经穴电刺激诱发的脑-肌电信号相干性研究

乔晓艳， 王　飞

(山西大学 物理电子工程学院， 山西 太原 030006)

经穴电刺激诱发的脑-肌电信号相干性研究

乔晓艳， 王飞

(山西大学 物理电子工程学院， 山西 太原 030006)

摘要:为探索自主动作和穴位电刺激诱发的大脑皮层活动与肌肉收缩之间的功能耦合作用， 设计穴位电刺激和自主动作两种实验模式， 分别采集对应的脑电信号和表面肌电信号， 对信号进行预处理得到纯净的诱发脑电和肌电信号. 然后进行小波变换， 获得信号的小波谱和小波交叉谱， 计算小波相干系数， 分析脑电和肌电信号的时-频相干特性. 结果表明： 穴位电刺激诱发的脑-肌电相干性主要集中在15～25 Hz信号频段， 对应于大脑β节律； 而自主动作下的脑-肌电相干性集中在30～36 Hz频段， 对应于大脑γ节律； 不同导联的脑-肌电信号相干特性， 表明穴位电刺激诱发的腕部肌肉动作与对侧大脑运动区相干性最强. 该研究为运动功能康复和智能假肢开发奠定了基础.

关键词:经穴电刺激； 脑电信号； 肌电信号； 小波相干系数

经皮穴位电刺激,是将电刺激技术与传统中医穴位理论相结合， 利用电刺激装置产生电流， 刺激人体穴位， 通过人体经络线传导， 激活与穴位相连通的可兴奋运动神经元， 从而调节机体活动. 脑电信号(EEG)和肌电信号(EMG)分别反映大脑神经元的活动状态和神经肌肉的活动状态， 包含了躯体运动控制信息和肌肉对大脑控制意图的功能响应信息， 能够直接反应运动神经系统的功能状态. 穴位较周围组织存在更多的感觉神经末梢及血管， 刺激穴位会增强神经系统的功能. 因此， 研究EEG-EMG信号相干性， 可以探索穴位电刺激下的大脑皮层与肌肉收缩之间的功能耦合作用， 通过提取信号特征参数， 反映相应组织的活动信息[1,2].

目前， 关于EEG-EMG信号相干性分析方法大多基于傅里叶变换或短时傅里叶变换， 通过研究相干性来探索皮质下中风、 帕金森症等运动机制或相关疾病的病理机制. Fabrizio V 和Claudio Del Percio等[3]通过对精英、 普通运动员和非运动员进行比较， 分析脑-肌电信号相干性， 探讨不同握力产生的肌电与脑电信号的关联性； Braun等人[4]要求中风患者进行一个精细的抓握动作， 对EEG-EMG信号相干性研究表明： 脑电和肌电之间的相干性主要出现在10～23 Hz； 吴瑛、 马海峰等[5]进行穴位和非穴位的刺激实验， 观察下肢运动神经传导速度的差异， 表明穴位刺激能对人体神经传导产生良性影响； 马培培[6]等人对中风康复运动中EEG和EMG信号进行分析， 表明中风运动功能障碍患者在康复训练过程中随着运动功能的恢复其相干特征逐渐趋于显著.

以上这些相干分析是基于时域相关或者傅里叶变换的频域相关， 无法同时获得时频相关信息. 小波变换是一种时频分析方法， 其变焦距特性， 容易将类别间的差异部分突出表现， 它将信号分解成一系列小波函数的叠加， 小波窗口大小随频率改变. 在低频段， 时间分辨率较低而频率分辨率较高； 在高频段， 时间分辨率较高而频率分辨率较低. 由于小波变换的多分辨率特点， 更适合处理非平稳的脑电和肌电信号. 本文设计了自主手腕外旋和经穴电刺激诱发的手腕外旋两种动作模式， 通过记录手腕运动过程中的EEG和EMG信号， 利用小波相干分析方法， 从时频域研究自主动作和经穴电刺激诱发的EEG-EMG信号相干性， 分析大脑皮层与肌肉运动的信息传输和相互作用， 对于探索大脑控制肌肉活动机制， 合理设计康复训练方法和运动性疲劳恢复具有重要的指导作用.

