1、研究背景
阿尔茨海默症(AD)引起的轻度认知障碍(MCI)和痴呆可引起正常神经元行为的紊乱和神经元网络的破坏。由于许多MCI患者在后期发展为AD，有人建议将MCI和AD解释为一个连续体。以往研究中用以表征EEG静息状态特性的许多度量都是从傅立叶分析推导出来的，这需要假设数据的平稳性。然而，EEG本质上是非平稳的，特别是在表征自发振荡活动所需的时间窗中。最近的研究表明，MCI和AD诱导的神经变性可能影响静息状态神经元活动的动态特性。本研究的目的是从以下不同的角度描述这些特性：(i)使用Kullback-Leibler散度(KLD)，这是由连续小波变换导出的非平稳性度量；(ii)使用递归点密度的熵(ENTRRR)和递归点密度的中位数(MEDRR)，这是两个基于递归量化分析的新指标。研究人员对49例AD所致痴呆患者、66例AD所致MCI患者和43例认知正常对照者进行了10s滑动窗无重叠的脑电记录，计算了KLD、ENTRRR和MEDRR。随后，研究人员测试了这些指标是否反映了MCI和AD诱导的正常神经元活动的改变。研究人员尝试回答以下研究问题：(i)MCI和AD患者EEG的非平稳性水平和递归结构是否揭示了频率依赖性的改变？(ii)脑电动态特性的不同表征方法能否揭示有关疾病诱发异常的补充信息？(iii)EEG的非平稳性、递归不可预测性和递归密度的变化是否反映了痴呆的发展形势？
2、研究方法
2.1被试
该研究样本由位受试者组成：43位认知正常的对照组，66位因AD引起的MCI患者和49位因AD引起的痴呆患者。遵循美国国家老龄学会和阿尔茨海默症协会(NIA-AA)的标准诊断患有因AD引起的MCI或痴呆患者。对照组由没有神经或精神疾病史的老年受试者组成。使用以下排除标准：(1)有其他精神病或神经病的病史；(2)根据NIA-AA标准的罕见临床表现或非典型病程；(3)晚期痴呆(临床痴呆等级＝3)；(4)住院病人；(5)可能影响脑电活动的药物。表1显示了每组的社会人口学特征。
所有参与者和看护人都被告知了研究和研究方案，并给予了知情同意书。根据世界医学协会的道德规范(赫尔辛基宣言)，该研究已由里奥·医院(西班牙瓦拉多利德)的伦理委员会批准。
2.2脑电图记录
通过位于西班牙瓦拉多利德的里奥·医院临床神经生理学系的19通道EEG系统(XLTEK，NatusMedical)记录EEG信号。根据国际10–20系统的规格，从电极Fp1，Fp2，Fz，F3，F4，F7，F8，Cz，C3，C4，T3，T4，T5，T6，Pz，P3，P4，O1和O2采样，采样频率为Hz。通过共同的平均参考值对信号进行重新参考。在采集脑电期间，受试者被要求保持闭眼、静止和清醒状态。为了防止困倦，实时视觉监测EEG痕迹，如果发现睡意迹象，要求受试者保持清醒。在EEG记录过程中识别和标记睡意发作、眼动相关伪影和肌肉活动。
每个受试者都被记录了5分钟的脑电活动。分三个步骤进行预处理：(i)初步独立分量分析以去除与伪影相关的分量；(iii)有限脉冲响应滤波(汉明窗、滤波器阶数0、前向和后向滤波)，以去除50Hz噪声功率，并将频谱宽度限制在1~70Hz的宽频带内；(iii)目视剔除其余伪影，为每个受试者选择没有噪音污染的前60秒。
2.3时频分析
本研究中KLD的实现基于时频分析。这一术语涵盖了旨在捕捉有关脑电频谱内容的时间信息的各种方法和技术。这些方法基于将EEG分解成时频表示(TFR)。它们提供了有关正在进行的脑电图中不明显的神经同步信息，包括哪些频率在特定时间点上显示出最大的功率。通常假定这些功率变化反映了神经同步性的潜在变化，这使得时频衍生的测量方法可用于评估EEG动态特性(例如非平稳性)的变化。此外，与传统的基于频谱的频率分析相反，它们不假定平稳性。
2.3.1连续小波变换(CWT)
CWT的计算需要调整几个参数。在这项研究中，Morlet小波被用作母小波，因为它在生物学上似乎适合脑电信号。参数中心频率和带宽被设置为1，以便在低频时实现时间(Δt)和频率分辨率(Δf)之间的适当平衡。海森堡盒的宽度被选择为Δt和Δf的两倍，作为时间和频率分辨率之间的折衷。
