征求意见稿-同步EEG-fMRI数据采集及后处理流程

1T/XXXXXXX—XXXX同步EEG-fMRI数据采集及后处理流程本文件规定了同步EEG-fMRI数据采集及后处理流程。本文件适用于同步EEG-fMRI数据采集及后处理。2规范性引用文件本文件没有规范性引用文件。3术语和定义下列术语和定义适用于本文件。3.1重复时间（timeofrepetition，TR）指两个连续的射频脉冲之间的时间间隔。3.2回波时间（echotime，TE）在激励射频脉冲作用后，从横向磁化强度最初产生到接收信号间的时间间隔。3.3翻转角（flipangle，FA）指在射频作用下，组织宏观磁化矢量偏离平衡状态的角度。3.4扫描视野（fieldofview，FOV）指扫描时数据采集的范围，它取决于频率编码和相位编码梯度强度。3.5层厚（slicethickness）指扫描层的厚度。3.6扫描矩阵（acquisitionmatrix）规定了显示图像的行和列，即确定了图像的大小，也限定了扫描层面中的体素的大小。3.7脑功能成像（brainfunctionimaging）是一类无创的神经功能活动测量成像技术。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单个弛豫时间内产生一系列梯度回波并对其分别相位编码，填充到相应的k空间，实现断面成像。2T/XXXXXXX—XXXX3.9血氧水平依赖（bloodoxygenleveldependent，BOLD）利用活动区域局部血液中氧合血红蛋白与去氧血红蛋白比例的变化所引起的局部组织信号的改变。3.10时间校正（slicetiming）通过插值等方法使一个扫描周期内各层扫描时间的统一。3.11头动校正（realign）评估受试者头动状况，并调整因此造成的不同时刻的图像错位，用刚性变换把所有的图像调整在同一个位置。3.12空间标准化（normalization）通过不同的配准方法，使个体图像配准到标准空间上。3.13空间平滑（smooth）以高斯平滑核进行空间卷积，提高数据信噪比。3.14自发EEG（SpontaneousEEGactivity）大脑的自发性电活动，又被称为自发性EEG活动，表现为在广泛频谱上占主导地位且具有某些特征的波形。3.15诱发EEG（event-relatedpotentials）当人接收到与特定感觉、认知或运动事件相关的刺激时诱发的神经响应可通过叠加平均等技术，将这些响应从自发性EEG活动中提取出来，由此所获得的EEG响应被称为事件相关电位。3.16EEG导联（montage）分布在EEG帽上的电极之间的电势差构成了通道，不同的通道的组合即称为导联。3.17EEG电极10-20系统（theinternational10-20system）是一个国际公认的关于电极位置和电极命名的系统，这个系统规定了各个电极在头皮上的相应位置。其中，“10”和“20”代表着相邻电极之间的距离为总距离（鼻根和枕骨隆突连线或左右耳前点连线）3.18EEG伪迹（artifactsinEEG）任何一个检测到的信号都不可避免的会受到干扰源的污染，伪迹是影响EEG信号的一些干扰信号。3T/XXXXXXX—XXXX其中，EEG中的伪迹大致可以分为两类：生理伪迹和非生理伪迹。3.19心冲击伪迹（ballistocardiogramartifact，BCG）是由主动脉弓部位的血流冲击及心跳引起的伪迹。3.20眼电伪迹（electrooculogram，EOG）眨眼和眼球运动是难以避免的，这些运动改变了眼睛周围的电场分布，因而改变了头皮表面的电场分布，当这些信息被头皮电极拾取时，就形成了眼电伪迹。3.21采样率（samplingrate）也被称为采样速度或者采样频率，它指的是每秒从连续信号中提取并组成离散信号的采样个数，单位用赫兹（Hz）表示。3.22EEG电极电阻（electrodeimpedances）通常指的是电极与头皮的接触阻抗，一般使用一些导电介质来填充电极与头皮之间的间隙。4同步EEG-fMRI数据采集流程4.1EEG-fMRI数据采集前准备流程4.1.1受试者1)确保受试者体内无金属等影响扫描的因素。2)确保受试者无幽闭恐惧症等影响扫描进行的问题。3)确保受试者没有实验无关的影响实验的脑疾病。4)数据采集前一天内，受试者应避免摄入可能影响精神状态进而引入实验无关效应的食品/药物，例如烟酒及咖啡等。