熱線:021-56056830,66110819
手機(jī):13564362870
熱線:021-56056830,66110819
手機(jī):13564362870
07.噪聲/數(shù)據(jù)質(zhì)量
0701.房間隔離與噪聲測(cè)量
由于微電極具有高阻抗,它們比宏觀電極對(duì)偽影更為敏感。最普遍存在的噪聲來(lái)自電記錄環(huán)境,尤其是在50/60赫茲頻率下。如果電環(huán)境噪聲過大,信噪比(SNR)可能會(huì)不足,進(jìn)而會(huì)妨礙動(dòng)作電位的檢測(cè)。降低數(shù)據(jù)中噪聲的最有效方法首先是預(yù)防或減少噪聲,例如通過改變記錄室的電氣設(shè)置。用于顱內(nèi)檢查的醫(yī)院房間是一棟建于20世紀(jì)60年代的建筑的一部分。進(jìn)行了EMC-ZM(電磁兼容性-零方法)測(cè)量,結(jié)果發(fā)現(xiàn)腦電圖記錄室充滿了來(lái)自配電系統(tǒng)的噪聲源。因此,在2014年進(jìn)行了一項(xiàng)名為“低噪聲”的特定電氣安裝,以接近0伏特峰值(Vp)和0安培峰值(Ap),即無(wú)電噪聲(圖5)。這項(xiàng)安裝包括以下內(nèi)容:
-創(chuàng)建一個(gè)由0.3毫米厚的銅板制成的隔離參考地平面,覆蓋房間的地板,并且其本身由抗靜電涂層保護(hù);
-建筑物的電力在進(jìn)入房間之前,通過一個(gè)低電容耦合變壓器進(jìn)行隔離,該變壓器的輸出為兩相、均方根值230伏特的電壓,其中點(diǎn)連接到參考平面;
-隨后,流向房間插座的所有電流分配都由低高頻損耗電容器進(jìn)行濾波,直到房間的插座,以獲得低噪聲。兩相且經(jīng)過濾波的電源消除了主電線的電輻射;
-房間的所有插座接地都短接至參考地平面。房間內(nèi)的所有金屬物體(床、桌子、椅子等)盡可能連接到參考地平面。
圖5.患者房間電氣安裝的簡(jiǎn)要電路圖。SPX 101:兩相強(qiáng)化濾波器。SPY 300:三相4.7微法電容器組。SPY 200:兩相4.7微法電容器組。SPY 201:兩相15微法電容器組。SPZ 106:磁組,孔徑10毫米-德國(guó)的清潔能源產(chǎn)品。
在改進(jìn)前后,使用“清潔能源電表”進(jìn)行噪聲測(cè)量。這個(gè)測(cè)量工具是一個(gè)電壓表,它在通過高通濾波器消除50赫茲電源后測(cè)量峰值未反向電壓。切換到電流表時(shí),它可用于檢查連接到隔離地平面的導(dǎo)體附近是否沒有電流,即使是在50赫茲頻率下。
所有工作均符合NFC 15-100和NFC 15-211標(biāo)準(zhǔn),測(cè)量結(jié)果符合IEC 61 000-6和-16標(biāo)準(zhǔn)。
0702.信號(hào)質(zhì)量測(cè)量與統(tǒng)計(jì)
為了估計(jì)微電極記錄的信噪比(SNR),在每位患者的整個(gè)記錄過程中,從15個(gè)時(shí)間段中盲目選擇(不預(yù)先考慮數(shù)據(jù)質(zhì)量,而是在時(shí)間上均勻分布),對(duì)300至3000赫茲濾波后的10分鐘信號(hào)計(jì)算均方根(RMS)值。不進(jìn)行關(guān)于信號(hào)質(zhì)量的選擇,以便對(duì)連續(xù)記錄以及隨時(shí)間可能出現(xiàn)的質(zhì)量變化保持客觀的總體了解。
