首页 > 文献资料
-
基于表面肌电非负矩阵分解与一致性的肌间协同-耦合关系研究
肌肉协同模型是神经产生并控制运动的低维度结构,探讨不同动作任务下的表面肌电信号(sEMG)间的相干性分析,可以体现相应肌群的协同耦合关系,进而能从神经控制运动与肌肉相互配合协调的角度揭示运动产生与执行规律.组织8名年轻健康受试者(男女均半、20 ～ 24岁)进行上肢腕部屈、伸实验,采集动作时相应肌群的sEMG数据,引入非负矩阵分解(NMF)方法分析肌间协同性,并进一步对协同性较高的肌群采用一致性分析方法,研究信号beta(15 ～35 Hz)和gamma(35～60 Hz)频段的耦合强度关系,探讨腕部伸屈动作下不同受试者之间的协同-耦合性差异.结果表明:腕伸动作下,主动肌桡侧腕短伸肌(ECR)、指伸肌(ED)、尺侧腕伸肌(ECU)、肱桡肌(B)在协同模块W5中具有协同关系,且肌间耦合强度显著(P＜0.05),beta频段与gamma频段一致性显著面积相差较大(1.261±0.966);腕屈动作下,分别在协同模块W1W4 W5中存在具有协同关系的肌肉对,且肌肉间耦合强度显著(P ＜0.001),在beta和gamma频段一致性显著面积相差较小(0.412±0.163),但主动肌桡侧腕屈肌、指浅屈肌间不具有协同性,耦合关系较弱.以上说明:神经控制运动的方式不同,体现为肌肉协同-耦合关系有所差异;在同一协同模块中,协同性较高的肌肉间耦合关系较强,揭示神经控制运动规律与肌肉相互配合方式;运用此方法进行肌间协同-耦合联合分析,可望深入揭示中枢神经模块化协同控制运动机制,进一步为运动障碍患者功能分析和评价提供科学依据.
-
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.
