基于传递熵与广义偏定向相干性的肌间耦合分析

目的将传递熵(transfer entropy,TE)与广义偏定向相干性(generalized partial directed coherence,gPDC)引入肌间耦合分析中,探讨运动中相关肌肉在时频域的肌间耦合特性。方法采集8名健康志愿者在屈肘状态下的屈腕运动时的表面肌电信号(sEMG),时域上进行TE分析,频域上进行gPDC分析,并且与传统的相干性方法进行比较。结果上肢运动过程中,时频域上BB→BR的耦合程度均强于BB→TB,BB→BR的耦合程度强于BR→BB;频域上肌间耦合突出表现在beta与gamma频段,BB→BR与BB→TB的gPDC曲线在beta与gamma频段出现显著波峰,比相干性更准确地揭示肌间耦合关系。结论中枢神经系统对运动过程中的协同肌与拮抗肌采取了不同的调节支配方式,控制协同肌以更加同步的方式活动,且肌间耦合包含了丰富的方向信息。

基于非负矩阵分解和复杂网络的肌间耦合分析

目的利用表面肌电信号,探究多块肌肉之间的信息传递关系和不同握力下的肌肉之间的耦合特性。方法采集6名健康受试者在不同握力下的表面肌电信号,首先用广义偏定向相干计算多通道肌肉之间的相干性;然后用非负矩阵分解算法将相干性进行分解;最后用复杂网络建立不同条件下的肌肉功能网络,利用图论的方法,定量分析肌肉功能网络的连接特性。结果不同握力下肌肉的激活程度存在显著性差异;肌间耦合在10～20Hz频段上较为显著,且在10～20Hz频段上耦合程度随着握力的增加呈现显著性变化。结论肌间耦合在不同频段和不同握力下呈现显著性不同,表明了中枢神经系统维持不同握力的控制模式,本文方法为诊断运动功能障碍和评价康复效果提供了依据。

基于MEMD-rTVgPDC的皮层肌肉耦合分析

本文将多元经验模态分解(MEMD)与鲁棒时变广义偏定向相干性(rTV-gPDC)引入皮层肌肉耦合分析中,探索脑肌电之间线性和非线性耦合关系。首先同步采集8名健康志愿者在静态握力(5 kg、10 kg、20 kg)下的三通道脑电(EEG)和肌电(EMG)信号,接着采用MEMD对信号进行时-频尺度化,最后同时计算不同耦合方向(EEG→EMG和EMG→EEG)上的rTV-gPDC线性和非线性值。实验结果表明静态握力输出时,皮层肌肉耦合主要反映在beta和gamma频段,其中EEG→EMG方向的耦合强度略高于EMG→EEG方向的耦合强度,且随着左右手握力增加,EEG→EMG和EMG→EEG方向的耦合强度同时增加。此外脑肌电耦合中同时存在线性和非线性因果关系。本文方法能够定量刻画不同握力下三个脑肌电通道之间的线性和非线性交互影响,可为研究运动功能障碍及康复评价提供有效的生理参数指标。