利用 SPM 软件分析颅内脑电图数据的神经活动和连接性

这种方法可以帮助回答认知神经科学领域的关键问题。该技术的主要优点是，它可以分析高空间时间演化的神经活动和连通性。要开始分析颅内 EEG 数据，请设置 SPM12 并选择 MEG EEG 分析菜单。

首先，使用基于预定义参数的连续小波分解与 Morlet 小波，对每个试验的预处理颅内 EEG 数据执行时间频率分析。为了揭示光谱成分的时间演化，使用七周期莫莱特小波进行小波分解，整个周期为1000至2000毫秒，使用4至300赫兹的频率范围。接下来，确定母波和周期数，并注意周期数控制时频分辨率，并且应大于 5 以确保估计稳定性。

确定时间和频率范围。然后自动裁剪生成的时间频率贴图以删除边缘效果。在这里，地图以 200 到 500 毫秒的间隔进行裁剪。

如果需要，执行数据转换和基线校正，通过选择时间频率重新缩放的时间频率映射，以更好地可视化与事件相关的功率变化并提高正态性。接下来，将时间频率图转换为二维图像。也顺利地使用高斯内核与预定义的全宽半最大值，以补偿主体间的变异性，并符合随机场理论的假设。

现在，选择在 SPM 菜单中指定第二级，然后输入要分析的 2D 图像。然后通过选择模型估计运行一般线性模型。最后，选择结果，对基于随机场理论的时间频率数据进行统计推理。

使用预定义的阈值（如此处看到的阈值）检测显著激活的时间频率群集。通过在 SPM 菜单中选择 DCM 开始动态因果建模分析。然后选择 IND 选项并选择新数据以导入预处理的颅内 EEG 数据。

接下来，使用 MEG EEG 菜单指定感兴趣的时间窗口、感兴趣的频率窗口、将使用的波子周期数、感兴趣的条件和条件的对比度。将时间窗口设置为 1 到 500 毫秒。在一个赫兹的步长中使用 4 到 100 赫兹的五周期莫莱特小波。

使用小波循环的默认设置。根据研究兴趣确定时间频率范围。请注意，在计算过程中，可以自动使用具有额外 512 毫秒的时间窗口来删除边缘效果。

基于DCM框架，定义表示神经状态感觉输入的驱动输入和体现神经状态之间基线连接的内在连接。此外，通过空模型和假设模型的实验操作，定义对内在连接的调节效应。将调制类型定义为线性或非线性。

现在指定内在线性和非线性连接、驱动输入和调制输入。如有必要，修改相关参数的默认设置，如之前的刺激启动时间和持续时间。然后选择反转 DCM 以估计模型。

之后，选择将结果保存为图像以保存频率调制耦合参数图像。接下来，通过选择 BMS 来确定最佳网络模型，进行随机效应贝叶斯模型选择分析。使用模型预期概率和加入概率作为评估指标。

然后使用中标模型参数对调制连接的交叉频率模式进行推论。现在，通过选择转换为图像来平滑模态耦合参数图像。然后使用指定第二级执行一般线性模型分析。

最后，选择结果以计算 2D SPMT 值。在这里，全宽半最大值设置为 8 赫兹，并使用 P 小于 0.05 的未校正高度阈值对显著值进行探索性识别。进行了时间频率分析，以调查在处理阶段期间劣质腹体陀螺或 IOG 活动的时间和频率特征。

在这里，我们看到直立相位和直立马赛克条件正确的 IOG 活动的时间频率图。还显示了直立相位与直立镶嵌的 SPMT 数据。此处显示了功能网络模型。

调查了直立相与直立马赛克在 IOG 和杏仁核连接上的八种可调制输入组合，以及每个区域的自连接。此处显示了 IOG 与杏仁核与杏仁核与杏仁核与 IOG 调制的频率-频率调制耦合参数和 SPMT 值。红黄区域表示显著的兴奋性连接，而蓝-青色区域表示抑制性连接性。

观看此视频后，您应该对如何分析颅内 EEG 数据以使用 SPM 软件检测神经活动和连接性有一个良好的了解。