5)受试者接受实验前应保证睡眠充足，尽量在受试者最清醒的时间段做。4.1.2设备1)使用MR兼容EEG设备采集数据，脑电帽与采集设备有线连接。2)3.0TMR。3)医用头套：辅助固定电极帽。4)任务态数据采集时，磁共振内投影仪，磁共振兼容按键板或耳机等任务所需设备。5)任务态数据采集时，需要播放任务的计算机。6)任务态数据采集时，需要任务执行同步触发盒。4.1.3设备采集参数1)共模抑制比：共模抑制比不低于100dB。2)输入端噪声：峰峰值<2μV，均方根<0.5μV（0.5-100Hz包括50±60Hz，折合到输入端由EEG运放和受试者电缆引起的信号噪声）。3)输入阻抗：输入阻抗不低于500MΩ。4)模数转换（A/D）分辨率：A/D分辨率不低于16bit。5)滤波器：使用数字滤波器。4T/XXXXXXX—XXXX6)通道数：同步EEG-fMRI采集中EEG通道不低于32导，并附加2导眼电通道（水平眼电、垂直眼电各一导）及2导心电通道。7)采样率：同步EEG采样率建议4096Hz以上，且采样率为滤波器截止频率的4倍以上。8)电极分布：电极安放采用国际通用的10-20系统放置。9)电极与头皮接触阻抗：同步EEG采集阻抗不高于20KΩ。10)参考电极：放大器采用FCz或者Cz头顶参考，后期信号处理采用零参考。11)EEG数据文件命名规范：受试者编号_任务名称_采集日期。4.1.4采集前准备1)扫描前三小时受试者需清洗头部。2)头围与形状：选择合适的大中小号电极帽。3)佩戴电极帽时需检查电极是否清洁。4)佩戴时，电极帽左右定位以电极帽连接耳（通常为A1、A2或者M1、M2电极）平行线为标准，前后以Cz位置为参考位置。5)眼电电极位置：左侧眉骨上方为垂直眼电电极位置，右侧眼角侧面为水平眼电电极位置。6)心电电极位置：左侧锁骨上下各一个电极8)用医用头套固定电极帽，使电极帽尽可能贴合头部。9)适量电极膏，避免相邻电极因电极膏而相连。同步EEG采集电极与头皮接触阻抗降于20KΩ以10)安慰受试者，调节好其情绪，避免紧张。11)叮嘱受试者合理眨眼，安排少许的眨眼训练。12)给受试者佩戴硅胶耳塞，减少扫描仪噪声对其的影响。13)任务态数据扫描时，若被试有近视现象，给被试配对度数匹配的磁共振兼容眼镜。14)使用海绵固定受试者头部并提醒受试者在采集过程中保持头部不要动，避免身体活动，以减少头动伪影。15)静息态数据扫描过程时，受试者应当按照指导语，保持头部不动，放松并闭上眼睛，不进行任何特定的思维活动，同时保持清醒不要入睡。16)MR质量控制：扫描水膜，磁共振应具有良好信噪比。17)任务态数据扫描前需检查投影设备及同步设备是否正常工作。4.2同步EEG-fMRI数据采集4.2.1采集流程5T/XXXXXXX—XXXX1)fMRI数据采集可以使用EPI序列。2)数据采集采用硬件同步的方式：先开始EEG数据采集，再开始MRI数据采集；结束时，应当等MR采集结束后，再停止EEG数据采集。二者时间间隔最好在2s以上。3)任务态数据采集时，任务播放的同步启动采用软件同步的方式：在MR启动前，开启同步触发盒，MR启动会立即传输给同步触发盒一个信号，同步触发盒接收信号后会立即启动任务的播放。4.2.2采集要求（1）检查MR触发信号是否被EEG采集设备同步记录。（2）EPI序列图像采集时，观察受试者头动（平动/转动）是否超过2mm或2°。（3）任务态数据采集时，每一个trial启动时同时给EEG记录设备一个信号，并被EEG设备标记时刻（4）任务态数据采集时，检查MR启动时，任务播放是否立即启动并正常执行。（5）任务态数据采集时，检查被试是否在执行任务，如按键任务中是否按键等。5同步EEG-fMRI数据处理流程5.1数据预处理5.1.1EPI序列图像数据经时间校正、头动校正、空间标准、空间平滑后，去除协变量（24个头动信号，白质信号，脑脊液信号），去线性漂移，并滤波到0.010.1Hz。注意：（1）去除前五个时间点数据。（2）时间校正时，切片顺序与所使用MR设备采集参数相同，参考层使用中间层。（3）空间平滑时，高斯平滑核的半高宽定为体素大小的2-3倍。（4）计算指标为个体空间特征的，可不做空间标准化。（5）计算指标为局部体素特征的，可不做空间平滑。