喬曉艷， 王　飛

(山西大學(xué) 物理電子工程學(xué)院， 山西 太原 030006)

經(jīng)穴電刺激誘發(fā)的腦-肌電信號相干性研究

喬曉艷， 王飛

(山西大學(xué) 物理電子工程學(xué)院， 山西 太原 030006)

摘要:為探索自主動作和穴位電刺激誘發(fā)的大腦皮層活動與肌肉收縮之間的功能耦合作用， 設(shè)計穴位電刺激和自主動作兩種實驗?zāi)Ｊ剑?分別采集對應(yīng)的腦電信號和表面肌電信號， 對信號進(jìn)行預(yù)處理得到純凈的誘發(fā)腦電和肌電信號. 然后進(jìn)行小波變換， 獲得信號的小波譜和小波交叉譜， 計算小波相干系數(shù)， 分析腦電和肌電信號的時-頻相干特性. 結(jié)果表明： 穴位電刺激誘發(fā)的腦-肌電相干性主要集中在15～25 Hz信號頻段， 對應(yīng)于大腦β節(jié)律； 而自主動作下的腦-肌電相干性集中在30～36 Hz頻段， 對應(yīng)于大腦γ節(jié)律； 不同導(dǎo)聯(lián)的腦-肌電信號相干特性， 表明穴位電刺激誘發(fā)的腕部肌肉動作與對側(cè)大腦運動區(qū)相干性最強. 該研究為運動功能康復(fù)和智能假肢開發(fā)奠定了基礎(chǔ).

關(guān)鍵詞:經(jīng)穴電刺激； 腦電信號； 肌電信號； 小波相干系數(shù)

經(jīng)皮穴位電刺激,是將電刺激技術(shù)與傳統(tǒng)中醫(yī)穴位理論相結(jié)合， 利用電刺激裝置產(chǎn)生電流， 刺激人體穴位， 通過人體經(jīng)絡(luò)線傳導(dǎo)， 激活與穴位相連通的可興奮運動神經(jīng)元， 從而調(diào)節(jié)機體活動. 腦電信號(EEG)和肌電信號(EMG)分別反映大腦神經(jīng)元的活動狀態(tài)和神經(jīng)肌肉的活動狀態(tài)， 包含了軀體運動控制信息和肌肉對大腦控制意圖的功能響應(yīng)信息， 能夠直接反應(yīng)運動神經(jīng)系統(tǒng)的功能狀態(tài). 穴位較周圍組織存在更多的感覺神經(jīng)末梢及血管， 刺激穴位會增強神經(jīng)系統(tǒng)的功能. 因此， 研究EEG-EMG信號相干性， 可以探索穴位電刺激下的大腦皮層與肌肉收縮之間的功能耦合作用， 通過提取信號特征參數(shù)， 反映相應(yīng)組織的活動信息[1,2].

目前， 關(guān)于EEG-EMG信號相干性分析方法大多基于傅里葉變換或短時傅里葉變換， 通過研究相干性來探索皮質(zhì)下中風(fēng)、 帕金森癥等運動機制或相關(guān)疾病的病理機制. Fabrizio V 和Claudio Del Percio等[3]通過對精英、 普通運動員和非運動員進(jìn)行比較， 分析腦-肌電信號相干性， 探討不同握力產(chǎn)生的肌電與腦電信號的關(guān)聯(lián)性； Braun等人[4]要求中風(fēng)患者進(jìn)行一個精細(xì)的抓握動作， 對EEG-EMG信號相干性研究表明： 腦電和肌電之間的相干性主要出現(xiàn)在10～23 Hz； 吳瑛、 馬海峰等[5]進(jìn)行穴位和非穴位的刺激實驗， 觀察下肢運動神經(jīng)傳導(dǎo)速度的差異， 表明穴位刺激能對人體神經(jīng)傳導(dǎo)產(chǎn)生良性影響； 馬培培[6]等人對中風(fēng)康復(fù)運動中EEG和EMG信號進(jìn)行分析， 表明中風(fēng)運動功能障礙患者在康復(fù)訓(xùn)練過程中隨著運動功能的恢復(fù)其相干特征逐漸趨于顯著.

