搜索其他主题…

使用针对灵活现场部署进行优化的快速搭建、高密度无线阵列,加速您的分析脑电图(EEG)时间线。

使用针对灵活现场部署进行优化的快速搭建、高密度无线阵列,加速您的分析脑电图(EEG)时间线。

θ波在技术上被定义为4–8 Hz频段内的节律性电振荡,它出现在头皮脑电图(EEG)、颅内脑电图和局部场电位记录中。它们在海马体中尤为显著,海马体是深藏于颞叶中的一个结构,是情景记忆和空间导航的关键枢纽。

本文直接探讨其原理,结合来自啮齿动物电生理学和人类颅内记录的融合证据,以了解θ波如何协调支持记忆形成、检索和导航的神经活动。

使用针对灵活现场部署进行优化的快速搭建、高密度无线阵列,加速您的分析脑电图(EEG)时间线。

使用针对灵活现场部署进行优化的快速搭建、高密度无线阵列,加速您的分析脑电图(EEG)时间线。

什么是 Theta 波?

Theta 波是脑电活动中以相对较低频率出现的节律性波动。在人类中,该术语通常指 4-8 Hz 左右的活动,尽管不同研究、记录位置和分析方法中的定义有所不同。Theta 活动随着睡眠、运动、注意力、年龄以及观察到的脑区而发生变化。

这些振荡在神经科学、睡眠研究、认知心理学和临床神经生理学等领域得到了广泛研究。研究人员通常将 theta 波视为更广泛模式中的一个组成部分,而不是将其视为某种特定感觉或能力的独立标志。

Theta 波的特征

Theta 波相对较慢,在时间迹线上通常比更快的节律具有更大的可见周期。在头皮记录上,它们可能表现为反复出现的波动,但仅凭视觉检查无法确定其来源或意义。眼球运动、肌肉活动、电极问题和警觉性的变化都会影响记录到的信号。

Theta 活动与几种脑功能有关。它可伴随从清醒到睡眠的过渡、在 REM(快速眼动)睡眠期间出现,并参与和记忆相关的协调,特别是在涉及海马体的网络中。在清醒的成年人中,增加的 theta 波并不自动意味着有益或有害;其解释需要结合记录条件和其余的脑电图(EEG)模式。

Theta 波在 EEG 上的表现

脑电图(EEG)通过放置在头皮上的电极记录电压差。由此产生的迹线包含来自许多神经源的活动,以及来自眼球运动、面部肌肉、身体运动、电干扰和电极接触变化的潜在伪迹。Theta 波是通过分析该信号的频率成分来识别的,而不是仅依靠单个波的外观。

研究人员可能会使用滤波器、光谱分析、时频方法或同步测量来检查 theta 波。EEG 的解释取决于采样率、参考选择、电极放置、伪迹校正和记录片段的长度。这些技术决策可以改变某一频段内活动的表观数量和分布。

传统的频谱可以显示在 theta 范围附近存在多少信号能量,但它可能会掩盖短暂爆发发生的时间。对于瞬态或变化的信号,小波分析可以提供关于时间和尺度的信息,尽管它也有其假设和局限性。视觉审查和计算分析是互补的,而不是可以互换的。

在临床使用时,脑电图(EEG)结果的解释需要结合症状、年龄、意识状态、药物、病史和其他发现。Theta 活动本身并不能诊断疾病。临床结论需要适当的记录程序和合格的解释。

神经协调的核心机制

要理解 theta 波如何组织海马活动,需要剖析两个机制概念:相位编码和跨频耦合。两者都取决于对在这种背景下“相位”含义的精确理解。

相位是指神经元在单个 theta 周期内放电的位置。一个完整的周期(从峰值到峰值)跨越 360 度,就像一个圆圈。神经元在相对于正在进行的波的特定、一致的位置进行放电。这种时间顺序为信息表征提供了一个框架。