5.1.2EEG数据预处理去除MR梯度伪迹，带通滤波（1-40Hz注意，国内工频干扰一般为50Hz，若带通滤波为1-60Hz，则需去除工频干扰，可采用45-55Hz陷波滤波），插值坏导，坏段检测，去除眼电伪迹、心冲击伪迹，之后降采样为250Hz，并重参考至REST零参考，再截取与MR扫描时间匹配的数据段。（1）梯度伪迹：提取前十个TR对应EEG数据，通过对数据叠加平均的方法构建噪声模板，从原始信号中减去模板信号。（2）眼电伪迹：可使用ICA分解数据，提取具有眼电特征的成分，并从原始信号中减去相关成分。成分特征：EEG地形图显示在眼睛附近有等效电流偶极子；功率集中在低频率（低于5Hz）；垂直眼动成分将包含眨眼数据；水平眼动成分看起来像阶梯函数。（3）心冲击伪迹：可使用ICA分解数据，提取心冲击伪迹相关的成分，并从原始信号中减去相关成分。成分特征：1Hz数据中有清晰的心冲击特征；近线性梯度EEG地形图；功率谱无峰。（4）其他伪迹：使用ICA分解数据，去除其余伪迹。5.2同步EEG-fMRI多模态融合后处理方法5.2.1基于fMRI空间信息约束的EEG源定位分析在空间层面上，利用fMRI的高空间分辨率获得的结果来辅助EEG源定位分析，从而提高脑电空间分辨率，并保持两种模态在空间上的一致性。具体操作步骤如下：6T/XXXXXXX—XXXX（1）对预处理后的fMRI数据在标准MNI空间计算功能特征指标，并生成空间先验约束激活图。可使用ICA分解fMRI数据，提取得到多个功能网络图；也可以计算诸如低频振幅、局部一致性等其他fMRI特征指标。（2）基于球模型或者真实脑结构像建立头模型，接着将脑电电极坐标配准到头模型空间并利用脑电正演理论计算得到皮层偶极子源的传递矩阵（LeadfieldMatrix）。（3）随后根据上述正演模型计算得到的传递矩阵，以fMRI空间特征为先验约束，通过求解源定位逆问题，计算出皮层偶极子源的具有高时-空分辨率的信号过程或者源空间分布。EEG头模型要求：头模型主要考虑电场在体积传导中的电磁特性和头部各组织的几何特性。通常采用三层同心球模型，将人头部考虑成脑、头盖骨和头皮的三个同心球，该模型具有对称简单的特点。精确的传递矩阵计算可通过使用基于真实头模型来实现，一般来说是结合个体的配准信息，对已有的标准模型进行变形。即通过获得从个体脑结构到模板脑结构的配准信息，将其逆变换可以把模板空间的坐标转换为个体坐标，构建个体真实头模型。5.2.2基于EEG时间信息的fMRI分析在时间层面上，需要强调EEG和fMRI中检测到的神经活动时域一致性，因此可以利用EEG提供的高时间分辨率的时间信息辅助fMRI分析。具体步骤如下：（1）将EEG数据与fMRI数据时间对齐。（2）从EEG中提取每一个TR对应数据段的神经活动特征（例如幅值、潜伏期、能量、网络特征等）生成脑电特征变量，这里要求每一个TR对应且仅对应一个EEG神经活动特征值。然后将脑电特征变量与血流动力学响应函数卷积后生成脑电特征回归变量。（3）将脑电特征回归变量纳入广义线性模型，通过求解对应回归系数，即可得到与脑电神经活动相关的功能磁共振激活图。5.2.3对称多模态成像融合技术EEG-fMRI时空信息的对称融合可以通过数据驱动来提取共同信息，或者基于神经元活动和血流动力学的生成模型来进行融合。对称融合由于没有对任一模态进行约束，因此EEG和fMRI的信息能被充分地评估，从而得到两种模态下特异性的信息以及重叠信息。具体操作步骤如下：（1）提取每例被试的脑电与功能磁共振时空特征指标。（2）利用JointICA或者典型相关等数据驱动方法，计算两种模态指标的相互关系，得到二者特异性与一致性权重信息。或者可以采用更为复杂的生成模型来估计二者的关系。针对同步EEG-fMRI多模态融合后处理方法，以神经科学信息分析工具（NeuroscienceInformationToolbox）为例，该软件基于MATLAB开发，可以进行同步EEG-fMRI多模态融合，其主要包括：1)基于功能网络的脑电源定位分析（NESOI2)基于脑电时间信息的GLM分析；3)基于脑电时间信息的LMSA分析；具体操作步骤见附录。5.3同步EEG-fMRI融合评估推荐使用层级可信度的融合框架以区分不同的时空匹配效果。层级可信度框架可利用最大信息系数（MIC）进行线性与非线性的时间匹配评估，也可利用贝叶斯源定位方法进行空间匹配评估。同时，对事件相关的脑活动，层级可信度框架可实现从时-空均不匹配到时-空间匹配的多层可信度评估。