摘要：
为研究在长时间的麻醉过程中，是否存在与全身麻醉相关的单一功能连接模式，并控制方案与手术麻醉的深度和持续时间相当。密歇根大学的研究团队在Anesthesiology杂志发表论文，该研究分析30名健康被试在基线、异丙酚麻醉（3h）和恢复期的EEG数据。采用频率加权相位滞后指数（wPLI）估计额-顶叶通道之间、前额叶-额叶通道之间的功能连通性，并通过k-mean聚类分析将其划分为不同状态。
通过各状态的发生率和维持时间分布以及状态间的转换率来估计时间动态变化。结果发现，异丙酚麻醉期间平均抑制率减少，证明爆发抑制的存在。优势状态的时间进程显示出连续的变化轨迹，从与alpha额-顶叶连接相关的状态，到与delta前额-额叶连接相关的状态，这一趋势在诱导过程中发生了逆转。皮质连通性在维持期间是动态的，维持在同一状态比切换到不同状态的可能性更大。然而，向其他状态转换是结构化的，即发生的频率比预期的要高。
该研究表明尽管在没有任何有害刺激情况下，稳定而长期使用异丙酚，麻醉诱导的功能连接改变也是动态的。随着时间的推移，连通性的变化可能会产生更多的信息，作为手术麻醉的指标或机制，而不是单一模式。
材料和方法：
被试：分析30名接受全身麻痹的健康被试的EEG数据。
实验设计：
1）基线：全身麻痹前，收集5min的闭眼静息数据；
2）注射异丙酚诱导麻醉，通过对挤压左手或右手的声音指令反应性的丧失来评估意识的丧失；
3）给药异丙酚3h后，停止麻醉，每30s评估被试反应性，直到意识恢复；
4）30min恢复意识后，5min的闭眼静息数据采集。
EEG分析：
数据采集与预处理：分别在两所学校采用32-和128-通道的EGI HydroCel系统收集数据。在线采样率为500Hz，参考为顶点参考。采用MATLAB对数据进行离线处理，降采为250Hz。挑选所有被试相同的21个电极点进行分析。
预处理步骤：
1）采用Chronux analysis工具包的局部线性回归方法对数据进行去趋势化处理（窗宽：10s，步长：5s），并进行连接耳重参考。
2）浏览删除噪音数据。进行0.5-55Hz的带通滤波，分为2s的时间段。依据以下数据删除被试：
a.平均波幅大于整体波幅的4倍（或波幅的SD大于2倍整体波幅），b.以上情况均出现在至少4个通道上。
3）使用EEGLAB工具包的extended-Infomax函数检查基线和恢复阶段的EEG数据，并且采用ICA去除眼动和肌电、或头动伪迹。麻醉期间，分析包括异丙酚输注至意识恢复的脑电信号。
爆发抑制的量化：为解决由爆发抑制导致分析窗口不平稳性，研究者利用短时傅里叶变换进行频谱分析。数据进行3个步骤：
1）5-30Hz的带通滤波。
2）经过Hilbert转换的信号被用于计算瞬时波幅，再用0.5s的滑动平均滤波对瞬时振幅进行平滑处理。
3）将手动标记的抑制周期计算的阈值应用于转换后的信号，进而得到爆发抑制状态的二进制序列。
该研究中，爆发抑制时期最短长度设置为0.5s。抑制率计算为每个30s的二进制序列在10s步长下抑制所花费的时间百分比。以上分析应用于异丙酚停药后5min的EEG数据。计算每个通道的抑制比，然后在各个通道上取平均值。为了评估爆发抑制的时间进程，我们计算了异丙酚输注3h时，每个连续30min片段的平均抑制比值。在动态连通性分析中，当抑制率大于20%时，我们在一定的时间窗内消除爆发抑制的存在，并在后续的连通性分析中将这些窗口分离并排除。
功能连通性估计：
使用权重相位延迟指数（weighted phase lag index,wPLI）评估功能连通性。基线、麻醉和恢复阶段的21-通道EEG信号以10s步长被分为30s窗口，并且对于每个时间窗，采用Fieldtrip的自定义函数评估每对电极之间wPLI值作为频率的函数。计算wPLI(wPLI值的范围在0（无锁相）和1（完全锁相）之间)。关注的特定脑区：F3, F4, Fz和P3, P4, Pz的平均wPL作为额-顶叶连通性，Fp1, Fp2, Fpz和F3, F4, Fz之间的平均wPLI作为前额-额叶连通性。