以上這些相干分析是基于時域相關(guān)或者傅里葉變換的頻域相關(guān)， 無法同時獲得時頻相關(guān)信息. 小波變換是一種時頻分析方法， 其變焦距特性， 容易將類別間的差異部分突出表現(xiàn)， 它將信號分解成一系列小波函數(shù)的疊加， 小波窗口大小隨頻率改變. 在低頻段， 時間分辨率較低而頻率分辨率較高； 在高頻段， 時間分辨率較高而頻率分辨率較低. 由于小波變換的多分辨率特點， 更適合處理非平穩(wěn)的腦電和肌電信號. 本文設(shè)計了自主手腕外旋和經(jīng)穴電刺激誘發(fā)的手腕外旋兩種動作模式， 通過記錄手腕運動過程中的EEG和EMG信號， 利用小波相干分析方法， 從時頻域研究自主動作和經(jīng)穴電刺激誘發(fā)的EEG-EMG信號相干性， 分析大腦皮層與肌肉運動的信息傳輸和相互作用， 對于探索大腦控制肌肉活動機制， 合理設(shè)計康復(fù)訓(xùn)練方法和運動性疲勞恢復(fù)具有重要的指導(dǎo)作用.

1信號采集

1.1實驗對象

被試者為8名健康大學(xué)生( 女性2名， 男性6名)， 年齡20～22歲. 所有被試者均理解實驗內(nèi)容并且同意參加實驗， 無相關(guān)的肌肉、 骨骼、 神經(jīng)疾病. 實驗前24 h內(nèi)未做劇烈運動， 以排除過度運動肌肉殘余疲勞對實驗結(jié)果的影響. 8名受試者均參加了穴位刺激和自主動作的實驗.

1.2實驗系統(tǒng)

實驗系統(tǒng)如圖 1 所示， 主要由低頻電刺激儀、 腦電儀、 肌電儀、 同步發(fā)生器和數(shù)據(jù)處理計算機組成. 低頻電刺激作用于受試者曲池穴和內(nèi)關(guān)穴， 同步采集FC3， C3， CP3， FC4， C4， CP4等6個導(dǎo)聯(lián)的腦電信號和橈側(cè)腕屈肌的表面肌電信號， 分別通過USB 接口和無線收發(fā)器傳送至計算機進(jìn)行數(shù)據(jù)處理.

圖 1　經(jīng)穴電刺激誘發(fā)腦-肌電實驗系統(tǒng)框圖Fig.1　Experiment system chart of the EEG-EMG induced by acupoint electrical stimulation

低頻電刺激儀采用恒流刺激方式， 可以輸出單個或一串電脈沖， 刺激強度、 脈沖寬度及刺激頻率等參數(shù)均可進(jìn)行控制調(diào)節(jié). 另外， 該低頻電刺激儀帶有穴位探測功能， 將兩個探穴電極構(gòu)成測量回路， 通過穴位的低阻效應(yīng)可以獲得穴位的相應(yīng)位置.

采用Neuroscan公司40導(dǎo)腦電儀以及Delsys 公司16通道表面肌電測量儀， 該肌電儀對肌電信號檢測有較高可靠性， 并且操作較簡單. 電極傳感器間的延遲小于500 μs， 有較強的抗干擾能力， 實驗中， 腦電采樣頻率選為1 kHz， 肌電采樣頻率為2 kHz.

1.3實驗方法

受試者靜坐在椅子上， 身體自然放松， 前臂平放在實驗臺上. 首先， 用乙醇和生理鹽水對電極安放處的皮膚進(jìn)行清潔， 以降低皮膚與電極的接觸阻抗； 其次， 采用國際10～20導(dǎo)聯(lián)標(biāo)準(zhǔn)安放腦電電極， 表面肌電電極置于橈側(cè)腕屈肌肌腹處， 平行于肌纖維的方向放置； 再次， 設(shè)定人體經(jīng)穴電刺激的電流強度， 由于存在個體差異， 先對受試者施加3次電刺激來確定腕關(guān)節(jié)達(dá)到外旋時的刺激強度， 整個實驗過程保持該電刺激強度不變. 最后， 啟動同步發(fā)生器， 當(dāng)電刺激儀刺激人體相應(yīng)穴位時， 同步采集記錄相關(guān)電極上的腦電信號和肌電信號.

