07.噪声/数据质量


0701.房间隔离与噪声测量


由于微电极具有高阻抗，它们比宏观电极对伪影更为敏感。最普遍存在的噪声来自电记录环境，尤其是在50/60赫兹频率下。如果电环境噪声过大，信噪比（SNR）可能会不足，进而会妨碍动作电位的检测。降低数据中噪声的最有效方法首先是预防或减少噪声，例如通过改变记录室的电气设置。用于颅内检查的医院房间是一栋建于20世纪60年代的建筑的一部分。进行了EMC-ZM（电磁兼容性-零方法）测量，结果发现脑电图记录室充满了来自配电系统的噪声源。因此，在2014年进行了一项名为“低噪声”的特定电气安装，以接近0伏特峰值（Vp）和0安培峰值（Ap），即无电噪声（图5）。这项安装包括以下内容：


-创建一个由0.3毫米厚的铜板制成的隔离参考地平面，覆盖房间的地板，并且其本身由抗静电涂层保护；


-建筑物的电力在进入房间之前，通过一个低电容耦合变压器进行隔离，该变压器的输出为两相、均方根值230伏特的电压，其中点连接到参考平面；


-随后，流向房间插座的所有电流分配都由低高频损耗电容器进行滤波，直到房间的插座，以获得低噪声。两相且经过滤波的电源消除了主电线的电辐射；


-房间的所有插座接地都短接至参考地平面。房间内的所有金属物体（床、桌子、椅子等）尽可能连接到参考地平面。

图5.患者房间电气安装的简要电路图。SPX 101：两相强化滤波器。SPY 300：三相4.7微法电容器组。SPY 200：两相4.7微法电容器组。SPY 201：两相15微法电容器组。SPZ 106：磁组，孔径10毫米-德国的清洁能源产品。


在改进前后，使用“清洁能源电表”进行噪声测量。这个测量工具是一个电压表，它在通过高通滤波器消除50赫兹电源后测量峰值未反向电压。切换到电流表时，它可用于检查连接到隔离地平面的导体附近是否没有电流，即使是在50赫兹频率下。


所有工作均符合NFC 15-100和NFC 15-211标准，测量结果符合IEC 61 000-6和-16标准。


0702.信号质量测量与统计


为了估计微电极记录的信噪比（SNR），在每位患者的整个记录过程中，从15个时间段中盲目选择（不预先考虑数据质量，而是在时间上均匀分布），对300至3000赫兹滤波后的10分钟信号计算均方根（RMS）值。不进行关于信号质量的选择，以便对连续记录以及随时间可能出现的质量变化保持客观的总体了解。


根据文献以及我们的观察，低噪声水平增加了在信号中检测动作电位的可能性以及尖峰分类的准确性。为了测试噪声的降低是否与动作电位记录的增加相关，使用MUSE软件（300-300赫兹）在滤波后的信号上目视检查多单元活动（MUA）的存在情况并进行记录。对每个电极束进行以下测量：在15个时间段中至少记录一次多单元活动（MUA）的导线数量，称为总体多单元活动；记录的第一天（第0天）、1周后（第6天）和2周后（第13天）记录多单元活动（MUA）的导线数量，称为时间相关的多单元活动。记录的第一天从植入后的第二天开始。


根据我们记录程序的改进步骤（新的记录系统、房间的电屏蔽、强化电极模型），在2010年至2020年期间可以确定五个主要时间段，总结在表4中。使用广义线性混合模型（GLMMs）评估不同时间段测量的均方根（RMS）值的变化和多单元活动（MUA）的量化情况。

