（1）摘要 将磁刺激技术、脑电溯源、脑网络、主观量表分析与传统穴位理论相结合，探讨磁刺激神门穴对人体负性情绪的调节作用。利用标准低分辨率电磁断层成像对静息、视频诱发负性情绪以及视频诱发结合穴位刺激的脑电信号进行溯源分析。通过复杂网络理论构建脑皮层功能网络，对比研究网络局部和全局拓扑特征。结果表明，磁刺激神门穴时前额叶、颞叶、顶叶等情绪相关脑区发生显著变化，前额叶和颞叶节点度分别下降10.6%和6.2%，颞极区和边缘叶节点度分别上升6.1%和8.2%，脑网络总体平均度上升1%，平均聚类系数下降5%。磁刺激神门穴对负性情绪具有调节作用，推测其工作机制为大脑前额叶、颞叶部分活动转移至颞极区和边缘叶。
关键词：磁刺激 脑电溯源 脑功能网络 情绪
当今社会高速发展，生活节奏愈发变快，人们的精神负担也随之加重。有关统计显示，近70%都市人群长期处于负面情绪中。不良的情绪状态可引发焦虑、抑郁等精神类疾病，甚至诱发身体器质性病变。目前，在所有患病人群中，病因70%以上与情绪有关，情绪类疾病已多达200余种。2020年，随着新型冠状病毒肺炎（Corona Virus Disease 2019, COVID-19）疫情的全面爆发，广大医护人员、病患以及公众均面临着不同程度的情绪问题，人类在身体健康安全受到巨大威胁的同时，心理健康也面临着严峻的挑战[1]。
中医穴位疗法在调节情绪、治疗情绪类相关疾病方面疗效显著，通过针刺、艾灸、推拿按摩等方式刺激腧穴可缓解各种负面情绪，在新冠肺炎疫情防控期间发挥了重要作用。冯博等[2]通过神门穴耳穴压豆方法明显改善了肺炎患者焦虑情绪。相比于传统针刺，磁刺激技术利用时变脉冲磁场[3]刺激体表来调节机体组织的相关功能，无创且刺激状态易于量化，具有临床应用前景，众多学者在磁刺激穴位影像学方面开展了大量研究工作。杨硕[4]通过提取磁刺激神门穴后的脑电信号（Electroencephalogram, EEG）发现，磁刺激神门穴有利于大脑慢波诱发并且抑制快波活动，从而达到安抚情绪的目的。
随着大脑活动可视性研究的发展，基于图论的复杂脑功能网络成为脑科学研究的一个重要分支。利用EEG等方式构建并研究相应的脑功能网络，有助于深入揭示穴位刺激作用下的大脑调控机理。郭磊等[5-6]通过提取并计算各通道EEG信号C0复杂度、近似熵等非线性动力学特征之间的关联性，构建了磁刺激内关穴的脑功能网络，发现磁刺激内关穴有效改善了大脑的信息传递功能。EEG信号是采集的大量神经元突触后电位的总和，对EEG信号进行溯源可以在保证脑电高时间分辨率的基础上提升其空间分辨率。相关研究表明，经过溯源后的大脑皮层信号可以更准确地表达脑区之间的网络特性[7]。2019年，代扬杨等[8]利用标准低分辨率电磁断层成像（standardized Low Resolution Brain Electromagnetic Tomography, sLORETA）对EEG信号进行溯源，发现了与针刺穴位临床功效基本一致的脑皮层功能网络拓扑特征变化。
本文通过设计磁刺激穴位作用于视频诱发负性情绪的实验，并同步采集EEG信号，利用sLORETA方法对EEG信号进行溯源，构建并分析不同状态下的脑皮层功能网络特征。结合主观情绪量表（the Positive and Negative Affect Scale, PANAS）、脑电溯源以及脑网络拓扑结构特征变化结果，探讨磁刺激神门穴作用于负性情绪时对脑皮层电活动的影响以及相关的脑网络调节机制。
sLORETA算法是一种脑电逆问题溯源方法，通过对采集到的头皮电极信号进行逆向运算，求得大脑皮层各个脑区的电流密度分布[9-11]。假设大脑皮层激活模式相同，分布于大脑皮层上的电流密度源信号通过线性叠加在头皮上被记录。头皮电极信号与大脑皮层电流密度源信号之间的关系可以表示为
