雙耳差頻聲刺激下的腦電特征

周 鵬，高 翔，王曉璐，綦宏志，王學(xué)民，明 東

(1. 天津大學(xué)精密儀器與光電子工程學(xué)院，天津 300072；2. 天津市生物醫(yī)學(xué)檢測技術(shù)與儀器重點實驗室，天津300072)

雙耳差頻聲刺激下的腦電特征

周 鵬1,2，高 翔1，王曉璐1，綦宏志1,2，王學(xué)民1,2，明 東1,2

(1. 天津大學(xué)精密儀器與光電子工程學(xué)院，天津 300072；2. 天津市生物醫(yī)學(xué)檢測技術(shù)與儀器重點實驗室，天津300072)

為了研究雙耳差頻聲刺激影響大腦狀態(tài)的神經(jīng)機制，采用功率譜、Lempel-Ziv復(fù)雜度(LZC)和基于互信息的腦網(wǎng)絡(luò)等線性及非線性方法，深入探討了兩種不同模式的雙耳差頻聲刺激(alpha & beta)對腦電的影響規(guī)律．13名受試者分別進行了alpha & beta差頻刺激，結(jié)果表明自發(fā)腦電的功率譜并沒有發(fā)現(xiàn)頻率跟隨響應(yīng)效應(yīng)，LZC也沒有顯著變化．而腦網(wǎng)絡(luò)圖則能夠發(fā)現(xiàn)在alpha差頻刺激下大腦皮層不同區(qū)域的信息連接性顯著減弱，在beta差頻聲刺激下信息連接性則顯著增強．因此，互信息腦網(wǎng)絡(luò)圖可以有效地監(jiān)測大腦在雙耳差頻聲刺激下的變化，為雙耳差頻聲刺激的生物學(xué)效應(yīng)提供了一種合理的解釋．

雙耳差頻聲；LZC；頻率跟隨響應(yīng)；腦電

當一個強度穩(wěn)定、頻率恒定的音調(diào)被送入一只耳朵，同樣強度但頻率有輕微差別的音調(diào)被送入另一只耳朵，人在腦中就會感受到一種節(jié)拍聲，這被叫做“雙耳差頻聲”．所感受到的節(jié)拍頻率相當于2個音調(diào)間的差頻．很多報道證實了聽雙聲拍可以對行為和認知帶來一系列的影響，例如Le Scouarnec等[1]和Brady等[2]認為低頻段(delta和theta頻段)的雙耳差頻聲刺激可以降低焦慮，促進深度冥想和提高催眠易感性；Foster[3]認為alpha頻段的雙耳差頻聲可使被試者更加放松；Kennerly[4]、Lane等[5]和Sornson[6]證實高頻段(beta頻段)的雙耳差頻聲刺激有助于加強記憶、注意、警覺以及情緒的改善．然而近期發(fā)表的文獻[7-8]則通過分析(theta & beta和alpha & beta頻段)雙耳差頻聲刺激下的腦電波，認為該刺激并沒有帶來顯著的頻率跟隨響應(yīng)，即腦電波的頻段功率譜沒有跟隨外部刺激頻率的變化而變化．

Vernon等[7]證實1,min的alpha & beta頻段雙耳差頻聲刺激不足以引起腦電波功率譜在顳區(qū)上的變化，因而本文將差頻刺激時間延長至5,min，并采集全腦的腦電波并加以分析．目前國內(nèi)外的研究均只是簡單比較了自發(fā)腦電在刺激態(tài)和非刺激態(tài)的功率譜變化．考慮到腦電活動是一種時變非線性系統(tǒng)，本文從功率譜、Lempel-Ziv復(fù)雜度(LZC)以及基于互信息的腦網(wǎng)絡(luò)等線性和非線性的角度展開分析alpha & beta頻段的雙耳差頻聲刺激對大腦的影響．

1 數(shù)據(jù)采集與預(yù)處理

實驗對象共13名，年齡為19～26歲，6男7女，右利手，身體健康，無神經(jīng)系統(tǒng)病史或注意力缺乏癥．在實驗前至少1周不飲用任何含咖啡因的產(chǎn)品、酒精和藥物，且保持有規(guī)律的作息時間．腦電采集設(shè)備采用Neuroscan公司的腦電記錄儀，電極按10～20導(dǎo)聯(lián)系統(tǒng)放置，雙耳乳突為參考電極，記錄19導(dǎo)腦電數(shù)據(jù)，采樣率為1,000,Hz．