相位编码描述了尖峰相对于 theta 相位的时间安排如何携带有关动物经验或行为的有意义信息。由 Belluscio 等人进行的一项研究,检查了迷宫探索期间大鼠海马 CA1 区的活动,精确地证明了这一原理。

研究人员发现,海马 theta 波是不对称的,这意味着波形形状本身包含超出简单正弦波的结构信息。通过识别基于波形的尖峰相位,而不是使用传统的相位估计方法,对动物空间位置的估计得到了改善。

波形的精确形状,而不仅仅是它的时间安排,贡献了位置数据。这一发现将 theta 重新定义为一种信息丰富的信号,其波形动力学直接支持海马体中的空间计算。

第二个机制是跨频耦合,它描述了不同频段的振荡如何相互作用。具体来说,theta 波的相位可以调节更快的 gamma 振荡的振幅。

在相同的大鼠海马记录中,出现了三个不同的 gamma 子频段:慢 gamma(30-50 Hz)、中频 gamma(50-90 Hz)和快 gamma(90-150 Hz,有时称为 epsilon 频段)。每个子频段的振幅都受到 theta 相位的调节,这表明 theta 对更快的局部回路活动起着分级组织的作用。

在 theta 与慢速和中速 gamma 振荡器之间,可靠地观察到了这种相互作用的一种更具体形式——相位-相位耦合,但在快速 gamma 振荡器之间没有观察到。这意味着振荡器的相位以一致的关系进行同步,而不仅仅是它们的振幅。

这些结果表明,theta 和 gamma 在多个时间尺度上相互作用,以控制脑结构内和脑结构之间的神经元尖峰时间。Theta 提供了一个较慢的时间脚手架,而 gamma 提供了嵌套在其中的更精细的窗口。

来自人类记忆编码的证据

在啮齿动物中确立的机制原理在人类记忆中找到了功能性表达。在 33 名接受癫痫手术的患者进行情景记忆任务期间,从 237 个海马电极获取的颅内脑电图(iEEG)记录提供了直接证据。

关键发现集中在 3 Hz 左右振荡的慢 theta 波的行为上。在成功的记忆编码过程中,这种慢 theta 振荡表现出更高的功率。

它不仅仅是存在。它在功能上与 gamma 振荡相联系,这表明在啮齿动物中确立的跨频耦合机制在人类记忆形成过程中也在起作用。这些结果表明,人类的慢 theta 模式似乎类似于在动物中观察到的与记忆相关的 theta 波。

此外,8 Hz 的快 theta 振荡没有显示出相同的记忆编码模式。慢 theta 和快 theta 都显示出与颞叶皮层振荡相位同步的证据,这指向了记忆处理过程中海马体与新皮层之间的通信。皮层-海马通信可能取决于精确的时间协调,两种 theta 节律都参与其中。

然而,在编码新的情景信息时,慢 theta 似乎优先参与。这种功能划分表明,研究人员曾经视为单一 theta 现象的东西,可能代表了具有部分可分离作用的不同振荡过程。

值得注意的是,这些记录来自为了临床目的而植入电极的神经外科患者,这为认知任务期间的直接海马活动提供了一个罕见的窗口。跨越 237 个位点的电极覆盖使研究人员能够清晰地区分这两种 theta 模式,这是仅靠头皮脑电图由于空间平滑和通过颅骨及组织层的信号衰减而无法解决的。

记忆提取与大规模网络结合

记忆提取,特别是情景细节的会议,激活了一个远远超出海马体的网络。在“记得-知道”再认任务期间的同步 EEG-fMRI 记录揭示了 theta 范围的振荡如何协调这个分布式回路。

特别是在回忆过程中,跨越 theta-alpha 范围(4-13 Hz)的低频效应与海马体与前额叶皮层以及(重要的)纹状体之间连接性的增加相关。前额叶区域包括内侧和外侧前额叶皮层,而纹状体的参与将 theta 波与反复被认为与成功提取相关的皮层下结构联系起来。

