A cardiac pulse signal affects local field potentials recorded from deep brain stimulation electrodes across clinical targets

该研究通过开发 PulsAr 算法，证实了一种此前未被充分描述的、非心电图来源的心脏搏动信号会广泛污染深部脑刺激电极记录到的局部场电位，其频谱特征延伸至 10Hz 以上，提示在闭环治疗及生物标志物检测中需警惕此类伪影干扰。

要点

这是一篇关于**大脑“心跳杂音”**的科学研究。为了让你轻松理解，我们可以把这篇论文想象成是在检查大脑里的“收音机”是否受到了干扰。

🎧 核心故事：大脑里的“心跳收音机”

想象一下，医生给病人装了一个深部脑刺激器（DBS），这就像是一个植入大脑的微型“收音机”和“调节器”。

• 它的工作：监听大脑里的电波（就像收音机收台），当发现大脑信号不对劲（比如帕金森病人的震颤信号）时，它会自动发射电波去“安抚”大脑，让病人感觉更好。
• 问题出在哪：这个“收音机”不仅收大脑的信号，还意外地收进了心脏跳动的声音。

以前，科学家以为只要把心脏的“电火花”（心电图 QRS 波）过滤掉就万事大吉了。但这篇论文发现，心脏跳动时，不仅会产生电，还会像敲鼓一样，让大脑里的血管和脑脊液跟着物理震动。这种震动被大脑里的电极捕捉到了，变成了一种**“心跳杂音”**。

🔍 科学家发现了什么？

1. 无处不在的“心跳杂音”：
   研究人员检查了不同病人（帕金森、癫痫、慢性疼痛患者）和大脑不同部位（像大脑的“指挥中心”或“中继站”）的信号。结果发现，无论在哪，这种心跳杂音都存在。就像你无论把收音机放在房间的哪个角落，都能听到隔壁邻居的心跳声一样。

2. 它很狡猾，会“伪装”：

   • 伪装成信号：这种杂音不是简单的“哒哒”声，它的波形很像大脑里的真实信号（比如一种叫“颅内压”的波动）。
   • 伪装成高频：虽然心跳很慢（每分钟 60-100 次），但这种杂音的“尾巴”能延伸到很高的频率（超过 10 赫兹）。这就好比一个低音鼓手，虽然敲得很慢，但他敲击产生的震动却能让高音喇叭也发出嗡嗡声。
   • 被设备“屏蔽”了：很多商业设备为了过滤噪音，会自动把低频信号切掉（就像把收音机的低音关小）。这虽然让杂音看起来消失了，但实际上，杂音的“幽灵”（高频部分）还藏在里面，悄悄干扰着医生的判断。

3. 发明了一个“杂音探测器”（PulsAr）：
   因为这种杂音太狡猾，肉眼很难看出来。于是，研究团队开发了一个叫 PulsAr 的算法（就像是一个智能噪音过滤器）。

   • 它不需要连接心电图机（ECG），光靠分析大脑信号本身，就能自动识别：“嘿，这段信号里有心跳杂音！”
   • 它能把杂音“提取”出来，让医生看清原本被掩盖的真实大脑信号。

⚠️ 为什么这很重要？（后果）

如果医生不知道这个杂音的存在，或者设备没有处理好它，会发生什么？

• 误诊：医生可能把“心跳杂音”误认为是“大脑生病的信号”。
• 乱调药：在闭环治疗（机器自动调节）中，如果机器以为大脑信号异常（其实是心跳在捣乱），它可能会错误地增加或减少电刺激。
  • 比喻：就像你的空调温控器，如果它把隔壁邻居开门的声音误认为是房间温度升高了，它就会拼命开冷气，结果把房间冻坏了。

