1T/XXXXXXX—XXXX同步EEG-fMRI數據采集及后處理流程本文件規定了同步EEG-fMRI數據采集及后處理流程。本文件適用于同步EEG-fMRI數據采集及后處理。2規范性引用文件本文件沒有規范性引用文件。3術語和定義下列術語和定義適用于本文件。3.1重復時間（timeofrepetition，TR）指兩個連續的射頻脈沖之間的時間間隔。3.2回波時間（echotime，TE）在激勵射頻脈沖作用后，從橫向磁化強度最初產生到接收信號間的時間間隔。3.3翻轉角（flipangle，FA）指在射頻作用下，組織宏觀磁化矢量偏離平衡狀態的角度。3.4掃描視野（fieldofview，FOV）指掃描時數據采集的范圍，它取決于頻率編碼和相位編碼梯度強度。3.5層厚（slicethickness）指掃描層的厚度。3.6掃描矩陣（acquisitionmatrix）規定了顯示圖像的行和列，即確定了圖像的大小，也限定了掃描層面中的體素的大小。3.7腦功能成像（brainfunctionimaging）是一類無創的神經功能活動測量成像技術。3.8平面回波成像（echoplanarimaging，EPI）是最快速的MR成像方法，利用快速反向梯度在單個弛豫時間內產生一系列梯度回波并對其分別相位編碼，填充到相應的k空間，實現斷面成像。2T/XXXXXXX—XXXX3.9血氧水平依賴（bloodoxygenleveldependent，BOLD）利用活動區域局部血液中氧合血紅蛋白與去氧血紅蛋白比例的變化所引起的局部組織信號的改變。3.10時間校正（slicetiming）通過插值等方法使一個掃描周期內各層掃描時間的統一。3.11頭動校正（realign）評估受試者頭動狀況，并調整因此造成的不同時刻的圖像錯位，用剛性變換把所有的圖像調整在同一個位置。3.12空間標準化（normalization）通過不同的配準方法，使個體圖像配準到標準空間上。3.13空間平滑（smooth）以高斯平滑核進行空間卷積，提高數據信噪比。3.14自發EEG（SpontaneousEEGactivity）大腦的自發性電活動，又被稱為自發性EEG活動，表現為在廣泛頻譜上占主導地位且具有某些特征的波形。3.15誘發EEG（event-relatedpotentials）當人接收到與特定感覺、認知或運動事件相關的刺激時誘發的神經響應可通過疊加平均等技術，將這些響應從自發性EEG活動中提取出來，由此所獲得的EEG響應被稱為事件相關電位。3.16EEG導聯（montage）分布在EEG帽上的電極之間的電勢差構成了通道，不同的通道的組合即稱為導聯。3.17EEG電極10-20系統（theinternational10-20system）是一個國際公認的關于電極位置和電極命名的系統，這個系統規定了各個電極在頭皮上的相應位置。其中，“10”和“20”代表著相鄰電極之間的距離為總距離（鼻根和枕骨隆突連線或左右耳前點連線）3.18EEG偽跡（artifactsinEEG）任何一個檢測到的信號都不可避免的會受到干擾源的污染，偽跡是影響EEG信號的一些干擾信號。3T/XXXXXXX—XXXX其中，EEG中的偽跡大致可以分為兩類：生理偽跡和非生理偽跡。3.19心沖擊偽跡（ballistocardiogramartifact，BCG）是由主動脈弓部位的血流沖擊及心跳引起的偽跡。3.20眼電偽跡（electrooculogram，EOG）眨眼和眼球運動是難以避免的，這些運動改變了眼睛周圍的電場分布，因而改變了頭皮表面的電場分布，當這些信息被頭皮電極拾取時，就形成了眼電偽跡。3.21采樣率（samplingrate）也被稱為采樣速度或者采樣頻率，它指的是每秒從連續信號中提取并組成離散信號的采樣個數，單位用赫茲（Hz）表示。