在有限时间长度序列上计算连续小波变换会在小波功率谱的开始和结束处产生误差。为了克服这一限制，在周期的开始和结束处引入了零填充。然而，这会在CWT计算不可靠的边缘引入了不连续性。为了克服这一问题，在计算KLD时考虑了影响锥(COI)。COI是小波谱中边缘效应可以忽略的区域，从而避免了由补零引入的失真。KLD是根据每个EEG时期的CWT计算的。
2.3.2Kullback-Leibler散度(KLD)
边际频率分布tfr(fi)可以如下计算：
然后，计算时间TFR分布pfi,nΔt：
由此，可得KLD：
当信号在给定频率fi处变得不太平稳时，KLD将增加。因此，可以将KLD解释为TFR非平稳性的指标。利用连续小波变换在1~70Hz频率范围内计算KLD，然后在所研究的频段内求平均，并将COI预先应用于小波。
2.4递归图(EPs)
考虑标量离散的脑电时间序列x(t)={x1，x2，…，xN}，可以利用时间延迟方法重构x(t)在m维相空间Xi中作为轨迹的多维过程：
其中m是嵌入维度，τ是时间延迟。是跨越正交坐标系的单位矢量。在其原始定义中，RPs是对称的N×N二进制阵列：
图1显示了从EEG周期计算RPs的示例。
图1
分别针对研究中的每个频段，通过广泛使用的互信息函数和最近邻算法对延迟(τ)和维度(m)进行了优化。延迟τ被设置为δ波段的22个样本、θ波段的8个样本、α波段的5个样本、β-1和β-2波段的3个样本以及γ波段的4个样本。对于所有频段，维度m均设置为4。
2.4.1递归量化分析(RQA)
递归点密度被定义为：
在本研究中，引入了两种基于RRτ的新方法：第一种是ENTRRR，它能够刻画EEG周期递归结构的不可预测性；第二种是MEDRR，它能够表征RPs的密度，并给出脑电周期递归程度(即返回到先前状态的频率)的一般概念。
2.4.2递归点密度的熵(ENTRRR)
ENTRRR可以如下计算：
其中pRRτ是RRτ的概率密度函数的估计值，M是pRRτ的单元数。在本研究中，单元的数量设置为，边缘在0和1之间(RRτ的最小值和最大值)。
2.4.3递归点密度的中位数(MEDRR)
当信号具有高的MEDRR时，这意味着系统具有高度的递归性(即它通常返回到先前的状态)；另一方面，较低的MEDRR值意味着信号的递归结构较稀疏，表明系统倾向于不返回到以前的状态。
2.5统计分析
正态性用Lilliefors检验评估，而方差齐性用Levene检验评估。结果表明，KLD、ENTRRR和MEDRR值不满足参数检验条件。因此，使用非参数检验评估组间差异。
研究人员对每个频段的KLD、ENTRRR和MEDRR值进行Kruskal-Wallis检验，以检测三组之间的整体交互作用。然后，进行Mann-WhitneyU检验，以评估每个频段的KLD、ENTRRR或MEDRR的总体平均和组间空间配对差异。
使用错误发现率(FDR)校正来控制类型I错误。电极数的控制采用FDR校正，显著性水平α=0.05。信号处理和统计分析使用MATLAB(版本RaMathworks，Natick，MA)。
3、研究结果
3.1社会人口学和临床资料分析
为了评估可能成为混杂因素的人群之间的可能差异，对所有社会人口学和临床数据进行了统计分析。受试者按年龄(χ2(2)=5.47，p=0.，Kruskal-Wallis检验)和性别(χ2(2)=2.35，p=0.，卡方检验)进行配对。文化程度不匹配(χ2(2)=16.25，p0.，卡方检验)。为了测试失配是否会对组间比较产生影响，研究人员检验了所有组中受教育程度为A和B的受试者在总体平均KLD、ENTRRR和MEDRR上的统计差异(Mann-WhitneyU检验)。两组各指标间差异均无统计学意义(p0.05)。
正如预期的那样，AD患者的MMSE评分低于对照组(U=3.，p0.，Mann–WhitneyU检验)和MCI患者(U=3.，p0.，Mann–WhitneyU检验)。与对照组相比，MCI患者的MMSE评分更低(U=8.，p0.，Mann-WhitneyU检验)。