穴位電刺激誘發(fā)腕部外旋(刺激組)實驗時， 電刺激儀的電極片分別置于人體曲池穴和內(nèi)關(guān)穴處， 采用不同頻率的連續(xù)波電刺激， 以及連續(xù)波、 斷續(xù)波、 疏密波3種不同模式的電刺激， 均刺激穴位30 s， 同步采集并記錄相應(yīng)的腦電信號和肌電信號.

自主腕部外旋動作(對照組)實驗時， 通過E-prime軟件編寫實驗范式， 即屏幕上的左、 右箭頭以一定頻率出現(xiàn)， 向受試者指示腕部的外旋動作， 右箭頭出現(xiàn)時， 被試者做腕部外旋動作， 左箭頭出現(xiàn)時， 被試者停止腕部外旋， 采集并記錄30 s的腦電信號和肌電信號.

1.4數(shù)據(jù)預(yù)處理

EEG和EMG是一種隨機性很強的非平穩(wěn)微弱信號， 極易被各種噪聲干擾污染， 必須對采集的原始信號進(jìn)行預(yù)處理. EEG和EMG作為電生理信號， 具有不同的特征： 誘發(fā)EEG信號幅值一般只有50 μV左右， 頻率范圍0.5～50 Hz; EMG信號幅值一般為100～2 000 μV， 頻率范圍50～500 Hz. 因此， 需要通過自適應(yīng)陷波器濾除50 Hz工頻干擾； 通過數(shù)字帶通濾波， 獲得有用頻帶的腦電信號與肌電信號， 同時去除直流漂移； 通過小波閾值去噪方法消除測量中的偽跡和噪聲. 數(shù)據(jù)預(yù)處理后， 可以得到純凈的誘發(fā)腦電和肌電信號.

由于刺激組和對照組實驗， 各導(dǎo)聯(lián)上的腦電信號和肌電信號預(yù)處理方法相同， 這里僅以2 Hz頻率經(jīng)穴刺激下的C3導(dǎo)聯(lián)腦電信號為例. 圖 2(a)， 圖 2(b)分別為經(jīng)穴電刺激模式下， 采集的C3導(dǎo)聯(lián)原始EEG信號和預(yù)處理之后的EEG信號.

圖 2　C3導(dǎo)聯(lián)腦電信號Fig.2　EEG signal of C3 lead

從圖 2(a)， 圖 2(b)可知， 原始腦電信號存在基線漂移和工頻干擾， 經(jīng)過自適應(yīng)陷波和小波閾值去噪之后， 有效地去除了基線漂移和50 Hz的工頻干擾， 獲得了有用頻帶的信號.

2小波變換與小波相干性

信號x(t)的連續(xù)小波變換是由信號與小波內(nèi)積得到的頻率f和時間τ的函數(shù)

(1)

式中：ψτ,f為小波基函數(shù)， 本文采用Daubechies類的db5小波.

假設(shè)X是某導(dǎo)聯(lián)的腦電信號,Y是肌電信號， 那么信號X和Y在頻率上的小波譜和小波交叉譜可表示為

(2)

(3)

小波相干系數(shù)表達(dá)式為

(4)

用小波變換的實部來量化給定尺度下的小波交叉譜和小波譜， 更簡單方便， 可表示為：

(5)

對每一組腦電和肌電實驗數(shù)據(jù)進(jìn)行相干性分析， 則平均小波相干系數(shù)能量表示為

(6)

腦-肌電信號相干的顯著程度可以用相干顯著性CL描述， 計算公式為

(7)

式中：α為置信水平(設(shè)置為0.95). 超過顯著性閾值CL， 表明相干性顯著[8].

3小波相干仿真與分析

以C3導(dǎo)聯(lián)的腦電信號和橈側(cè)腕屈肌的肌電信號進(jìn)行小波相干分析仿真， 具體實現(xiàn)過程為：

1) 求腦電和肌電信號的連續(xù)小波變換， 并進(jìn)行二進(jìn)制離散化；

2) 計算腦電和肌電信號各自的小波譜以及它們的小波交叉譜；

3) 利用平均小波相干系數(shù)能量式(6)， 計算腦電-肌電信號的平均小波相干系數(shù)能量.

