EEG + fNIRS 多模态技术助力双相情感障碍精准识别率再升级
2025-09-05 来源:本站 点击次数:75
EEG + fNIRS 多模态技术助力双相情感障碍精准识别率再升级
研究背景
双相情感障碍（BD）是一种复杂的情绪障碍，以反复发作的抑郁和躁狂/轻躁狂发作为特征，伴有显著的认知功能障碍和情绪调节障碍。由于症状重叠、特殊症状（如精神病特征）的可变发作时间以及对主观评估的依赖，准确和及时的诊断，尤其是亚型之间的鉴别仍然是一个挑战。
传统神经影像技术（fMRI、DTI）虽能揭示 BD 患者额叶 - 边缘系统连接异常，但存在高成本、低时间分辨率、非便携的缺陷，难以用于常规临床。来自格勒诺布尔阿尔卑斯大学的Inès Tahir及其合作者探索使用多模态EEG-fNIRS 系统作为双相情感障碍（BD）临床诊断工具的可行性，通过情绪视觉任务评估健康对照者与BD 患者（含BP I 亚型、BP II 亚型）的皮层活动，结果显示，单独全头 EEG可实现 BP 与 HC 的 80% 准确率分类，而整合 EEG 与 fNIRS能显著降低误分类率（如 BP II 与 HC 从 80% 提升至 84%，误分类率从 27% 降至 19%）；仅聚焦额叶区域时，虽单独 EEG 分类性能下降（如 BP II 与 HC 仅 68%），但 fNIRS 仍能补充神经血管信息，将准确率提升至 82%（误分类率 39%→14%），最终证实该多模态系统在 BD 诊断及BP I/BP II 亚型区分中的互补优势，支持简化便携系统的临床开发。该研究报告发表在《Research Square》，题为“Multimodal EEG-fNIRS Classification as a Clinical Tool for Bipolar Disorder Diagnosis”。
文章信息
研究目的
本研究探讨了使用结合脑电图（EEG）和功能性近红外光谱（fNIRS）的多模态方法来识别BD情绪失调的模式，旨在增强其诊断和亚型鉴别。
研究方法
被试
研究队列包括25名健康对照组（HC）和46名BD患者（BP），包括21名I型患者（BP I）和25名II型患者（BP II）。
研究方法
本研究使用干扰简单认知任务的情绪图像，实验设计如图1所示。参与者完成了一段休息期（闭眼），随后是16幅中性图像的训练块。接下来，他们执行了一项任务，包括六个具有不同情感效价的图像块：两个带有中性图像的块，两个带有负面图像的块，两个带有正面图像的块。每个区块包括20个试验，区块之间有50秒的休息期，随机试验间间隔（ITI）为9至11秒。在每个块中，给定的图像出现两次—被绿色或红色的框架包围。每个参与者的图像呈现顺序是随机的。在每次试验中，参与者都被指示通过按下相应的键盘键来“尽可能快速和准确地”对图像周围框架的颜色做出反应，同时忽略图像的情感内容。记录刺激呈现的时间和反应以进行分析。图2所示的双峰系统在经由公共触发器同步的两个系统上并行记录EEG数据和fNIRS数据。
主要结果
使用全头蒙太奇进行分组分类
单独使用全头EEG设置，BP和HC以80%的准确率有效地区分（图3，顶行-左列）。在仅使用EEG获得高分类率的分析中，fNIRS的结合对分类准确性的影响有限。例如，在BP I与HC分类（图3，顶行-右列）中，单独的EEG实现了89%的准确率，正确识别了89%的HC和95%的BP I。添加fNIRS将准确度略微提高到92%，将HC错误分类从11%降低到7%。类似地，对于BP I与BP II（图3，底行-右列），单独的EEG实现了83%的准确率，正确识别了84%的BP I和82%的BP II。 fNIRS的集成将准确率略微提高到84%，将BP II的错误分类率从18%降低到16%。
使用额叶区域的分组分类
区分BP和HC的结果（图4，顶行-左列）表明，结合fNIRS有助于克服EEG的局限性，显著降低了BP的错误分类率（从26%-19%）。如全头EEG所观察到的，当仅使用限于额叶区域的EEG数据进行分类时，实现了具有低错误分类率的高准确性，并且添加fNIRS不会导致显著的改善。这对于BP I与HC分类是明显的（图4，顶行-右列），其中单独EEG实现了86%的准确率。
然而，当EEG表现出较高的错误分类率时，整合fNIRS减少了错误并提高了准确性。例如，在BP II与HC分类中（图4，底行-左列），单独EEG实现了68%的准确率，BP II的错误分类率很高（39%）。添加fNIRS将准确率提高到82%，显著将BP II错误分类降低到14%。类似地，在BP I与BP II分类中（图4，底行-右列），单独EEG实现了70%的准确率，BP II错误分类率达35%。集成fNIRS将准确率提高到77%，将BP II错误分类降低到25%。
图4. 使用额叶区域的分类精度
总结和展望
本研究围绕双相情感障碍（BD）诊断展开，证实皮质超脑区域活动测量可提供强效诊断依据，EEG 与 fNIRS 多模态融合能显著提升分类准确性（尤其助力 BD II 与健康对照鉴别，弥补 EEG 空间覆盖缺陷），还验证了聚焦额叶的简化便携式系统可行性，为低成本诊断工具奠定基础；未来可从深化多模态数据融合、推进多中心临床验证与基层应用、拓展共病鉴别及特殊人群研究、构建 “技术 - 标准 - 产品” 产业化链条等方向发力，进一步释放该技术在 BD 精准诊断与慢病管理中的价值。
原文链接
Tahir I, Planat-Chrétien A, Bertrand A, et al. Multimodal EEG-fNIRS Classification as a Clinical Tool for Bipolar Disorder Diagnosis[M]. Research Square, 2025.