这些振荡效应与连接性增加之间的相关性支持了以下假设:在成功的会议期间,低频振荡提供了一种机制,在功能上结合海马体、前额叶皮层和纹状体。分布在这些遥远位置的信息必须被整合到一个连贯的记忆表征中。Theta-alpha 范围内的相位同步为实现这种整合提供了一种可行的方法,协调跨区域的尖峰放电,以便信号在最佳兴奋窗口内到达下游靶区。

值得注意的是,证据表明振荡效应与连接性增加相关,而不是在确定性意义上导致了它们。这种关系已经确立,但鉴于非侵入性成像的相关性质,在人类网络神经科学中很难直接证明机制上的因果关系。

空间导航过程中的 Theta 振荡

鉴于将 theta 与空间运动联系起来的基础啮齿动物文献,空间导航为检查海马 theta 提供了一个自然的温床。人类在真实世界和虚拟导航中使用海马内记录的研究大大完善了这一图景。

据报道,在真实和虚拟运动期间,在原始海马内 EEG 迹线中出现了 7-9 Hz 节律性的明确证据。然而,虚拟导航期间的振荡通常比真实世界导航期间的频率低。

此外,在虚拟空间导航任务期间的记录表明,后海马体显著显示出 8 Hz 左右的振荡,并且这些振荡的精确频率与运动速度相关。一个人在虚拟空间中移动得越快,后海马 theta 频率就爬得越高。这种速度调节表明这些信号直接参与了空间导航计算。

然而,在这项研究中,前海马体呈现出不同的情况。3 Hz 左右的较慢振荡在这一区域更为普遍,且其频率不随运动速度而变化。

这种基于解剖和行为的游离表明了功能上的分工。快 theta 可能是空间性的,根据运动速度进行调节,并局限于后海马体。慢 theta 可能反映了非空间的认知过程,集中在前方。

一个 Theta 波还是多个振荡?

新出现的证据汇聚成对人类海马电生理学修正后的观点。该结构不是产生具有单一通用作用的一个海马 theta 振荡,而是产生跨越约 2-14 Hz 的多个振荡。

这些不是围绕中心频率的随机变化。它们表现出不同的解剖分布、独特 Behavioral 相关性以及与认知功能的可分离关系。

3 Hz 左右的慢 theta 优先与记忆编码相关。它在海马前部占主导地位,并且不追踪运动速度。8 Hz 左右的快 theta 与空间导航相关,集中在后海马体,其频率随运动速度而变化。

跨研究来看,机制主题保持一致。Theta 波通过相位编码和与 gamma 的跨频耦合来组织神经活动,无论是在迷宫奔跑时的大鼠 CA1 区,还是在虚拟导航时的人类后海马体。基于波形的相位携带着空间信息。Theta-gamma 耦合为尖峰放电时间建立了一个分级的时间框架。这些原理似乎适用于不同物种和海马亚区。

人类与啮齿动物在 theta 频率上的表观差异,可能在一定程度上反映了运动条件的差异,而不是根本的物种分化。在真实世界导航过程中的躯体活动会产生比虚拟运动更快的振荡,而早期的人类虚拟导航研究可能系统性地低估了 theta 频率。当人类真正移动时,频率差距会缩小。

双重振荡也为模棱两可的人类 theta 文献提供了解释。研究人员在寻找单一的 4-8 Hz theta 节律时看到了模棱两可的结果,因为该信号包含至少两个具有不同功能属性的独立成分。记忆任务涉及其中一个成分。空间任务涉及另一个成分。

单振荡框架适用于早期研究,但不足以捕捉人类海马动力学的完整复杂性。

为什么 Theta 波是大脑记忆和导航的时间系统

Theta 波是一种时间系统,它决定了神经元何时放电,以便形成记忆并对空间信息进行编码。

来自啮齿动物和人类记录的汇聚证据揭示了两种不同的海马节律:与记忆编码相关的慢 theta 和与导航相关的快 theta。这两种节律都协调了更快的 gamma 活动,创造了脑细胞可以处理信息的分层窗口。因为躯体运动会提高 theta 频率,所以这个时间系统在真实世界导航中比虚拟任务中更具相关性。

