MEP實驗的事后分類階段，使用PowerMAG Research 100的PMD70-pCool線圈（MAG & More GmbH）施加雙相TMS刺激，刺激時長為160μs，刺激強(qiáng)度為115%MT（運動閾值），刺激間間隔為2.1s。

a) 分析流程

① 對每個數(shù)據(jù)的感覺運動μ波進(jìn)行頻譜分析，確定振幅頻率和信噪比。

② 將每個數(shù)據(jù)分成500個長度為2s的epoch（各段之間有重疊），使用帶通濾波和希爾伯特變換，確定每個epoch中央點的相位。

③ 基于每個epoch中央點之前的數(shù)據(jù)段，利用PHASTIMATE法進(jìn)行相位估計。在被試內(nèi)優(yōu)化參數(shù)，使得估計相位值與中央相位值差值的圓形偏差最小。

④ 利用先行研究中的參數(shù)、被試間最優(yōu)參數(shù)的平均值、每個被試的最優(yōu)參數(shù)再次運行PHASTIMATE腳本。

⑤ 評估不同條件（信噪比、振幅）下的相位估計準(zhǔn)確率。

⑥ 最后，對EEG–TMS–EMG實驗數(shù)據(jù)運行PHASTIMATE腳本，看是否能驗證刺激前μ波相位和MEP振幅之間的關(guān)系。

3. 研究結(jié)果

經(jīng)過對各種參數(shù)組合的對比，發(fā)現(xiàn)最優(yōu)參數(shù)為：時間窗長度為179個采樣點、192號濾波、25號自回歸正向預(yù)測、65號邊緣。此外，還對比了固定帶通濾波8-12Hz與個人頻率峰值±1Hz帶通濾波下的預(yù)測準(zhǔn)確率。

圖1. A. 不同自回歸正向預(yù)測參數(shù)下相位估計圓形偏差的中位數(shù)

B. 采樣率從8-13Hz變成被試各自±1Hz帶通濾波時相位估計準(zhǔn)確率的提高

C. 時間窗從500ms變成719ms時相位估計準(zhǔn)確率的提高

對用PHASTIMATE進(jìn)行自回歸正向預(yù)測得到的相位和進(jìn)行對數(shù)變換后的MEP振幅做球形-線性回歸，發(fā)現(xiàn)兩者的相關(guān)高度顯著，且正弦模型比常數(shù)模型的擬合度更高。

圖2. 基于μ波預(yù)測相位對MEP振幅進(jìn)行的估計。實線正弦曲線表示圓形回歸的擬合度；曲線正弦曲線表示對應(yīng)水平軸的刺激前相位。

4. 結(jié)論

本研究認(rèn)為，相位雖然只是一個標(biāo)量值，但是在測量大腦狀態(tài)的某些方面能夠提供重要信息。因此，有必要從理論和實踐上理解不同條件下相位估計的準(zhǔn)確率。本研究的結(jié)果表明，篩選固定位置的EEG信號以及足夠高的信噪比才能保證相位估計的準(zhǔn)確率。此外，鑒于估計的準(zhǔn)確率在被試內(nèi)的差異甚至可能大于被試間的差異，想要獲得預(yù)想的效果，選擇合適的刺激時機(jī)是十分重要的。

5. 文獻(xiàn)名稱及DOI號

Zrenner, C., Galevska, D., Nieminen, J. O., Baur, D., Stefanou, M. I., & Ziemann, U. (2020). The shaky ground truth of real-time phase estimation. Neuroimage, 214, 116761.

Doi: 10.1016/j.neuroimage.2020.116761