【作者】胡巧莉

上海交通大学生物医学工程系，上海，200240

抑郁症是由多种原因引起的、以与处境不相称的显著而持久的情绪低落为临床特征的一种情感障碍症[1]。抑郁症患者在自杀人群中占高达80%的比例。随着社会竞争愈发激烈，抑郁症的发病率成上升趋势，严重影响了人们的生活品质。因此，从多角度对抑郁症进行更加深入和更为全面的研究，是十分必要的。传统的定量EEG分析方法表明，抑郁症患者相对于正常人来讲，α波(8-12 Hz)、β波(13-30 Hz)增强，δ波(0.5-4 Hz)减弱[2,3]。但是传统的定量EEG分析方法研究的只是某个区域的信息，不能有效地研究大尺度皮层之间的相互关系。

近年来，相位同步分析方法由于能分析大尺度皮层区域的相关性，受到越来越多的重视。相位同步分析将幅度和相位信息分离，仅考虑相位信息，因此对信号的平稳性要求不高。虽然在精神分裂症、癫痫、帕金森疾病[4-6]方面已经有一些有价值的关于皮层同步网络方面的研究结果，但是很少有将相位同步用来研究抑郁症患者的神经同步关系。本文应用相位同步分析方法，研究抑郁症患者多通道EEG信号的皮层同步性关系。由于抑郁症患者主要是额叶皮层发生结构性改变[7-9]，因此本文主要分析β波(13-30 Hz)频段的EEG信号，用相位同步方法研究抑郁症组和正常组在安静状态和认知状态下半球额叶皮层的相互关系的差异。

1 方法

1.1 实验对象

本文报告的28名被试者，其中14名为抑郁症患者，是上海市精神卫生中心的门诊病人，符合CCMD-3(F32)（中华精神科学会，2001）和ICD-10抑郁症诊断标准，年龄在20～65周岁之间(平均年龄37.1±12.2周岁)，男/女=6/8，实验前10天未服用任何药物；另外14名为无任何精神病史的正常对照组，年龄在23～58周岁之间（平均年龄37.3±10.8周岁），男/女=4/10。他（她）们均为右利手。所有被试在实验前被详细告知实验目的和实验内容，并自愿签署同意书。

1.2 EEG记录及数据预处理

整个实验在电磁屏蔽室进行，使用16导EEG采集系统(Sunray LQWY-N, 广州，中国)。根据国际10/20头皮电极放置系统记录16导头皮脑电信号（Fp1、Fp2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5和T6），以耳垂处电极作为参考电极。采集系统采样率为100 Hz，A/D转换精度为12 bit。

两组被试者均参与两项实验：(a) 安静闭目休息；(b)闭眼心算连减。被试者先安静闭目休息5分钟后，再进行心算连减。在心算连减中，被试者从100默减，每次减7，直至得到一个小于7的自然数。若被试者报出的结果为2，认为顺利完成了该项任务，否则认为任务执行失败。

数据获取后，由经验丰富的脑电图医师目视去除伪迹后，采用带通滤波器得到[0.5 Hz，30 Hz]频段的EEG信号。因为噪声和伪迹的干扰，部分通道数据伪迹较多的被试者被剔除，最后选用了16通道上数据记录均较好的 EEG数据进行相位同步分析，数据长度选取2048点。本文主要研究β波在前额皮层和顶叶皮层的相互关系，也即电极 Fp1、Fp2、F3、F4、F7、F8、C3、C4、T3和T4 测得的信号分析。

1.3 数据的相位同步分析方法

在物理学上，同步的概念是在17世纪由Huygens通过两个耦合的无摩擦谐波振荡器给出的。近年来，脑动力学分析表明神经网络之间可能存在相位同步，因此在神经网络中的应用日趋增多。

相位同步(Phase Synchronization)描述的是两个信号之间相位的关系。相同步指数是一个归一化的参数，描述变量对之间的相互关系，它在描述神经网络和大尺度的神经活动整合的同步结构中非常有用[10,11]。相同步指数数学公式描述如下所述：

给定一个连续时间信号x(t) ，首先定义一个解析信号[12]：

同理，对于连续时间信号 y(t)：

如果x, y解析信号的相位差满足：

1.1 研究对象 先证者出生时临床表现为头发根部发白，发梢淡黄；3个月时整根头发白中带淡黄色，眉毛白色，睫毛白色，眼球水平震颤。父母否认双方家族存在其他患者，父母本人表型均正常，非近亲婚配，否认孕期存在用药史或不良环境接触史。本研究经广东省妇幼保健院医学伦理委员会批准，所有基因诊断工作均取得患者家属的同意并签署知情同意书。