5.4结果可视化5.4.1结果内容处理结果可包括MRI激活图、EEG折线图和EEG拓扑图（topographicalmap）。5.4.2MRI显示MRI处理结果包括激活图，将激活图叠加到解剖学图像进行显示。显示的图像底部应包含色阶棒，个体水平的激活图，阈值为P<0.05，负值偏冷色，正值偏暖色，采用不同颜色梯度反映值的差异。7T/XXXXXXX—XXXX5.4.3EEG显示折线图：横轴为频率，纵轴为功率值，描述功率随频率改变。为了更直观的展示功率变化，使用10*log10(μV2/Hz）公式将功率值转化后再用于展示。拓扑图：EEG数据可视化一般用拓扑图展示，该展示图为圆形，模拟电极在头皮分布并标注位置，进而展示EEG特征，例如功率分布、相干等。一般一幅图展示某个频率点或频率段内均值的全电极分布。采用不同颜色梯度反映值的差异。5.4.4脑网络显示标定的EEG-fMRI活动显著脑区作为脑网络节点，并在颅脑立体图上按照三维坐标进行显示；再以节点间的EEG相位同步、相干性、MRI信号相关性、因果连接性或心理生理交互等定义边连接，连接颅脑立体图上的节点。通过边的粗细变化反映连接的量化性指标。8T/XXXXXXX—XXXX（资料性）A.1同步EEG-fMRI多模态融合后处理方法，以神经科学信息分析工具（NeuroscienceInformationToolbox）为例基于功能网络的脑电源定位分析（NESOI）A.1.1详细步骤：1）至nit主界面，点击Fusion按钮，即可出现NESOI功能键。点击NESOI出现以下NESOI主界面（图1.1）：2）在输入版块中，点击lul选择好对应的文件及路径。详细说明如下：EEGTopo：选择脑电地形图文件（EEG_topo.xlsx）。可读取文件格式为文本（.txt）或者Office电子表格（.xls；.xlsx）文件。数据维度为脑电电极数×地形图个数（案例为62导×11个）。Leadfield：选择基于头模型计算得到传递矩阵文件（leadfield.xls）。可读取文件格式为文本（*.txt）或者Office电子表格（*.xls；*.xlsx）文件。数据维度为源位置数×脑电电极数（案例为6144个偶极子×62导）。fMRIMapDirection：选择作为空间先验信息的功能网络成分路径（*\Example_data\NESOI\fmri_ica_maps）。该路径下仅包含功能网络图像。可读取文件格式为3D*.img或者*.nii图像文件（NIFTI格式）。BrainMask：选择全脑Mask图像文件（brainmask.img）。可读取文件格式为3D*.img或者*.nii图像文件（NIFTI格式）。OutputDirection：选择结果输出路径（*\Example_results\NESOI）。3）点击运行按钮，运行界面如下所示（图1.2）：9T/XXXXXXX—XXXX图1.2NESOI运行界面。4）待RUN按钮恢复为即表示计算完毕。结果输出为MATALB*.mat文件。其中包含文件为：gridICA.mat：将fMRIICA成分投射到源位置上。数据维度为源位置数×选择的ICA成分数（案例为6144个偶极子×11个成分）。NESOI_results.mat：源定位结果文件。其中变量Phie对应的是源定位结果（案例为6144个偶极子×11个成分）。变量he对应的是估计得到的超参数（案例为11个网络成分+24个稀疏源=35个先验×11个成分）。NESOI_Para.mat：源定位参数设置。5）运行完毕后，点击Display中相应Plot按钮，可显示相应结果（图1.3-图1.5）：PlotEEGTopo：显示所有EEG脑电地形图。点击弹出对话框，选择电极坐标.loc文件（layout62.loc）。PlotfMRIMaps：显示fMRI功能网络的空间先验分布。点击按钮。PlotEEGsources：显示EEG地形图对应的源定位结果。点击按钮。图1.3：脑电地形图。T/XXXXXXX—XXXX图1.4：fMRI功能网络的空间先验分布。图1.5：EEG地形图EEG-10对应的源定位结果。上图为定位出的源位置，下图为对应的超参数。A.1.2重要说明1)扩展选项说明本软件提供NESOI源定位的扩展参数选择项。一般情况下不需要修改扩展参数及文件。主要可调节的参数包括Threshold和Numberofsparsepriors。