根據(jù)文獻(xiàn)以及我們的觀察,低噪聲水平增加了在信號(hào)中檢測(cè)動(dòng)作電位的可能性以及尖峰分類的準(zhǔn)確性。為了測(cè)試噪聲的降低是否與動(dòng)作電位記錄的增加相關(guān),使用MUSE軟件(300-300赫茲)在濾波后的信號(hào)上目視檢查多單元活動(dòng)(MUA)的存在情況并進(jìn)行記錄。對(duì)每個(gè)電極束進(jìn)行以下測(cè)量:在15個(gè)時(shí)間段中至少記錄一次多單元活動(dòng)(MUA)的導(dǎo)線數(shù)量,稱為總體多單元活動(dòng);記錄的第一天(第0天)、1周后(第6天)和2周后(第13天)記錄多單元活動(dòng)(MUA)的導(dǎo)線數(shù)量,稱為時(shí)間相關(guān)的多單元活動(dòng)。記錄的第一天從植入后的第二天開始。
根據(jù)我們記錄程序的改進(jìn)步驟(新的記錄系統(tǒng)、房間的電屏蔽、強(qiáng)化電極模型),在2010年至2020年期間可以確定五個(gè)主要時(shí)間段,總結(jié)在表4中。使用廣義線性混合模型(GLMMs)評(píng)估不同時(shí)間段測(cè)量的均方根(RMS)值的變化和多單元活動(dòng)(MUA)的量化情況。
表4.主要記錄時(shí)間段的描述
均方根(RMS):對(duì)于均方根值,使用具有恒等鏈接函數(shù)和正態(tài)分布的廣義線性混合模型(GLMM),將每位患者每根導(dǎo)線的15個(gè)分布時(shí)間段中的每個(gè)時(shí)間段的均方根值作為因變量,時(shí)間段和首次記錄日后的天數(shù)作為固定效應(yīng),患者ID以及嵌套的導(dǎo)線ID作為隨機(jī)截距效應(yīng)。為了比較每個(gè)時(shí)間段中極端均方根值的比例,將極端均方根值定義為大于第三四分位數(shù)(Q3)+1.5×四分位距(IQR)的值,其中Q3和IQR是根據(jù)所有均方根值計(jì)算得出的,并且在時(shí)間段和極端均方根值的識(shí)別之間進(jìn)行成對(duì)的費(fèi)舍爾精確檢驗(yàn)。由于均方根值呈右偏態(tài)分布,因此對(duì)其進(jìn)行以10為底的對(duì)數(shù)變換。
多單元活動(dòng)(MUA):對(duì)于多單元活動(dòng),為了檢驗(yàn)總體多單元活動(dòng)在不同時(shí)間段之間是否存在差異,或者是否與均方根值相關(guān),進(jìn)行了兩個(gè)具有對(duì)數(shù)鏈接函數(shù)和泊松分布的廣義線性混合模型(GLMM)分析,將總體多單元活動(dòng)的量化值作為因變量,時(shí)間段或每個(gè)電極束的均方根中位數(shù)作為固定效應(yīng),患者ID作為隨機(jī)截距效應(yīng)。最后,為了檢驗(yàn)記錄多單元活動(dòng)的導(dǎo)線數(shù)量在不同時(shí)間段和記錄天數(shù)之間是否存在差異,進(jìn)行了一個(gè)具有對(duì)數(shù)鏈接函數(shù)和泊松分布的廣義線性混合模型(GLMM)分析,將時(shí)間相關(guān)的多單元活動(dòng)量化值作為因變量,時(shí)間段和記錄天數(shù)作為固定效應(yīng),患者ID作為隨機(jī)截距效應(yīng)。為了檢驗(yàn)根據(jù)記錄天數(shù)不同時(shí)間段之間是否存在差異,將時(shí)間段和記錄天數(shù)之間的交互作用作為固定效應(yīng)添加到先前的模型中。