慢 theta 和快 theta 之间的分化也澄清了为什么早期的人类研究似乎不一致:研究人员当时是在寻找一种脑电波,而海马体实际上产生多种节律。虽然人类网络证据仍然是相关性的,但跨多种记录方法的整体模式支持 theta 作为记忆和导航的基础组织者的角色。

将 theta 认识为时间架构而不是单一状态,有助于解释大脑如何分割体验、结合遥远区域并提取连贯的会议。这些节律塑造了大脑记住我们在哪里以及我们经历了什么的基本能力。

参考文献

  1. Belluscio, M. A., Mizuseki, K., Schmidt, R., Kempter, R., & Buzsáki, G. (2012). Cross-frequency phase–phase coupling between theta and gamma oscillations in the hippocampus. The Journal of neuroscience, 32(2), 423-435. https://doi.org/10.1523/JNEUROSCI.4122-11.2012

  2. Lega, B. C., Jacobs, J., & Kahana, M. (2012). Human hippocampal theta oscillations and the formation of episodic memories. Hippocampus, 22(4), 748-761. https://doi.org/10.1002/hipo.20937

  3. Herweg, N. A., Apitz, T., Leicht, G., Mulert, C., Fuentemilla, L., & Bunzeck, N. (2016). Theta-alpha oscillations bind the hippocampus, prefrontal cortex, and striatum during recollection: evidence from simultaneous EEG–fMRI. The Journal of Neuroscience, 36(12), 3579-3587. https://doi.org/10.1523/JNEUROSCI.3629-15.2016

  4. Bohbot, V. D., Copara, M. S., Gotman, J., & Ekstrom, A. D. (2017). Low-frequency theta oscillations in the human hippocampus during real-world and virtual navigation. Nature communications, 8(1), 14415. https://doi.org/10.1038/ncomms14415

  5. Lega, B. C., Jacobs, J., & Kahana, M. (2012). Human hippocampal theta oscillations and the formation of episodic memories. Hippocampus, 22(4), 748-761. https://doi.org/10.1002/hipo.20937

常见问题

什么是 theta 波?

Theta 波是 4-8 Hz 频段内的节律性电振荡,出现在脑电图(EEG)记录中,在海马体中尤为显著。它们帮助将大脑活动分割成支持记忆和导航的离散时间窗口。

什么是相位编码?

相位编码描述了神经元放电相对于 theta 波周期的正时如何携带关于行为或体验的有意义信息。神经元在周期内特定一致的位置放电,而波本身的形状为空间定位提供了计算细节。

什么是跨频耦合?

跨频耦合描述了 theta 振荡的相位如何调节更快的 gamma 振荡的振幅。Theta 提供了一个较慢的时间脚手架,而 gamma 提供了嵌套在其中的更精细窗口,以控制跨脑结构的尖峰时间。

人类海马体中两种类型的 theta 振荡是什么?

人类海马体产生 3 Hz 左右的慢 theta 和 8 Hz 左右的快 theta。慢 theta 优先与记忆编码相关,而快 theta 与空间导航相关,并随运动速度调节其频率。

Theta 如何促进记忆编码?

在成功的记忆编码过程中,3 Hz 左右的慢 theta 振荡显示出更高的功率,并在功能上与 gamma 振荡相联系。这种跨频耦合机制支持认知任务期间新情景记忆的形成。

Theta 如何协调大脑中的记忆提取?

在回忆过程中,theta-alpha 范围的振荡与海马体、前额叶皮层和 striatum 之间增加的连接性相关。相位同步协调了这些遥远区域的尖峰放电,使分布式信息整合进连贯的记忆表征中。

为什么人类 theta 研究看起来与啮齿动物研究不同?