（1）式中，j 为采集到的头皮电极信号；K为m×n（m
n）维前向模型系数；J为n×l维大脑皮层电流密度源信号。
式（1）利用阶数为零的Tikhonov-Philips正则化方法求得唯一解，正则化方法中使用到的代价函数为
（2）式中，a 为正则化参数，a≥0；Q为预测值。
代入设定的K、j和a 值，利用最小代价方程，即可求得J的解，有
（3）其中
式中，E为单位矩阵；I为单位向量。
F检验又名联合假设检验，是通过统计检验方差比率（F-ratio）来判定两组样本之间是否存在显著性差异的检验方法。溯源分析时将F-ratio对数化表示，作为计量标准。F-ratio值是两组样本的样本标准偏差的二次方的比值，即
（4）式中，
、
为两组样本的样本标准偏差的二次方，计算方法为
（5）
式中，x为样本统计值；
为样本均值；n为样本容量。通过计算获得的F值与查表获得的f值进行比较，若F＜f则表明两组数据没有差异；若F≥f则表明两组数据存在显著差异。
复杂网络是由大量网络节点与节点间的连接边组成的模型，因此脑功能网络构建的关键要素是确定网络节点和连接边。本文根据Brodmann分区系统，选取82个脑区（Brodmann Area, BA）作为脑功能网络节点，对节点所在脑区溯源得到的电流密度进行相关性分析，从而生成节点连接边。
任意两个离散随机变量X和Y，当离散样本点间的延迟为0时，其皮尔逊相关系数
可表示为
（6）式中，n为样本容量；xi、yi为单个离散样本点。
由此可以获得对应状态的相关系数矩阵，纵向堆叠所有被试相关系数矩阵，通过Fisher-Z变换提高纵向数据的正态性，有
（7）式中，r为相关系数。
利用单侧单样本T检验，将所有被试同状态下的相关系数矩阵提高正态性后的纵向数据进行统计检验，在统计学上评定各皮层脑区之间相关系数均值是否大于阈值T，获得具有统计意义的相关矩阵[12]。统计量表示为
（8）式中，
为样本均值；s为样本标准差；
为假设均值，原假设为=T，备择假设为＞T。若t落在拒绝域，则拒绝原假设，说明相关系数均值大于阈值T（p＜0.05）。将大于阈值T的相关系数用1表示，反之表示为0，生成二值矩阵。在二值矩阵元素为1的对应节点间建立连接边，从而每种状态构建出一个反映所有被试整体情况且具有统计意义的脑网络。
脑功能网络的特征描述分为局部和全局两大类。从局部角度可以分析脑网络单个节点或者脑区的特征指标，从全局角度可以研究脑网络整体拓扑结构情况。
最常用的局部特征是节点度，其定义为与该节点直接相连的节点的个数，即
（9）式中，N为网络节点数；
为邻接矩阵中的元素。
节点聚类系数表示与节点相连的其他节点之间相互连接的可能性，即
（10）式中，Wi为与节点i相连的ki个节点间的实际连接边数；Mi为ki个节点间可能存在的最大连接边数。
平均度和平均聚类系数是常见的网络全局特征，分别表示整个网络中所有节点度的平均值和节点聚类系数的平均值。
实验招募了15名健康被试人员（8男、7女），均为在校学生，年龄21～25周岁，无任何精神病史，实验前签署知情同意书。实验选取神门穴（国际标准代号HT7，位于腕部、腕掌侧横纹尺侧端、尺侧腕屈肌腱的桡侧凹陷处）作为磁刺激靶点。使用英国Magstim公司的Rapid2磁刺激仪，选择型号为9925-00的“8”字形线圈，磁刺激深度约为2～3cm，具有很好的聚焦性能，适合局部小区域刺激，满足穴位刺激的空间精度要求。磁刺激时将“8”字形线圈放置于皮肤正上方约0.5cm处，刺激最强点对准穴位，设置为重复脉冲刺激模式，磁刺激强度为最大输出强度的80%，刺激频率为1Hz，以上参数选择符合安全性要求。使用美国NeuroScan公司的脑电记录分析系统同步采集各状态下的64通道EEG数据。