3.2总体平均分析
图2显示了每个频段所有电极上的KLD、ENTRRR和MEDRR的总体平均值。
图2
就KLD而言，结果显示，在θ波段，对照组表现出最高的非平稳性水平，AD患者总体水平最低，MCI患者介于两者之间。在β-1和β-2带中发现了相反的现象。有趣的是，在δ、α和γ波段(只在这项指标中显示出统计学差异)，MCI患者在所有组中显示出最低(α)和最高(δ、γ、全局)KLD值，而AD患者的KLD值介于健康对照组和MCI患者之间。事后的Mann-WhitneyU检验显示，各组在θ带上的差异性最好，所有的配对比较都有统计学上的显著差异。在α、β-2和全局频段中，只有对照组与其他两组有统计学意义的差异，而在δ和γ频段，只有对照组和MCI受试者有统计学意义的差异。最后，在β-1频段，只有在对照组和AD患者之间有统计学意义的差异。
ENTRRR结果表明，在θ波段，AD患者具有最不可预测的递归结构，其次是MCI患者，最后是健康对照组。在β-1和β-2带中观察到相反的情况，而在全局频段中，MCI组在所有三组的递归结构中显示出最高的不可预测性。最后，MEDRR值显示，在θ带内，递归结构的稀疏性随着疾病的严重程度而增加。另一方面，在β-1频段，效果正好相反。事后Mann-WhitneyU检验显示，只有在对照组和其他两组之间才发现统计学上的显著差异。
3.3空间分析
图3显示了研究中所有频段的统计差异的地形图(p0.05，带FDR校正的Mann-WhitneyU检验)。MCI患者和AD患者之间的比较没有显示出来，因为这些组之间在任何一项指标上都没有发现统计学上的显著差异。
图3
在δ频段，与对照组相比，MCI患者在中央区、额叶区和左侧颞叶区表现出局部KLD值增加。在θ频段的组间比较显示，MCI患者额叶区和顶枕叶区的KLD低于健康对照组，ENTRRR和MEDRR高于健康对照组，而AD患者的KLD普遍低于对照组，ENTRRR和MEDRR高于对照组。同样，仅在KLD中发现了α频段的统计学显着差异，与对照组相比，MCI患者的非平稳性普遍降低。这一效应在AD患者中不太明显，与对照组相比，KLD的下降幅度较小。在β-1频段中，ENTRRR和MEDRR表现出相似的模式，与对照组相比，MCI患者的顶枕叶区的值降低，而AD患者的值则普遍较低。在这一波段中，各组之间在KLD方面的统计学显著差异较小，只有AD患者的顶枕叶区的值比对照组高。
在β-2频段中，所有三个指标的空间模式同样相似。在这里，MCI患者在额叶、右侧颞叶区和顶枕叶区表现出比对照组更高的KLD以及更低的ENTRRR和MEDRR。AD患者叶表现出比对照组更高的三项指标。统计学上有显著性差异的部位位于右侧颞叶区、顶枕叶区和左侧颞叶区。在γ波段，只有MCI患者的颞叶区和顶叶区的KLD高于对照组。最后，在全局频带中，对照组的KLD和ENTRRR都明显较高，KLD的差异主要局限于左半球，而ENTRRR的差异则普遍存在。为了进一步确认结果，研究人员还分别对每个空间区域(额叶区、左侧颞叶区、右侧颞叶区、中央区和顶枕叶区)进行了均值分析，发现结果大多遵循空间分析中的结果。
4、讨论
在本研究中，研究人员以CWT和RQA为基础，研究了健康老年人对照组、AD所致MCI患者和AD所致痴呆患者的脑电活动动态行为。研究结果表明：(i)MCI和AD导致非平稳性、递归不可预测性和递归密度的改变；(ii)不同的电极水平EEG活动分析方法揭示了不同的疾病诱发异常模式；(iii)非平稳性、递归不可预测性和递归密度变化的演变支持MCI-AD连续体的概念。
4.1AD和MCI诱导的局部激活动态模式的改变
在θ波段，KLD显示MCI患者左侧额叶区和顶叶区的非平稳性降低，在AD患者中这种非平稳性延伸到整个头皮。另一方面，MCI和AD患者的ENTRRR和MEDRR增加，其模式与KLD相似。这表明MCI和AD可能导致低频皮层振荡活动的非平稳性降低，以及递归结构的不可预测性和密度增加。这些结果表明，在病理受试者中发现的脑电活动的平稳性的增加伴随着大量的递归，以及更不可预测的状态递归结构。与非平稳性的降低相比，后一种结果可能看起来有违直觉，但它很容易解释。健康对照组脑电活动的非平稳性越强，其递归结构(RP中的斜带，其值等于0)的破坏越多，从而降低了RRτ的熵。递归结构的高密度意味着，与对照组相比，随着时间的推移，振荡活动与其自身相对相似，这与平稳过程有关，并与KLD结果一致。