动态连通性分析：为探讨麻醉过程中皮质连通性的波动，在被试的每个时间窗估计频率-额-顶叶和前额-额叶连通性，同时排除了存在突发抑制的窗口。通过PCA分析降维为M-维特征，并最大限度保留原始连接模式的方差。然后使用k-means聚类算法将M-维连通性特征分为Nc个聚类。
麻醉引起意识改变时大脑皮层的动态连接：聚类分析将每个非突发抑制时间窗划分为一个Nc聚类。将具有突发抑制的窗口划为另一种状态“BS”。每个聚类都可以看作是具有不同频谱和空间特性的连通性状态，此结果表示全麻引起意识改变时连通性状态的变化。为描述连通状态的时间动态性，研究者量化每个状态的发生率和维持时间分布。前者被定义为每个连通状态花费的时间占所有状态的百分比，而后者衡量的是状态持续时间的分布。此外，为评估皮层连通性随时间的变化，通过重新计算所有被试在基线、诱导、维持、出现和恢复期间的时间跨度，计算了每个时间窗口Nc+ 1状态下被试的分布。Shannon熵用来量化此分布，较低值表示大多数被试同时出现一个主导状态（有序），较高值表示在那个时间窗内被试之间存在多个状态（无序）。
异丙酚维持过程中的连通状态转换：研究者关注在维持期，皮质连通性是否是静态的；或是在稳定期（异丙酚给药后30min）至停用异丙酚期间，皮质连通性在不同状态之间发生转移。首先计算了每个被试停留在特定连接状态的时间（被认为是t+1时刻与t时刻维持相同状态的皮质连接），以及过渡到其他状态的次数。研究者以两种不同的方式进行分析：
A.在被试水平，对所有状态进行了聚合，得到了停留在任何状态的时间（i），以及转换到其他状态的时间（j）。然后，通过除以每个被试状态停留和切换的总时间，计算状态停留和切换概率。
B.使用所有被试计算每对连接状态的转移概率。转移概率度量当前状态在将来某个时刻在组水平转移到另一个状态的可能性。
数据分析：
通过Lilliefors校正的Kolmogorov-Smirnov检验，对所有数据集进行正态分布检验。为了探讨异丙酚麻醉过程中突发抑制的时间变化，采用Friedman检验和事后Dunn多重比较检验对6个30min片段的平均抑制率值进行统计比较，矫正后p<0.05表示显著。相似地，Friedman检验和事后Dunn多重比较检验被用于评估连接状态之间状态转移的发生率和数量的差异。
为比较维持在相同状态或切换到不同状态的可能性，使用Wilcoxonsigned-rank检验来比较被试状态停留和状态切换的可能性。为测试每对连通状态之间状态转换的统计学显著性，执行以下替代数据分析：
1）通过对每个被试的连通性状态时间序列进行随机挑选，生成N=1000个替代时间序列。
2）主要关注通过删除状态维持后随机置换维持状态时间序列（仅包括状态切换），生成的N=1000个替代时间序列和状态间的转换，并且约束每个状态在所有被试中的出现率。对于每个替代时间序列，计算每对连接状态的转移概率，将原始转移概率与替代数据的转移概率进行比较，认为状态转移具有统计意义。通过累积分布函数得到显著性值。使用FDR进行数据矫正。
结果：
长期的异丙酚麻醉过程中出现突发抑制模式：被试在启动时间、持续时间和抑制率方面存在很大差异（Fig.1B）。突发抑制模式开始于给药12.5±9.1min后（Fig.1C），持续时间78.6±51.6min。麻醉3h期间的平均抑制率不稳定。麻醉30-60min对EEG信号有明显抑制作用，随后逐渐减弱，最后一小时的平均抑制率下降至15.6±24.5%和14.0±20.2%（Fig.1D）。研究者分离突发抑制时间窗，并将这些时间窗与分类的连通性状态合并，以表征麻醉期间大脑活动的时间动态性。
Fig.1 EEG实验设计与量化。