圖 3 和圖 4 分別為自主動作和經(jīng)穴電刺激下的腦-肌電信號的小波相干系數(shù)能量時-頻圖.

比較自主動作和2 Hz經(jīng)穴電刺激誘發(fā)的腦-肌電信號小波相干特性. 從圖3可知： 自主動作下的腦-肌電相干性集中在30～35Hz信號頻段， 對應(yīng)于大腦γ節(jié)律. 從時-頻譜上還可以看出： 隨著時間的推移， 相干程度先增大， 然后逐漸減小. 由于大腦γ節(jié)律反映了局部運動， 當(dāng)肢體開始動作時， 控制肌肉運動的大腦神經(jīng)活躍， 對肌肉的局部控制逐漸增強， 并且肌肉收縮程度較強， 從而導(dǎo)致腦-肌電相干性逐漸增大； 當(dāng)手腕動作一段時間后， 控制肌肉運動的大腦神經(jīng)興奮性降低， 同時肌肉發(fā)生疲勞且收縮程度降低， 導(dǎo)致腦-肌電信號相干性減小.

圖 3　自主動作下的腦電-肌電信號小波相干系數(shù)能量時-頻圖Fig.3　Time-frequency picture of EEG-EMG coherenceengineunder the voluntary movement

圖 4　2 Hz經(jīng)穴電刺激下的腦電-肌電信號小波相干系數(shù)能量時-頻圖Fig.4　Time-frequency picture of EEG-EMG coherenceengineinduced by acupoint electrical stimulation

從圖 4 可知， 經(jīng)穴電刺激下， 腦-肌電小波相干系數(shù)能量主要集中在15～18 Hz, 22～25 Hz， 這兩個頻段， 對應(yīng)于大腦β節(jié)律. 此外， 腦-肌電小波相干系數(shù)能量還較少分布在30～33 HZ， 38～40 Hz的頻段， 對應(yīng)于大腦γ節(jié)律. 從時-頻譜上可以看出： 穴位電刺激較自主動作下的腦-肌電信號小波相干系數(shù)能量增大， 相干頻率段增多， 推測是由于經(jīng)穴電刺激引起了肌神經(jīng)以及大腦皮層特定功能區(qū)興奮， 誘發(fā)更強更同步的腦電信號和肌電信號.

肢體運動是神經(jīng)系統(tǒng)和肌肉組織信息交流而產(chǎn)生的， 必須受大腦皮層的控制. 腦-肌電的時頻相干分布圖可以進(jìn)一步揭示大腦功能區(qū)和信息傳輸方向的選擇. 自主動作是大腦運動皮層發(fā)出指令， 經(jīng)過中樞神經(jīng)系統(tǒng)(腦、 脊髓)， 沿著運動傳導(dǎo)通路支配肢體完成一定的肌肉運動， 圖3表明大腦運動皮層通過γ節(jié)律信號控制腕部肌肉動作； 而經(jīng)穴電刺激是一種逆向的傳輸方向， 即電刺激導(dǎo)致肢體產(chǎn)生動作， 沿感覺神經(jīng)傳導(dǎo)通路反饋回大腦， 在大腦皮層的運動區(qū)和感覺區(qū)進(jìn)行綜合， 使肌肉準(zhǔn)確地完成動作， 圖4則表明了手腕肌肉動作的反饋信息主要通過腦電β節(jié)律信號將動作信息傳回大腦.

4腦-肌電信號相干性分析

4.1不同頻率連續(xù)波電刺激下的腦-肌電信號相干性分析

圖 5　不同頻率刺激下， 各腦電導(dǎo)聯(lián)的腦電信號與肌電信號相干值變化Fig.5　Under differentfrequencystimulation, the EEG-EMG coherence change of each lead

采用連續(xù)波經(jīng)穴電刺激模式， 以2 Hz， 4 Hz， 8 Hz， 10 Hz， 15 Hz， 20 Hz的頻率刺激內(nèi)關(guān)穴和曲池穴， 采集橈側(cè)腕屈肌的肌電信號和FC3， C3， CP3， FC4， C4， CP4等6個導(dǎo)聯(lián)的腦電信號， 采用小波相干方法對腦-肌電信號的相干性進(jìn)行分析. 圖 5 為不同頻率經(jīng)穴電刺激， 不同導(dǎo)聯(lián)腦電信號與橈側(cè)腕屈肌的肌電信號的小波相干系數(shù)變化趨勢圖.