θ波段的结果与之前报道AD患者神经活动的不规则性和变异性减少的研究一致。研究表明，在MCI和AD患者中观察到的低频规律性降低与广泛报道的在这些疾病中发现的脑电活动减慢相关。据报道，KLD与相对功率之间存在轻微的负相关。这一事实可能表明θ波段非平稳性的降低可能部分是MCI和AD中低频总功率增加的结果。这与其他研究一致，这些研究发现MCI患者的主功率频移略低于AD患者。事实上，α波段的KLD结果进一步支持了这一理论：如图3所示，与对照组相比，MCI患者表现出广泛的非平稳性降低，而在AD患者中则表现得不那么明显。
与较低的频率相比，病理受试者的β非平稳性增加，其中MCI患者的顶叶区局部增加，而AD患者的增加从顶叶区延伸至额叶区，而中央区未受影响。与组间的α差异相反，这种变化也反映在RQA指标的减少上，并且也能在右侧颞叶区观察到。RP密度和RRτ不可预测性的降低可以解释为一个不恢复到以前状态的系统。在工作记忆任务期间，β频段与当前大脑状态的保持有关，并且发现该频段反映了AD中同步性的减弱。本研究结果可能表明，它也参与了休息时的状态维持，而这在MCI和AD中似乎受到了损害。
使用KLD只在对照组和MCI患者之间发现δ和γ波段的差异。本研究结果表明，在AD所致痴呆的早期阶段，中央区的δ非平稳性略有增加。然而，这种增加并没有反映在这个频带的正常递归结构的任何变化中，这可能是因为这种增加不够显著，不足以改变振荡活动的正常递归结构。已有研究表明，AD患者的γ同步性受到干扰，表明神经信息处理功能受损。此外，与本研究结果更一致的是，先前有报道说MCI患者的γ功能连接性降低。前述研究都集中在功能连接上，但本研究结果表明，MCI患者非平稳性的增加可能反映了AD中不存在的正常局部激活γ活动的早期中断。这可能表明γ干扰也可能是早期神经退化的迹象。
与对照组相比，MCI组RRτ的全局非平稳性和不可预测性均增加。这些结果表明高频非平稳模式在MCI组中占主导地位，而这一组中的全局RQA不可预测性更接近于在低频中的模式。对KLD的研究结果进一步支持了MCI患者神经元去抑制受损的假设，因为在较宽的频谱中可以观察到过度的神经元活动导致了其最高的非平稳性水平。在全局频带中观察到的MCI受试者的ENTRRR升高与RRτ的统计学上的显着增加不相关，这表明MCI受试者中的EEG递归比1~70Hz宽频带中的对照组更难以预测，但密度却不明显。这可能表明，MCI受试者中的全局EEG激活返回到先前状态的次数与对照组相似，但是这些递归的发生方式更加不规则和不可预测。这可能与前述的非平稳性增加有关，并预示可以在整体脑电活动中观察到早期神经变性。
ENTRRR显示，与对照组相比，MCI和AD患者的整体递归结构不可预测性存在显着差异。如前所述，在MCI和AD患者中观察到的全局递归不可预测性的增加意味着EEG活性不会长时间保持在相似状态，而是会经常返回相似状态。相反，健康的对照组表现出较少的动态递归现象，这可能意味着其EEG状态在较长时间内保持稳定。KLD进一步证明了这一点，表明全局EEG活动在MCI和AD中比在健康衰老中更不稳定。
4.2指标之间的局部激活模式的差异
第二个研究问题是，不同的方法(CWT和RQA)测量局部激活的脑电活动的动态特性是否可以揭示疾病引起的皮层振荡活动的明显异常。本研究结果表明，这两种方法是共享信息的。一方面，时频方法揭示了δ、α和γ波段的特定模式。另一方面，RQA在MCI患者中呈现β-1模式的RP密度降低和不可预测性，而CWT源性KLD未能显示出这一点。这可能表明，每种方法都可以提取互补信息。得益于CWT的可变分辨率，KLD可能更适合于表征EEG频谱内容的演变。RQA指标可能更适合于表征神经系统状态递归的时间转变和变化的动态。然而，应该考虑其他可能性：KLD可能只是对正常脑电振荡活动的改变比RQA指标更敏感。这可能是由于在RPS中必须选择的嵌入参数，可能会混淆系统的真实递归结构，从而产生虚假关联。研究人员在以前的研究中试图通过优化参数来限制这一点；然而，嵌入维数和延迟没有最佳值，并且噪声总是会对实际动态产生不利影响。