💡 这篇文章的启示

1. 小心“低频”陷阱：医生和研究人员在分析大脑低频信号（比如慢波）时要特别小心，因为心跳杂音最喜欢混在这里面。
2. 需要新工具：未来的脑机接口设备需要更聪明的算法，不仅要过滤掉心跳的“电”，还要过滤掉心跳带来的“物理震动”。
3. 变废为宝：虽然这是干扰，但如果能精准提取，这个“心跳杂音”甚至可以用来监测病人的心率，或者作为颅内压力的指标，变成一种新的诊断工具。

📝 一句话总结

这篇论文告诉我们：大脑里的电极不仅听到了大脑的声音，还听到了心脏跳动的“物理震动”。这种震动会伪装成大脑信号，干扰治疗。我们需要发明更聪明的“过滤器”来区分它们，才能让脑机接口治疗更安全、更精准。

技术摘要

这是一份关于该预印本论文《A cardiac pulse signal affects local field potentials recorded from deep brain stimulation electrodes across clinical targets》（心脏脉冲信号影响跨临床靶点的深部脑刺激电极记录的局部场电位）的详细技术总结。

1. 研究背景与问题 (Problem)

• 背景：深部脑刺激（DBS）系统正越来越多地集成传感功能，用于监测局部场电位（LFP）并实现闭环治疗（CL-DBS）。闭环系统依赖于准确提取神经生物标志物（如帕金森病中的$\beta$波段振荡）来调整刺激参数。
• 核心问题：
  • 除了众所周知的心电图（ECG）QRS 波群伪影外，研究人员发现了一种非 ECG 的心脏脉冲信号（cardiac pulse signal）。
  • 这种信号在波形上类似于颅内压（ICP）波形，具有重复的脉冲形态，且与心跳同步，但不同于典型的 QRS 形态。
  • 现有的商业 DBS 设备（如 Medtronic Percept, Neuropace RNS）通常使用高通滤波器（1-12 Hz）来过滤伪影，这可能会在视觉上掩盖该脉冲信号，但无法完全消除其高频分量（>10 Hz）。
  • 未知领域：这种脉冲信号在不同脑区（如丘脑、脑干旁区域）和不同患者群体中的普遍性、频谱特性及其对临床生物标志物检测的具体影响尚不清楚。

2. 研究方法 (Methodology)

• 数据来源：
  • 对来自多个临床试验的 LFP 数据进行回顾性分析。
  • 患者群体与靶点：
    • 多系统萎缩（MSA）患者：脚桥核（PPN）。
    • 慢性疼痛患者：导水管周围灰质（PAG）和感觉丘脑（ST）。
    • 儿科癫痫患者（Lennox-Gastaut 综合征）：丘脑中央中核（CMT）。
    • 帕金森病（PD）患者：丘脑底核（STN，作为外部电极记录的对比组）。
  • 设备：主要使用颅骨植入式自适应 DBS 系统（Picostim-DyNeuMo），采样率 1000 Hz；部分 STN 数据来自外部化电极（4000 Hz）。
• 信号处理与算法开发 (PulsAr)：
  • 开发了一种名为 PulsAr 的算法，用于在不依赖同步 ECG 记录的情况下自动检测和提取脉冲信号。
  • 原理：利用自相关（Autocorrelation）识别信号中高度重复的特征。
  • 判定标准：
    1. 自相关信号的均方根（RMS）功率超过阈值。
    2. 峰值间隔符合生理心率范围（50-120 bpm）。
    3. 峰值间隔的变异性低。
  • 模板提取：通过交叉相关提取代表性脉冲模板，并将其与原始信号分离，构建“纯”脉冲信号字符串。
• 分析指标：
  • 视觉分类（两名专家）与算法分类的一致性（Cohen's $\kappa$）。
  • 频谱分析（功率谱密度 PSD）：比较清洁信号与污染信号在不同频段（$\delta, \theta, \alpha, \beta, \gamma$）的功率差异。
  • 污染指数（Contamination Index）：脉冲模板 RMS 与总信号 RMS 的比值。
  • 高通滤波影响测试：评估不同截止频率滤波器对脉冲信号的抑制效果。

3. 主要贡献 (Key Contributions)