且n、m是整数而且是有界的，那么就称x, y是n:m相位同步的[13]。在神经生理信号中，研究最多的是1:1相位同步[14-16]。

对于每个被试者的10个电极，将得到45对电极对之间的相位同步指数，这些相位同步指数的均值被定义为全局相同步(Global Phase Synchronization, GPS)指数，用以衡量整个额区和顶叶皮层的相互关系程度。左半球5个电极(Fp1、F3、F7、C3、T3)将得到10对电极对之间的相同步指数，其均值定义为左半球相同步(Left hemispheric phase synchronization, LHPS)指数； 右半球5个电极(Fp2、F4、F8、C4、T4)之间10对电极对的相同步指数均值被定义为右半球相同步(Right hemispheric phase synchronization, RHPS)指数；而半球之间25对电极对的相同步指数均值被定义为半球之间相同步(Inter-hemispheric phase synchronization, IHPS)指数。

1.4 统计分析

采用统计分析软件SPSS 15.0，对结果进行双尾T检验。数据以均值 标准偏差形式给出，其中，*P＜0.05表示存在显著差异，**P＜0.01表示存在非常显著差异，而***P＜0.001表示存在特别显著性差异。各统计分析结果如图1所示。

图1 前额皮层和顶叶皮层区域 β 波相同步指数：(a)全局区域；(b)半球之间；(c)左半球区域；(d)右半球区域Fig.1 Phase Synchronization of β-waves at frontal and parietal cortex:(a) Global network; (b) Inter-hemispheric area; (c) Left intra-hemispheric area;(d) Right intra-hemispheric area

2 结果

从图1(a)中可以看出，在闭眼和心算两种状态下抑郁症患者的全局相同步指数GPS都小于正常组，存在特别显著性差异(P＜0.001)。可见抑郁患者神经网络的同步性严重下降，这个指标可以很好的区分正常组和抑郁症组。另外，当执行心算任务时，正常组的GPS相对于闭眼时存在显著性差异(P＜0.05)；而抑郁症组在执行心算任务下的GPS相对于闭眼时则存在特别显著性差异(P＜0.001)。

图1(b)表示的是半球之间皮层的相互关系。类似的在闭眼和心算两种状态下抑郁症患者的相同步指数IHPS与正常组存在非常显著差异(P＜0.01)。当执行心算任务，正常组IHPS相对于闭眼时存在显著性差异(P＜0.05)；而抑郁症组则存在特别显著性差异(P＜0.001)。

图1(c)表示的左半球皮层的相互关系。从图中可以看出，闭眼时正常组和抑郁症组相同步指数LHPS存在非常显著性差异(P＜0.01)；而心算时则存在特别显著性差异(P＜0.001)。但是心算时正常组的LHPS相对于闭眼则无显著性差异，而抑郁症组则存在显著性差异(P＜0.05)。

图1(d)表示的是右半球皮层之间的相互关系。从图可以看出，抑郁症组的相同步指数RHPS略小于正常组，但是两种状态下都不存在显著性差异。同样的正常组和抑郁症组在两种状态下RHPS差异也不大，不存在显著性差异。

3 讨论

研究表明，抑郁症患者前额叶认知功能缺陷导致了额叶执行功能缺陷[17]、[18]，而且MRI显示抑郁症患者的额区较小且与认知操作能力相关[19]。这些研究都表明，额区功能障碍是抑郁症认知操作能力损害的主要原因。我们研究显示抑郁症患者额区和顶叶皮层全局相同步指数显著差异于正常组，这从另一侧面印证了以前的研究结果。

心算有赖于大脑多个脑区的共同参与[20]，尤其是额叶皮层和顶叶皮层[20-22]，并且大脑左半球在心算过程中起主要作用，但随着心算难度加大，右半球的作用相对增强[23]。而我们的分析表明正常组和抑郁症组在闭眼和心算状态下右半球相同步指数没有显著性差异，可能是因为该心算任务相对简单，右脑相关功能区没有得到很好地激活。

对半球之间相位同步指数研究发现，抑郁症组相对于正常组有非常显著性差异，这说明了患者相对于正常组半球之间相互关系明显减弱。

相位同步处理方法，相对于传统的定量EEG分析方法有其优越之处，它可以分析大尺度皮层区域之间的相互关系，目前还没有见到将此方法用于抑郁症研究的报道。本文的结论表明，相位同步分析方法能够很好地解释（相对于健康对照组），抑郁症患者的脑电相位同步性的变化特征。

结果表明，正常组和抑郁症患者组在闭眼和心算下全局相同步指数、左半球相同步指数和半球之间相同步指数都存在显著性差异，这些都符合以往的研究结果。同时，抑郁症患者的同步性降低，很好的说明了患者的对应皮层神经网络同步性发生了改变，尤其是左半球和半球之间的联系。

[1]Den Hartog, H.M, et al.Cognitive functioning in young and middle-aged unmedicated out-patients with major depression:testing the effort and cognitive speed hypotheses[J].Psychological Medicine, 2003, 33(8): 1443-1451.