3.22EEG電極電阻（electrodeimpedances）通常指的是電極與頭皮的接觸阻抗，一般使用一些導電介質來填充電極與頭皮之間的間隙。4同步EEG-fMRI數據采集流程4.1EEG-fMRI數據采集前準備流程4.1.1受試者1)確保受試者體內無金屬等影響掃描的因素。2)確保受試者無幽閉恐懼癥等影響掃描進行的問題。3)確保受試者沒有實驗無關的影響實驗的腦疾病。4)數據采集前一天內，受試者應避免攝入可能影響精神狀態進而引入實驗無關效應的食品/藥物，例如煙酒及咖啡等。5)受試者接受實驗前應保證睡眠充足，盡量在受試者最清醒的時間段做。4.1.2設備1)使用MR兼容EEG設備采集數據，腦電帽與采集設備有線連接。2)3.0TMR。3)醫用頭套：輔助固定電極帽。4)任務態數據采集時，磁共振內投影儀，磁共振兼容按鍵板或耳機等任務所需設備。5)任務態數據采集時，需要播放任務的計算機。6)任務態數據采集時，需要任務執行同步觸發盒。4.1.3設備采集參數1)共模抑制比：共模抑制比不低于100dB。2)輸入端噪聲：峰峰值<2μV，均方根<0.5μV（0.5-100Hz包括50±60Hz，折合到輸入端由EEG運放和受試者電纜引起的信號噪聲）。3)輸入阻抗：輸入阻抗不低于500MΩ。4)模數轉換（A/D）分辨率：A/D分辨率不低于16bit。5)濾波器：使用數字濾波器。4T/XXXXXXX—XXXX6)通道數：同步EEG-fMRI采集中EEG通道不低于32導，并附加2導眼電通道（水平眼電、垂直眼電各一導）及2導心電通道。7)采樣率：同步EEG采樣率建議4096Hz以上，且采樣率為濾波器截止頻率的4倍以上。8)電極分布：電極安放采用國際通用的10-20系統放置。9)電極與頭皮接觸阻抗：同步EEG采集阻抗不高于20KΩ。10)參考電極：放大器采用FCz或者Cz頭頂參考，后期信號處理采用零參考。11)EEG數據文件命名規范：受試者編號_任務名稱_采集日期。4.1.4采集前準備1)掃描前三小時受試者需清洗頭部。2)頭圍與形狀：選擇合適的大中小號電極帽。3)佩戴電極帽時需檢查電極是否清潔。4)佩戴時，電極帽左右定位以電極帽連接耳（通常為A1、A2或者M1、M2電極）平行線為標準，前后以Cz位置為參考位置。5)眼電電極位置：左側眉骨上方為垂直眼電電極位置，右側眼角側面為水平眼電電極位置。6)心電電極位置：左側鎖骨上下各一個電極8)用醫用頭套固定電極帽，使電極帽盡可能貼合頭部。9)適量電極膏，避免相鄰電極因電極膏而相連。同步EEG采集電極與頭皮接觸阻抗降于20KΩ以10)安慰受試者，調節好其情緒，避免緊張。11)叮囑受試者合理眨眼，安排少許的眨眼訓練。12)給受試者佩戴硅膠耳塞，減少掃描儀噪聲對其的影響。13)任務態數據掃描時，若被試有近視現象，給被試配對度數匹配的磁共振兼容眼鏡。14)使用海綿固定受試者頭部并提醒受試者在采集過程中保持頭部不要動，避免身體活動，以減少頭動偽影。15)靜息態數據掃描過程時，受試者應當按照指導語，保持頭部不動，放松并閉上眼睛，不進行任何特定的思維活動，同時保持清醒不要入睡。16)MR質量控制：掃描水膜，磁共振應具有良好信噪比。17)任務態數據掃描前需檢查投影設備及同步設備是否正常工作。4.2同步EEG-fMRI數據采集4.2.1采集流程5T/XXXXXXX—XXXX1)fMRI數據采集可以使用EPI序列。2)數據采集采用硬件同步的方式：先開始EEG數據采集，再開始MRI數據采集；結束時，應當等MR采集結束后，再停止EEG數據采集。二者時間間隔最好在2s以上。3)任務態數據采集時，任務播放的同步啟動采用軟件同步的方式：在MR啟動前，開啟同步觸發盒，MR啟動會立即傳輸給同步觸發盒一個信號，同步觸發盒接收信號后會立即啟動任務的播放。4.2.2采集要求（1）檢查MR觸發信號是否被EEG采集設備同步記錄。