实验流程如图1所示，主要分为静息态、视频诱发态以及视频诱发结合穴位刺激态，分别同步采集EEG数据各180s。每种状态数据采集完毕后立即填写PANAS主观量表。视频材料均为180s，随机出现，取自于视频网站消极情绪分类极受认同且素材来源高度重合的多部影片剪辑片段，并提前由非被试人员分别进行PANAS主观量表评分，保证唤醒度相当。为消除安慰剂效应，实验设置了非穴位刺激对照组。刺激点选取位于神门穴右侧1～2cm处的非穴位点，其余设置与实验组相同。对采集到的EEG信号进行预处理，具体步骤包括删除明显漂移数据段，0.5～35Hz带通滤波，去除眼电、肌电伪迹，转换平均参考，分段、基线校正等[13]。
图1 实验流程
Fig.1 Experimental process
PANAS量表被广泛运用于新冠疫情期间评定个体正性和负性情绪水平[14]。本研究使用包含正性情绪和负性情绪两个方向共18个条目，其中正性情绪和负性情绪条目均为9条。采取“极少、比较少、中等程度、比较多、极其多”五级评分标准，分别记1～5分。取正性情绪评分总和与负性情绪评分总和的比值作为统计数据。当比值大于1，说明被试处于正性情绪，且比值越大说明被试正性情绪越高；当比值小于1，说明被试处于负性情绪，且比值越小说明被试负性情绪越高。本研究参与方差分析的独立样本均具备正态性特质和方差齐性。两段视频评分的情绪比值分别为0.67±0.17和0.63±0.11，视频材料之间不存在显著性差异（p=0.447）。各状态情绪比值的方差分析结果见表1。结果显示，静息、视频诱发以及视频诱发结合穴位刺激三种状态下的情绪比值具有显著性差异（F=15.245, p=0）。非穴位刺激态的情绪比值为0.66±0.13，与视频诱发态之间不存在显著性差异（p=0.864）。
表1 各状态情绪比值的方差分析
Tab.1 Analysis of variance of emotional ratio of each state
状态静息视频诱发视频诱发+穴位刺激 情绪比值（均值±标准差）1.05±0.180.65±0.170.81±0.24
各状态间情绪比值的配对T检验结果见表2。由结果可知，相比于静息态，视频诱发态和视频诱发结合穴位刺激态的负性情绪比重均显著上升 （p＜0.01
；相比于视频诱发态，施加穴位刺激后负性情绪比重显著降低（p＜0.05。
表2 各状态间情绪比值的配对T检验结果
Tab.2 Paired T-test results of emotional ratios between states
状态1-状态2tp 静息-视频诱发6.1880 静息-视频诱发结合穴位刺激3.2580.006 视频诱发-视频诱发结合穴位刺激-2.7290.016
本研究统计了静息态与视频诱发态（A组）、视频诱发态与视频诱发结合穴位刺激态（B组）之间在Delta（0.5～4Hz）、Theta（4～8Hz）、Alpha1（8～10Hz）、Alpha2（10～13Hz）、Beta1（13～18Hz）、Beta2（18～21Hz）、Beta3（21～30Hz）以及Gamma（30～35Hz）八个脑电波段下存在显著差异的脑区，从溯源分析的角度探讨了不同状态间大脑皮层活动的差异脑区。各个频段脑电溯源显著性差异统计分析结果（p＜0.05见表3。
结果显示，静息态与视频诱发态（A组）之间在脑电Delta波段存在显著差异的脑区是位于前额叶的上外额叶皮层（BA46）；Theta波段存在显著差异的脑区是位于颞叶的颞上回（BA22）；Alpha1、Alpha2、Beta2、Beta3和Gamma波段存在显著差异的脑区是位于顶叶的缘上回（BA40）；Beta1波段存在显著差异的脑区是位于前额叶的背外侧额叶（BA8）。
