使用 Cartool 软件进行微状态分析。对于每个被试，我们计算了所有电极的全局平均场功率 (GFP)。对于微状态分割，我们仅通过包含 GFP 具有局部最大值的点来对数据进行下采样。然后对数据进行空间过滤以提高信噪比。第一步包括在个人级别执行的 k 均值聚类。为了选择最佳聚类数，我们使用不同数量的 k 1 到 12 个初始聚类进行聚类。在第二步中，在组级别执行第二次 k 均值聚类，对上一步中获得的连接的单个拓扑进行聚类。对于第二个聚类，设置了 k 5 到 15 个聚类的初始数量和 200 个 k-means 初始化，所有这些都遵循 Cartool 针对静息状态数据的默认设置。最后，对图形进行目视检查，并与文献中报道的图形进行比较。对于这两个组，前 4 个拓扑结构与之前报告的 4 个“规范”微状态 A 到 D 非常相似，并相应地进行了标记（A、B、C 和 D 微状态分别显示在图 1中）。图 1.与 HC 组 (n = 24) 相比，MDD 组 (n = 24) 的头皮拓扑图。结果：
MDD和HC组促炎因子水平与微状态参数的关系
基于两组 MDD 和 HC 的脑电图微状态分析结果，关注微状态 D 与促炎因子之间的相关性。对于时间测量的 P 值，在 MATLAB 中跨相关分析（3 个炎症标记 x 3 个状态测量 [持续时间、发生率、覆盖率] x 2 组 [MDD、HC]）执行基于重采样的 FDR 校正，从而校正每次重新运行 18 次统计测试。评估了微状态 D 参数（持续时间、发生率和覆盖率）与血清促炎因子（IL-2、TNF-α 和 hs-CRP）水平之间的相关性分析。MDD组中微状态D的持续时间、发生率和覆盖率均与炎症因子（IL-2、TNF-α和hs-CRP）水平呈显着负相关。然而，MDD组和HC组其他微状态与促炎因子水平无显着相关性。