（2）EPI序列圖像采集時，觀察受試者頭動（平動/轉動）是否超過2mm或2°。（3）任務態數據采集時，每一個trial啟動時同時給EEG記錄設備一個信號，并被EEG設備標記時刻（4）任務態數據采集時，檢查MR啟動時，任務播放是否立即啟動并正常執行。（5）任務態數據采集時，檢查被試是否在執行任務，如按鍵任務中是否按鍵等。5同步EEG-fMRI數據處理流程5.1數據預處理5.1.1EPI序列圖像數據經時間校正、頭動校正、空間標準、空間平滑后，去除協變量（24個頭動信號，白質信號，腦脊液信號），去線性漂移，并濾波到0.010.1Hz。注意：（1）去除前五個時間點數據。（2）時間校正時，切片順序與所使用MR設備采集參數相同，參考層使用中間層。（3）空間平滑時，高斯平滑核的半高寬定為體素大小的2-3倍。（4）計算指標為個體空間特征的，可不做空間標準化。（5）計算指標為局部體素特征的，可不做空間平滑。5.1.2EEG數據預處理去除MR梯度偽跡，帶通濾波（1-40Hz注意，國內工頻干擾一般為50Hz，若帶通濾波為1-60Hz，則需去除工頻干擾，可采用45-55Hz陷波濾波），插值壞導，壞段檢測，去除眼電偽跡、心沖擊偽跡，之后降采樣為250Hz，并重參考至REST零參考，再截取與MR掃描時間匹配的數據段。（1）梯度偽跡：提取前十個TR對應EEG數據，通過對數據疊加平均的方法構建噪聲模板，從原始信號中減去模板信號。（2）眼電偽跡：可使用ICA分解數據，提取具有眼電特征的成分，并從原始信號中減去相關成分。成分特征：EEG地形圖顯示在眼睛附近有等效電流偶極子；功率集中在低頻率（低于5Hz）；垂直眼動成分將包含眨眼數據；水平眼動成分看起來像階梯函數。（3）心沖擊偽跡：可使用ICA分解數據，提取心沖擊偽跡相關的成分，并從原始信號中減去相關成分。成分特征：1Hz數據中有清晰的心沖擊特征；近線性梯度EEG地形圖；功率譜無峰。（4）其他偽跡：使用ICA分解數據，去除其余偽跡。5.2同步EEG-fMRI多模態融合后處理方法5.2.1基于fMRI空間信息約束的EEG源定位分析在空間層面上，利用fMRI的高空間分辨率獲得的結果來輔助EEG源定位分析，從而提高腦電空間分辨率，并保持兩種模態在空間上的一致性。具體操作步驟如下：6T/XXXXXXX—XXXX（1）對預處理后的fMRI數據在標準MNI空間計算功能特征指標，并生成空間先驗約束激活圖。可使用ICA分解fMRI數據，提取得到多個功能網絡圖；也可以計算諸如低頻振幅、局部一致性等其他fMRI特征指標。（2）基于球模型或者真實腦結構像建立頭模型，接著將腦電電極坐標配準到頭模型空間并利用腦電正演理論計算得到皮層偶極子源的傳遞矩陣（LeadfieldMatrix）。（3）隨后根據上述正演模型計算得到的傳遞矩陣，以fMRI空間特征為先驗約束，通過求解源定位逆問題，計算出皮層偶極子源的具有高時-空分辨率的信號過程或者源空間分布。EEG頭模型要求：頭模型主要考慮電場在體積傳導中的電磁特性和頭部各組織的幾何特性。通常采用三層同心球模型，將人頭部考慮成腦、頭蓋骨和頭皮的三個同心球，該模型具有對稱簡單的特點。精確的傳遞矩陣計算可通過使用基于真實頭模型來實現，一般來說是結合個體的配準信息，對已有的標準模型進行變形。即通過獲得從個體腦結構到模板腦結構的配準信息，將其逆變換可以把模板空間的坐標轉換為個體坐標，構建個體真實頭模型。5.2.2基于EEG時間信息的fMRI分析在時間層面上，需要強調EEG和fMRI中檢測到的神經活動時域一致性，因此可以利用EEG提供的高時間分辨率的時間信息輔助fMRI分析。具體步驟如下：（1）將EEG數據與fMRI數據時間對齊。（2）從EEG中提取每一個TR對應數據段的神經活動特征（例如幅值、潛伏期、能量、網絡特征等）生成腦電特征變量，這里要求每一個TR對應且僅對應一個EEG神經活動特征值。