搜尋其他主題…

腦電圖(EEG)中的平均導聯:一年級學生指南

透過快速設置、針對彈性現場部署進行優化的的高密度無線電極陣列,加速您的分析性腦波圖(EEG)時程。

透過快速設置、針對彈性現場部署進行優化的的高密度無線電極陣列,加速您的分析性腦波圖(EEG)時程。

腦電圖(EEG)絕不會錄到頭皮上單一點的「純粹」訊號。技術人員在螢幕上看到的每一個電壓,都是記錄電極與該電極所對比的任何參考點之間的差值。

這一事實是學習看腦電圖軌跡的學生產生大量困惑的根源,因為根據所選擇的參考方案不同,同一個潛在的大腦活動看起來可能截然不同。

在臨床和研究環境中最常用的方案之一是平均導聯,有時稱為共用平均參考。學會識別這種導聯的優勢,以及它在何處會悄悄誤導缺乏經驗的讀者,是第一年學生可以培養的較實用技能之一。

透過快速設置、針對彈性現場部署進行優化的的高密度無線電極陣列,加速您的分析性腦波圖(EEG)時程。

透過快速設置、針對彈性現場部署進行優化的的高密度無線電極陣列,加速您的分析性腦波圖(EEG)時程。

什麼是腦電圖(EEG)中的平均導聯(Average Montage)?

平均導聯並非將每個電極的電壓與單一固定點進行比較,而是與記錄中所有電極的瞬時數學平均值進行比較。在每個時間點,軟體會將所有活耀通道的電壓相加,除以電極數量,然後從每個獨立通道的值中減去該平均值。

該方法旨在逼近一個中性的零點參考。因為平均值是基於整個電極陣列而非單一位置構建的,所以沒有任何單一位置(如耳朵或乳突)能夠主導或扭曲整體畫面。

理論上,這使得廣泛或彌漫性的腦部活動在頭皮上顯得更加對稱,因為沒有單一的參考點會將顯示畫面拉向特定的方向。

  • 該導聯計算每個時間點所有活耀電極的瞬時平均值。

  • 然後從每個獨立通道的電壓中減去這個計算出的平均值。

  • 其目標是獲得一個中性參考,防止任何單一物理位置主導顯示畫面。

在腦電圖設備上設定平均導聯

電極放置考量因素

為了確保平均值的數學有效性,需要標準化的電極分布。必須嚴格遵守 10-20 系統,以確保全域平均值在空間上仍能代表頭部。

電極放置或電極阻抗的任何偏差都可能導致平均值失真,從而導致波形呈現不準確以及潛在的診斷錯誤。

軟體配置步驟

數位採集軟體必須設定為正確執行從每個輸入通道中減去計算出的全域平均值。技術人員需要確認軟體正在讀取完整的感測器陣列,以避免因通道遺漏而導致計算偏誤。

參數設定完成後,可以即時切換顯示,以便對原始訊號中檢測到的潛在異常進行高效審查和二次驗證。

為什麼平均導聯可能會產生誤導

平均導聯有一個記錄在案的弱點,每個 EEG 閱讀者最終都會遇到。

因為每個時刻的參考都是由所有電極組合構建的,所以當單個電極記錄到異常大的電壓尖波時,會將整個平均值拉向該數值。數學上的結果是,與這個新偏斜的平均值進行比較的其他每個通道,都會顯示出相反方向的偏轉,即使該處並沒有發生真正的活動。

這會產生一種特定且具欺騙性的模式:一個電極處出現巨大且尖銳的放電,同時在頭皮其餘部分同步出現較小、倒置的鏡像偏轉。對於經驗不足的閱讀者來說,這看起來可能像是一個廣泛性甚至雙側性的事件。

實際上,來源可能完全是局灶性的,局限於單個電極下方的組織,而其餘的軌跡僅反映了算術失真,而非真實的神經活動。

這種效應直接源於平均值作為數學運算的工作原理,因此在臨床 EEG 教育中被視為一項既定原則,而不是在每個案例中都需要獨立證明的東西。即便如此,直接測量這種特定錯誤導致真實診斷失誤頻率的對照研究仍十分有限。現有的研究確實證實了,平均參考對兩種會使這種失真惡化的情況特別敏感:偽影干擾和電極覆蓋稀疏。