由圖 5 可知， 10 Hz經(jīng)穴電刺激時， 腦-肌電信號小波相干系數(shù)達(dá)到最高. 此外， 右側(cè)導(dǎo)聯(lián)(FC4， C4,CP4)腦-肌電信號小波相干值是負(fù)相關(guān)， 而左側(cè)導(dǎo)聯(lián)(FC3， C3， CP3)小波相干值是正相關(guān). 表明經(jīng)穴電刺激腕部動作過程中， 左側(cè)導(dǎo)聯(lián)對應(yīng)的腦區(qū)是活躍的， 同時C3導(dǎo)聯(lián)腦電信號與肌電信號的相干性最為顯著. 這是因為經(jīng)穴電刺激實驗是刺激右手穴位， 使右手腕發(fā)生外旋動作， 導(dǎo)聯(lián)FC3， C3， CP3分布于大腦皮層的左側(cè)， FC4， C4,CP4分布在右側(cè)， 表明右手運動過程中， 右手腕部肌肉活動與對側(cè)(左側(cè))大腦運動區(qū)相干性強， 激發(fā)了對側(cè)大腦皮層運動神經(jīng)元的興奮性同時抑制了同側(cè)大腦運動皮層的神經(jīng)元興奮性.

4.2三種經(jīng)穴電刺激模式下的腦-肌電信號相干性比較

圖 6　不同刺激模式下腦電-肌電在不同頻率段小波相干值統(tǒng)計圖Fig.6　Under differentfrequencystimulation, the statistical chart of EEG-EMG coherence on different frequency bands

在10 Hz的連續(xù)波、 斷續(xù)波以及疏密波經(jīng)穴電刺激下， 采集C3導(dǎo)聯(lián)腦電信號和橈側(cè)腕屈肌的肌電信號， 計算小波相干系數(shù)， 經(jīng)t檢驗進(jìn)行顯著性差異(P<0.05)分析. 圖 6 所示為三種經(jīng)穴電刺激模式下， 不同頻率段的腦-肌電信號小波相干系數(shù).

從圖 6 中可以看出，β波段腦-肌電相干性最強，α波段腦-肌電相干性最弱. 三種電刺激模式下， 疏密波電刺激誘發(fā)的腦-肌電相干程度最顯著. 因此， 采用疏密波進(jìn)行經(jīng)穴電刺激， 在大腦的β波段可以更好的實現(xiàn)與肌肉活動的同步化.

5結(jié)論

對經(jīng)穴刺激誘發(fā)和手腕自主外旋動作下， 同步采集腦電和肌電信號進(jìn)行小波相干分析， 研究穴位電刺激誘發(fā)手腕外旋動作下的大腦活動與相關(guān)肌肉活動的關(guān)系. 研究結(jié)果較好地闡明了經(jīng)穴電刺激可以引起與穴位相關(guān)的運動神經(jīng)元興奮， 使肌肉的激活程度提高； 腦-肌電相干性主要集中在信號15～25 Hz的β節(jié)律頻段以及30～36 Hz的γ節(jié)律頻段； 大腦運動皮層通過腦電γ節(jié)律信號控制手腕肌肉運動， 而經(jīng)穴電刺激產(chǎn)生手腕外旋的反饋信息通過β腦電節(jié)律傳回大腦； 不同導(dǎo)聯(lián)腦-肌電信號的相干性分析， 表明穴位電刺激誘發(fā)的腕部動作與對側(cè)大腦運動區(qū)相干性最強， 疏密波電刺激誘發(fā)的腦-肌電相干程度最顯著. 該研究可以應(yīng)用于運動康復(fù)工程和仿生機器人中.

參考文獻(xiàn)：

[1]Danna-Dos-Santos A, Boonstra T W, Degani A M. et al. Multi-muscle control during bipedal stance: An EMG-EMG analysis approach[J]. Experimental Brain Research, 2014, 232(1): 75-87.