然后將腦電特征變量與血流動力學響應函數卷積后生成腦電特征回歸變量。（3）將腦電特征回歸變量納入廣義線性模型，通過求解對應回歸系數，即可得到與腦電神經活動相關的功能磁共振激活圖。5.2.3對稱多模態成像融合技術EEG-fMRI時空信息的對稱融合可以通過數據驅動來提取共同信息，或者基于神經元活動和血流動力學的生成模型來進行融合。對稱融合由于沒有對任一模態進行約束，因此EEG和fMRI的信息能被充分地評估，從而得到兩種模態下特異性的信息以及重疊信息。具體操作步驟如下：（1）提取每例被試的腦電與功能磁共振時空特征指標。（2）利用JointICA或者典型相關等數據驅動方法，計算兩種模態指標的相互關系，得到二者特異性與一致性權重信息。或者可以采用更為復雜的生成模型來估計二者的關系。針對同步EEG-fMRI多模態融合后處理方法，以神經科學信息分析工具（NeuroscienceInformationToolbox）為例，該軟件基于MATLAB開發，可以進行同步EEG-fMRI多模態融合，其主要包括：1)基于功能網絡的腦電源定位分析（NESOI2)基于腦電時間信息的GLM分析；3)基于腦電時間信息的LMSA分析；具體操作步驟見附錄。5.3同步EEG-fMRI融合評估推薦使用層級可信度的融合框架以區分不同的時空匹配效果。層級可信度框架可利用最大信息系數（MIC）進行線性與非線性的時間匹配評估，也可利用貝葉斯源定位方法進行空間匹配評估。同時，對事件相關的腦活動，層級可信度框架可實現從時-空均不匹配到時-空間匹配的多層可信度評估。5.4結果可視化5.4.1結果內容處理結果可包括MRI激活圖、EEG折線圖和EEG拓撲圖（topographicalmap）。5.4.2MRI顯示MRI處理結果包括激活圖，將激活圖疊加到解剖學圖像進行顯示。顯示的圖像底部應包含色階棒，個體水平的激活圖，閾值為P<0.05，負值偏冷色，正值偏暖色，采用不同顏色梯度反映值的差異。7T/XXXXXXX—XXXX5.4.3EEG顯示折線圖：橫軸為頻率，縱軸為功率值，描述功率隨頻率改變。為了更直觀的展示功率變化，使用10*log10(μV2/Hz）公式將功率值轉化后再用于展示。拓撲圖：EEG數據可視化一般用拓撲圖展示，該展示圖為圓形，模擬電極在頭皮分布并標注位置，進而展示EEG特征，例如功率分布、相干等。一般一幅圖展示某個頻率點或頻率段內均值的全電極分布。采用不同顏色梯度反映值的差異。5.4.4腦網絡顯示標定的EEG-fMRI活動顯著腦區作為腦網絡節點，并在顱腦立體圖上按照三維坐標進行顯示；再以節點間的EEG相位同步、相干性、MRI信號相關性、因果連接性或心理生理交互等定義邊連接，連接顱腦立體圖上的節點。通過邊的粗細變化反映連接的量化性指標。8T/XXXXXXX—XXXX（資料性）A.1同步EEG-fMRI多模態融合后處理方法，以神經科學信息分析工具（NeuroscienceInformationToolbox）為例基于功能網絡的腦電源定位分析（NESOI）A.1.1詳細步驟：1）至nit主界面，點擊Fusion按鈕，即可出現NESOI功能鍵。點擊NESOI出現以下NESOI主界面（圖1.1）：2）在輸入版塊中，點擊lul選擇好對應的文件及路徑。詳細說明如下：EEGTopo：選擇腦電地形圖文件（EEG_topo.xlsx）。可讀取文件格式為文本（.txt）或者Office電子表格（.xls；.xlsx）文件。數據維度為腦電電極數×地形圖個數（案例為62導×11個）。Leadfield：選擇基于頭模型計算得到傳遞矩陣文件（leadfield.xls）。可讀取文件格式為文本（*.txt）或者Office電子表格（*.xls；*.xlsx）文件。數據維度為源位置數×腦電電極數（案例為6144個偶極子×62導）。