《Brain Topography》：Improved Somatotopic Consistency of EEG Source Localization Using a Personalized Segmentation-Free Head Model
编辑推荐：
体感诱发电位（Somatosensory Evoked Potentials, SEPs）被广泛用于评估体感通路及中枢神经系统的反应，然而基于脑电图（Electroencephalography, EEG）的溯源定位空间分辨率受限。本研究旨在探讨个性化无分割头
体感诱发电位（Somatosensory Evoked Potentials, SEPs）被广泛用于评估体感通路及中枢神经系统的反应，然而基于脑电图（Electroencephalography, EEG）的溯源定位空间分辨率受限。本研究旨在探讨个性化无分割头模型结合稀疏逆求解器是否能够在无需功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）或脑磁图（Magnetoencephalography, MEG）的情况下解析手指级别的体感拓扑。16名健康志愿者接受正中神经、尺神经及单指电刺激，同时采用65导EEG记录SEPs。研究人员利用高分辨率磁共振成像（Magnetic Resonance Imaging, MRI）为每位受试者构建传统组织分割头模型和无分割头模型。前向场计算采用有限差分法（Finite Difference Method, FDM），P20/N20源估计采用正交匹配追踪（Orthogonal Matching Pursuit, OMP）。定位差异通过与文献报道的fMRI参考坐标的距离进行评估，并与基于标准有限元法（Finite Element Method, FEM）结合分布式逆解的流程进行比较。结果表明，无分割模型相对于文献参考坐标的定位差异最大减少2.9 mm，在所有刺激目标中，源位置差异（10–15 mm）与或小于传统流程的结果。手指刺激显示从拇指到小指存在清晰的体感拓扑进展。这些发现表明，个性化无分割建模提高了多体感目标的EEG溯源定位空间一致性，并非意味着EEG空间分辨率的本质提升，而是凸显了前向模型优化在减少系统性定位偏差中的作用，并为初级体感皮层的无创体感拓扑评估提供了可行途径。
研究背景方面，体感诱发电位（SEPs）是外周神经刺激后大脑皮层产生的电信号反应，已广泛应用于术前脑疾病诊断及神经通路功能完整性评估。脑电图（EEG）具有毫秒级时间分辨率，但空间精度较低，受限于逆向问题的多重解特性。传统前向模型常将头部简化为球体或少数均匀组织类型，忽略了脑脊液（Cerebrospinal Fluid, CSF）、血管及各向异性组织的异质性，导致颅内电场模拟不准确。近年来，基于MRI的无分割体素级电导率估计方法避免了显式组织分割带来的边界伪影，提高了物理真实度。然而，多数研究仅针对单点刺激，尚未在多目标刺激条件下验证其能否解析精细的体感拓扑。
研究人员在《Brain Topography》发表的工作，以16名健康成年志愿者为样本，采集正中神经、尺神经及五指的电刺激诱发SEPs，结合个性化无分割头模型与稀疏逆求解器，系统评估其在多目标体感定位中的空间一致性。主要关键技术方法包括：① 使用65导EEG按国际10/10系统记录SEPs，刺激强度依据运动阈值或感觉阈值调整；② 基于高分辨率T1与T2加权MRI构建两种头模型——传统分割模型（13种组织均质电导率）与无分割模型（CondNet-TART卷积神经网络估算体素级电导率分布）；③ 采用标量势有限差分法（Scalar-Potential Finite-Difference, SPFD）求解前向电场；④ 利用正交匹配追踪（OMP）算法进行稀疏源定位，并与Brainstorm工具箱中的有限元模型（FEM）+标准化低分辨率电磁断层成像（standardized Low-Resolution Electromagnetic Tomography, sLORETA）结果比较。
研究结果部分，首先在“估计精度”方面，研究人员发现无分割模型在所有刺激条件下的定位差异均小于分割模型，最大减少2.9 mm；与FEM+sLORETA相比，除无名指外，其余目标定位差异均更小，分割模型表现居中。外周神经刺激的定位差异比手指刺激小约1–5 mm，但总体影响有限。其次在“估计源的体感拓扑组织”方面，五指刺激结果显示冠状面上源位置从外侧（拇指）向内侧（小指）连续迁移，相关分析显示沿x轴（R=0.951, p<0.05）和z轴（R=0.976, p<0.05）均呈显著线性关系，证明EEG可解析手指级体感拓扑。所有手指的估计源深度均略深于fMRI参考坐标，可能与刺激强度引发的不同皮层区（3a与3b）激活有关。
讨论部分指出，本研究的贡献在于验证了无分割体素电导率建模在多目标体感刺激中的空间一致性提升作用，而非单纯提高绝对定位精度。这种提升源于减少了人工边界效应，改善了前向矩阵的病态性。尽管深度偏差仍存在，但结果支持在无创条件下实现初级体感皮层的精细体感拓扑映射，为临床术前感觉功能区定位、康复监测及脑机接口解码策略提供了新的技术路径。
结论部分翻译如下：本研究证明，个性化无分割头模型结合OMP逆求解器可实现体感诱发电位的空间一致性脑电溯源定位。无分割方法通过提供体素级异质电导率分布，减少了组织界面的不连续性，降低了多目标刺激下的定位差异。据研究人员所知，这是首次展示无分割前向模型能够基于EEG重现初级体感皮层体感拓扑的研究。手指刺激的估计源呈现从外侧到内侧、从上方到下方的连续进展，与已知皮层表征一致，表明该方法可在无创条件下解析精细体感拓扑。这些发现凸显了无分割建模在空间一致的 electrophysiological source imaging中的应用潜力。未来研究应扩大样本量并优化刺激方案，以提升其在临床与神经生理学中的适用性。
