基于多尺度符号传递熵的视觉运动想象脑电有效连接发现及其神经机制研究

《Scientific Reports》：Discovery of EEG effective connectivity during visual motor imagery with multi-scale symbolic transfer entropy

本研究针对视觉运动想象（VMI）神经机制不明确的问题，采用多尺度符号传递熵技术分析EEG有效连接网络。研究发现VMI主要诱发顶枕区alpha和高beta波段事件相关同步（ERS），并首次揭示不同想象手（左/右手）和想象视角（第一人称视角1pp/第三人称视角3pp）对信息流向的调节作用：1pp增强枕叶自上而下调制，3pp激活右后顶叶空间定位处理。该成果为VMI在脑机接口和运动康复领域的应用提供了新的电生理证据。

　　

当我们闭上眼睛想象自己挥手打招呼时，大脑中正上演着一场精密的神经活动交响乐。这种被称为运动想象（Motor Imagery, MI）的能力，不仅是人类认知功能的重要组成部分，更成为脑机接口（Brain-Computer Interface, BCI）和运动康复领域的热点研究方向。然而，在运动想象的家族中，视觉运动想象（Visual Motor Imagery, VMI）——即通过视觉化方式想象动作的过程——长期以来生活在动觉运动想象（Kinesthetic Motor Imagery, KMI）的阴影下。

动觉运动想象要求想象者感受肌肉收缩的感官体验，而视觉运动想象则更像是"在脑海中观看电影"，从第一人称视角（1pp）或第三人称视角（3pp）观察自己的动作。尽管VMI具有训练成本低、操作灵活等优势，但其背后的神经机制，特别是不同想象手和想象视角如何影响大脑网络的信息流动，始终是未解之谜。传统研究多聚焦于运动皮层，采用基于线性假设的分析方法，这可能无法完全捕捉VMI的非线性动态特征。

为了揭开VMI的神经神秘面纱，周浩波（Haobo Zhou）与Keiji Iramina在《Scientific Reports》上发表的研究，创新性地采用多尺度符号传递熵（multi-scale symbolic transfer entropy）方法，对VMI过程中的脑电（EEG）有效连接网络进行了深入探索。这项研究不仅回答了VMI是否具有独特的脑电特征这一基础问题，更揭示了不同任务条件下大脑网络信息流向的精细调控机制。

研究方法上，研究团队招募17名右利手健康受试者，通过视频线索引导完成不同手（左/右手）和不同视角（1pp/3pp）的VMI任务。采用64导脑电系统记录数据，经过预处理后聚焦于C3、C4、P5、P6、O1、O2六个关键电极点。通过时间频率分析考察事件相关同步/去同步（ERS/ERD）现象，并运用多尺度符号传递熵构建有向连接网络，通过节点度（node degree）分析量化网络特征。

时间频率分析显示，在所有实验条件下，想象开始后约1秒均出现显著的alpha波段（8-13 Hz）事件相关同步（ERS），并持续至任务结束。同时观察到相对较弱的高beta波段（20-30 Hz）ERS。与KMI研究中常见的ERD现象不同，VMI表现出持续的同步化活动，表明其神经机制与强调运动感觉的KMI存在本质差异。

连接网络分析通过多尺度符号传递熵揭示了VMI的核心网络特征。在alpha波段（尺度因子4和16）和高beta波段（尺度因子3和8）均观察到顶枕网络内部存在主导性信息流，特别是同侧顶下小叶与枕叶之间（P5-O1和P6-O2）的强连接。

节点度分析进一步量化了各脑区的网络参与度。运动区电极C3和C4表现出显著的对侧主导信息流模式，而枕叶电极O1和O2在所有条件下均以对侧信息传递为主。顶叶电极在不同尺度和频带下呈现动态变化的信息流模式，体现了多尺度分析在捕捉神经动态复杂性方面的优势。

手效应分析发现，在alpha波段两个尺度下，左手想象组在P5-C4间的信息流显著强于右手组，且方向随尺度变化而反转。在高beta波段，左手想象组在C4与其同侧顶枕区间的信息流更强，表明想象手的不同调制了运动相关过程对后部脑区的视觉/空间注意调节。

视角效应分析揭示了更为显著的差异。在alpha波段大尺度（尺度16）下，1pp想象显著增强了前向后部的信息流，包括从双侧C、P节点到同侧O节点的连接，体现了增强的自上而下调制。而在高beta波段，3pp想象在右后顶叶至枕叶的信息流更强，表明右后顶叶在外部视角下通过基于注意的空间定位独特调制枕叶活动。

研究结论表明，视觉运动想象的神经机制显著区别于动觉运动想象，主要表现为顶枕网络而非运动网络的主导作用。多尺度符号传递熵方法有效揭示了不同时间尺度下VMI连接网络的动态特性，其中想象手主要调节运动区与后部脑区的交互，而想象视角则影响更高级的认知处理策略。1pp想象增强枕叶的自上而下调制，涉及运动区和后顶叶的直接与间接任务相关调节；而3pp想象依赖右后顶叶的空间定位功能，这两种不同的神经策略为VMI在脑机接口和康复医学中的个性化应用提供了理论依据。

该研究的创新性在于首次将多尺度非线性分析方法应用于VMI脑电连接网络研究，突破了传统线性方法的局限，揭示了不同任务参数下大脑信息流向的精细调控模式。这些发现不仅深化了对视觉运动想象神经机制的理解，也为开发基于VMI的脑机接口系统提供了重要的生物标志物和设计指导。未来研究可结合高密度脑电与功能磁共振成像技术，在全脑尺度上进一步探索VMI的大规模网络动力学，推动其在临床康复和人类增强领域的应用。