fMRIMapDirection：選擇作為空間先驗信息的功能網絡成分路徑（*\Example_data\NESOI\fmri_ica_maps）。該路徑下僅包含功能網絡圖像。可讀取文件格式為3D*.img或者*.nii圖像文件（NIFTI格式）。BrainMask：選擇全腦Mask圖像文件（brainmask.img）。可讀取文件格式為3D*.img或者*.nii圖像文件（NIFTI格式）。OutputDirection：選擇結果輸出路徑（*\Example_results\NESOI）。3）點擊運行按鈕，運行界面如下所示（圖1.2）：9T/XXXXXXX—XXXX圖1.2NESOI運行界面。4）待RUN按鈕恢復為即表示計算完畢。結果輸出為MATALB*.mat文件。其中包含文件為：gridICA.mat：將fMRIICA成分投射到源位置上。數據維度為源位置數×選擇的ICA成分數（案例為6144個偶極子×11個成分）。NESOI_results.mat：源定位結果文件。其中變量Phie對應的是源定位結果（案例為6144個偶極子×11個成分）。變量he對應的是估計得到的超參數（案例為11個網絡成分+24個稀疏源=35個先驗×11個成分）。NESOI_Para.mat：源定位參數設置。5）運行完畢后，點擊Display中相應Plot按鈕，可顯示相應結果（圖1.3-圖1.5）：PlotEEGTopo：顯示所有EEG腦電地形圖。點擊彈出對話框，選擇電極坐標.loc文件（layout62.loc）。PlotfMRIMaps：顯示fMRI功能網絡的空間先驗分布。點擊按鈕。PlotEEGsources：顯示EEG地形圖對應的源定位結果。點擊按鈕。圖1.3：腦電地形圖。T/XXXXXXX—XXXX圖1.4：fMRI功能網絡的空間先驗分布。圖1.5：EEG地形圖EEG-10對應的源定位結果。上圖為定位出的源位置，下圖為對應的超參數。A.1.2重要說明1)擴展選項說明本軟件提供NESOI源定位的擴展參數選擇項。一般情況下不需要修改擴展參數及文件。主要可調節的參數包括Threshold和Numberofsparsepriors。Threshold：對于Z-分數或者T-分數的fMRI圖譜，將其大于設定閾值的值投射至假定的源位置作為先驗信息。默認值設定為3。Numberofsparsepriors：除了fMRI網絡先驗信息，添加的稀疏源個數。稀疏源總個數為該設定值的3倍（左、右側、雙側）。默認值為8。具體操作如下：1)點擊NESOI主界面（圖1.1）左上角的File選擇Advance按鈕。彈出如下界面：T/XXXXXXX—XXXX圖1.6：NESOI擴展參數界面2)在Threshold欄中填寫單個閾值（比如4）或者閾值向量（比如[4444444444.54.5]）。其中閾值向量長度為fMRI成分個數。3)Numberofsparsepriors欄中填寫假定的稀疏源個數。4)點擊OK鍵即可。5)源分布說明：6)本軟件中，NESOI假定的源是一個包含6144個節點（即6144個偶極子）的三角網格片標準腦7)如果使用該三角網格作為腦電偶極子源，用戶僅需要用該三角片網格節點和法向量坐標計算傳遞矩陣leadfield。該三角網格坐標及法向量坐標在NIT工具包中：*\data\soure_file.sor。該文件包含了網格節點坐標（前三列xyz）及其法向量方向（后三列xyz）。三角片網絡文件為：*\functions\NESOI\bnd.mat。bnd.mat為結構體的.mat格式文件。包含bnd.face,bnd.vert和bnd.discribe三項數據信息。8)用戶可以在File中點擊Dipoles，即可彈出如下界面（圖1.7）。