在被試者已經(jīng)熟悉實驗環(huán)境和操作流程的情況下開始實驗．首先采集5,min靜息態(tài)腦電，然后給被試者施加5,min基頻為500,Hz、差頻為10,Hz的正弦純音(alpha頻段；左耳為550,Hz，右耳為560,Hz)，同時采集alpha刺激態(tài)腦電．間隔一段時間(大于9,min)以便被試者恢復(fù)初始狀態(tài)后，再次施加基頻為500,Hz、差頻為20,Hz的正弦純音(beta頻段；左耳為550,Hz，右耳為570,Hz)，并同時采集beta刺激態(tài)腦電．其中兩種刺激的先后順序隨機．

2 分析方法

2.1 功率譜分析

功率譜是描述在一段時間內(nèi)信號能量在不同頻段上分布的常用方法．其被廣泛應(yīng)用到包括腦電信號在內(nèi)的信號分析與信號處理領(lǐng)域．其腦電信號x(n)的功率譜分布表達式如下：

2.2 復(fù)雜度分析

Lempel-Ziv復(fù)雜度是通過測量時間序列出現(xiàn)新模式的速率來表征其無序程度的一種非線性分析方法．目前LZC分析方法已經(jīng)應(yīng)用于阿爾茲海默癥、精神分裂癥、兒童多動癥等研究中[9-11]．在腦電信號中，其信號序列的隨機程度越高，即信息量越大，表明復(fù)雜度越高．研究表明[12-15]，LZC可以有效反映大腦在不同生理狀態(tài)下的變化特征．

式中：()c n為將原始腦電序列二值化后并通過反復(fù)級聯(lián)構(gòu)造的不同子串，即為二值化后腦電序列的復(fù)雜度；LZC為將其歸一化后的信號復(fù)雜度．

2.3 腦網(wǎng)絡(luò)分析

復(fù)雜網(wǎng)絡(luò)理論為研究各類人群大腦間連接性提供了必要的工具和分析方法，利用此方法已有大量研究學(xué)者對人大腦的結(jié)構(gòu)和功能網(wǎng)絡(luò)及網(wǎng)絡(luò)異常如精神分裂癥、阿爾茲海默癥等進行了研究[16-17]，圖論是目前復(fù)雜網(wǎng)絡(luò)分析領(lǐng)域最主要的數(shù)學(xué)工具．其中基于互信息的腦網(wǎng)絡(luò)是一種研究不同腦區(qū)間相互關(guān)系的有效方法．在概率論和信息論中，互信息可以定量描述兩列隨機序列的相互依存關(guān)系．總的來說，兩列連續(xù)隨機序列X和Y的互信息可以被定義成

式中：p(x，y)為X和Y的聯(lián)合概率密度函數(shù)；p(x)和p(y)為X和Y的邊緣概率密度函數(shù)；X和Y分別為不同腦區(qū)的兩導(dǎo)腦電信號．I(X；Y)值越大，表明兩導(dǎo)聯(lián)間的信號依存度越高，即兩腦區(qū)間的連接性越強．

3 結(jié)果與討論

3.1 功率譜

去除眼動偽跡和干擾后，本文比較了靜息態(tài)與刺激態(tài)在alpha差頻下的alpha頻段占總頻段能量的百分比以及在beta差頻下的該頻段占總頻段能量的百分比．如表1、表2所示，沒有發(fā)現(xiàn)顯著的頻率跟隨響應(yīng)現(xiàn)象(所有P＞0.5)．這與近期文獻[7-8]的研究一致．

3.2 LZC

本研究比較了靜息態(tài)與刺激態(tài)在alpha差頻和beta差頻下的LZC，如圖1所示．從圖中可以看出LZC在alpha & beta差頻刺激下沒有發(fā)生顯著變化(所有P＞0.05)．

