高云园;任磊磊;张迎春;佘青山;席旭刚;张启忠
【摘 要】针对皮层肌肉相干性分析时不能确定耦合方向的局限性,根据神经肌肉信息的双向传递性,提出利用不同大脑功能区的脑电信号和动作相关的肌电信号,实现了相干函数对脑肌电信号的双向耦合分析.本文对不同握力模式下同步采集的脑肌电信号进行了多频段耦合分析.通过下行(EEG—>EMG)和上行(EMG—>EEG)分析发现,随着握力的增大,EEG能量、相干幅值和耦合强度均向高频段转移.与基于新型格兰杰因果关系的耦合方法进行比较,验证了相干性方法进行皮层肌肉双向耦合分析的可行性和优势.研究结果为探索基于皮层肌肉相干性的双向手部运动信息解码和上肢运动功能障碍分析提供了依据.%For CMC have the limitation that can't determine the direction of the coupling,different functional areas of EEG signals and the EMG signals are adopted to realize the bidirectional coupling analysis,according to the bidi-rectional transmission of neuromuscular information. The multi-band coupling analysis of EEG-EMG signals under multi-grip mode is performed in the different functional areas. Through the downstream( EEG->EMG) and upstream (EMG->EEG) analysis,it is found that t
he signal energy of EEG,amplitude and coupling strength of coherence shift to higher frequency with the increase of grip strength. Compared with method based on granger causality rela-tion, the feasibility and advantage of the coherence method are verified in the bidirectional coupling analysis of brain-muscle connectivity. The results of the study provide the basis for the two-way information decoding of hand motion and the analysis of upper limb dysfunction.
【期刊名称】《传感技术学报》
【年(卷),期】2017(030)010
【总页数】7页(P1465-1471)
【关键词】脑肌电信号;耦合分析;相干性;皮层肌肉功能
【作 者】高云园;任磊磊;张迎春;佘青山;席旭刚;张启忠
【作者单位】杭州电子科技大学机器人研究所,杭州310018;杭州电子科技大学机器人研究所,
杭州310018;广东省工伤康复中心,广州510440;休斯顿大学生物医学工程系,美国 休斯顿;杭州电子科技大学机器人研究所,杭州310018;杭州电子科技大学机器人研究所,杭州310018;杭州电子科技大学机器人研究所,杭州310018
【正文语种】中 文
【中图分类】TP391
脑电信号EEG(Electroencephalogram)反映了大脑功能区神经细胞活动时的电位变化。肌电信号EMG(Electromyography)是反映肌活动时所产生的信号。人的自主动作过程中,除了不同脑区之间的协同作用,大脑运动区/体感觉区与运动肌肉组织的神经细胞之间也自动地发生了同步化[1-2],这种大脑皮层与运动神经肌肉组织两大体系内部及相互间的作用构成了皮层肌肉功能耦合关系CMC(Cortical-Muscular Functional Coupling)[3-4]。自1995年Conway等[5]发现运动过程中皮层脑电和肌电信号存在相关性以来,相继有学者发现脑肌电信号功能频段的相干性与运动范式紧密相关[6-7]。如在静态力输出时相干性主要在β(15 Hz～30 Hz)频段,动态力输出时皮层脊髓振荡移向高γ(50 Hz～72 Hz)频段[8-9]。脑肌电耦合分析在近年来成为许多学者研究的热点,为脑卒中和运动障碍患者提供康复方案和康复评价的理论依据[10]。
近年来相干性分析[11-12]、格兰杰因果分析[13]、互信息[14]、传递熵[15]以及符号化传递熵[16-17]等方法都被用来分析脑肌电耦合关系。在这几种方法中,相干性分析效果显著,结果可靠,效率高并支持在线处理,然而相干性存在不能确定耦合方向的局限性。根据Horak的运动控制理论,“正常运动控制是指中枢神经系统运用现有以及以往的信息,将神经能转化为动能,并使之完成有效的功能活动”。以手抓握为例,当抓握开始时,一方面大脑运动区发出的控制命令通过运动传导通路将信号传递到效应器产生相应的运动;另一方面动作时运动肌肉产生的感觉信号由感受器通过感觉传导通路反馈到大脑的躯体感觉区[18-19]。因此分别选取大脑运动区和体感觉区的脑电信息与动作肌电做相干性分析,弥补相干性不能确定耦合方向的不足。其中大脑运动区脑电与动作肌电的耦合记为下行(EEG—>EMG),动作肌电与体感觉区脑电的耦合记为上行(EMG—>EEG)。基于上述思路,本文针对上肢不同握力时的脑肌电信号,进行基于相干性的多频段分析,同时利用显著性面积对多频段的脑肌电耦合强度进行定量分析,并与基于格兰杰因果的脑肌电耦合分析结果进行比较,为运动功能康复评价提供客观依据。
1.1 实验范式