脑电Delta、Theta、Alpha1、Alpha2、Beta1和Gamma波段，视频诱发态与视频诱发结合穴位刺激态（B组）存在显著差异的脑区是位于顶叶的缘上回（BA40）；Beta2波段存在显著差异的脑区是位于颞叶的颞上回（BA22）；Beta3波段存在显著差异的脑区是位于前额叶的背外侧前额叶（BA8）。
表3 各频段不同状态间脑电溯源显著性差异结果
Tab.3 Significant difference result of EEG source localization between different states in each frequency band
频段差异脑叶差异脑区BA区图像 A组B组A组B组A组B组A组B组 Delta前额叶顶叶上外额叶皮层缘上回BA46BA40 Theta颞叶顶叶颞上回缘上回BA22BA40 Alpha1顶叶顶叶缘上回缘上回BA40BA40 Alpha2顶叶顶叶缘上回缘上回BA40BA40 Beta1前额叶顶叶背外侧前额叶缘上回BA8BA40 Bata2顶叶颞叶缘上回颞上回BA40BA22 Beta3顶叶前额叶缘上回背外侧前额叶BA40BA8 Gamma顶叶顶叶缘上回缘上回BA40BA40
非穴位对照组中，与视频诱发态相比，施加非穴位刺激时Delta、Theta、Alpha1、Alpha2、Beta1和Gamma波段存在显著差异的脑区主要是位于后额叶的BA6；Beta2、Beta3波段位于枕叶的BA19差异显著。
根据Brodmann分区系统，选取82个脑区作为网络节点。利用sLORETA算法提取15个被试视频诱发态和视频诱发结合穴位刺激态各个节点的电流密度数据。通过计算各个BA之间的相关性形成大小为82×82的相关系数矩阵。将每组实验的15个相关矩阵叠加成82×82×15的三维矩阵。对Z轴每一列元素进行Fisher-Z变换提升正态性后，利用单侧单样本T检验判断相关系数与是否落在阈值T的拒绝域，形成一个大小为82×82的二值矩阵。视频诱发态以及视频诱发结合穴位刺激态的二值矩阵如图2所示。当两组离散序列的长度大于15，两组序列之间的相关系数大于0.3，则认为具有强相关性[15]。本文通过脑电溯源得到的电流密度序列远大于15，因此选取阈值为0.35。视频诱发态以及视频诱发结合穴位刺激态的脑皮层功能网络如图3所示。从图2和图3结果可以看出，在节点序号中部区域，视频诱发态以及视频诱发结合穴位刺激态的脑功能连接较为集中，根据序号和BA的对应关系可知，其位置主要为位于大脑半球内侧的大脑边缘叶，且两种状态下的脑功能连接存在差异。
图2 各状态的二值矩阵
Fig.2 Binary matrix of each state
图3 各状态的脑功能网络
Fig.3 Brain functional network of each state
视频诱发态以及视频诱发结合穴位刺激态在大脑前额叶、颞叶、边缘叶的节点度对比结果如图4所示。大脑各区域的总节点度及其变化结果见表4。
由结果分析可知，与视频诱发态相比，在施加穴位刺激时，位于大脑前额叶和颞叶的大部分节点的度减小，而位于颞极区的BA38以及边缘叶的大部分节点的度增大。总体而言，前额叶区总节点度减小10.6%，颞叶区总节点度减小6.2%，而与情绪相关的颞极区节点度增大6.1%，边缘叶总节点度增大8.2%。
图4 各脑区节点度
Fig.4 Node degree of each brain region
表4 各脑区的总节点度