1. 首次跨靶点证实：证明了心脏脉冲信号广泛存在于不同脑区（PPN, PAG, ST, CMT, STN）和不同疾病状态的 DBS 记录中，不仅仅是特定设备的伪影。
2. ECG 独立检测算法：提出了 PulsAr 算法，能够在没有同步 ECG 参考的情况下，高灵敏度（94.2%）和高特异性（95.1%）地检测并提取这种脉冲伪影。
3. 频谱特性揭示：揭示了该信号不仅包含心率频率（<2 Hz），其频谱能量还延伸至 >10 Hz，甚至覆盖到 $\beta$ 和 $\gamma$ 频段，这意味着简单的低通或高通滤波无法完全消除其对神经信号的影响。
4. 形态学关联：发现提取的脉冲波形具有类似颅内压（ICP）波形的 P1 和 P2 峰，提示其机械起源（脑搏动）。

4. 关键结果 (Results)

• 普遍性：
  • 在所有分析的 445 个 LFP 记录中，33% 被 PulsAr 算法判定为受脉冲信号污染。
  • 各区域污染率：PPN (53.5%), PAG (44.0%), ST (22.6%), CMT (5.8%)。
  • 值得注意的是，即使在视觉上看似“清洁”的 CMT 记录中，算法也检测到了微弱的脉冲成分（可能是被高幅值的内源性信号掩盖）。
• 频谱影响：
  • PPN 和 PAG：受污染信号在 $\delta$ 频段 的功率显著增加（$p < 0.05$）。
  • ST：受污染信号在 $\beta$ 和 $\gamma$ 频段 的功率显著降低（可能是由于信号抵消或算法提取时的相位对齐效应）。
  • CMT：受污染信号在 $\theta$ 和 $\alpha$ 频段功率显著降低。
  • STN：未观察到显著的频段功率差异，但提取的模板在 $\beta$ 频段出现峰值，可能反映了该区域强 $\beta$ 活动对模板提取的干扰。
• 信号稳定性：
  • 脉冲信号的幅度在短时间尺度（5 秒滑动窗口）内是波动的，这表明简单的线性减法或固定的校正因子难以完全消除其影响。
• 滤波局限性：
  • 即使应用较高的高通滤波截止频率（如 10-12 Hz），脉冲信号的高频分量（>10 Hz）依然存在，且难以在背景神经活动中通过视觉区分。

5. 意义与临床启示 (Significance)

• 对闭环 DBS (CL-DBS) 的挑战：
  • 该脉冲信号可能干扰用于控制刺激的神经生物标志物（特别是低频 $\delta$ 和 $\theta$ 波段，以及高频 $\beta$ 波段）。
  • 在闭环系统中，这可能导致错误的阈值触发，引起不必要的刺激调整或治疗失效。
  • 现有的商业设备默认滤波器可能无法完全去除该信号，导致临床决策基于被污染的数据。
• 数据质量筛查：
  • PulsAr 算法为研究人员和临床医生提供了一种客观工具，用于在数据分析前筛查受污染的数据，或在选择最佳接触点（Contact Selection）时考虑伪影因素。
• 生理机制推测：
  • 信号形态类似 ICP 波形，提示其可能源于脑搏动（Brain Pulsatility）引起的机电耦合（Electromechanical coupling）（如电极微动、阻抗变化），或者是血流动力学引起的“流动电位”（Streaming potential），而非单纯的 ECG 电场干扰。
• 潜在的新应用：
  • 如果该信号确为生理性而非纯伪影，PulsAr 可能被重新利用作为临床工具，例如用于估算心率（用于睡眠分期或癫痫检测）或作为颅内压动态的代理指标。

结论：心脏脉冲信号是 DBS 记录中一个普遍存在但常被忽视的干扰源。它跨越了传统滤波器的保护范围，影响多个频段。未来的闭环 DBS 系统设计和数据分析流程必须考虑这种伪影的筛查与处理，以确保神经生物标志物的准确性和治疗的安全性。