選擇bnd.mat文件（三角片網格文件）和輸出路徑后，先點擊SHOW即可顯示三角片網格和法向量（圖1.8然后點擊SAVE即可將網格節點坐標和對應的法向量坐標存出（前三列為節點xyz坐標,后三列為法向量xyz坐標）。Scale為相對于單位三角片網格源的比例。圖1.7：Dipoles界面。T/XXXXXXX—XXXX圖1.8：默認設定的腦電三角片網格源。其包含6144個節點。圖中顯示了其節點位置和法向量方向。9)如果用戶需要使用自定義網格作為腦電偶極子源，則需要在擴展選項中選擇三角片網格文件bnd.mat以及格林函數文件greenfunction.mat。同時也需要用戶自行計算網格坐標及其法向量，進而計算傳遞矩陣leadfield。A.1.3其他說明在NIT中我們提供了基于三角片網格（即圖1.8對應的6144個網格節點）的偶極子源坐標、多種腦電電極分布、基于三層球模型的傳遞矩陣等文件，位于目錄~\NIT\data\下：source_file.sor：偶極子源位置坐標即三角片網格節點坐標（前三列xyz）及其法向量方向（后Layout_61Channels_10-20_BP.loc：基于10-20系統的BP公司的61導腦電電極分布文件（僅保Leadfield_61Channels_10-20_BP.xlsx：基于偶極子三層球模型計算得到的腦電傳遞矩陣。Layout_62Channels_Curry7.loc：基于10-20系統NeuroScan公司Curry7采集軟件的62導腦電電極分布文件（僅保留腦電電極）。Leadfield_62Channels_Curry7.xlsx：基于偶極子三層球模型計算得到的腦電傳遞矩陣。A.2基于腦電時間信息的GLM分析A.2.1詳細步驟1)點擊GLM功能鍵，出現GLM主界面（圖1.9）。其主要參數設置如下：T/XXXXXXX—XXXXfMRIInputDirectory：選擇數據輸入路徑（案例為*\EEG_informed_fMRI_example_data\fMRI_data）。支持一個文件夾下多個被試。NuisanceSignals：在回歸模型中作為協變量的信號（*.txt文件）。例如通常選擇數據對應的6個頭動參數文件（案例為*\EEG_informed_fMRI_example_data\HeadMotionPara）。支持一個文件夾下多個被試。EEGFeatureSeries(Xs)：加入到回歸模型中的腦電特征序列(目前支持*.txt;*.xls或者*.xlsx文件)。例如癲癇放電時間，ERP幅度，特定頻段能量等等。本案例提供的是兩例FCMTE病人的腦電放電時間信息（*\EEG_informed_fMRI_example_data\discharge）作為特征序列。OutputDirectory：選擇結果輸出路徑（案例為*\EEG_informed_fMRI_example_results）。BrainMask：勾選Userdefinedmask，然后選擇全腦mask文件（案例為*\EEG_informed_fMRI_example_data\brainmask.img）。AddingNuisanceSignals：是否在回歸模型中加入頭動等協變量信號。AddingLinearDriftSignal：是否在回歸模型中加入線性漂移信號。MultipleRuns?：每個人是否包含多個run。TR：fMRI的TR時間。以秒為單位。Method:選擇具體的GLM方法。GLM1：常規的一般線性模型分析。所有的回歸量在一個回歸模型中進行估計。通常此功能用于event或者block設計的fMRI數據分析。GLM2：針對放電相關的BOLD變化分析設計的一般線性模型分析。對于每個體素，由不同的HRFs卷積得到的腦電特征回歸量將分別進行估計，最后將T值絕對值最大的結果作為輸出（即針對每個HRF單獨進行一次GLM估計）(Bagshawetal.,2004)。