對(duì)于均方根值和多單元活動(dòng),使用II型Wald卡方檢驗(yàn)來(lái)檢驗(yàn)主效應(yīng)和交互作用,并在適當(dāng)?shù)臅r(shí)候進(jìn)行事后成對(duì)比較。對(duì)于均方根值和多單元活動(dòng)的事后比較,分別報(bào)告平均差估計(jì)值(MDE)±標(biāo)準(zhǔn)誤(SE)和平均比率估計(jì)值(MRE)±標(biāo)準(zhǔn)誤(SE)。對(duì)于所有分析和圖表,用作參考的微導(dǎo)線的均方根值被排除在外。
信號(hào)測(cè)量使用Matlab(MATLAB.(2019)版本9.7.0(R2019b))計(jì)算,統(tǒng)計(jì)分析和圖表使用R 4.1.2(R統(tǒng)計(jì)計(jì)算基金會(huì),奧地利維也納。以及用于擬合廣義線性混合模型的lme4包(版本1.1-27.1)、用于事后比較和模型表示的emmeans包(版本1.7.2)、用于廣義線性混合模型收斂的optimx包(版本2021.1.12)以及用于成對(duì)費(fèi)舍爾精確檢驗(yàn)的RVAideMemoire包(版本0.9.81,Hervé)完成。
08.癲癇事件的局部場(chǎng)電位-多單元活動(dòng)/單單元活動(dòng)(LFP-MUA/SUA)流程分析
為了說明可以對(duì)癲癇事件進(jìn)行的分析類型,本節(jié)介紹了我們實(shí)驗(yàn)室開發(fā)的一個(gè)程序,用于研究發(fā)作間期癲癇棘波(IEDs)期間神經(jīng)元的放電行為,發(fā)作間期癲癇棘波是一種短暫的陣發(fā)性電圖放電,可在腦電圖上目視觀察到。首先根據(jù)微電極導(dǎo)線是否顯示出多單元活動(dòng)和發(fā)作間期癲癇棘波來(lái)選擇微電極導(dǎo)線。
根據(jù)對(duì)微電極的目視觀察手動(dòng)標(biāo)注偽影和發(fā)作間期癲癇棘波。所有標(biāo)注均使用MUSE軟件完成,這是一個(gè)內(nèi)部開發(fā)的軟件,可用于可視化宏觀和微電極。然后根據(jù)Spyking Circus參考文檔和參考文章中詳細(xì)概述的程序進(jìn)行尖峰分類。簡(jiǎn)而言之,Spiking Circus使用基于密度的聚類和模板匹配算法的組合,將檢測(cè)到的動(dòng)作電位自動(dòng)聚類為假定的單單元。對(duì)數(shù)據(jù)進(jìn)行時(shí)間白化處理,并在高通濾波(>300赫茲)信號(hào)的6(或更高)倍中位絕對(duì)偏差(MAD)處自動(dòng)檢測(cè)動(dòng)作電位(APs)。在標(biāo)注的偽影時(shí)間段內(nèi)發(fā)生的動(dòng)作電位被忽略,因?yàn)閷⑵浼{入會(huì)影響尖峰分類的準(zhǔn)確性。在記錄過程中不穩(wěn)定的聚類被排除在進(jìn)一步分析之外。根據(jù)它們的峰間間隔(ISI)、不應(yīng)期違反的百分比、放電率和幅度隨時(shí)間的一致性以及波形形態(tài),進(jìn)一步評(píng)估聚類是反映了假定的單單元活動(dòng)(SUA)還是多單元活動(dòng)(MUA)。發(fā)作間期癲癇棘波根據(jù)它們的互相關(guān)自動(dòng)對(duì)齊。然后將平均局部場(chǎng)電位和尖峰時(shí)間鎖定到發(fā)作間期癲癇棘波,并繪制在同一時(shí)間軸上。分析流程使用自定義的MATLAB腳本實(shí)現(xiàn),并使用FieldTrip,這是一個(gè)用于多通道腦電圖(MEEG)和尖峰分析的MATLAB工具箱。