《Brain Topography》：Topographic Reorganization of EEG Complexity During Visual Mental Imagery: Insights from Lempel-Ziv Complexity in High-Density EEG
编辑推荐：
视觉心理意象（Visual Mental Imagery）是在没有感觉输入的情况下重建感知体验的过程。研究人员对大脑如何执行这一过程了解甚少，特别是从传统线性脑电图（EEG）分析的角度。本研究旨在评估两种非线性EEG复杂度指标——Lempel-Ziv复杂性（L
视觉心理意象（Visual Mental Imagery）是在没有感觉输入的情况下重建感知体验的过程。研究人员对大脑如何执行这一过程了解甚少，特别是从传统线性脑电图（EEG）分析的角度。本研究旨在评估两种非线性EEG复杂度指标——Lempel-Ziv复杂性（LZC）和Higuchi分形维数（HFD）——是否能够区分感知与想象，以及是否能够作为心理意象神经可分离性的客观指标。研究人员从46名健康成年人执行PerceiveImagine范式（Li and Fan 2024）的62个头皮EEG通道中提取LZC和HFD，经过宽带Picard独立成分分析（ICA）分解（1–200 Hz），该分解用于使残留伪迹明确化而非去除成分，并结合边缘通道肌电图（EMG）监测进行伪迹控制。统计分析包括基于聚类的置换检验（Maris and Oostenveld 2007）、Hotelling T2和留一被试交叉验证（LOSO-CV）。宽带LZC地形在感知与想象之间存在差异（聚类p=0.005；Hotelling F=3.08，p=0.002，V=0.28）。LOSO-CV分类达到AUC=0.811（95% CI: [0.775, 0.847]）。分类器的AUC远超标签置换基线（t(45)=16.30，p<0.001）。先验的低伽马LZC假设未得到支持，枕叶感兴趣区（ROI）无显著差异（p=1.0，d= -0.13）。在头皮水平上，EEG复杂性特征与地形重分布而非全局幅度变化相关：想象表现为宽带LZC的相对后向-前部转移。由于这些模式是头皮记录的，它们表征了复杂性的空间分布，而非建立皮层源或信息流方向。客观解码置信度标签比本数据集中可用的（不变的）自我报告提供了更可用的训练信号，表明了未来用于意象质量索引的潜力，而非即时的转化准备。
**论文解读：视觉心理意象中EEG复杂性的地形重组——基于Lempel-Ziv复杂性的高密度EEG研究**
**一、研究背景与问题**
视觉心理意象（Visual Mental Imagery）是指在没有外部感觉输入的情况下，大脑内部重建感知体验的过程。这一过程涉及高级认知功能，对脑机接口、神经反馈和认知康复具有重要实践意义。然而，传统线性脑电图（EEG）分析（如频带功率）难以捕捉内源性神经过程的非平稳性和不规则性，导致对心理意象神经机制的理解有限。目前，心理意象研究面临一个核心测量问题：主观生动性评级（vividness rating）常作为唯一真实标签，但自我报告噪声大且跨会话不一致，缺乏客观、连续的度量指标。为此，研究人员引入两种非线性复杂度指标——Lempel-Ziv复杂性（LZC）和Higuchi分形维数（HFD），以评估它们能否区分感知与想象状态，并探索其作为心理意象神经可分离性客观指标的潜力。该研究发表在《Brain Topography》上。
**二、主要关键技术方法**
研究人员使用了来自PerceiveImagine公开数据集（OpenNeuro ds005697）的46名健康成年人（年龄23-30岁，无神经精神病史）的62通道头皮EEG数据。关键技术方法包括：（1）宽带Picard独立成分分析（ICA）分解（1-200 Hz），用于使残留伪迹明确化而非去除成分，结合边缘通道EMG监测（T7、T8、TP7、TP8、PO7、PO8）进行伪迹控制；（2）LZC和HFD特征提取：LZC经中位数二值化、LZ76解析和洗牌归一化，在7个频段（delta、theta、alpha、beta、低伽马、高伽马及宽带）计算；HFD采用滑动窗口（1秒窗口，0.1秒步长）和全epoch计算，k_max=64；（3）统计方法包括基于聚类的置换检验、Hotelling T2检验和留一被试交叉验证（LOSO-CV）的逻辑回归分类器。