Tab.4 Total node degree of each brain region
脑叶视频诱发视频诱发+穴位刺激增幅(%) 前额叶227203-10.6 颞叶209196-6.2 颞极3335+6.1 边缘叶536580+8.2
视频诱发态以及视频诱发结合穴位刺激态的网络平均度和平均聚类系数见表5。结果显示，与视频诱发态相比，当施加穴位刺激时平均度增大1%，平均聚类系数减小5%。
表5 脑功能网络的全局特征
Tab.5 Global characteristics of brain functional network
全局特征视频诱发视频诱发+穴位刺激增幅(%) 平均节点度15.615.78+1 平均聚类系数0.6190.588 1-5
情绪的相关研究通常需要通过各种方式诱发出相应情绪，综合了视觉刺激和听觉刺激的视频材料被认为是最有效的情绪诱发材料[16]。大脑在处理情绪相关活动时，需要多个脑区同时工作。文献研究表明，当大脑前额叶功能发生紊乱时，人体会发生情感认知功能障碍[17]。同时，大脑颞叶与顶下小叶参与了从恐惧到快乐的情绪变化过程[18]。
本文通过对比分析视频诱发态与静息态的溯源结果发现，位于前额叶的上外额叶皮层（BA46）以及位于颞叶的颞上回（BA22）等脑区在疲劳状态时处于活跃状态的慢波即Delta和Theta波段存在显著性差异（p＜0.05。位于顶下小叶的缘上回（BA40）在安静状态时出现的Alpha波段存在显著性差异 （p＜0.05。代表大脑活动强烈的快波即Beta和Gamma波段与紧张状态相关，位于前额叶的背外侧前额叶（BA8）在Beta1波段存在显著性差异（p＜0.05），其余快波波段存在显著性差异的脑区位于缘上回（BA40）。以上存在显著差异的脑区均与情绪密切相关。PANAS主观量表分析结果中，两段视频材料评分没有显著差异，可以消除被试的熟悉性误差同时保证被试情绪唤醒度接近，静息态的情绪比值趋近于1，相比较而言，视频诱发态的负性情绪比重上升。综合溯源分析和主观量表结果表明，本研究中负性视频作为情绪诱发材料可以诱发出被试的负性情绪[19]。
神门穴是心经上的腧穴，自古以来常用于治疗与精神相关的疾病，现代中医有大量研究通过先进的科学手段探讨神门穴对情绪调节的作用机理。有研究表明，刺激神门穴可引起前额叶、颞叶、边缘叶的活动变化[20]。边缘叶位于大脑半球内侧面，包括扣带回、海马旁回、海马等结构，围绕脑干、胼胝体周围，边缘叶与杏仁核、前额叶等脑区之间存在一个管理情绪活动的工作网络[21]。位于颞叶的颞极区（BA38）与杏仁核和眼眶额叶皮层的工作网络相关，有研究认为，颞极的功能异常与情绪调节障碍有关[22]。对这个工作网络如何调节情绪活动的相关研究是近年来的热点，有研究发现，经过正念减压训练后的脑网络，其平均聚类系数降低，前额叶部分的功能连接降低，边缘叶部分的功能连接升 高[23]。本文通过对比分析视频诱发态以及视频诱发结合穴位刺激态的溯源结果，发现二者在Delta、Theta、Alpha、Beta3、Gamma等波段存在显著性差异（p＜0.05的脑区是位于顶下小叶的缘上回（BA40）；Beta1波段存在显著性差异（p＜0.05的是位于颞叶的颞上回（BA22）；Beta2波段存在显著性差异（p＜0.05）的是位于前额叶的背外侧额叶皮层（BA8）。以上存在显著性差异的脑区也均与情绪活动相关。非穴位对照组中，与视频诱发态相比，施加非穴位刺激时发生变化的脑区为与情绪无关的BA6和BA19，而情绪相关脑区均无显著变化，从而排除了安慰剂效应。视频诱发态以及视频诱发结合穴位刺激态对应的脑功能网络在边缘叶具有较为密集的连接边，说明边缘叶更多地参与了大脑情绪调节活动。