[2]Yamada, M, et al.EEG power and coherence in presenile and senile depression.Characteristic findings related to differences between anxiety type and retardation type[J].Nippon Ika Daigaku Zasshi, 1995, 62 (2): 176-185.

[3]Henriques, J.B.and R.J.Davidson.Left frontal hypoactivation in depression[J].J Abnorm Psychol, 1991, 100(4): 535-45.

[4]Bob, P, et al.EEG phase synchronization in patients with paranoid schizophrenia[J].Neuroscience Letters, 2008, 447(1): 73-77.

[5]Hammond, C, H.Bergman, and P.Brown.Pathological synchronization in Parkinson's disease: networks, models and treatments[J].Trends in Neurosciences, 2007, 30(7): 357-364.

[6]Lehnertz, K.and C.E.Elger.Can epileptic seizures be predicted?Evidence from nonlinear time series analysis of brain electrical activity[J].Physical Review Letters, 1998, 80(22): 5019-5022.

[7]Botteron, K.N, et al.Volumetric reduction in left subgenual prefrontal cortex in early onset depression[J].Biol Psychiatry,2002, 51(4): 342-344.

[8]Drevets, W.C, et al.Subgenual prefrontal cortex abnormalities in mood disorders[J].Nature, 1997,386(6627): 824-827.

[9]Rajkowska, G, et al.Morphometric evidence for neuronal and glial prefrontal cell pathology in major depression[J].Biol Psychiatry, 1999, 45(9): 1085-1098.

[10]Varela, F, et al.The brainweb: Phase synchronization and largescale integration[J].Nature Reviews Neuroscience, 2001, 2(4):229-239.

[11]Ito, J, A.R.Nikolaev, and C.van Leeuwen.Spatial and temporal structure of phase synchronization of spontaneous alpha EEG activity[J].Biological Cybernetics, 2005, 92(1): 54-60.

[12]Quian Quiroga, R, et al.Performance of different synchronization measures in real data:a case study on electroencephalographic signals[J].Phys Rev E Stat Nonlin Soft Matter Phys, 2002, 65(4 Pt 1): 041903.

[13]Rosenblum, M.G, A.S.Pikovsky, and J.Kurths.Phase synchronization of chaotic oscillators[J].Phys Rev Lett, 1996,76(11): 1804-1807.

[14]Angelini, L, et al.Steady-state visual evoked potentials and phase synchronization in migraine patients[J].Phys Rev Lett, 2004,93(3): 038103.

[15]David, O, D.Cosmelli, and K.J.Friston.Evaluation of different measures of functional connectivity using a neural mass model[J].Neuroimage, 2004, 21(2): 659-673.

[16]Quiroga, R.Q, J.Arnhold, and P.Grassberger.Learning driverresponse relationships from synchronization patterns[J].Physical Review E, 2000, 61(5): 5142-5148.

[17]Austin, M.P, et al.Cognitive function in depression: a distinct pattern of frontal impairment in melancholia?[J].PsychologicalMedicine, 1999, 29(1): 73-85.

[18]Fossati P, A.G, Raoux N.Excutive functioning and verbal memory in young patients with unipolar depression and schizophrenia [J].Psychiatry Research, 1999, 89(3): 171-187.

[19]P, H, Brain Imaging in Affective Disorder 1st.ed [J].Washington:American Psychiatry Press Inc, 1991: 1-42.

[20]Burbaud, P, et al.A functional magnetic resonance imaging study of mental subtraction in human subjects[J].Neuroscience Letters,1999, 273(3): 195-199.

[21]Chen, F.Y, et al.Neural correlates of serial abacus mental calculation in children: A functional MRI study[J].Neuroscience Letters, 2006, 403(1-2): 46-51.

[22]Zago, L, et al.Neural correlates of simple and complex mental calculation[J].Neuroimage, 2001, 13(2): 314-327.

[23]刘昌.青老年组不同难度下心算活动的脑功能磁共振成像研究[J].心理科学, 2005, 28(4): 845-848.