A062 预印本速递 | 大脑研究也有滤镜？分析如何影响结果
来源：公众号 PSY-Brain_Frontier ｜ 发布：2026-10-22 ｜ 原文链接
● 认知神经科学前沿文献分享
本期介绍4篇来自bioRxiv的神经影像方法学预印本。前两篇聚焦脑电分析：电极数量如何影响结果，时间平滑又会怎样改变我们观察到的脑动态。后两篇关注磁共振成像与机器学习：自动估计的颅内体积是否可靠，以及如何减少多中心数据差异，同时防范预测模型的数据泄漏。
电极数量越多，脑电分析就越可靠吗？
关键词： 脑电图｜电极密度｜微状态｜功能连接｜皮层网络
论文标题： How Much Does Electrode Density Matter? A Multilevel Evaluation from EEG Signals to Cortical Networks
DOI： 10.64898/2026.09.26.754643
作者： Aya Kabbara、Marc Vérin、Mahmoud Hassan
来源： bioRxiv，2026-10-01（v1，预印本）
脑电图（electroencephalography，EEG）研究使用的电极数量差异很大，从十几个到数百个不等。高密度电极能提供更丰富的空间信息，也意味着更高的采集成本和计算负担。那么，究竟多少电极才够用？
Kabbara等人使用两套独立的静息态脑电数据，分别来自120名儿童和98名成人，原始采集配置为128通道和256通道。研究者通过模拟减少电极数量，比较不同配置对频谱、微状态、连接、行波及皮层网络分析的影响。
结果发现，电极数量的重要性，取决于研究者希望从脑电中获得什么信息。整体相对频谱功率等概括指标相对稳定，区域频谱分布、微状态动态和连接指标则更容易受到影响。
源空间网络枢纽的位置及中心性排序尤其敏感，在32通道和19通道条件下，不同电极配置之间的一致性明显下降。多个依赖空间信息的指标还在约64通道附近出现转变。
这提示研究者，较少的电极可能保留部分整体脑电特征，但涉及具体脑区、时空动态或皮层网络的推断时，需要更加重视空间采样密度。64通道是这两套静息态数据中的参考，不能作为所有脑电任务的统一标准。
时间平滑会怎样改变我们看到的脑动态？
关键词： 脑电微状态｜时间平滑｜插值｜脑动力学｜数据预处理
论文标题： The effects of temporal smoothing and interpolation on EEG microstate parameters, syntax, and our view of resting-state brain dynamics
DOI： 10.64898/2026.09.30.755764
作者： Frederic von Wegner、Gesine Hermann、Inken Tödt 等
来源： bioRxiv，2026-10-08（v1，预印本）
脑电微状态分析把连续变化的脑电活动划分为一系列短暂、相对稳定的空间模式，用于研究大脑活动随时间变化的规律。分析时，研究者常对微状态序列进行时间平滑或插值，让序列更连贯。这些处理会不会改变最终结果？
von Wegner等人分析了201名健康参与者的公开闭眼静息态脑电数据，比较两种常见处理方法：参数化时间平滑，以及全局场功率（global field power，GFP）峰插值。
研究发现，随着平滑窗口增大，估计得到的微状态持续时间明显增加，出现频率降低，总体覆盖率则变化较小。平滑还会改变序列的复杂度和时间结构，并削弱其中的动态不对称性与非平衡特征。
对于多数指标，GFP峰插值产生的影响，与28至44毫秒的平滑窗口相近。在本研究条件下，超过30毫秒的较强平滑，会明显改变对静息态脑动态的描述；这一数值不能直接套用于所有微状态分析。
预处理参数会影响我们如何解释脑动态。比较不同微状态研究时，除了看持续时间、出现频率等结果，也需要核对平滑和插值设置。作者建议避免过强的平滑，以减少对初始序列的改变。
自动估计的颅内体积，也需要质量检查
关键词： 磁共振成像｜颅内体积｜FreeSurfer｜纵向研究｜质量控制
论文标题： Widely Used Calculations of Intracranial Volume Provide Inaccurate Estimates in Developmental Cohorts: Evidence and Recommendations for the Neuroimaging Community
DOI： 10.64898/2026.10.03.751882
作者： Amalia M. Skyberg、Ava J. Reck、Jolinda Smith 等
来源： bioRxiv，2026-10-08（v1，预印本）
在磁共振成像（magnetic resonance imaging，MRI）研究中，颅内体积常被用于控制个体头部大小的差异。这个指标能够由软件自动估计，但自动输出的数值是否可靠，仍需要检查。
Skyberg等人分析了两套青少年纵向MRI数据，考察常用软件FreeSurfer的颅内体积估计结果。
研究发现，使用FreeSurfer 7时，部分参与者在相隔约1.5至2年的两次扫描之间，估计颅内体积的变化幅度最高达到39%。作者认为这一幅度不合理，提示自动估计存在问题。相关误差在西门子扫描仪采集的数据和女性参与者中更加明显；在FreeSurfer 8和另一种影像分析工具AssemblyNet中，这类问题明显减少。
39%指部分参与者的最大纵向变化，不能理解为样本的平均误差率。颅内体积也不同于脑组织体积，不能据此推断所有MRI脑体积测量都不可靠。
这项研究提醒我们，即使只是用于统计控制的辅助指标，也需要结合软件版本和纵向变化进行质量检查。
多中心脑影像研究，如何减少差异并防范数据泄漏？
关键词： 多中心神经影像｜数据协调化｜机器学习｜数据泄漏｜MIRTH
论文标题： Imputation-Based Harmonization Mitigates Site Effects Without Data Leakage in Machine Learning Studies
DOI： 10.64898/2026.09.28.755204
作者： Noah Hillman、Andrew A. Chen、Fengling Hu 等
来源： bioRxiv，2026-10-05（v1，预印本）
大型脑影像研究常需要整合不同医院或研究中心的数据。扫描设备、采集参数等技术差异可能使影像指标产生系统性偏移，让模型难以区分真实的生物学信号与站点效应。
研究者通常通过数据协调化来减少这些差异。但如果协调化时使用了测试阶段本应未知的真实结局，例如待预测的诊断结果，就会发生数据泄漏，使模型的预测性能被高估。
Hillman等人提出MIRTH（Multiple Imputation for Removing Technical Heterogeneity），一种利用多重插补减少技术差异的协调化方法。它使用插补得到的结局信息处理测试数据，避免在预测时使用未知的真实结局。
研究者通过模拟数据，以及阿尔茨海默病神经影像计划（ADNI）和巴尔的摩纵向老化研究的脑体积数据评估这一方法。结果显示，当不同站点的结局分布不均衡时，MIRTH能获得较高的预测准确度，同时避免性能被高估。
减少技术差异与客观评估模型，需要在同一流程中共同考虑。协调化应与训练、测试划分一起设计。不过，这些结果来自本研究评估的数据和流程，尚不能据此认定MIRTH适用于所有预测任务。
从方法选择，到结果解释
这4篇研究从不同角度说明，神经影像结果不仅取决于采集到了什么数据，也取决于研究者如何处理和分析数据。
电极配置、时间平滑、软件版本，以及机器学习的训练与测试流程，都可能影响最终的科学解释。充分报告这些选择，做好质量检查，并验证结果在不同设置下是否稳定，有助于提高研究的可信度。