1信号采集

1.1实验对象

被试者为8名健康大学生( 女性2名， 男性6名)， 年龄20～22岁. 所有被试者均理解实验内容并且同意参加实验， 无相关的肌肉、 骨骼、 神经疾病. 实验前24 h内未做剧烈运动， 以排除过度运动肌肉残余疲劳对实验结果的影响. 8名受试者均参加了穴位刺激和自主动作的实验.

1.2实验系统

实验系统如图 1 所示， 主要由低频电刺激仪、 脑电仪、 肌电仪、 同步发生器和数据处理计算机组成. 低频电刺激作用于受试者曲池穴和内关穴， 同步采集FC3， C3， CP3， FC4， C4， CP4等6个导联的脑电信号和桡侧腕屈肌的表面肌电信号， 分别通过USB 接口和无线收发器传送至计算机进行数据处理.

图 1　经穴电刺激诱发脑-肌电实验系统框图Fig.1　Experiment system chart of the EEG-EMG induced by acupoint electrical stimulation

低频电刺激仪采用恒流刺激方式， 可以输出单个或一串电脉冲， 刺激强度、 脉冲宽度及刺激频率等参数均可进行控制调节. 另外， 该低频电刺激仪带有穴位探测功能， 将两个探穴电极构成测量回路， 通过穴位的低阻效应可以获得穴位的相应位置.

采用Neuroscan公司40导脑电仪以及Delsys 公司16通道表面肌电测量仪， 该肌电仪对肌电信号检测有较高可靠性， 并且操作较简单. 电极传感器间的延迟小于500 μs， 有较强的抗干扰能力， 实验中， 脑电采样频率选为1 kHz， 肌电采样频率为2 kHz.

1.3实验方法

受试者静坐在椅子上， 身体自然放松， 前臂平放在实验台上. 首先， 用乙醇和生理盐水对电极安放处的皮肤进行清洁， 以降低皮肤与电极的接触阻抗； 其次， 采用国际10～20导联标准安放脑电电极， 表面肌电电极置于桡侧腕屈肌肌腹处， 平行于肌纤维的方向放置； 再次， 设定人体经穴电刺激的电流强度， 由于存在个体差异， 先对受试者施加3次电刺激来确定腕关节达到外旋时的刺激强度， 整个实验过程保持该电刺激强度不变. 最后， 启动同步发生器， 当电刺激仪刺激人体相应穴位时， 同步采集记录相关电极上的脑电信号和肌电信号.

穴位电刺激诱发腕部外旋(刺激组)实验时， 电刺激仪的电极片分别置于人体曲池穴和内关穴处， 采用不同频率的连续波电刺激， 以及连续波、 断续波、 疏密波3种不同模式的电刺激， 均刺激穴位30 s， 同步采集并记录相应的脑电信号和肌电信号.

自主腕部外旋动作(对照组)实验时， 通过E-prime软件编写实验范式， 即屏幕上的左、 右箭头以一定频率出现， 向受试者指示腕部的外旋动作， 右箭头出现时， 被试者做腕部外旋动作， 左箭头出现时， 被试者停止腕部外旋， 采集并记录30 s的脑电信号和肌电信号.

1.4数据预处理

EEG和EMG是一种随机性很强的非平稳微弱信号， 极易被各种噪声干扰污染， 必须对采集的原始信号进行预处理. EEG和EMG作为电生理信号， 具有不同的特征： 诱发EEG信号幅值一般只有50 μV左右， 频率范围0.5～50 Hz; EMG信号幅值一般为100～2 000 μV， 频率范围50～500 Hz. 因此， 需要通过自适应陷波器滤除50 Hz工频干扰； 通过数字带通滤波， 获得有用频带的脑电信号与肌电信号， 同时去除直流漂移； 通过小波阈值去噪方法消除测量中的伪迹和噪声. 数据预处理后， 可以得到纯净的诱发脑电和肌电信号.

由于刺激组和对照组实验， 各导联上的脑电信号和肌电信号预处理方法相同， 这里仅以2 Hz频率经穴刺激下的C3导联脑电信号为例. 图 2(a)， 图 2(b)分别为经穴电刺激模式下， 采集的C3导联原始EEG信号和预处理之后的EEG信号.

图 2　C3导联脑电信号Fig.2　EEG signal of C3 lead

从图 2(a)， 图 2(b)可知， 原始脑电信号存在基线漂移和工频干扰， 经过自适应陷波和小波阈值去噪之后， 有效地去除了基线漂移和50 Hz的工频干扰， 获得了有用频带的信号.