A.实验设计和时间线。在整个实验过程中记录EEG，并将基线、麻醉和恢复期（用粗体水平线表示）串联起来进行分析。
B.从异丙酚停药开始至停药后5min的抑制率（SR）时间进程。每个被试的意识丧失时间（LOC）用白色叉线标记，而异丙酚暴露的开始和结束时间用红点标记。
C.诱导时间（异丙酚输注至LOC）、LOC至异丙酚给药起始时间（Iso-start）、异丙酚给药至突发抑制起始时间（BS-start，定义为SR大于20%的第一个时间窗）。
D.在3h异丙酚暴露期间，每个连续30min片段的平均SR值。在C和D中，灰点表示单个数据，水平线表示中值，误差条表示四分位数范围。*表示采用Friedman检验和事后Dunn检验对0-30min、30-60min、60-90min和90-120min片段进行调整后的P< 0.05。ROC，意识的恢复。
麻醉引起意识改变时，个体存在多种连通状态：估计每个非突发抑制窗口wPLI的连通性模式，并进行PCA降维。保留前7个PCs并将其划分为8个聚类，同时将具有突发抑制的时间窗划为“BS”聚类（Fig.2, Fig. 3）。每个聚类（连接状态）都表现出其特有的连接模式，具有不同的空间（额-顶叶和前额-额叶）和频谱（delta,theta, alpha和高频）特征（Fig.4A和Tab.1）。8种非突发抑制状态的发生率无显著性差异（Fig.4B），且没有特定于某一特定被试或一组被试的状态。另外，在多次出现某一特定状态时，停留时间从30s到几分钟不等（Fig.4C）。
基线期，alpha额-顶叶连通性（状态1）占主导，随着异丙酚的诱导而下降，并向状态2转移，在失去意识前，额-顶叶连通性为显著的10-20Hz，前额-额叶连通性为轻度的10-30Hz。状态3显示delta连接的优势，在失去意识后立即观察到。然后连接转移到前额-额叶连接（状态4）。状态4的优势也反映在显著降低的熵值上（低至0.41），表明大多数被试同时出现状态4。在绝大多数恢复期，优势模式恢复到状态2，进而恢复到状态1（Fig.4D）。组水平分析显示，在麻醉诱导的意识改变过程中，主导状态的轨迹发生了变化。此外，多个连接状态的存在表明，皮质连接在药物稳态维持期间是动态的。
Fig.2 动态连通性分析方法。
A.抑制率（SR）的代表性时间图。
B.额-顶叶和前额-额叶连接图。
C.从聚类分析得到连通性状态的时间过程。
连接模式（即对所有非突发抑制窗口的额-顶叶和前额-额叶wPLI进PCA降维，然后通过k-means聚类将其划分为8个聚类（蓝色圆圈），将突发抑制窗口划分为另一个聚类“BS”（灰色圆圈）。黑色竖线表示异丙酚输注开始，从左至右异丙酚暴露开始和结束，红色竖线分别表示失去意识和恢复意识。
Fig.3 从聚类分析中得到连接状态的个体时间过程。黑色竖线分别表示异丙酚输注开始时间、异丙酚暴露开始时间、异丙酚暴露结束时间，红色竖线分别表示意识丧失时间和意识恢复时间。被试0和21的EEG记录被暂时中断。基线期20例未记录，恢复期14例、18例未记录。“BS”指突发抑制。
Fig.4 麻醉引起意识改变时大脑皮层的动态连接。
A.表征连通性模式，即通过每个聚类最接近质心的100个样本获得的平均值和95%置信区间（蓝色：额-顶叶wPLI；红色：前额-额叶wPLI）。
B.发生率，即每个聚类中花费时间的百分比（连通率）。
C.被试跨连接状态分布的时间进程。即被试在每个状态中的百分比。计算前对基线、诱导、维持、出现和恢复期间的时间跨度进行了重新计算。首先计算Shannon熵，量化被试随时间的分布，数值越低表示占主导地位，数值越高表示分布在多个状态。