通过对比分析脑功能网络局部特征和全局特征发现，在施加穴位刺激时脑功能网络在前额叶的总节点度下降，颞叶与情绪相关的节点度上升，边缘叶的总节点度上升。与局部特征变化相比，大脑整体功能连接特征量变化较小。脑网络平均节点度变化不明显，平均聚类系数下降，说明大脑活动更为分散、平稳。综上所述，磁刺激神门穴与正念减压训练等情绪调节方法类似，同样可引起情绪相关脑区的活动变化，从相关脑网络分析结果推测，磁刺激神门穴调节负性情绪的主要机制可能是大脑功能活动由前额叶和部分颞叶转移到了颞极区和边缘叶。
本研究设计了静息、视频诱发情绪以及视频诱发结合穴位刺激实验，通过PANAS主观量表和sLORETA脑电溯源对比，验证了负性视频材料对情绪的诱发作用，分析了磁刺激穴位调节负性情绪时脑皮层电活动的显著差异脑区，而后利用溯源得到的电流密度分布数据构建了脑皮层功能网络并进行了网络局部和全局特征分析，研究了磁刺激穴位作用于负性情绪时的脑网络调节机制。主观量表分析结果表明，相比于静息态，观看负性视频后负性情绪比重上升；相比于视频诱发态，磁刺激神门穴时的负性情绪比重有所降低。脑电溯源差异性分析结果显示，与静息态相比，负性情绪诱发时大脑前额叶、颞叶、顶下小叶等情绪相关脑区活动发生显著变化；与视频诱发态相比，施加磁刺激神门穴时在上述与情绪相关的脑区同样发生了显著变化。脑功能网络对比分析结果发现，与视频诱发态相比，磁刺激神门穴时脑功能网络的全局功能连接基本不变，前额叶、部分颞叶的功能连接降低，颞极区、边缘叶的功能连接上升。本研究推测，磁刺激神门穴调节负性情绪的方式是较少改变大脑整体活动强度的同时，降低前额叶和颞叶部分活动，提升颞极区、边缘叶脑区的活动。
本研究尚存在许多不足之处，如构建脑功能网络时可以进一步精炼选择脑区作为节点，从而更有针对性地分析磁刺激穴位调节情绪的工作机制。此外，在临床上利用穴位刺激调节情绪通常有一套完整的治疗方案，未来可与具体疾病相结合，参考实际疗程疗法进一步改进实验。
参考文献
[1] 王宁霞, 徐鹏飞. 新冠肺炎疫情期间青少年心理压力及应对方式的调查研究[J]. 大理大学学报, 2020, 5(7): 123-128.
Wang Ningxia, Xu Pengfei. Investigation on psycho- logical stresses and coping styles of adolescents during the outbreak of COVID-19[J]. Journal of Dali University, 2020, 5(7): 123-128.
[2] 冯博, 金世宏, 吴进兵, 等. 耳穴压豆对新型冠状病毒肺炎疫情期间普通社区获得性肺炎患者焦虑情绪影响的临床研究[J]. 上海中医药杂志, 2020, 54(9): 16-19.
Feng Bo, Jin Shihong, Wu Jinbing, et al. Clinical study on the effect of auricular point pressing bean therapy on anxiety in patients with ordinary com- munity acquired pneumonia during COVID-19 pandemic[J]. Shanghai Journal of Traditional Chinese Medicine, 2020, 54(9): 16-19.
[3] 熊慧, 王玉领, 付浩, 等. 一种应用于经颅磁刺激脉冲宽度可调的节能型激励源[J]. 电工技术学报, 2020, 35(4): 679-686.