一項比較重參考技術的 2018 年模擬研究發現,一種相關的方法,即參考電極標準化技術(一種估算理論零電壓點的計算方法),受混入 EEG 訊號中偽影的影響小於平均參考。這意味著當一個巨大的瞬態電位(無論是來自大腦活動還是來自非神經源,如肌肉抽搐)干擾記錄時,平均參考相對更容易受到失真的影響。

另一項由 Luu 等人進行的研究探討了與中風相關的 EEG 變化,從另一個角度強化了這一疑慮。當研究人員將一個 128 通道的平均參考記錄簡化為較稀疏的 32 通道陣列時,異常 EEG 活動的空間分布發生了扭曲,作者指出這可能導致對受影響腦區的定位錯誤。

這告訴我們,單次放電失真問題並非固定不變的錯誤。當覆蓋頭皮的電極較少時,情況會明顯變差,因為每個剩餘的電極在計算出的平均值中所佔的權重按比例增加。

如何區分局灶性活動與泛化性活動

鑑於這種脆弱性,學生閱讀平均導聯的核心技能是學會區分真正的泛化性放電與因平均化過程而被抹平在顯示螢幕上的局灶性事件。您可以尋找以下特徵:

  • 識別具有最大、最尖銳偏轉的單個通道,以尋找真正的局灶源。

  • 尋找偶極子場:在頭皮上呈現清晰的正極和負極。

  • 當周圍通道顯示出較小的、同步的相反極性偏轉時,應懷疑存在算術失真。

真正的泛化放電看起來完全不同。所有電極在幾乎相同的振幅下顯示出同步、對稱的圖案,地圖上的任何地方都沒有乾淨的鏡像反轉。

在這種情況下,平均參考不會被單個離群值拉向一個方向,因為每個通道都為計算貢獻了大小相似的訊號。從某種意義上說,此時的顯示更加真實,因為平均化過程沒有將失真集中在一個主導電極周圍。

當圖案含糊不清時,與雙極導聯(顯示相鄰電極對之間的電壓差,而非每個電極與平均值的對比)進行交叉比對是標準的下一步。局灶性放電通常會在覆蓋受影響區域的特定電極對處產生相位反轉,即波形方向的突然轉變。而真正的泛化放電在多個相鄰對之間往往顯得更彌漫且一致,沒有單一的尖銳反轉點。

這種區分策略在很大程度上取決於頭皮實際採樣的效果。前述的中風定位研究發現,只有使用 64 通道或 128 通道記錄才能精確描述異常 EEG 活動的空間分布。在 32 通道時,分布扭曲程度已足以承擔將受影響區域完全定位錯誤的風險。

對於一年級學生來說,這帶來了直接且實用的啟示:與高密度陣列相比,使用包含 19 到 21 個電極的標準臨床設定(常規 10-20 系統)記錄的平均導聯,其模糊真正局灶性異常與平均化偽影之間界限的風險可能更高。

平均導聯 vs. 參考導聯與雙極顯示

將平均導聯與其兩種主要的替代方案進行對比,可以明晰其優勢與盲點。

參考導聯將每個電極與一個固定的位置進行比較,通常是頂部電極 Cz、耳垂或耳後的連接乳突。這種方法很容易解釋,但帶有顯而易見的風險。如果該單一參考點恰好受到噪音、肌肉活動、甚至是真實的大腦活動干擾,該干擾就會被減入顯示器上的每一個通道。

平均導聯的設計在一定程度上是為了避免這種單點故障。但正如先前的討論所顯示的,它只是用一種脆弱性交換了另一種。不再是一個壞的參考點污染整個記錄,而是現在一個壞電極的大放電會將失真擴散到整個頭部。

雙極導聯採用了另一種方法,僅顯示相鄰電極對之間的電壓差,並在整個頭皮上形成一個鏈條。這種方法特別擅長突出顯示局部電壓梯度和相位反轉,這就是為什麼它通常是定位棘波或尖波等局灶性瞬態電位的首選。其代價是它可能會減弱或消除大範圍內同步的活動,因為記錄相似訊號的相鄰電極之間的差異非常小。