本文使用的脑肌电数据是采集自3名24岁、1名25岁和1名26岁利右手健康男性,分别记为S1
、S2、S3、S4、S5。受试者均被告知详细的实验步骤。实验过程中为确保力输出的精确性,我们使用弹簧握力计分别进行5 kg、10 kg和20 kg力输出的抓握实验。每位受试者的具体任务为:每次开始时放松20 s,接着按照屏幕提示5 s完成一个抓握动作,然后放松20 s;做10次动作为一组,休息20 min,然后换手同等握力再做一组。休息20 min进行下一个握力实验,直到每位受试者完成所有实验。最终每位受试者的左、右手每种握力实验各有10次。
1.2 实验数据采集
本次实验是用128导BrainAmp DC脑电采集系统(Brain Products GmbH,Germany)同步采集了上述实验范式下32通道脑电和4通道肌电信号(如图1)。BrainAmp DC设备也用于采集左右手臂指浅屈肌FDS(flexor digitorum superficialis)和掌长肌PL(palmaris longus)的肌电信号(如图2)。
1.3 EEG与EMG的预处理
由于脑肌电信号都很微弱,非常容易受到噪声和工频干扰,数据分析前脑肌电信号均进行了50 Hz工频的滤除和眼动伪迹的去除,还对脑肌电信号进行了小波消噪[20],最后对脑电用FIR数字滤波器进行0.5 Hz～50 Hz的带通滤波,对肌电数据进行5 Hz～300 Hz的带通滤波。
2.1 频谱分析
脑电的基本节律分别为(0～3 Hz)、(3 Hz～7 Hz)、(7 Hz～15 Hz)、(15 Hz～30 Hz)以及(30 Hz～45 Hz)。首先对不同握力输出时的脑电信号进行频谱分析。
杭州电子科技大学由于脑电信号是离散的时间序列,因此采用离散的傅里叶变换对信号进行频谱分析,对于X序列的离散傅里叶变换方法如式(1):
式中:N为数据长度,下同,X(i)表示第i个脑电信号,i取1,2,3,…,N,j表示虚数,u为离散频率变量。
2.2 相干性分析
相干函数[3,11](Coherence)常被用于分析脑肌电相干性,该函数是在频谱上分析两个序列的相关程度,用数值大小在0到1之间的归一化反映其相关程度[21]。运动脑电和肌电信号的皮层肌肉相干(CMC)计算如下。
假设信号X是脑电信号,Y是肌电信号,则信号X和Y的互谱可由式(2)计算得到:
式中:Rxy(m)是X和Y的互相关序列,m表示互相关序列第m个采样点,Pxy则表示为Rxy的傅立
叶系数。那么在频率f上信号X和Y的相干性可根据式(3)[22]计算求得。
式中:Pxx(f)是X的自功率谱和Pyy(f)是Y的自功率谱,·表示求二者之积,下同。将所有频率对应的相干值求得后就可以得到皮层肌肉相干曲线,由于脑电信号的频带范围是0～50 Hz,所以相干曲线频率范围取0～50 Hz[23]。为了判断由以上方法计算所得的相干性是否有意义,常依据式(4)求得相干函数的可信区间的阈值。
式中:L为数据长度,α为显著性程度,此处α=0.95。只有大于cl阈值的相干值才认为是有意义的相干,小于cl阈值时则认为并非真实相干[10]。
2.3 耦合强度定义
为了定量的分析不同握力下各频段脑肌电的耦合强度,用式(5)对大于阈值(cl)的相干值进行相干显著面积指标计算:
式中:Δf表示频率分辨率,文中取值为1,SCMC表示脑肌电相干性的显著面积,其值越大,表示此频段脑肌电耦合越强。
3.1 不同握力运动脑电的频段特征
大脑皮层中的初级运动区(Primary Motor area,M1)在对侧肢体进行熟练运动时激活、初级躯体感觉区(Primary Somatosensory area,S1)在接收到肢体的感觉时激活[10],因此本文选择初级运动区C3/C4导联的脑电和初级躯体感觉区CP5/CP6导联的脑电信号进行相关分析。由于完成每个动作的时间是5 s,因此选取的数据长度N=5 000。
对五位受试者左/右手(C4/C3通道)不同握力动作的脑电进行频谱分析,其中受试者S1左、右手10次动作的平均频谱如图3所示。
从图3中可以看出,随着握力的增大,左右手高频段的能量逐渐增大。为了更加清晰的观察受试者不同握力下各频段(α、β、γ)脑电能量的变化情况,分别对五位受试者相同握力下C3/C4、CP5/CP6脑电导联的各频段能量积分,其中受试者S1左、右手不同握力下各频段能量积分结果如图4所示,以下能量单位都为mV2。
从图4中可以看出:对于C3/C4通道,握力较小时,α、β频段的能量较大,随着握力增大β、γ频段的能量逐渐增大,并且握力最大时γ频段的能量最大。对于CP5/CP6通道,总体上来说随着握力增大β、γ频段的能量逐渐增大。可见,随着握力的增大EEG能量会向高频段移动。对受试者S2-S5左、右手不同握力下各频段能量分析也得到相同的结果。这种脑电频谱的变化特点可
能与运动控制命令的编码方式有关,不同握力时,大脑神经细胞放电的频率发生变化,产生不同频率的脑电波,通过传导通路到达效应器控制相应的运动,同时躯体感觉区接收到反馈信息后又会引起神经兴奋,产生相应频率的脑电波。
3.2 不同握力脑肌电的相干性分析
为了研究左右手自主抓握动作时脑肌电信号的相关性和耦合性,本文采用皮层肌肉相干方法进行分析。对五位受试者C4/C3、CP6/CP5脑电导联和左/右手握力动作时指浅屈肌肌电信号进行了相干性分析。其中受试者S1左/右手5 kg、10 kg和20 kg 10次握力下,C4/C3和CP6/CP5导联脑电和动作指浅屈肌肌电的相干结果平均曲线如图5所示。
从图5中可以看出,握力较小时C3/C4通道脑电与动作肌电的有效相干主要发生在β频段,这与文献[14]的结果是一致的,随着握力的增大,有效相干向高频段转移,握力最大时主要在γ频段。而CP5/CP6通道脑电与动作肌电在握力较小时有效相干发生在α和γ频段,中等握力时主要发生在β和γ频段,而握力最大时主要发生在γ频段,这与随着握力增大脑电高频段的能量逐渐增大的变化趋势相同。分析受试者S2-S5实验数据,也得到相同的结论。
发布评论