本研究结果表明，MCI和AD以相似的方式影响递归密度和不可预测性：MCI和AD患者静息状态脑电活动的递归结构在θ频段更密集、更不可预测，而在β频段则相反。这意味着当MCI和AD患者的递归密度增加时，它会在RP上以不规律的方式进行；当递归密度降低时，RP填充更均匀。
4.3局部激活的动态特性在MCI-AD连续体中的演化
虽然MCI一直被认为是AD的先前阶段，但对于它实际上是介于正常衰老和AD之间的过渡状态，还是仅仅代表AD风险增加的状态，目前尚无共识。θ和β-2频段的RQA指标揭示了对照组和MCI患者之间的统计差异，这些差异在AD患者中变得更加显着。KLD在α频段显示出类似的结果，只是与AD患者相比就变得不那么明显了。有趣的是，MCI的δ、α和γ频段中KLD显示出与对照组的统计差异，而在AD患者中这些差异要么消失，要么变得不那么明显。本研究结果支持“MCI患者表现出的异常高的活动性是AD发病的标志”的观点。与健康对照组相比，α活动的非平稳性较小，这表明神经元振荡比正常衰老时更具结构性。这可能意味着，在AD的早期阶段，一系列不断增加的静息状态活动改变了正常的状态转换。这种增加的活性可能不是一种代偿机制，而是抑制性神经元受损的结果，这可能与淀粉样斑块的形成有关。这可以解释为什么活动变得更加同质化，而不是正常的、更动态的行为。后来，当MCI进展到AD时，α波段中这种增加的活动消失了，而θ波段中开始出现更多的异常振荡，正如其他研究中所报道的那样。本研究的发现支持“动态静息状态脑电活动的改变可能反映了随着AD的进展而带来的神经退变的演变”的观点。
4.4研究的局限性和未来研究方向
本研究有几个应该考虑的局限性。首先，必须仔细选择三个参数(阈值ε、嵌入维数m和延迟τ)来构建合适的、无伪影的RPs。虽然研究人员试图用互信息函数和最近邻算法等成熟的方法来优化这些参数，但没有专门针对这个问题的一组最优方法。未来研究中可以使用的一种可能的替代方案是无阈值RPs，它基于相关和而不是阈值。找到嵌入维数m和延迟τ的最佳值是一个有趣的未来研究方向，因为它可以导致更优化的RQA值的计算，从而能够在组之间进行更可靠的比较。
其次，需要进一步的研究来确认本研究数据库中的MCI患者是否会在以后进展到AD。按照现在的情况，可能有两个截然不同的MCI患者亚群，一个更接近AD，另一个更接近对照组，这可以解释θ和β频段的现象。KLD在α、δ和γ频段的结果可以支持MCI具有不同亚群的概念，因为与对照组相比，AD患者没有表现出局部激活的振荡活动的变化。然而，前面提到的θ和β频段现象可以支持MCI和AD是一个连续体的概念。尽管如此，进行一项纵向研究以更深入地了解MCI的神经变化将是很有意义的。这可能有助于得出关于MCI和AD是一个连续体还是不同实体的结论。
最后，虽然本研究侧重于静息状态脑电活动的动态特性，但未来的研究应侧重于评估在MCI和AD患者的单通道中发现的递归结构的改变是否也可以在网络状态转换中找到。RQA指标的结果表明，MCI和AD患者的θ和β波段的状态转换可能会改变。这是一条特别有趣的研究路线，研究人员希望在未来的研究中继续下去。
5、结论
本研究结果表明，MCI和AD患者的静息状态下动态EEG在非平稳性水平和递归结构上都存在异常，且变化具有频率依赖性。此外，正常递归结构的改变表明，MCI和AD诱导皮层活动的正常状态转换发生变化。
本研究还表明，基于CWT和RPs的不同方法来探讨EEG动态特性，有助于揭示特定的异常行为模式。结果表明，特定频段的非平稳性改变可能不伴随异常的递归结构，反之亦然。这可能意味着这些方法可能作为MCI和AD的潜在补充生物指标是有用的。