TT/XXXXXXX—XXXX圖1.11：GLM參數設置。2)點擊HRF設置界面的Save鍵保存好HRFs后，點擊RUN運行軟件。3)運行完畢后，在輸出路徑會輸出結果文件包括：GLM_log.txt：日志文件。GLM1：beta_*.nii：估計出來的回歸系數。GLM_results.mat：結果文件。包含所有結果和參數設置。ResMS*.nii：回歸方程的方差誤。GLM2：Con_*.nii：每個腦電特征對應的contrast圖像。ConTval*.nii：每個contrast圖像對應的T值。GLM_results.mat：結果文件。包含所有結果和參數設置。ResMS*.nii：回歸方程的方差誤。Sub_01的激活圖像如圖1.12所示。T/XXXXXXX—XXXX圖1.12：FCMTE案例數據中第一個被試，選擇方法GLM2的T值圖像。閾值為T=3。A.2.2重要說明1)僅當每個被試的Xs與fMRI數據時間點數一致時，才支持每個被試fMRI數據長度的不一致（須勾選LengthofXs=fMRItimepoints?）。2)以某個被試2個run，n個腦電特征，m個HRFs為例，GLM中設計矩陣的定義如圖1.13所示。因此在被試包含多個run的情況下，當Xs中包含多個腦電特征時（如多個放電類型請保持每個run的腦電特征順序一致。如果某一個run沒有某特征請補0代替。此外計算完成后也可以通過點擊Advance中的DesignMatrix，在彈出的界面中選擇GLM_results.mat文件，即可查看設計矩陣（圖1.14）。3)當選擇GLM1時，可在設計矩陣界面（圖1.14）中選擇需要的對比T檢驗結果。點擊SHOW將在設計矩陣上方顯示對比示意，點擊DONE將在結果文件GLM_results.mat路徑下生成T檢驗圖和相應的Contrast圖像。當選擇GLM2時，僅可在設計矩陣界面中查看未卷積HRF的設計矩陣示意，不能做T檢驗。4)每個被試的Xs，nuisancesignals和fMRI數據點數要保持一致。如果所有被試的Xs均一致，則選擇一個Xs文件即可（主要針對常規event或者block設計，即GLM1）。5)如果用戶需要設置不同的HRFs，一定要先點擊Save保存HRFs后再運行程序。存儲成功后，可在Matlab工作空間中查看HRF變量。其中包含生成的HRFs以及對應參數。6)GLM計算前，采用高通濾波去除fMRI低頻噪聲。截斷區間(cut-offperiodinseconds)固定為128s(‘dong_multi_regress.m’)。GLM計算前，對fMRI數據進行標準化（Globalmeannormalization）即data=100*data/globalmean。具體設置與SPM8保持一致。T/XXXXXXX—XXXX圖1.13：GLM中的設計矩陣。以某個被試為例，其包含2個run，n個腦電特征，m個HRFs，則GLM中設計矩陣定義如下：若選擇GLM1，則設計矩陣如上圖所示。若選擇GLM2，則針對第i個HRF其設計矩陣如下圖所示。T/XXXXXXX—XXXX圖1.14：案例數據中，GLM的設計矩陣界面。從左至右，第一列為Xs，第2-7列為頭動參數，第8列為線性漂移信號，最后一列為常數1。A.3基于腦電時間信息的LMSA分析A.3.1詳細步驟：1)點擊LMSA功能鍵，將出現LMSA主界面（圖1.15）。其主要參數設置如下：圖1.15：LMSA主界面。fMRIInputDirectory：EEG_informed_fMRI_example_data\fMRI_data）。支持一個文件夾下多個被試。NuisanceSignals：在回歸模型中作為協變量的信號（*.txt文件）。