2小波变换与小波相干性

信号x(t)的连续小波变换是由信号与小波内积得到的频率f和时间τ的函数

(1)

式中：ψτ,f为小波基函数， 本文采用Daubechies类的db5小波.

假设X是某导联的脑电信号,Y是肌电信号， 那么信号X和Y在频率上的小波谱和小波交叉谱可表示为

(2)

(3)

小波相干系数表达式为

(4)

用小波变换的实部来量化给定尺度下的小波交叉谱和小波谱， 更简单方便， 可表示为：

(5)

对每一组脑电和肌电实验数据进行相干性分析， 则平均小波相干系数能量表示为

(6)

脑-肌电信号相干的显著程度可以用相干显著性CL描述， 计算公式为

(7)

式中：α为置信水平(设置为0.95). 超过显著性阈值CL， 表明相干性显著[8].

3小波相干仿真与分析

以C3导联的脑电信号和桡侧腕屈肌的肌电信号进行小波相干分析仿真， 具体实现过程为：

1) 求脑电和肌电信号的连续小波变换， 并进行二进制离散化；

2) 计算脑电和肌电信号各自的小波谱以及它们的小波交叉谱；

3) 利用平均小波相干系数能量式(6)， 计算脑电-肌电信号的平均小波相干系数能量.

图 3 和图 4 分别为自主动作和经穴电刺激下的脑-肌电信号的小波相干系数能量时-频图.

比较自主动作和2 Hz经穴电刺激诱发的脑-肌电信号小波相干特性. 从图3可知： 自主动作下的脑-肌电相干性集中在30～35Hz信号频段， 对应于大脑γ节律. 从时-频谱上还可以看出： 随着时间的推移， 相干程度先增大， 然后逐渐减小. 由于大脑γ节律反映了局部运动， 当肢体开始动作时， 控制肌肉运动的大脑神经活跃， 对肌肉的局部控制逐渐增强， 并且肌肉收缩程度较强， 从而导致脑-肌电相干性逐渐增大； 当手腕动作一段时间后， 控制肌肉运动的大脑神经兴奋性降低， 同时肌肉发生疲劳且收缩程度降低， 导致脑-肌电信号相干性减小.

图 3　自主动作下的脑电-肌电信号小波相干系数能量时-频图Fig.3　Time-frequency picture of EEG-EMG coherenceengineunder the voluntary movement

图 4　2 Hz经穴电刺激下的脑电-肌电信号小波相干系数能量时-频图Fig.4　Time-frequency picture of EEG-EMG coherenceengineinduced by acupoint electrical stimulation

从图 4 可知， 经穴电刺激下， 脑-肌电小波相干系数能量主要集中在15～18 Hz, 22～25 Hz， 这两个频段， 对应于大脑β节律. 此外， 脑-肌电小波相干系数能量还较少分布在30～33 HZ， 38～40 Hz的频段， 对应于大脑γ节律. 从时-频谱上可以看出： 穴位电刺激较自主动作下的脑-肌电信号小波相干系数能量增大， 相干频率段增多， 推测是由于经穴电刺激引起了肌神经以及大脑皮层特定功能区兴奋， 诱发更强更同步的脑电信号和肌电信号.

肢体运动是神经系统和肌肉组织信息交流而产生的， 必须受大脑皮层的控制. 脑-肌电的时频相干分布图可以进一步揭示大脑功能区和信息传输方向的选择. 自主动作是大脑运动皮层发出指令， 经过中枢神经系统(脑、 脊髓)， 沿着运动传导通路支配肢体完成一定的肌肉运动， 图3表明大脑运动皮层通过γ节律信号控制腕部肌肉动作； 而经穴电刺激是一种逆向的传输方向， 即电刺激导致肢体产生动作， 沿感觉神经传导通路反馈回大脑， 在大脑皮层的运动区和感觉区进行综合， 使肌肉准确地完成动作， 图4则表明了手腕肌肉动作的反馈信息主要通过脑电β节律信号将动作信息传回大脑.