Xiong Hui, Wang Yuling, Fu Hao, et al. An energy efficient excitation source for transcranial magnetic stimulation with controllable pulse width[J]. Transa- ctions of China Electrotechnical Society, 2020, 35(4): 679-686.
[4] 杨硕. 磁刺激头部的感应电场分析及其对神经功能影响的研究[D]. 天津: 河北工业大学, 2007.
[5] 郭磊, 王瑶, 于洪丽, 等. 基于近似熵的磁刺激穴位脑功能网络构建与分析[J]. 电工技术学报, 2015, 30(10): 31-38.
Guo Lei, Wang Yao, Yu Hongli, et al. Brain fun- ctional network based on approximate entropy of EEG under magnetic stimulation at acupuncture point[J]. Transactions of China Electrotechnical Society, 2015, 30(10): 31-38.
[6] 郭磊, 陈云阁, 王瑶, 等. 基于C0复杂度的磁刺激内关穴的脑功能网络构建与分析[J]. 电工技术学报, 2017, 32(12): 155-163.
Guo Lei, Chen Yunge, Wang Yao, et al. Construction and analysis of brain function network based on C0 complexity under magnetic stimulation at acupoint of neiguan[J]. Transactions of China Electrotechnical Society, 2017, 32(12): 155-163.
[7] 季淑梅, 刘庆, 许艳楠, 等. 基于脑电溯源的顿悟状态脑功能网络研究[J]. 高技术通讯, 2018, 28(8): 677-684.
Ji Shumei, Liu Qing, Xu Yannan, et al. Study on brain functional network of insight based on EEG source analysis[J]. Chinese High Technology Letters, 2018, 28(8): 677-684.
[8] Dai Yangyang, Yin N, Yu H, et al. Cerebral cortex functional networks of magnetic stimulation at acupoints along the pericardium meridian[J]. Journal of Integrative Neuroscience, 2019, 18(1): 79-85.
[9] Pascual R. Standardized low-resolution brain electro- magnetic tomography (sLORETA): technical details[J]. Methods & Findings in Experimental & Clinical Pharmacology, 2002, 24 (Suppl D): 5-12.
[10] Fuchs M, Kastner J, Wagner M, et al. A standardized boundary element method volume conductor model[J]. Clinical Neurophysiology, 2002, 113(5): 702-712.
[11] Jurcak V, Tsuzuki D, Dan I. 10/20, 10/10, and 10/5 systems revisited: their validity as relative head- surface-based positioning systems[J]. Neuroimage, 2007, 34(4): 1600-1611.
[12] 尹宁, 代扬杨, 徐桂芝. 磁刺激不同经络穴位a 波脑皮质功能网络的研究[J]. 中国康复理论与实践, 2018, 24(12): 1438-1445.
Yin Ning, Dai Yangyang, Xu Guizhi. Alpha-wave cerebral cortex functional networks of magnetic stimulation on acupoints of different meridians[J]. Chinese Journal of Rehabilitation Theory and Practice, 2018, 24(12): 1438-1445.
[13] 徐桂芝, 张秀, 杨庆新, 等. 磁刺激穴位对人体神经功能调节作用[J]. 电工技术学报, 2010, 25(4): 34-37.
Xu Guizhi, Zhang Xiu, Yang Qingxin, et al. Effects of magnetic stimulation on acupoint for regulation of human neural function[J]. Transactions of China Electrotechnical Society, 2010, 25(4): 34-37.
[14] 吴蓉, 莫萍, 姜佳慧, 等. 新型冠状病毒肺炎疫情下炎症性肠病患者诊疗情况及心理状态问卷调查[J]. 胃肠病学和肝病学杂志, 2020, 29(6): 654-659.
Wu Rong, Mo Ping, Jiang Jiahui, et al. The treatment and psychological status of patients with inflam- matory bowel disease during the COVID-19 epidemic: a questionnaire survey[J]. Chinese Journal of Gastro- enterology and Hepatology, 2020, 29(6): 654-659.