表4.主要记录时间段的描述


均方根（RMS）：对于均方根值，使用具有恒等链接函数和正态分布的广义线性混合模型（GLMM），将每位患者每根导线的15个分布时间段中的每个时间段的均方根值作为因变量，时间段和首次记录日后的天数作为固定效应，患者ID以及嵌套的导线ID作为随机截距效应。为了比较每个时间段中极端均方根值的比例，将极端均方根值定义为大于第三四分位数（Q3）+1.5×四分位距（IQR）的值，其中Q3和IQR是根据所有均方根值计算得出的，并且在时间段和极端均方根值的识别之间进行成对的费舍尔精确检验。由于均方根值呈右偏态分布，因此对其进行以10为底的对数变换。


多单元活动（MUA）：对于多单元活动，为了检验总体多单元活动在不同时间段之间是否存在差异，或者是否与均方根值相关，进行了两个具有对数链接函数和泊松分布的广义线性混合模型（GLMM）分析，将总体多单元活动的量化值作为因变量，时间段或每个电极束的均方根中位数作为固定效应，患者ID作为随机截距效应。最后，为了检验记录多单元活动的导线数量在不同时间段和记录天数之间是否存在差异，进行了一个具有对数链接函数和泊松分布的广义线性混合模型（GLMM）分析，将时间相关的多单元活动量化值作为因变量，时间段和记录天数作为固定效应，患者ID作为随机截距效应。为了检验根据记录天数不同时间段之间是否存在差异，将时间段和记录天数之间的交互作用作为固定效应添加到先前的模型中。


对于均方根值和多单元活动，使用II型Wald卡方检验来检验主效应和交互作用，并在适当的时候进行事后成对比较。对于均方根值和多单元活动的事后比较，分别报告平均差估计值（MDE）±标准误（SE）和平均比率估计值（MRE）±标准误（SE）。对于所有分析和图表，用作参考的微导线的均方根值被排除在外。


信号测量使用Matlab（MATLAB.(2019)版本9.7.0(R2019b)）计算，统计分析和图表使用R 4.1.2（R统计计算基金会，奥地利维也纳。以及用于拟合广义线性混合模型的lme4包（版本1.1-27.1）、用于事后比较和模型表示的emmeans包（版本1.7.2）、用于广义线性混合模型收敛的optimx包（版本2021.1.12）以及用于成对费舍尔精确检验的RVAideMemoire包（版本0.9.81，Hervé）完成。


08.癫痫事件的局部场电位-多单元活动/单单元活动（LFP-MUA/SUA）流程分析


为了说明可以对癫痫事件进行的分析类型，本节介绍了我们实验室开发的一个程序，用于研究发作间期癫痫棘波（IEDs）期间神经元的放电行为，发作间期癫痫棘波是一种短暂的阵发性电图放电，可在脑电图上目视观察到。首先根据微电极导线是否显示出多单元活动和发作间期癫痫棘波来选择微电极导线。


根据对微电极的目视观察手动标注伪影和发作间期癫痫棘波。所有标注均使用MUSE软件完成，这是一个内部开发的软件，可用于可视化宏观和微电极。然后根据Spyking Circus参考文档和参考文章中详细概述的程序进行尖峰分类。简而言之，Spiking Circus使用基于密度的聚类和模板匹配算法的组合，将检测到的动作电位自动聚类为假定的单单元。对数据进行时间白化处理，并在高通滤波（>300赫兹）信号的6（或更高）倍中位绝对偏差（MAD）处自动检测动作电位（APs）。在标注的伪影时间段内发生的动作电位被忽略，因为将其纳入会影响尖峰分类的准确性。在记录过程中不稳定的聚类被排除在进一步分析之外。根据它们的峰间间隔（ISI）、不应期违反的百分比、放电率和幅度随时间的一致性以及波形形态，进一步评估聚类是反映了假定的单单元活动（SUA）还是多单元活动（MUA）。发作间期癫痫棘波根据它们的互相关自动对齐。然后将平均局部场电位和尖峰时间锁定到发作间期癫痫棘波，并绘制在同一时间轴上。分析流程使用自定义的MATLAB脚本实现，并使用FieldTrip，这是一个用于多通道脑电图（MEEG）和尖峰分析的MATLAB工具箱。