平均導聯介於這兩者之間,通常作為查看節律性大腦活動整體拓撲結構(或空間模式)的預設顯示,並常用於定量 EEG 分析流程中。但其核心性能並非固定不變。它在很大程度上取決於電極密度和底層訊號的性質。

特徵

雙極導聯

平均參考導聯

參考類型

兩兩相減

全域平均值提取

敏感度

局部電位差

廣泛性與局灶性活動

主要用途

相位與方向

波源定位

此表說明了雙極與平均配置之間的選擇如何影響神經數據的視覺化,表明雖然雙極設定突出了局部活動,但平均導聯在繪製電學事件的全域拓撲圖方面表現出色。

關於 EEG 平均導聯的研究有何說法

由 Hu 等人比較重參考方法的研究發現,在大多數測試條件下,計算估算的目標中性參考通常優於簡單的平均參考,儘管研究指出,平均參考在感測器噪聲較高的特定情況下是一個合理的替代方案。這表明平均導聯並非萬能的「最佳」選擇,而是具有特定適用條件的一種選項。

與此同時,另一項由 Liu 等人進行的模擬研究進一步明晰了這一點。與連接乳突參考相比,平均參考和計算估算參考都顯示出相對較低的人工重建誤差,但它們的相對表現會根據電極密度而發生逆轉。

在低密度導聯下,估算參考方法被證明更可靠。在高密度導聯下,平均參考實際上表現更好,除非無法獲得電極位置的精確資訊。這裡的教訓是,電極數量從根本上改變了哪種參考方法更值得信賴。

值得注意的是,在所有實際應用場景中,參考導聯並不必然較差。

例如,由 Karakis 等人針對重症監護研發的一項研究測試了一種簡化的、以頂部電極 Cz 為參考的七電極導聯,旨在供沒有專門腦電圖技術人員在場的住院醫師使用。

該方案在檢測重症監護患者的癲癇發作時,達到了 92.5% 的平均敏感度和 93.5% 的特異度。這項研究並未直接讓平均導聯與參考導聯進行正面交鋒,但它表明在正確的臨床背景下,一個設計良好的參考方案即使在電極數量有限的情況下也能可靠地工作,這在權衡需要緊急檢測的大腦疾病(如非驚厥性癲癇發作)的導聯選擇時,是一個有用的對比觀點。

導聯類型

參考點

優勢

弱點

最適用於

平均

所有電極的平均值

無單一參考點偏誤

一個壞電極會扭曲所有通道

拓撲結構、節律性活動

參考

單一固定位置

解讀簡單

來自參考點的干擾

標準臨床應用

雙極

相鄰電極對

突出局部電壓梯度

遺漏大範圍同步活動

局灶瞬態電位定位

解讀平均導聯的實用建議

在處理平均參考數據時,以下幾個習慣可以幫助學生避免最常見的誤讀:

  • 在解讀波形圖案之前,務必先檢查電極數量及其頭皮覆蓋範圍。如果記錄使用的通道少於大約 32 個,在未經進一步驗證的情況下,應謹慎將表面上廣泛的放電標記為真正的泛化放電。

  • 如果出現可疑的廣泛性模式,請切換至雙極或參考導聯,觀察該事件是否會歸結為清晰的局灶性最大值。在臨床閱讀中,這種交叉比對是標準做法,儘管其確切的錯誤減少率尚未在大型試驗中進行正式測量。

  • 記住,平均導聯可能會在每個通道上產生虛假的鏡像。這些鏡像偏轉的大小與真正局灶性事件的振幅呈正比,並與電極總數呈反比,這意味著電極越少,集中到每個剩餘通道中的失真就越多。

  • 中風定位研究表明,需要 64 個或更多通道才能實現精確的空間特徵描述,這支持了一個更廣泛的經驗法則:更高的電極密度有助於切實改善平均導聯在定位任務中的可靠性。

  • 有證據表明,平均參考對偽影干擾很敏感,且低密度導聯往往更傾向於替代參考方法,這強化了在電極數量有限時,不應自動將平均導聯視為最穩健選項的觀點。

自信地解讀平均導聯

平均導聯仍然是臨床神經科學和 EEG 研究中使用最廣泛的重參考方法之一,這恰恰是因為它提供了一種合理平衡的大腦活動視角,而不依賴於單一且脆弱的參考點。但這種平衡伴隨著每個讀者都需要內化的特定代價。