早期的人类虚拟导航研究可能低估了 theta 频率,因为参与者没有躯体移动。真实世界的运动会将 theta 频率向上移动,部分缩小了人类和啮齿动物海马振荡之间的差距。

前海马体和后海马体处理 theta 波的方式不同吗?

后海马体显著显示出 8 Hz 左右的振荡,该振荡与运动速度相关,而前海马体显示出 3 Hz 左右的较慢振荡,该振荡不随运动速度而变化。这种游离表明快 theta 是空间性的,而慢 theta 反映了非空间性的认知过程。

Theta 是一种单一脑电波还是多种不同的振荡?

海马体产生跨越约 2-14 Hz 的多种振荡,而不是一种统一的信号。这些振荡表现出不同的解剖分布、行为相关性以及与认知功能的关系,这表明 theta 并不是单一的全局脑电波状态。

使用针对灵活现场部署进行优化的快速搭建、高密度无线阵列,加速您的分析脑电图(EEG)时间线。

使用针对灵活现场部署进行优化的快速搭建、高密度无线阵列,加速您的分析脑电图(EEG)时间线。

Emotiv 是一家神经技术领域的领导者,致力于通过易于获取的 EEG 和脑数据工具推动神经科学研究发展。

医疗免责声明:本网站提供的信息仅用于教育和信息参考目的,不作为医疗或健康建议。这些内容可能包含错误,不应作为做出改变生活的健康、医疗或生活方式选择的依据。如果您对医疗状况或治疗有任何疑问,请始终咨询您的医生或其他合格的健康服务提供者。

克里斯蒂安·布尔戈斯

我们的最新动态

脑电波频段

脑电图 (EEG) 已成为神经科学的基石,为大脑的电活动提供了一个实时窗口。通过在头皮上放置电极,研究人员捕捉到了大量神经元群体总和的电活动,这些电活动被编码在连续且杂乱的电压轨迹中。

为了从这一信号中提取节律性特征,科学家们应用数学分解,将其拆分为不同的频率成分。这一过程产生了 EEG 文献中常见的、占主导地位的频段——delta、theta、alpha、beta、gamma。

要了解这些频段代表什么、它们是如何产生的、它们揭示了关于大脑状态的什么信息以及它们的临床应用价值何在,需要超越简单的标签,深入研究支撑它们的物理学和生理学。

阅读文章

电流源密度分析

电流源密度 (CSD) 分析通过检查细胞外电压的空间变化,来评估电流进入或离开神经组织的位置。它可以使脑电图 (EEG) 和微电极记录的解释更加清晰,但其有效性取决于电极几何形状、采样质量、参考选择以及模型假设。

阅读文章

小波变换

许多现实世界中的信号,如气候指数、生物医学记录、医学图像,都不是静止不变的。它们的特征会随时间而变化:心跳在运动时加速,然后减慢;海洋表面温度随季节波动,但也会在几十年间发生漂移。这些就是非平稳信号。

小波变换就是为了处理这些信号而设计的数学工具。它将信号分解为在时间和尺度上都具有局部性的分量,从而精确地揭示出特定模式何时出现,以及在什么持续时间或拉伸度下运行。

与将信号分解为无尽正弦波的传统傅里叶分析不同,连续小波变换(CWT)利用单个原型波的缩放和平移副本,构建出一个时间–尺度表示。本文将阐述CWT的逻辑、如何选择母小波、如何计算和解释生成的小波能谱图,以及数十年的应用所证明的成果以及该方法固有的局限性。

阅读文章

定量脑电图 (qEEG)

数十年来,临床医生一直依赖于对脑电图 (EEG) 图形的视觉检查来诊断癫痫或脑病。然而,对于广泛的其他神经和精神疾病,肉眼很难提取出一致、有意义的特征模式。

定量脑电图 (qEEG) 通过应用信号处理算法填补了这一空白,这些算法将原始波形转换为丰富的数值特征,例如特定频段的功率、连接性度量,以及与规范数据库的统计学对比。

阅读文章