**三、研究结果**
**H1：低伽马（30-60 Hz）LZC在枕叶感兴趣区（Oz, O1, O2, POz, PO3, PO4）的假设。** 基于聚类的置换检验未发现显著聚类（p=1.0），配对Cohen's d= -0.13，表明感知条件下低伽马LZC略高于想象，与假设方向相反。
**H2：低伽马LZC在高解码组与低解码组之间的差异。** 全通道聚类置换检验无显著聚类（p=0.169），独立样本合并Cohen's d= -0.397，未达显著且方向与假设相反，假设被拒绝。
**H3：前额叶HFD的条件×解码质量交互作用。** 线性混合效应模型交互项不显著（t=0.54，p=0.591，β=0.003），由于被试水平协变量限制，结果需谨慎解释。
**H4：宽带LZC地形在感知与想象间的差异。** 基于聚类的置换检验发现显著跨通道聚类（p=0.005）；Hotelling T2检验显示多变量显著性（F=3.08，p=0.002，Pseudo-Pillai V=0.28，中等效应）。地形分析表明，感知条件下复杂度均匀分布，而高解码想象条件下前额叶区域复杂度增加，低解码想象条件下右顶枕区复杂度显著降低且前额叶效应减弱，呈现后部-前部重分布模式。
**H5：LZC特征达到AUC>0.72的判别性能。** LOSO-CV分类器AUC=0.811（95% CI: 0.775-0.847），显著高于0.50机会水平。
**H6：高解码组的客观准确率高于低解码组。** 秩双列相关系数r_rb= -1.0（完全分离），由于两组基于同一解码指标的中位数分割定义，该结果仅为构造一致性检查。
**H7：被试内生动性评级与解码准确率的Spearman相关。** 因所有被试生动性评级恒定（3分），无法检验。
**H8：客观解码AUC超过置换基线AUC。** 配对t检验显示t(45)=16.30，p=8.35×10?21，Wilcoxon符号秩检验确认（W=1076，p<0.001），表明真实标签解码显著优于置换基线（基线AUC=0.500）。
**额外分析：LZC与HFD的关系及增量价值。** 宽带LZC与全epoch HFD的Pearson相关r=0.837（p<0.001），表明两者信息高度重叠但非完全冗余。不同特征集LOSO-CV比较：仅宽带LZC (62特征) AUC=0.811；多频段LZC (434特征) AUC=0.915；仅HFD (186特征) AUC=0.944；LZC+HFD (620特征) AUC=0.962。HFD单独优于LZC，但增加幅度有限。
**四、讨论与结论**
**讨论部分总结：** 伽马频段零结果（H1和H2未获支持）表明，在严格控制肌电伪迹（宽带ICA+边缘通道EMG监测）的条件下，预期的伽马频段LZC升高并未出现，提示先前部分报告可能受肌源性污染影响。LZC量化的是宽带不规则性，而非相位相干性，因此不适合检测“绑定”的相位同步方面。H4的正向发现——宽带LZC地形的后部-前部重分布——与预测编码框架一致，即想象涉及前额叶加权生成动力学，调节后部感觉皮层活动。但头皮EEG无法确定皮层源或信息流方向，该梯度仅描述复杂性在头皮上的集中位置，不能直接证明逆向皮层信号。LOSO-CV分类器AUC=0.811表明交叉被试水平上的状态可分离性，但需独立数据集复制验证。HFD与LZC高度相关，部分互补，但增量价值有限。
**结论翻译：** 研究人员报告了一项基于单公开数据集46名参与者视觉心理意象的描述性、可复现的头皮EEG复杂性分析。先验假设涉及低伽马LZC升高；预测的伽马频段效应未出现，报告为零结果。正向发现是感知与想象之间宽带LZC的显著地形重分布（聚类p=0.005；Hotelling T2 p=0.002，V=0.28）。LZC特征以AUC=0.811（95% CI: 0.775-0.847）对认知状态进行分类，且客观解码标签以决定性证据（t(45)=16.30，p<0.001）超越机会基线。这些发现将心理意象重新定义为涉及大规模地形复杂性重分布，这种模式在非线性神经动力学视角下与预测编码解释一致，但头皮水平数据本身无法建立潜在的皮层机制。