异丙酚维持过程中，维持某种状态的可能性比切换到另一种状态的可能性更大，但是当切换发生时，特定状态间转换的可能性比其他状态更大：状态发生率存在差异，但停留在每个连接状态的时间要高于切换到任何其他状态的时间。在所有连接状态下，皮质连接在同一状态下是粘性的，概率为82.08.3%，明显高于切换到不同状态的概率。显然，在同一状态下的持久性比切换到不同状态的可能性更大。（组水平转换概率矩阵,Fig. 5A）。相对于在维持状态发生率的同时，通过改变时间顺序实现的随机转换，持续的概率显著更高，这表明皮层连接比随机预期的更有可能是粘性的（Fig.5B）。此外，状态之间的转换不是均匀分布的，并且一些状态切换发生的频率高于随机水平（Fig.5C）。虽然在维持期间（除了突发抑制）观察到的四种状态最为一致，但前额-额叶连接度高的两种状态（状态5和6），以及额-顶叶连接度高的两种状态（状态7和8），彼此之间过渡的可能性更高（Fig.5D）。有趣的是，状态5和6切换到突发抑制的概率更高，而状态6，与前额-额叶连接相关，是退出突发抑制时最有可能的状态。
Fig.5 在异丙酚维持期间的连通性状态转变。
A.转换概率矩阵，每个非对角元素表示从给定行中的任意状态切换到给定列中的另一状态的概率，而对角线上的元素表示维持某一状态的概率。
B.相对于随机转换，皮质连接更有可能维持在一定的状态。左上：由N= 1000个替代数据生成的平均转移概率矩阵，该矩阵在维持状态出现率的同时，对时间顺序进行排列生成。左下：黑色元素表明，在所有状态下，状态的持续概率都高于随机转换。右：从替代数据中减去每个状态的均值后的显著的持久性概率。
C.一些状态间的转换更有可能，而不是随机的。左上：删除状态维持后，对保留时间序列随机置换生成的N=1000个替代数据的状态间转移概率的平均值。
左下：D.显著状态转换的图形化表征。黑色元素表示转移概率高于随机水平。右：从替代数据中减去状态间转移概率的平均值后的状态间转移概率。
一句话总结：
该研究证明尽管异丙酚麻醉手术水平稳定，但wPLI评估的功能连接是空间-频谱特异性和动态性的。额-顶叶和前额-额叶连接的复杂频谱动力学为全麻神经生物学提供了意见，并为监测脑状态的连接的实际应用提供了依据。
原文：
Li,D., Vlisides, P. E., Kelz, M. B., Avidan, M. S., & Mashour, G. A. (2019).Dynamic Cortical Connectivity during General Anesthesia in Healthy Volunteers. Anesthesiology: The Journal of the American Society of Anesthesiologists.
如需原文及补充材料，请关注后直接公众号发信息给我们
微信扫码即可关注思影科技
您的转发和推荐对我们都是巨大的帮助
欢迎浏览思影的课程以及数据处理业务介绍。（请直接点击下文文字即可浏览，欢迎报名与咨询）：
第十三届脑电数据处理班（南京，与脑电提高相邻）
第四届脑电信号数据处理提高班（南京，与十三届脑电相邻）
第二届脑电数据处理入门班（南京）
第三届眼动数据处理班（南京）
第二届脑磁图（MEG）数据处理学习班（南京）
第十七届功能磁共振数据处理基础班（南京）
第四届脑影像机器学习班（南京）
第九届磁共振脑网络数据处理班（南京）
第四届动物磁共振脑影像数据处理班（南京）
第五届磁共振ASL（动脉自旋标记）数据处理班
第六届磁共振脑影像结构班（重庆）
更新通知：第三届脑功能磁共振提高班暨任务态fMRI专题班
第十六届功能磁共振数据处理基础班（重庆）
第十八届功能磁共振数据处理基础班（重庆）
第五届脑影像机器学习班（重庆）
第八届磁共振弥散张量成像数据处理班（重庆）
思影数据处理业务一：功能磁共振（fMRI）
思影数据处理业务二：结构磁共振成像(sMRI)与DTI
思影数据处理业务三：ASL数据处理
思影数据处理业务四：EEG/ERP数据处理
思影数据处理服务五：近红外脑功能数据处理
招聘：脑影像数据处理工程师（南京)
