用于评估脑电信号全局同步性的主成分熵指标

为何脑电波的协调很重要

每时每刻，大脑都充满了电活动的波动。医生可以通过一种叫做脑电图（EEG）的检查记录这些波形，但将屏幕上纠结的线条转化为清晰、客观的大脑健康指标仍然具有挑战性。本研究提出了一种新的读取这些波形的方法——称为主成分熵（PC-entropy）——旨在用单一数值捕捉大脑不同区域是“协同工作”还是“各自为政”。这个简洁的分数可用于跟踪睡眠、癫痫发作、昏迷恢复以及执行困难任务时的认知努力。

从多路脑信号到一个简单分数

传统的EEG分析常常成对地观察电极，考察每对电极之间的紧密关联。这有点像只听两个乐器就评判整个管弦乐队。新的PC-entropy方法则倾听整个合奏。它首先使用一种标准的数学工具（主成分分析）来发现所有EEG通道间共享的主要模式，以及每个模式对整体信号的解释量。然后将这些贡献视为一个概率分布，并输入一种信息量度（熵），用以描述这些贡献是分散还是集中。如果大部分活动由单一共享模式捕捉，PC-entropy接近0，表示强烈的全局同步；如果活动在多个模式之间更均匀分布，数值向1靠拢，表示各通道行为更独立。

在虚拟脑节律上的方法检验

在把PC-entropy应用到真实患者之前，研究者在一个常用的耦合振荡器计算模型中检验了它的行为，该模型常被用作同步脑细胞的替代物。通过逐步增加振荡器之间的耦合强度，他们可以将系统从无序驱动到锁步行为。随着同步性增强，PC-entropy可靠地下降，且这一趋势在不同采样率和时间窗长度下都成立，证明它能追踪从混乱到相干的预期变化。重要的是，当他们改变模拟通道数量时，归一化后的PC-entropy保持可比，这意味着该度量可在电极数量不同或记录过程中丢失一些通道的EEG系统之间公平使用。

该指标在真实睡眠与疾病中的揭示

研究团队随后将PC-entropy应用于几个大型公开EEG数据集。在整夜睡眠记录中，该指标显示大脑同步性在数十分钟尺度上起伏，形成相对稳定的协调时段，间隔以较突兀的变化。这些模式与人工判分的标准睡眠分期只呈松散对应，表明PC-entropy捕捉到的脑组织结构面向不同于诸如快速眼动（REM）或深睡眠等传统标签。当他们将健康睡眠者与有夜间额叶癫痫的患者比较时，新指标突显了不同的特征：患者在特定频段和脑区的全局同步性出现改变，在不同睡眠阶段表现出网络协调受损的迹象，而这些是常规分期评分可能忽视的。

对昏迷恢复与认知努力的见解

PC-entropy在心脏骤停后昏迷的患者中也显示出信息价值。大约在恢复循环后18小时，后来恢复良好脑功能的患者往往表现出较高的PC-entropy值——即脑区间活动不那么僵化、更加分化——相比结局不佳的患者。这与更丰富、更复杂的大脑动力学与意识及恢复相关的观念相吻合。在另一个让健康志愿者做心算任务的数据集中，当人们进行高强度运算时，PC-entropy在特定频段尤其是额叶位置上升。表现良好的参与者中这种变化最为明显，说明该度量能探测大脑从静息状态向集中解决问题时的重组方式。

对日常大脑健康的意义

从实践角度看，PC-entropy为临床医生和研究者提供了一个紧凑的“全脑协调温度计”，可从常规EEG记录中导出。与其在通道之间进行大量成对比较，不如跟踪随时间变化的单一归一化分数，或在不同人群和条件间进行对比。尽管该方法仍有局限——例如对体积传导的敏感性和主要依赖线性关系——它为更快速、更全局化的大脑功能评估开辟了道路。对患者而言，这最终可能意味着可以从同一次熟悉的EEG检查中，更客观地跟踪睡眠障碍、癫痫发作、昏迷预后，甚至认知负荷的变化。

引用: Diambra, L., Hutber, A., Drakeford-Hafeez, Z. et al. A principal component entropy metric for assessing global synchronicity in EEG signals. Sci Rep 16, 8031 (2026). https://doi.org/10.1038/s41598-026-36434-0

关键词: 脑电同步, 脑连接性, 熵, 昏迷预后, 睡眠与癫痫