3.3 腦網(wǎng)絡(luò)差值圖

圖2為13名被試者的平均腦網(wǎng)絡(luò)差值圖，即刺激態(tài)的平均腦網(wǎng)絡(luò)與靜息態(tài)的平均腦網(wǎng)絡(luò)的差值圖．兩導(dǎo)聯(lián)間灰色連線表明其二者間的互信息值比刺激前有所上升，即信息流的傳遞增加，表明該兩導(dǎo)處大腦皮層電活動的連接性受到激勵．反之，兩導(dǎo)聯(lián)間黑色連線表明其二者間的互信息值下降，信息流傳遞減少，表明該兩導(dǎo)處大腦皮層電活動的連接性受到抑制．可以明顯看出：經(jīng)過alpha差頻刺激后，被試者各腦區(qū)間的信息交流主要受到抑制，而經(jīng)過beta差頻刺激后，被試者各腦區(qū)間的信息交流主要受到激勵；抑制區(qū)集中在頂區(qū)、枕區(qū)和右顳區(qū)，而激勵區(qū)則集中額區(qū)與前頂區(qū)．這種顯著差異有可能從新的角度解釋雙耳差頻聲刺激對行為學(xué)變化帶來的影響．

表1 雙耳差頻聲能量(alpha頻段)Tab.1 Power of binaural beats(alpha band)

表2 雙耳差頻聲能量(beta頻段)Tab.2 Power of binaural beats(beta band)

圖1 LZC柱狀圖Fig.1 Bar of LZC

圖2 腦網(wǎng)絡(luò)差值Fig.2 D-value of brain network

4 結(jié) 語

本文通過對比alpha & beta雙耳差頻聲刺激態(tài)與靜息態(tài)腦電在線性與非線性及腦網(wǎng)絡(luò)方面的變化．發(fā)現(xiàn)傳統(tǒng)的功率譜與LZC不能有效地發(fā)現(xiàn)雙耳差頻聲對腦電頻率跟隨響應(yīng)效應(yīng)，而前者也被Vernon等[7]和Goodin等[8]的研究結(jié)果支持．

筆者首次引入了差頻刺激下的互信息腦網(wǎng)絡(luò)，通過對比其與靜息態(tài)的腦網(wǎng)絡(luò)，發(fā)現(xiàn)在兩種刺激模式下大腦信息傳遞的不同．這可能從一個新的角度揭示了前人發(fā)現(xiàn)的雙耳差頻聲影響行為學(xué)變化[3-6]的原因，即在alpha差頻刺激下被試者各腦區(qū)間的信息交流受到顯著抑制，信息傳遞減弱，促使被試者大腦“放空”，進入精神放松狀態(tài)；而在beta差頻刺激下被試者各腦區(qū)間的信息交流則顯著增強，信息傳遞增加，從而注意力增強，警覺性提高，甚至記憶力也有所提升．

在下一步的研究中，筆者將進一步擴展雙耳差頻聲的刺激頻率，同時增加實驗對象，以期獲得更加廣泛并具有統(tǒng)計意義的結(jié)果．

［1］ Le Scouarnec R P，Poirier R M，Owens J E，et al. Use of binaural beat tapes for treatment of anxiety：A pilot study of tape preference and outcomes[J]. Alternative Therapies in Health and Medicine，2001，7(1)：58-63.

［2］ Brady B，Stevens L. Binaural-beat induced theta EEG activity and hypnotic susceptibility[J]. American Journal of Clinical Hypnosis，2000，43(1)：53-69.

［3］ Foster D S. EEG and Subjective Correlates of Alpha Frequency Binaural Beats Stimulation Combined with Alpha Biofeedback [D]. Memphis，USA：Memphis State University，1990.

［4］ Kennerly R C. An Empirical Investigation into the Effect of Beta Frequency Binaural Beat Audio Signals on Four Measures of Human Memory [D]. Ontario，USA：West Georgia College，1994.

［5］ Lane J D，Kasian S J，Owens J E，et al. Binaural auditory beats affect vigilance performance and mood [J]. Physiology & Behavior，1998，63(2)：249-252.

［6］ Sornson R O. Using binaural beats to enhance attention [J]. Hemi-Sync Journal，1999，17(4)：1-4.

［7］ Vernon D，Peryer G，Louch J，et al. Tracking EEG changes in response to alpha and beta binaural beats [J]. International Journal of Psychophysiology，2012，93(1)：134-139.

［8］ Goodin P，Ciorciari J，Baker K，et al. A high-density EEG investigation into steady state binaural beat stimulation [J]. PLoS One，2012，7(4)：e34789.

［9］ Abásolo D，Hornero R，Gómez C，et al. Analysis of EEG background activity in Alzheimer's disease patientswith Lempel-Ziv complexity and central tendency measure[J]. Medical Engineering & Physics，2006，28(4)：315-322.