4脑-肌电信号相干性分析

4.1不同频率连续波电刺激下的脑-肌电信号相干性分析

图 5　不同频率刺激下， 各脑电导联的脑电信号与肌电信号相干值变化Fig.5　Under differentfrequencystimulation, the EEG-EMG coherence change of each lead

采用连续波经穴电刺激模式， 以2 Hz， 4 Hz， 8 Hz， 10 Hz， 15 Hz， 20 Hz的频率刺激内关穴和曲池穴， 采集桡侧腕屈肌的肌电信号和FC3， C3， CP3， FC4， C4， CP4等6个导联的脑电信号， 采用小波相干方法对脑-肌电信号的相干性进行分析. 图 5 为不同频率经穴电刺激， 不同导联脑电信号与桡侧腕屈肌的肌电信号的小波相干系数变化趋势图.

由图 5 可知， 10 Hz经穴电刺激时， 脑-肌电信号小波相干系数达到最高. 此外， 右侧导联(FC4， C4,CP4)脑-肌电信号小波相干值是负相关， 而左侧导联(FC3， C3， CP3)小波相干值是正相关. 表明经穴电刺激腕部动作过程中， 左侧导联对应的脑区是活跃的， 同时C3导联脑电信号与肌电信号的相干性最为显著. 这是因为经穴电刺激实验是刺激右手穴位， 使右手腕发生外旋动作， 导联FC3， C3， CP3分布于大脑皮层的左侧， FC4， C4,CP4分布在右侧， 表明右手运动过程中， 右手腕部肌肉活动与对侧(左侧)大脑运动区相干性强， 激发了对侧大脑皮层运动神经元的兴奋性同时抑制了同侧大脑运动皮层的神经元兴奋性.

4.2三种经穴电刺激模式下的脑-肌电信号相干性比较

图 6　不同刺激模式下脑电-肌电在不同频率段小波相干值统计图Fig.6　Under differentfrequencystimulation, the statistical chart of EEG-EMG coherence on different frequency bands

在10 Hz的连续波、 断续波以及疏密波经穴电刺激下， 采集C3导联脑电信号和桡侧腕屈肌的肌电信号， 计算小波相干系数， 经t检验进行显著性差异(P<0.05)分析. 图 6 所示为三种经穴电刺激模式下， 不同频率段的脑-肌电信号小波相干系数.

从图 6 中可以看出，β波段脑-肌电相干性最强，α波段脑-肌电相干性最弱. 三种电刺激模式下， 疏密波电刺激诱发的脑-肌电相干程度最显著. 因此， 采用疏密波进行经穴电刺激， 在大脑的β波段可以更好的实现与肌肉活动的同步化.

5结论

对经穴刺激诱发和手腕自主外旋动作下， 同步采集脑电和肌电信号进行小波相干分析， 研究穴位电刺激诱发手腕外旋动作下的大脑活动与相关肌肉活动的关系. 研究结果较好地阐明了经穴电刺激可以引起与穴位相关的运动神经元兴奋， 使肌肉的激活程度提高； 脑-肌电相干性主要集中在信号15～25 Hz的β节律频段以及30～36 Hz的γ节律频段； 大脑运动皮层通过脑电γ节律信号控制手腕肌肉运动， 而经穴电刺激产生手腕外旋的反馈信息通过β脑电节律传回大脑； 不同导联脑-肌电信号的相干性分析， 表明穴位电刺激诱发的腕部动作与对侧大脑运动区相干性最强， 疏密波电刺激诱发的脑-肌电相干程度最显著. 该研究可以应用于运动康复工程和仿生机器人中.

参考文献：

[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]纪仲秋, 李旭龙. 电刺激穴位按摩对局部运动疲劳后姿势控制能力恢复的影响[J]. 医用生物力学, 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]吴瑛, 马海峰. 穴位和非穴位刺激影响运动员神经传导速度的实验研究[J]. 上海体育学院学报, 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]马培培, 陈迎亚, 杜义浩, 等. 中风康复运动中脑电-肌电相干性分析[J]. 生物医学工程学杂志, 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]崔若飞. 汽车驾驶员脑氧信号的近红外光谱法检测及小波相干性分析[D]. 济南： 山东大学, 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

文章编号:1671-7449(2016)03-0191-07

收稿日期:2015-12-08

基金项目：国家自然科学基金资助项目(81403130)； 山西省自然科学基金资助项目(2013011016-2)

作者简介：乔晓艳(1969-)， 女， 副教授， 博士， 主要从事生物医学信号检测与处理、 脑-机交互、 仿生机器人等研究.

中图分类号:TP391

文献标识码:A

doi:10.3969/j.issn.1671-7449.2016.03.002