例如通常選擇數據對應的6個頭動參數文件（案例為*\EEG_informed_fMRI_example_data\HeadMotionPara）。支持一個文件T/XXXXXXX—XXXX夾下多個被試。EEGFeatureSeries(Xs)：加入到回歸模型中的腦電特征序列(目前支持*.txt;*.xls或者*.xlsx文件)。例如癲癇放電時間，ERP幅度，特定頻段能量等等。本案例提供的是兩例FCMTE病人的腦電放電時間信息（*\EEG_informed_fMRI_example_data\discharge）作為特征序列。OutputDirectory：選擇結果輸出路徑（案例為*\EEG_informed_fMRI_example_results）。BrainMask：勾選Userdefinedmask，然后選擇全腦mask文件（案例為*\EEG_informed_fMRI_example_data\brainmask.img）。AddingNuisanceSignals：是否在回歸模型中加入頭動等協變量信號。AddingLinearDriftSignal：是否在回歸模型中加入線性漂移信號。TR：fMRI的TR時間。以秒為單位。HRFduration：HRF的時間長度，默認設置為20s。Connectcriterion：體素連接的定義準則。Point表示取局部以點、線、面相鄰（局部27體素Line表示取以線、面相鄰（局部19體素Surface表示取局部以面相鄰（局部7體素）。默認選擇以點、線、面相鄰的Point選項。Xschecking：檢查Xs時間點數是否與fMRI時間點數一致。如果Xs的時間點數與fMRI時間點數完全一致，則勾選Xs=fMRItimepoints?。如果Xs的時間點數與fMRI不一致，則需要輸入fMRI時間點數，以及Xs的單位（scans（選擇）/seconds（不選擇。這里案例仍為兩例FCMTE病人的同步EEG-fMRI數據。每例被試包含一個run。每個run包含同一類放電時間信息。TR為2s，Duration設置為20s，connectioncriterion選擇Point(27voxels)。其他設置如圖1.16所示。圖1.16：LMSA的參數設置。2）設置好參數后，點擊RUN運行。T/XXXXXXX—XXXX3）運行完畢后，在輸出路徑會輸出結果文件包括：LMSA_log.txt：日志文件。LMSA_results.mat：結果文件。包含所有結果和設置參數。beta*.nii：LMSA估計出來的第i個腦電特征對應的回歸系數。通常可使用每個人的beta圖像進行second-level的統計分析。CanonicalCorr*.nii：LMSA估計出來的第i個腦電特征對應的典型相關系數。F*.nii：第i個腦電特征對應的典型相關系數的F檢驗值。Pval_F*.nii：F值對應的P值。T*.nii：LMSA估計出來的第i個腦電特征對應的回歸系數的T檢驗值。Sub_01的激活T圖像如圖1.17所示。圖1.17：FCMTE案例數據中第一個被試，LMSA的計算結果。閾值為T=3。A.3.2重要說明1)僅當每個被試的Xs與fMRI數據時間點數完全一致時，才支持每個被試fMRI數據長度的不一致（須勾選Xs=fMRItimepoints。2)每個被試的Xs，nuisancesignals和fMRI數據點數要保持一致。暫不支持每個被試存在多個run的情況。3)需要查看某個位置的HRF時，可點擊LMSA主界面左上方的Advance菜單中的PlotHRF。然后可在彈出的界面中輸入MNI坐標，選取LMSA_results.mat文件路徑，填入腦電特征標號，選擇一個圖像文件（*.nii或者*.img用以讀取頭文件信息中的剛體變換矩陣）后查看估計得到的HRF。FCMTE案例數據中第一個被試在MNI坐標[15,30,30]的HRF如