［10］ Zhao Qinglin，Hu Bin，Liu Li，et al. An EEG based nonlinearity analysis method for schizophrenia diagnosis [C]// The Ninth IASTED International Conference on Biomedical Engineering. Innsbruck，Austria，2012.

［11］ Cerquera A，Arns M，Buitrago E，et al. Nonlinear dynamics measures applied to EEG recordings of patients with attention deficit/hyperactivity disorder：Quantifying the effects of a neurofeedback treatment [C]// 2012 Annual International Conference on Engineering in Medicine and Biology Society(EMBC)of the IEEE. San Diego，CA，USA，2012：1057-1060.

［12］ Zhang Xusheng，Roy R J，Jensen E W. EEG complexity as a measure of depth of anesthesia for patients [J]. IEEE Transactions on Biomedical Engineering，2001，48(12)：1424-1433.

［13］ 裴曉梅，和衛(wèi)星，鄭崇勛. 基于腦電復(fù)雜度的意識任務(wù)的特征提取與分類[J]. 中國生物醫(yī)學(xué)工程學(xué)報，2005，24(4)：421-425. Pei Xiaomei，He Weixing，Zheng Chongxun. Feature extraction and classification of consciousness task based on EEG complexity [J]. Chinese Journal of Biomedical Engineering，2005，24(4)：421-425(in Chinese).

［14］ 鄭 楊，錢志余，李韙韜，等. 基于復(fù)雜性測度的光誘發(fā)下 alpha 波腦電特性研究[J]. 中國醫(yī)學(xué)物理學(xué)雜志，2011，28(3)：2644-2647. Zheng Yang，Qian Zhiyu，Li Weitao，et al. Study on the characteristics of EEG alpha wave induced by photic stimulation based on the complexity [J]. Chinese Journal of Medical Physics，2011，28(3)：2644-2647(in Chinese).

［15］ Li Yingjie，Tong Shanbao，Liu Dan，et al. Abnormal EEG complexity in patients with schizophrenia and depression [J]. Clinical Neurophysiology，2008，119(6)：1232-1241.

［16］ Na S H，Jin S H，Kim S Y，et al. EEG in schizophrenic patients：Mutual information analysis [J]. Clinical Neurophysiology，2002，113(12)：1954-1960.

［17］ Jeong J，Gore J C，Peterson B S. Mutual information analysis of the EEG in patients with Alzheimer's disease [J]. Clinical Neurophysiology，2001，112(5)：827-835.

(責(zé)任編輯：趙艷靜)

EEG Feature Under Binaural Beat Stimulation

Zhou Peng1,2，Gao Xiang1，Wang Xiaolu1，Qi Hongzhi1,2，Wang Xuemin1,2，Ming Dong1,2
(1. School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，Tianjin 300072，China；2. Tianjin Key Laboratory of Biomedical Detection Technology and Instrumentation，Tianjin 300072，China)

In order to study the neural mechanism of brain state induced by binaural beat(BB)，linear and nonlinear methods，such as power spectral density，Lempel-Ziv complexity(LZC)and brain network based on cross mutual information were applied to discuss the change of brain under two kinds of BB stimulations(alpha & beta). Thirteen subjects were involved in alpha & beta BB stimulations，and the results showed no frequency following response(FFR)by PSD of spontaneous electroencephalogram(EEG)and no obvious change by LZC. However，the information transmission among various cortical areas reduced under alpha BB stimulation but enhanced under beta BB stimulation by brain network. Therefore，brain network based on mutual information can effectively monitor the change of cerebral cortex under BB stimulation，which provides a new perspective for biological effects induced by BB stimulation.

binaural beat；Lempel-Ziv complexity；frequency following response；EEG

R318

A

0493-2137(2015)09-0834-05

10.11784/tdxbz201404022

2014-04-08；

2014-04-28.

國家自然科學(xué)基金資助項目(51377120，51007063，31271062，81222021，61172008，81171423)；天津市自然科學(xué)基金資助項目(13JCQNJC13900)；國家科技支撐計劃資助項目(2012BAI34B02)；教育部新世紀優(yōu)秀人才支持計劃資助項目(NCET-10-0618).

周 鵬（1978— ），男，副教授.

周 鵬，zpzp@tju.edu.cn.

時間：2014-05-08.

http：//www.cnki.net/kcms/detail/12.1127.N.20140508.1423.001.html.