單個巨大的局灶性放電會使共享的平均值產生偏斜,從而在整個頭皮上產生偏轉,當真實源頭僅局限於一個區域時,會模擬出廣泛性事件。

可靠地區分局灶性和泛化性活動,歸根結底在於確定真正的最大振幅所在的位置,檢查預示算術失真而非真實擴散的鏡像模式,並使用雙極或參考顯示來確認模糊的案例。現有的證據一致表明,電極密度和頭部建模的準確性是決定平均導聯給出準確圖像還是扭曲圖像的兩個最強大因素。

在高密度記錄中,其優勢最為明顯;而在覆蓋稀疏的標準臨床陣列中,其局限性則更加突出。

參考文獻

  1. Hu, S., Lai, Y., Valdes-Sosa, P. A., Bringas-Vega, M. L., & Yao, D. (2018). How do reference montage and electrodes setup affect the measured scalp EEG potentials?. Journal of neural engineering, 15(2), 026013.

  2. Luu, P., Tucker, D. M., Englander, R., Lockfeld, A., Lutsep, H., & Oken, B. (2001). Localizing acute stroke-related eeg changes:: Assessing the effects of spatial undersampling. Journal of clinical Neurophysiology, 18(4), 302-317.

  3. Liu, Q., Balsters, J. H., Baechinger, M., Van der Groen, O., Wenderoth, N., & Mantini, D. (2015). Estimating a neutral reference for electroencephalographic recordings: the importance of using a high-density montage and a realistic head model. Journal of neural engineering, 12(5), 056012. https://doi.org/10.1088/1741-2560/12/5/056012

  4. Karakis, I., Montouris, G. D., Otis, J. A., Douglass, L. M., Jonas, R., Velez-Ruiz, N., ... & Espinosa, P. S. (2010). A quick and reliable EEG montage for the detection of seizures in the critical care setting. Journal of Clinical Neurophysiology, 27(2), 100-105. https://doi.org/10.1097/wnp.0b013e3181d649e4

常見問題

腦電圖中的平均導聯究竟是什麼?

平均導聯將每個電極的電壓與所有活耀電極的瞬時數學平均值進行重參考。它從每個通道中減去這個共同的平均值,以創建一個不與任何單一頭皮位置綁定的中性參考點。

為什麼平均導聯會產生具有誤導性的廣泛活動模式?

當一個電極記錄到大放電時,它會將平均值強烈地拉向其方向。然後將所有其他通道與該偏斜的平均值進行比較,從而產生鏡像偏轉,即使僅存在一個局灶源,看起來也像是有活動發生。

學生如何區分真實的局灶性放電與平均導聯上的失真放電?

尋找振幅明顯最大、最尖銳的電極,並檢查其他通道中在同一時刻是否出現較小的、相反極性的訊號。具有一個主導最大值的偶極子模式指向局灶性事件,而真正的泛化放電則在到處顯示出同步、大小相似的活動。

電極密度在平均導聯的可靠性中扮演什麼角色?

電極越少,每個通道對平均值的貢獻權重就越大,因此單個巨大的瞬態電位會更嚴重地扭曲顯示。更高密度的陣列(例如 64 個或更多通道)可以減少這種算術偽影,並提高空間定位的準確性。

平均導聯與參考導聯有何不同?

參考導聯將每個電極與一個固定的物理位置進行比較,如果該位置有噪聲,則存在受到污染的風險。平均導聯避免了單點故障,但取而代之的是,來自單個局灶性放電的失真可能會擴散到整個頭皮顯示中。

什麼時候雙極導聯可能比平均導聯更有用?

雙極導聯顯示相鄰電極之間的電壓差,非常適合通過尖銳的相位反轉來定位局灶性瞬態電位。在查看寬泛、同步的節律時,它的作用較小,而在這種情況下,平均導聯通常能更好地概述整體頭皮拓撲結構。

驗證在平均導聯上看到的 suspicious 模式的實用方法是什麼?

切換到雙極或參考導聯,並檢查表面上廣泛的事件是否縮小到清晰的局灶性最大值。這種交叉比對可以揭示該模式是反映了真正的泛化活動,還是由平均化過程創建的算術鏡像。

平均導聯是普遍最好的參考選擇嗎?