DOI：10.21203/rs.3.rs-6768170/v1
研究团队介绍
本文的作者包括Inès Tahir、Anne Planat-Chrétien、Antoine Bertrand、Muli Linder、Clément Dondé、Ronen Sosnik和Mircea Polosan。其中，Inès Tahir与Anne Planat-Chrétien隶属于CEA-Leti Minatec及格勒诺布尔阿尔卑斯大学（University of Grenoble Alpes），Antoine Bertrand、Muli Linder、Clément Dondé、Ronen Sosnik和Mircea Polosan则来自格勒诺布尔大学医院（University Hospital of Grenoble），各作者依托所属机构共同开展了这项关于多模态EEG-fNIRS系统用于双相情感障碍诊断的研究。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
研究背景
双相情感障碍（BD）是一种复杂的情绪障碍，以反复发作的抑郁和躁狂/轻躁狂发作为特征，伴有显著的认知功能障碍和情绪调节障碍。由于症状重叠、特殊症状（如精神病特征）的可变发作时间以及对主观评估的依赖，准确和及时的诊断，尤其是亚型之间的鉴别仍然是一个挑战。
传统神经影像技术（fMRI、DTI）虽能揭示 BD 患者额叶 - 边缘系统连接异常，但存在高成本、低时间分辨率、非便携的缺陷，难以用于常规临床。来自格勒诺布尔阿尔卑斯大学的Inès Tahir及其合作者探索使用多模态EEG-fNIRS 系统作为双相情感障碍（BD）临床诊断工具的可行性，通过情绪视觉任务评估健康对照者与BD 患者（含BP I 亚型、BP II 亚型）的皮层活动，结果显示，单独全头 EEG可实现 BP 与 HC 的 80% 准确率分类，而整合 EEG 与 fNIRS能显著降低误分类率（如 BP II 与 HC 从 80% 提升至 84%，误分类率从 27% 降至 19%）；仅聚焦额叶区域时，虽单独 EEG 分类性能下降（如 BP II 与 HC 仅 68%），但 fNIRS 仍能补充神经血管信息，将准确率提升至 82%（误分类率 39%→14%），最终证实该多模态系统在 BD 诊断及BP I/BP II 亚型区分中的互补优势，支持简化便携系统的临床开发。该研究报告发表在《Research Square》，题为“Multimodal EEG-fNIRS Classification as a Clinical Tool for Bipolar Disorder Diagnosis”。
文章信息
研究目的
本研究探讨了使用结合脑电图（EEG）和功能性近红外光谱（fNIRS）的多模态方法来识别BD情绪失调的模式，旨在增强其诊断和亚型鉴别。
研究方法
被试
研究队列包括25名健康对照组（HC）和46名BD患者（BP），包括21名I型患者（BP I）和25名II型患者（BP II）。
研究方法
本研究使用干扰简单认知任务的情绪图像，实验设计如图1所示。参与者完成了一段休息期（闭眼），随后是16幅中性图像的训练块。接下来，他们执行了一项任务，包括六个具有不同情感效价的图像块：两个带有中性图像的块，两个带有负面图像的块，两个带有正面图像的块。每个区块包括20个试验，区块之间有50秒的休息期，随机试验间间隔（ITI）为9至11秒。在每个块中，给定的图像出现两次—被绿色或红色的框架包围。每个参与者的图像呈现顺序是随机的。在每次试验中，参与者都被指示通过按下相应的键盘键来“尽可能快速和准确地”对图像周围框架的颜色做出反应，同时忽略图像的情感内容。记录刺激呈现的时间和反应以进行分析。图2所示的双峰系统在经由公共触发器同步的两个系统上并行记录EEG数据和fNIRS数据。
图 1. 实验设计。参与者被指示通过按下相应的键盘键，“尽可能快速和准确地”对图像周围框架的颜色做出反应，同时忽略图像的情感内容。黄色箭头-信息提示：“实验开始”。绿色箭头信息提示：“实验继续”。蓝色箭头-消息提示：“实验结束”。六个实验区块（两个中性区、两个阴性区和两个阳性区）的顺序以及每个区块内图片的选择是随机的
