本文將多元經(jīng)驗(yàn)?zāi)B(tài)分解（MEMD）與魯棒時(shí)變廣義偏定向相干性（rTV-gPDC）引入皮層肌肉耦合分析中,探索腦肌電之間線性和非線性耦合關(guān)系。首先同步采集8名健康志愿者在靜態(tài)握力（5 kg、10 kg、20 kg）下的三通道腦電（EEG）和肌電（EMG）信號(hào),接著采用MEMD對(duì)信號(hào)進(jìn)行時(shí)-頻尺度化,最后同時(shí)計(jì)算不同耦合方向（EEG→EMG和EMG→EEG）上的rTV-gPDC線性和非線性值。實(shí)驗(yàn)結(jié)果表明:靜態(tài)握力輸出時(shí),皮層肌肉耦合主要反映在beta和gamma頻段,其中EEG→EMG方向的耦合強(qiáng)度略高于EMG→EEG方向的耦合強(qiáng)度,且隨著左右手握力增加,EEG→EMG和EMG→EEG方向的耦合強(qiáng)度同時(shí)增加。此外腦肌電耦合中同時(shí)存在線性和非線性因果關(guān)系。本文方法能夠定量刻畫不同握力下三個(gè)腦肌電通道之間的線性和非線性交互影響,可為研究運(yùn)動(dòng)功能障礙及康復(fù)評(píng)價(jià)提供有效的生理參數(shù)指標(biāo)。 

【文章來源】：傳感技術(shù)學(xué)報(bào). 2020,33(03)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

基于MEMD-rTVgPDC的腦肌電耦合分析算法流程圖

實(shí)驗(yàn)招募了8名無上肢運(yùn)動(dòng)障礙的健康受試者(6名男性S1～S6,2名女性S7～S8),年齡20～25歲,體重44～76 kg,身高160～179 cm,均為右利手,無神經(jīng)肌肉障礙。8人均被告知實(shí)驗(yàn)詳情,簽署了知情同意書,為防止運(yùn)動(dòng)疲勞的影響,受試前24 h內(nèi)未作劇烈運(yùn)動(dòng)。采用128導(dǎo)BrainAmp DC 腦電采集系統(tǒng)同步采集32路腦電信號(hào)和左右手橈側(cè)腕屈肌(Flexor Carpi Radialis,FCR)的肌電信號(hào),實(shí)驗(yàn)采集環(huán)境如圖3所示。圖3 實(shí)驗(yàn)采集環(huán)境

圖2 基于Akaike準(zhǔn)則的模型階數(shù)和更新系數(shù)選擇采集前先用酒精擦拭被測(cè)部位,去除皮膚表面油脂和皮屑。實(shí)驗(yàn)過程如下:采樣頻率為1 000 Hz,采樣時(shí)間為5 s,每次抓握動(dòng)作后休息15 s,受試者需完成5 kg、10 kg和20 kg的左右手抓握各5次。

【參考文獻(xiàn)】：
期刊論文
[1]基于多元經(jīng)驗(yàn)?zāi)B(tài)分解-傳遞熵的腦肌電信號(hào)耦合分析[J]. 馬鵬剛,佘青山,高云園,張啟忠,羅志增.  傳感技術(shù)學(xué)報(bào). 2018(06)
[2]基于Gabor小波-傳遞熵的腦-肌電信號(hào)同步耦合分析[J]. 張園園,鄒策,陳曉玲,尹永浩,程生翠,陳迎亞,謝平.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(06)
[3]基于相干性的多頻段腦肌電信號(hào)雙向耦合分析[J]. 高云園,任磊磊,張迎春,佘青山,席旭剛,張啟忠.  傳感技術(shù)學(xué)報(bào). 2017(10)
[4]基于NA-MEMD和互信息的腦電特征提取方法[J]. 韓笑,佘青山,高云園,羅志增.  傳感技術(shù)學(xué)報(bào). 2016(08)
[5]基于變分模態(tài)分解-傳遞熵的腦肌電信號(hào)耦合分析[J]. 謝平,楊芳梅,李欣欣,楊勇,陳曉玲,張利泰.  物理學(xué)報(bào). 2016(11)
[6]基于多尺度傳遞熵的腦肌電信號(hào)耦合分析[J]. 謝平,楊芳梅,陳曉玲,杜義浩,吳曉光.  物理學(xué)報(bào). 2015(24)



本文編號(hào)：3031755