題目：使用EEG-fNIRS監測嬰兒痙攣時皮質活動、血容量和神經血管耦合的無創多模態分析

01

 研究背景

小兒癲癇痙攣構成最常見的癲癇性腦病，癲癇通常于出生后第一年發生，發生率約在千分之0.25至千分之0.42間。臨床上，痙攣表現為頸部、軀干和四肢屈肌和/或伸肌的收縮，持續1 - 2秒，通常在醒來或睡前成群發生。在腦電圖(EEG)上，痙攣通常與廣泛的高電壓慢波和持續一兩秒的背景活動衰減有關。
 

02

研究方法
 

2.1、被試

從Amiens University醫療中心的小兒神經系統科的兒童中篩選而出。年齡3個月至3年的，表現出小兒痙攣并符合國際抗癲癇聯盟分類的病人。
 

2.2、實驗材料

無
 

2.3、實驗流程

記錄每位受試者的個人信息、家族史、疾病進展、腦電圖和腦成像結果。痙攣的臨床特征(運動類型、對稱性、是否成簇)也要記錄。在床邊同時進行腦電圖和近紅外成像記錄。
 

2.4、數據采集和處理

視頻EEG：采用Deltamed-Coherence 3NT記錄視頻EEG，9導聯，512Hz。

光學成像：采用ISS-Imagent進行近紅外成像，激光通過光纖傳輸到頭皮表面的光電二極管。激光的兩種發射波長分別對應Hb與HbO的紅外吸收光譜（690nm和830nm）。由四對光纖與一個探測器組成的貼片位于前額正中，四個通道在發射器至探測器的距離不同，分別為15，20，25和30mm。

視頻EEG記錄由兩位經驗豐富的神經生理學家進行分析，EEG數據在0.5-70Hz做濾波，采用了陷波濾波器和雙極導聯。

利用修正的比爾-朗伯定律，將690和830 nm的信號強度轉化為[HbO]和[Hb]濃度的相對變化。光學數據由一個零相濾波器進行帶通濾波[0.03-0.5Hz],以消除生理噪聲。線性去趨勢和基線校正后，在參考時間T0前后對每個患者的節段進行平均。血液動力學響應函數(HRF)是通過簡單地平均所選時間序列來確定的。
 

03

研究結果

所有被試兒童的HbO與Hb近紅外成像顯示都在圖一中，第一個血流動力學相位包括[HbO]和[Hb]的平行變化，在三角肌活動開始后5秒內出現峰值，這表明痙攣與大腦血容量的初始變化有關。

圖一

04

實驗結論

雖然嬰兒痙攣可由多種疾病引起，但臨床和腦電圖表型是固定的，因此提示涉及特定的皮質下過程和結構。

結果支持了血液動力學變化的起源是皮層微血管動態變化的觀點。一系列痙攣中的每個痙攣都涉及皮層下-皮層回路中一些特定的、復雜的過程。

Non-invasive, multimodal analysis of cortical activity, blood volume and neurovascular coupling in infantile spasms using EEG-fNIRS monitoring.

DOI：10.1016/j.nicl.2017.05.004