图2. 数据采集系统，左图：该系统包括符合国际10-20系统的64通道全头脑电图帽和具有四个源和四个检测器的正面fNIRS传感器，总共6个fNIRS通道（ch1至ch6）。右图：电极和光电极的放置
主要结果
使用全头蒙太奇进行分组分类
单独使用全头EEG设置，BP和HC以80%的准确率有效地区分（图3，顶行-左列）。在仅使用EEG获得高分类率的分析中，fNIRS的结合对分类准确性的影响有限。例如，在BP I与HC分类（图3，顶行-右列）中，单独的EEG实现了89%的准确率，正确识别了89%的HC和95%的BP I。添加fNIRS将准确度略微提高到92%，将HC错误分类从11%降低到7%。类似地，对于BP I与BP II（图3，底行-右列），单独的EEG实现了83%的准确率，正确识别了84%的BP I和82%的BP II。 fNIRS的集成将准确率略微提高到84%，将BP II的错误分类率从18%降低到16%。
图3. 使用全头脑电图蒙太奇的分类准确性
使用额叶区域的分组分类
区分BP和HC的结果（图4，顶行-左列）表明，结合fNIRS有助于克服EEG的局限性，显著降低了BP的错误分类率（从26%-19%）。如全头EEG所观察到的，当仅使用限于额叶区域的EEG数据进行分类时，实现了具有低错误分类率的高准确性，并且添加fNIRS不会导致显著的改善。这对于BP I与HC分类是明显的（图4，顶行-右列），其中单独EEG实现了86%的准确率。
然而，当EEG表现出较高的错误分类率时，整合fNIRS减少了错误并提高了准确性。例如，在BP II与HC分类中（图4，底行-左列），单独EEG实现了68%的准确率，BP II的错误分类率很高（39%）。添加fNIRS将准确率提高到82%，显著将BP II错误分类降低到14%。类似地，在BP I与BP II分类中（图4，底行-右列），单独EEG实现了70%的准确率，BP II错误分类率达35%。集成fNIRS将准确率提高到77%，将BP II错误分类降低到25%。
图4. 使用额叶区域的分类精度
总结和展望
本研究围绕双相情感障碍（BD）诊断展开，证实皮质超脑区域活动测量可提供强效诊断依据，EEG 与 fNIRS 多模态融合能显著提升分类准确性（尤其助力 BD II 与健康对照鉴别，弥补 EEG 空间覆盖缺陷），还验证了聚焦额叶的简化便携式系统可行性，为低成本诊断工具奠定基础；未来可从深化多模态数据融合、推进多中心临床验证与基层应用、拓展共病鉴别及特殊人群研究、构建 “技术 - 标准 - 产品” 产业化链条等方向发力，进一步释放该技术在 BD 精准诊断与慢病管理中的价值。
原文链接
Tahir I, Planat-Chrétien A, Bertrand A, et al. Multimodal EEG-fNIRS Classification as a Clinical Tool for Bipolar Disorder Diagnosis[M]. Research Square, 2025.
DOI：10.21203/rs.3.rs-6768170/v1
研究团队介绍
本文的作者包括Inès Tahir、Anne Planat-Chrétien、Antoine Bertrand、Muli Linder、Clément Dondé、Ronen Sosnik和Mircea Polosan。其中，Inès Tahir与Anne Planat-Chrétien隶属于CEA-Leti Minatec及格勒诺布尔阿尔卑斯大学（University of Grenoble Alpes），Antoine Bertrand、Muli Linder、Clément Dondé、Ronen Sosnik和Mircea Polosan则来自格勒诺布尔大学医院（University Hospital of Grenoble），各作者依托所属机构共同开展了这项关于多模态EEG-fNIRS系统用于双相情感障碍诊断的研究。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
相关文章
更多 >