脑功能微状态分析MATLAB工具箱操作代码

导读

+microstate是一个用于脑功能微状态分析的MATLAB工具箱。它建立在以前的EEG微状态文献和工具箱的基础上，包括用于源空间微状态分析的算法。它包含用于在静息态和基于任务的数据中执行个体水平和组水平的脑微状态分析的代码；用于可视化和执行微状态序列统计分析的函数；新颖的高级统计方法，例如相关功能连接模式的统计检验、聚类置换ANOVAs和对响应刺激的微状态概率的χ2分析。+microstate集成了EEG/MEG工具箱，包括Fieldtrip、SPM、LORETA/sLORETA、EEGLAB和Brainstorm，并且包括用于大脑状态估计的已有工具包，例如隐马尔可夫模型(HMM-MAR)和独立成分分析(FastICA) 以帮助与这些技术进行直接比较。本文将提供用于微状态分析的 MATLAB 实时脚本。

前言

脑电图和脑磁图(EEG/MEG)是通过记录由电生理皮层活动产生的颅外电磁场来进行功能性神经成像研究的非侵入性工具。M/EEG在揭示支持健康认知和神经系统疾病的神经机制方面发挥了关键作用。近年来，人们对功能性大脑状态的概念产生了浓厚的兴趣，其特征是大脑皮层在快速过渡到不同状态之前保持稳定的激活或同步模式的离散数量。

在EEG文献中，EEG微状态分析已被证明是研究大脑功能状态的有用工具。EEG微状态分析涉及到由EEG记录的传感器空间电位(称为地图)的聚类空间地形，并将其分成少数离散的簇，这些簇可以解释大量数据的方差。此外，微状态对于理解健康认知、成长和衰老、阿尔茨海默病和其他痴呆症、精神分裂症和其他神经系统疾病很有意义。

然而，传统的EEG微状态流程可能不适合源重建的M/EEG数据。由于源重建允许对皮层水平的电生理数据进行解剖学解释，因此将微状态流程推广到源空间对于促进理解支撑大脑微状态的神经机制至关重要。过去文献中，源微状态的方法都进行了传感器空间微状态分析，然后旨在识别这些传感器空间微状态的神经源。然而，源重建传感器空间微状态的方法存在潜在的局限性。例如，由于皮层源投射到传感器空间中，整个皮层的信噪比不均匀，因此不同的大脑激活空间模式可能会产生相似的EEG传感器空间地形图，可能导致区分这些空间模式的灵敏度较低。

这里提供的+microstate，是一个开源的MATLAB工具箱，可用于在M/EEG传感器和源空间的微状态多模态分析。目前存在几个用于传感器空间EEG微状态分析的开源工具箱，例如 Cartool、BrainVision Analyzer插件和EEGLAB插件，但+microstate是唯一可用于源重建的微状态分析的工具箱。

（没有安装MATLAB的小伙伴可在后台si我，获得MATLAB软件包）

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删