癫痫发作起始和终止期间的显著非线性特征

《Brain Topography》：Pronounced Nonlinear Traits at Epileptic Seizure Onset and Offset

　　

由大量动力学单元（如人脑）组成的复杂系统，其动力学的突然定性变化受非线性过程支配。这种现象的典型例子是局灶性发作的围发作期转变。然而，从短数据段中可靠提取非线性特征是一项高度非平凡的任务。研究人员应用了一种最近引入的非线性信号分析方法，该方法既不需要任何类型的相空间重构（例如估计李雅普诺夫指数或关联维数所需），也不需要估计概率密度（这是基于信息论如互信息的度量所必需的）。该方法完全由数据驱动，能以高灵敏度检测确定性的特征，区分规则、混沌和随机动力学，并以其极高的时间分辨率著称。通过使用双窗口方法，该方法提供了时频分辨率，能够可视化非线性过程沿频谱的时间演变，而无需事先进行带通滤波。研究人员将该指数应用于来自不同机构的37例颞叶癫痫患者的100次颅内EEG记录。研究人员的假设是：癫痫发作的突然转变和发作终止时的突然定性变化是通过非线性过程发生的，而发作期主要由线性自相关主导，后者负责传播癫痫活动并维持发作期动力学。当选择靠近或在发作起始区（SOZ_SOZ）内的电极时，研究人员在所有病例中观察到，在专家视觉检测到癫痫发作之前的几秒内，出现了明显的非线性确定性特征。发作终止以及发作后立即期也以明显的非线性特征为特征，而在发作期间几乎检测不到显著的非线性特征。本研究揭示了导致癫痫发作的非线性动力学，并为分析发作间期与发作前间隔、发作终止与发作后时期之间的比较开辟了新视角。

**研究背景、问题与意义**
人脑由约10¹¹个神经元组成，每个神经元与10³至10⁴个其他神经元连接，形成极其稀疏但高效的网络。信息处理依赖于大量神经元时空同步活动的精细协调，这种协调似乎由覆盖整个系统的线性互相关稳定框架控制。然而，突然的定性动力学变化（如分岔、混沌转变）受非线性过程支配。癫痫发作的围发作期转变是验证这一假设的理想模型，但可靠地从短数据段中提取非线性特征面临挑战：传统方法（如相空间重构、信息论度量）对非平稳、高维、噪声数据敏感，且需要替代数据检验，存在局限性。因此，需要一种对线性相关不敏感、无需相空间重构、能高时间分辨率检测非线性特征的方法。本研究旨在应用新方法J-index，揭示癫痫发作起始和终止时的非线性动力学，并提出时频解析图景。

**主要技术方法**
研究人员采用基于傅里叶相位的J-index方法，该方法完全数据驱动，无需相空间重构或概率密度估计。通过双窗口滑动分析：时间窗口6秒（步长0.04秒），频率窗口5 Hz（步长0.33 Hz），覆盖1–58 Hz范围。J-index通过计算两个颅内EEG电极信号傅里叶相位序列的角差相关性，量化动力学不规则性（规则、混沌、随机）。数据集来自哥伦比亚神经病学研究所（16例患者，36次发作）和OpenNeuro开放数据库（21例患者，64次发作），共37例颞叶癫痫患者的100次颅内EEG记录（包括立体脑电图sEEG和皮层脑电图ECoG），采样率统一为250–256 Hz。由专家选择靠近发作起始区（SOZ）的电极对进行分析。

**研究结果**
（1）**发作起始时J-index的显著特征**
在100次记录中，所有病例均在视觉检测到癫痫发作前数秒（平均2–4秒）出现J-index的显著爆发（seizure onset burst）。时频图显示深蓝色区域（低J值，指示规则或混沌动力学），覆盖1–58 Hz全频段。宽带估计中J值降至0.3–0.6，提示混沌动力学。该爆发在发作前达到最小J值，随后迅速上升，发作期J值接近1（无显著非线性特征）。部分病例在发作前还观察到短暂微事件（micro events），持续时间约1秒。

（2）**发作终止时的非线性特征**
在发作终止时，J-index再次出现显著下降，尤其在较高频率区域（深蓝色）逐渐增强，并在发作终止和发作后立即期持续。平均时频图显示，发作终止前J值系统性降低，终止后保持低值。宽带估计表明J值在发作终止时急剧下降，指示非线性过程主导了定性变化，且与先前报道的线性互相关增强现象共存。

（3）**发作期特征**
在整个发作期内，J-index几乎无显著非线性特征，表明发作期主要受线性自相关控制，负责传播和维持癫痫活动。

**讨论与结论**
讨论部分指出，J-index基于傅里叶相位，能够高灵敏度检测短时非线性确定特征，且不受线性相关影响。发作起始前的非线性爆发（可能为混沌动力学）是触发癫痫发作的机制，而发作终止时的非线性特征与全局集体性现象（如慢波同步）相关。局限性包括：仅考虑相位序列，未考虑相位-幅度相关性；仅使用SOZ附近电极，缺乏空间全景；未分析线性与非线性特征的相互作用。未来研究可探索微事件频率变化、不同频段非线性特征的空间分布，以及J-index在其他病理或认知过程中的应用。

**研究结论翻译**：因此，本研究证明J-index不仅对研究癫痫发作有用，而且对研究其他病理或与认知过程相关的问题也可能有益。