Threshold：对于Z-分数或者T-分数的fMRI图谱，将其大于设定阈值的值投射至假定的源位置作为先验信息。默认值设定为3。Numberofsparsepriors：除了fMRI网络先验信息，添加的稀疏源个数。稀疏源总个数为该设定值的3倍（左、右侧、双侧）。默认值为8。具体操作如下：1)点击NESOI主界面（图1.1）左上角的File选择Advance按钮。弹出如下界面：T/XXXXXXX—XXXX图1.6：NESOI扩展参数界面2)在Threshold栏中填写单个阈值（比如4）或者阈值向量（比如[4444444444.54.5]）。其中阈值向量长度为fMRI成分个数。3)Numberofsparsepriors栏中填写假定的稀疏源个数。4)点击OK键即可。5)源分布说明：6)本软件中，NESOI假定的源是一个包含6144个节点（即6144个偶极子）的三角网格片标准脑7)如果使用该三角网格作为脑电偶极子源，用户仅需要用该三角片网格节点和法向量坐标计算传递矩阵leadfield。该三角网格坐标及法向量坐标在NIT工具包中：*\data\soure_file.sor。该文件包含了网格节点坐标（前三列xyz）及其法向量方向（后三列xyz）。三角片网络文件为：*\functions\NESOI\bnd.mat。bnd.mat为结构体的.mat格式文件。包含bnd.face,bnd.vert和bnd.discribe三项数据信息。8)用户可以在File中点击Dipoles，即可弹出如下界面（图1.7）。选择bnd.mat文件（三角片网格文件）和输出路径后，先点击SHOW即可显示三角片网格和法向量（图1.8然后点击SAVE即可将网格节点坐标和对应的法向量坐标存出（前三列为节点xyz坐标,后三列为法向量xyz坐标）。Scale为相对于单位三角片网格源的比例。图1.7：Dipoles界面。T/XXXXXXX—XXXX图1.8：默认设定的脑电三角片网格源。其包含6144个节点。图中显示了其节点位置和法向量方向。9)如果用户需要使用自定义网格作为脑电偶极子源，则需要在扩展选项中选择三角片网格文件bnd.mat以及格林函数文件greenfunction.mat。同时也需要用户自行计算网格坐标及其法向量，进而计算传递矩阵leadfield。A.1.3其他说明在NIT中我们提供了基于三角片网格（即图1.8对应的6144个网格节点）的偶极子源坐标、多种脑电电极分布、基于三层球模型的传递矩阵等文件，位于目录~\NIT\data\下：source_file.sor：偶极子源位置坐标即三角片网格节点坐标（前三列xyz）及其法向量方向（后Layout_61Channels_10-20_BP.loc：基于10-20系统的BP公司的61导脑电电极分布文件（仅保Leadfield_61Channels_10-20_BP.xlsx：基于偶极子三层球模型计算得到的脑电传递矩阵。Layout_62Channels_Curry7.loc：基于10-20系统NeuroScan公司Curry7采集软件的62导脑电电极分布文件（仅保留脑电电极）。Leadfield_62Channels_Curry7.xlsx：基于偶极子三层球模型计算得到的脑电传递矩阵。A.2基于脑电时间信息的GLM分析A.2.1详细步骤1)点击GLM功能键，出现GLM主界面（图1.9）。其主要参数设置如下：T/XXXXXXX—XXXXfMRIInputDirectory：选择数据输入路径（案例为*\EEG_informed_fMRI_example_data\fMRI_data）。支持一个文件夹下多个被试。NuisanceSignals：在回归模型中作为协变量的信号（*.txt文件）。例如通常选择数据对应的6个头动参数文件（案例为*\EEG_informed_fMRI_example_data\HeadMotionPara）。支持一个文件夹下多个被试。EEGFeatureSeries(Xs)：加入到回归模型中的脑电特征序列(目前支持*.txt;*.xls或者*.xlsx文件)。例如癫痫放电时间，ERP幅度，特定频段能量等等。本案例提供的是两例FCMTE病人的脑电放电时间信息（*\EEG_informed_fMRI_example_data\discharge）作为特征序列。