[15] 管宇. 实用多元统计分析[M]. 杭州: 浙江大学出版社, 2011.
[16] 郑璞, 刘聪慧, 俞国良. 情绪诱发方法述评[J]. 心理科学进展, 2012, 20(1): 45-55.
Zheng Pu, Liu Conghui, Yu Guoliang. An overview of mood-induction methods[J]. Advances in Psycho- logical Science, 2012, 20(1): 45-55.
[17] Harnett G, Goodman M, Knight C. PTSD-related neuroimaging abnormalities in brain function, structure, and biochemistry[J]. Experimental Neuro- logy, 2020, 330: 113331.
[18] Schmidt L, Sojer A, Hass J, et al. fMRI adaptation reveals: the human mirror neuron system discri- minates emotional valence[J]. Cortex, 2020, 128: 270-280.
[19] Brivio E, Serino S, Cousa N, et al. Virtual reality and 360°panorama technology: a media comparison to study changes in sense of presence, anxiety, and positive emotions[J]. Virtual Reality, 2020, https:// doi.org/10.1007/s10055-020-00453-7.
[20] 刘雁泽. 电针单穴与腧穴配伍对睡眠剥夺模型大鼠学习记忆能力调节效应的对照研究[D]. 长春: 长春中医药大学, 2019.
[21] Ruwsbridge C. Neurobehavioral disorders: the corti- colimbic system in health and disease[J]. The Veterinary clinics of North America. Small animal practice, 2020, 50(5): 1157-1181.
[22] Tsai C J, Lin H Y, Tseng W Y, et al. Brain voxel- based morphometry correlates of emotion dysregu- lation in attention-deficit hyperactivity disorder[J]. Brain Imaging and Behavior, 2020, https://doi.org/ 10.1007/s11682-020-00338-y.
[23] 李雷. 短期正念减压训练对大脑复杂网络属性的影响[D]. 昆明: 昆明理工大学, 2019.
Electroencephalogram Source Localization and Brain Network of Magnetic Stimulation at Acupoints to Regulate Negative Emotion
Abstract Magnetic stimulation technology, EEG source localization, brain network, subjective analysis and traditional acupoint theory were combined to discuss the regulation effect of magnetic stimulation at Shenmen acupoint (HT7) on negative emotion. The EEG signals of resting, video- induced negative emotion and video-induced combined with acupoint stimulation were analyzed by standard low-resolution electromagnetic tomography. The functional networks of cerebral cortex were constructed by complex network theory, and the local and global topological characteristics were compared. The results show that the prefrontal lobe, temporal lobe, parietal lobe and other emotional related brain areas change significantly when the Shenmen acupoint was magnetically stimulated. The node degrees of prefrontal lobe and temporal lobe decreased by 10.6% and 6.2%, respectively, and the node degrees of temporal polar region and marginal lobe increased by 6.1% and 8.2%, respectively. The overall average degree of brain network increased by 1%, and the average clustering coefficient decreased by 5%. Magnetic stimulation of the Shenmen acupoint has a regulatory effect on negative emotion. It is speculated that some activities of prefrontal lobe and temporal lobe are transferred to temporal polar region and marginal lobe.
keywords：Magnetic stimulation, electroencephalogram source localization, brain functional network, emotion
中图分类号：Q64
DOI: 10.19595/j.cnki.1000-6753.tces.201256
国家自然科学基金资助项目（51737003, 51707055, 51677053）。
收稿日期 2020-09-21
改稿日期 2020-10-09
尹 宁 女，1986年生，副教授，硕士生导师，研究方向为生物电磁信息检测与利用。E-mail: yinning@hebut.edu.cn
徐桂芝 女，1962年生，教授，博士生导师，研究方向为生物电工技术。E-mail: gzxu@hebut.edu.cn（通信作者）
（编辑 崔文静）