[2]紀(jì)仲秋, 李旭龍. 電刺激穴位按摩對局部運動疲勞后姿勢控制能力恢復(fù)的影響[J]. 醫(yī)用生物力學(xué), 2013, 28(3): 284-290.

Ji Zhongqiu, Li Xulong. Recovery effect of postural control by electrical stimulation acupointmassage after local muscle fatigue[J]. Journal of Medical Biomechanics, 2013, 28(3): 284-290. (in Chinese)

[3]Fabrizio V, Claudio Del Percio, Nicola Marzano, et al. Functional cortico-muscular coupling during upright standing in athletes and nonathletes[J]. ACoherence Electroencephalographic-Electromyographic Study. Behavioral Neuroscience, 2008, 122(1): 917-927.

[4] Braun C, Staudt M, Schmitt C, et al. Crossedcortico-spinal motor control after capsular stroke[J]. The European journal of neuroscience, 2007, 25(9): 2935-2945.

[5]吳瑛, 馬海峰. 穴位和非穴位刺激影響運動員神經(jīng)傳導(dǎo)速度的實驗研究[J]. 上海體育學(xué)院學(xué)報, 2008(3): 46-48+66.

Wu Ying, Ma Haifeng. Experimental research on effect of acupuncture pointand non-acupuncture point stimulations on athletes motorius conduction velocity[J]. Journal of Shang hai Universit y of Sport, 2008(3): 46-48+66. (in Chinese)

[6]馬培培, 陳迎亞, 杜義浩, 等. 中風(fēng)康復(fù)運動中腦電-肌電相干性分析[J]. 生物醫(yī)學(xué)工程學(xué)雜志, 2014(5)： 971-977.

Ma Peipei, Cheng Yingya, Du Yihao, et al. Analysis of corticomuscular coherence during rehabilitation exercises after stroke[J]. Journal of Biomedical Engineering, 2014(5)： 971-977. (in Chinese)

[7]Tuncel D, Dizibuyuk A, Kiymik M K, et al. Time frequency based coherence analysis between EEGand EMG activities in fatigue duration[J]. J Med Syst., 2010, 34: 131-138.

[8]崔若飛. 汽車駕駛員腦氧信號的近紅外光譜法檢測及小波相干性分析[D]. 濟南： 山東大學(xué), 2014.

EEG-EMG Coherence Induced by Acupoint Electrical Stimulation

QIAO Xiaoyan, WANG Fei

(College of Physics and Electronics Engineering, Shanxi University, Taiyuan 030006， China)

Abstract:To explore coupling function between cerebral cortex activity and muscle contractions under the voluntary movement and the acupoint electrical stimulation，experimental models of the electrical stimulation and voluntary movement were designed to collect signals of electroencephalogram(EEG)and electromyography(EMG)respectively, and to get the evoked signals by doing data preprocessing. Then, wavelet spectral and cross wavelet spectrum of those signals were obtained by Wavelet Transform, wavelet coherence coefficient was calculated, and time-frequency coherence characteristics of EEG and EMG were analyzed. It is shown that EEG-EMG coherence, induced by acupoint electrical stimulation, mainly concentrates on 15～25 Hz signal spectrum, corresponding to the β rhythm of EEG. However, EEG-EMG coherence, under the voluntary movement, concentrates on 30～36 Hz signal spectrum, corresponding to the γ rhythm of EEG. The signal coherence from different leads of EEG and EMG signals shows that wrist muscle action has strongest coherence with the contralateral motor area of brain while induced by acupoint electrical stimulation.The research laid a solid foundation for motor function recovery and intelligent prosthetic development.

Key words:acupoint electrical stimulation; EEG signal; EMG signal; wavelet coherence coefficient

文章編號:1671-7449(2016)03-0191-07

收稿日期:2015-12-08

基金項目：國家自然科學(xué)基金資助項目(81403130)； 山西省自然科學(xué)基金資助項目(2013011016-2)

作者簡介：喬曉艷(1969-)， 女， 副教授， 博士， 主要從事生物醫(yī)學(xué)信號檢測與處理、 腦-機交互、 仿生機器人等研究.

中圖分類號:TP391

文獻(xiàn)標(biāo)識碼:A

doi:10.3969/j.issn.1671-7449.2016.03.002