OutputDirectory：选择结果输出路径（案例为*\EEG_informed_fMRI_example_results）。BrainMask：勾选Userdefinedmask，然后选择全脑mask文件（案例为*\EEG_informed_fMRI_example_data\brainmask.img）。AddingNuisanceSignals：是否在回归模型中加入头动等协变量信号。AddingLinearDriftSignal：是否在回归模型中加入线性漂移信号。MultipleRuns?：每个人是否包含多个run。TR：fMRI的TR时间。以秒为单位。Method:选择具体的GLM方法。GLM1：常规的一般线性模型分析。所有的回归量在一个回归模型中进行估计。通常此功能用于event或者block设计的fMRI数据分析。GLM2：针对放电相关的BOLD变化分析设计的一般线性模型分析。对于每个体素，由不同的HRFs卷积得到的脑电特征回归量将分别进行估计，最后将T值绝对值最大的结果作为输出（即针对每个HRF单独进行一次GLM估计）(Bagshawetal.,2004)。TT/XXXXXXX—XXXX图1.11：GLM参数设置。2)点击HRF设置界面的Save键保存好HRFs后，点击RUN运行软件。3)运行完毕后，在输出路径会输出结果文件包括：GLM_log.txt：日志文件。GLM1：beta_*.nii：估计出来的回归系数。GLM_results.mat：结果文件。包含所有结果和参数设置。ResMS*.nii：回归方程的方差误。GLM2：Con_*.nii：每个脑电特征对应的contrast图像。ConTval*.nii：每个contrast图像对应的T值。GLM_results.mat：结果文件。包含所有结果和参数设置。ResMS*.nii：回归方程的方差误。Sub_01的激活图像如图1.12所示。T/XXXXXXX—XXXX图1.12：FCMTE案例数据中第一个被试，选择方法GLM2的T值图像。阈值为T=3。A.2.2重要说明1)仅当每个被试的Xs与fMRI数据时间点数一致时，才支持每个被试fMRI数据长度的不一致（须勾选LengthofXs=fMRItimepoints?）。2)以某个被试2个run，n个脑电特征，m个HRFs为例，GLM中设计矩阵的定义如图1.13所示。因此在被试包含多个run的情况下，当Xs中包含多个脑电特征时（如多个放电类型请保持每个run的脑电特征顺序一致。如果某一个run没有某特征请补0代替。此外计算完成后也可以通过点击Advance中的DesignMatrix，在弹出的界面中选择GLM_results.mat文件，即可查看设计矩阵（图1.14）。3)当选择GLM1时，可在设计矩阵界面（图1.14）中选择需要的对比T检验结果。点击SHOW将在设计矩阵上方显示对比示意，点击DONE将在结果文件GLM_results.mat路径下生成T检验图和相应的Contrast图像。当选择GLM2时，仅可在设计矩阵界面中查看未卷积HRF的设计矩阵示意，不能做T检验。4)每个被试的Xs，nuisancesignals和fMRI数据点数要保持一致。如果所有被试的Xs均一致，则选择一个Xs文件即可（主要针对常规event或者block设计，即GLM1）。5)如果用户需要设置不同的HRFs，一定要先点击Save保存HRFs后再运行程序。存储成功后，可在Matlab工作空间中查看HRF变量。其中包含生成的HRFs以及对应参数。6)GLM计算前，采用高通滤波去除fMRI低频噪声。截断区间(cut-offperiodinseconds)固定为128s(‘dong_multi_regress.m’)。GLM计算前，对fMRI数据进行标准化（Globalmeannormalization）即data=100*data/globalmean。具体设置与SPM8保持一致。T/XXXXXXX—XXXX图1.13：GLM中的设计矩阵。以某个被试为例，其包含2个run，n个脑电特征，m个HRFs，则GLM中设计矩阵定义如下：若选择GLM1，则设计矩阵如上图所示。若选择GLM2，则针对第i个HRF其设计矩阵如下图所示。T/XXXXXXX—XXXX图1.14：案例数据中，GLM的设计矩阵界面。从左至右，第一列为Xs，第2-7列为头动参数，第8列为线性漂移信号，最后一列为常数1。