不,其性能在很大程度上取決於電極密度和頭部覆蓋範圍。在低密度記錄中,替代的計算參考方法可能更可靠,而在通道較多時,平均參考通常表現良好,除非未掌握精確的電極位置。

患者的頭部大小是否會影響參考計算?

儘管數學原理保持不變,但頭部大小的變化需要電極根據標準化系統保持按比例定位,以維持所計算的空間平均值的完整性。

透過快速設置、針對彈性現場部署進行優化的的高密度無線電極陣列,加速您的分析性腦波圖(EEG)時程。

透過快速設置、針對彈性現場部署進行優化的的高密度無線電極陣列,加速您的分析性腦波圖(EEG)時程。

Emotiv 是一家神經科技領導者,透過可近用的 EEG 和腦部資料工具,協助推動神經科學研究進展。

醫療免責聲明:本網站提供的資訊僅供教育和參考之用,不構成醫療或健康建議。本內容可能含有錯誤,不應作為做出改變生活的健康、醫療或生活方式選擇的依據。若您對醫療狀況或治療有任何疑問,請務必諮詢您的醫生或其他符合資格的健康提供者的建議。

克里斯蒂安·布爾戈斯

我們的最新消息

掌握腦電圖 (EEG) 設定:記錄前的最佳實踐

將清晰、可解讀的神經訊號與受到肌肉假訊號或電源雜訊干擾的波形區分開來的,並非複雜的事後處理演算法,而是一套有系統、按時間順序進行的準備步驟流程。在這種情況下,腦電圖(EEG)的設置不僅僅是將電極帽戴在受試者頭上。它是一套嚴謹的生物、環境及電氣校準程序,共同在大腦與放大器之間建立一個穩定且低雜訊的介面。

本文將逐步介紹記錄前的工作流程,並綜合現有證據以證明:細緻的受試者說明、頭皮準備、環境屏蔽、參考導聯配置選擇以及基準假訊號篩查,構成了一套不可或缺的相互依賴環節。

閱讀文章

如何定位 Fz 電極

記錄來自大腦的電活動需要一個定位系統,該系統能夠在每一種頭型、每一間診所以及每一次研究進程中精確地重複應用。Fz 電極就是這樣一個座標點。它位於額葉正中線上,直接處於額葉大腦半球間裂的中點上方——這一位置已通過將頭皮電極與其下方皮質表面進行對照的影像學研究得到證實。

這個由國際 10-20 系統所定義的特定位置,讓臨床醫生和研究人員無需穿透顱骨即可觀察到額葉中部的腦部活動。本文將逐步介紹這些標記點的測量方法、20% 規則的計算方式,以及將 Fz 準確定位在其專屬位置的標記步驟。

閱讀文章

腦電圖(EEG)傳感器的工作原理

腦波圖(EEG)的記錄並非始於數位處理器或放大器機箱內部,而是始於人造導體與活體組織接觸的微觀薄邊界。信號處理的每個後續階段都取決於該確切接觸點所發生的情況。

負責這一關鍵介面的組件——EEG 感測器——充當物理換能器,必須忠實地將生物離子電流轉換為電子電壓。由於同步神經活動產生的頭皮電位僅有幾微伏,因此即使是感測器層面微小的低效率或不穩定性,也會在信號到達下游電子設備之前損壞整個記錄。

因此,EEG 感測器的設計變成了解決單一接觸點上同時存在的電氣與機械挑戰的實踐。

閱讀文章

頭皮電極配置在腦電圖 (EEG) 中的角色

頭皮電極的位置決定了哪些神經元群體會對訊號產生貢獻,從而影響從臨床診斷到認知研究的一切。幾公釐的位移就可能改變哪個大腦區域看起來是活躍的。

對於一項將大腦電活動轉化為具有實際意義的 Insight 的技術而言,感測器的物理放置是所有解讀賴以建立的基礎幾何架構。本文探討了國際 10-20 系統背後的解剖學原理、使其發揮作用的關鍵假設、特殊群體所面臨的挑戰,以及現代驗證工具如何強化可靠腦波圖 (EEG) 數據所要求的精準度。

閱讀文章