A.3基于脑电时间信息的LMSA分析A.3.1详细步骤：1)点击LMSA功能键，将出现LMSA主界面（图1.15）。其主要参数设置如下：图1.15：LMSA主界面。fMRIInputDirectory：EEG_informed_fMRI_example_data\fMRI_data）。支持一个文件夹下多个被试。NuisanceSignals：在回归模型中作为协变量的信号（*.txt文件）。例如通常选择数据对应的6个头动参数文件（案例为*\EEG_informed_fMRI_example_data\HeadMotionPara）。支持一个文件T/XXXXXXX—XXXX夹下多个被试。EEGFeatureSeries(Xs)：加入到回归模型中的脑电特征序列(目前支持*.txt;*.xls或者*.xlsx文件)。例如癫痫放电时间，ERP幅度，特定频段能量等等。本案例提供的是两例FCMTE病人的脑电放电时间信息（*\EEG_informed_fMRI_example_data\discharge）作为特征序列。OutputDirectory：选择结果输出路径（案例为*\EEG_informed_fMRI_example_results）。BrainMask：勾选Userdefinedmask，然后选择全脑mask文件（案例为*\EEG_informed_fMRI_example_data\brainmask.img）。AddingNuisanceSignals：是否在回归模型中加入头动等协变量信号。AddingLinearDriftSignal：是否在回归模型中加入线性漂移信号。TR：fMRI的TR时间。以秒为单位。HRFduration：HRF的时间长度，默认设置为20s。Connectcriterion：体素连接的定义准则。Point表示取局部以点、线、面相邻（局部27体素Line表示取以线、面相邻（局部19体素Surface表示取局部以面相邻（局部7体素）。默认选择以点、线、面相邻的Point选项。Xschecking：检查Xs时间点数是否与fMRI时间点数一致。如果Xs的时间点数与fMRI时间点数完全一致，则勾选Xs=fMRItimepoints?。如果Xs的时间点数与fMRI不一致，则需要输入fMRI时间点数，以及Xs的单位（scans（选择）/seconds（不选择。这里案例仍为两例FCMTE病人的同步EEG-fMRI数据。每例被试包含一个run。每个run包含同一类放电时间信息。TR为2s，Duration设置为20s，connectioncriterion选择Point(27voxels)。其他设置如图1.16所示。图1.16：LMSA的参数设置。2）设置好参数后，点击RUN运行。T/XXXXXXX—XXXX3）运行完毕后，在输出路径会输出结果文件包括：LMSA_log.txt：日志文件。LMSA_results.mat：结果文件。包含所有结果和设置参数。beta*.nii：LMSA估计出来的第i个脑电特征对应的回归系数。通常可使用每个人的beta图像进行second-level的统计分析。CanonicalCorr*.nii：LMSA估计出来的第i个脑电特征对应的典型相关系数。F*.nii：第i个脑电特征对应的典型相关系数的F检验值。Pval_F*.nii：F值对应的P值。T*.nii：LMSA估计出来的第i个脑电特征对应的回归系数的T检验值。Sub_01的激活T图像如图1.17所示。图1.17：FCMTE案例数据中第一个被试，LMSA的计算结果。阈值为T=3。A.3.2重要说明1)仅当每个被试的Xs与fMRI数据时间点数完全一致时，才支持每个被试fMRI数据长度的不一致（须勾选Xs=fMRItimepoints。2)每个被试的Xs，nuisancesignals和fMRI数据点数要保持一致。暂不支持每个被试存在多个run的情况。3)需要查看某个位置的HRF时，可点击LMSA主界面左上方的Advance菜单中的PlotHRF。然后可在弹出的界面中输入MNI坐标，选取LMSA_results.mat文件路径，填入脑电特征标号，选择一个图像文件（*.nii或者*.img用以读取头文件信息中的刚体变换矩阵）后查看估计得到的HRF。FCMTE案例数据中第一个被试在MNI坐标[15,30,30]的HRF如