文摘

积极康复包括病人自愿的想法的控制信号恢复设备协助中风康复。虽然恢复手打开重要的是站在病人的日常生活中,很难区分自愿扩展从拇指内收和手指弯曲使用中风病人的脑电图(EMG)在单一的肌肉活动。我们建议实施corticomuscular相干分析脑电图(EEG)和肌电图信号中提取他们的目的参与手伸肌肌腱牵向前开。脑电图和肌电图信号8受试者同时收集在执行4手运动任务(手指扩展,拇指内收,手指弯曲,和休息)。我们探索的空间和时间分布一致性并观察显著corticomuscular一致性出现在左运动皮质区和不同的模式在β4运动任务的频率范围。线性判别分析是应用于相干模式区分手指扩展从拇指内收,手指弯曲,和休息。分类结果大于的脑电图。结果表明基于相干检测自愿的手打开的可能性分析单一肌EMG信号和单一脑电图之间通道位于运动皮质区,这可能有助于活跃的手对中风病人康复。

1。介绍

中风是死亡的主要原因之一在世界1,2]。除了高死亡率,大多数中风患者可能会失去许多日常活动,如步行、把握,和口语3]。失去运动功能的恢复中风病人康复疗法往往是必要的和被证明是有效的4- - - - - -9]。功能磁共振成像研究,宠物和经颅磁刺激表明,中风病人的大脑的一些区域显示重组(8- - - - - -10),为恢复病人的功能发挥了重要作用。主要有两种类型的康复:被动恢复和主动康复。被动康复直接刺激影响肌肉治疗没有涉及病人的意志,如体育锻炼、电刺激(ES) [11- - - - - -14]。相反,积极的康复是中风病人的意志是一个必要的康复,肌肉的刺激是活跃的只有当病人意图。更重要的是,积极的康复治疗被证明是更有效的恢复中风病人的运动功能和提高大脑可塑性的性能(15- - - - - -17]。肌电图(EMG)和脑电图(EEG)信号被利用,被证明是有用的工具,当意志参与积极康复(18- - - - - -21]。EMG ES的控制信号,可以用来帮助恢复中风病人的行走和掌握函数(18- - - - - -20.]。然而,肌肉通常是相互作用的,痉挛或肌萎缩的中风患者(22]。自愿意图从这些信号中提取可能不可靠。

在治疗,恢复手功能通常是一种常见的过程中风患者,因为正常的手功能的损失可以在日常生活中造成很大的困难。最挑战的运动之一是,治疗师需要帮助病人打开手,因为病人的手通常spastically关闭(23,24]。是主要的肌肉参与手指伸肌肌腱牵向前扩展(对应的手打开)。尽管扩展可以从拇指内收分化和手指弯曲(对应于手关闭)EMG信号(伸肌肌腱牵向前25- - - - - -27健康受试者),不容易分类不同的手部运动对于中风患者,由于肌肉是强制的,痉挛或肌萎缩的(22]。因此,提取单个肌肉活动的意图参与手打开,从手关闭和区分,手功能恢复有重要意义。

脑电图是一个方法来解释病人运动的意图(21]。例如,运动图像(MI)可以用来区分休息和运动,从左或右运动图像。Pfurtscheller Neuper的研究,ES控制通过脑电图信号帮助脊髓损伤患者恢复掌握功能(21]。然而,脑电图在他的研究中使用MI,只能区分左和右运动,很难分类不同身体的同侧的手动作,如手指扩展(对应的手打开),拇指内收,手指弯曲(对应于手关闭)28- - - - - -31日]。自EMG信号从脑电图信号,诱导相干EEG-EMG只观察到相关信号(32]。尽管限制性的肌肉或肌肉痉挛状态是在中风病人的身体的同侧的手,cortico-muscular一致性(CMC)可能不存在,因为收集EMG信号不涉及患者意志(32]。康威等人首先描述存在的CMC magnetocephalography (MEG)表面和第一背侧骨间的肌肉肌电图(33]。米玛和哈雷特提取相干之间的脑电图和右外展全身肌肉肌电图和描述CMC机制(34,35]。手臂和手连贯性有重叠区域所示米玛cindy Steger的研究(36]。

在本文中,我们提出分析cortico-muscular EMG之间的连贯性和脑电图信号区分自愿同侧的手打开,关闭,和休息状态。EMG信号(ED)肌肉和35伸肌肌腱牵向前通道脑电图信号的同时收集当8自愿受试者被要求执行正确的手指扩展,拇指内收,手指弯曲,和休息。我们观察脑电图的空间分布渠道当cortico-muscular一致性达到峰值。然后大脑通道对应随意运动是固定在左运动皮层,和CMC值在不同频率范围内β探索4不同的死刑。时间和空间特征提取后,我们申请t以及对ED检查肌电图之间的连贯性和脑电图信号统计4中不同的运动状态在所有科目。我们终于实现线性判别分析分类手指扩展从拇指内收,从手指弯曲,从其他国家基于cortico-muscular相干值。

2。材料和方法

2.1。主题和实验范式

我们招募8正常右撇子志愿者在这项研究中没有任何健康的神经学疾病历史(7 1男性和女性,平均年龄为24.13±1.36,如表所示1)。主题是左撇子还是右撇子是由爱丁堡库存(测试37]。所有科目给出通知书面同意在实验和协议是由浙江大学伦理委员会批准。

前面的主题是坐在舒适的桌子和要求执行四个简单的手运动任务(手指扩展(对应的手打开),拇指内收,手指弯曲(对应于手关闭)和休息)。前三个手部运动主要对应于(ED)、伸肌肌腱牵向前外展全身(APB)和(FD)屈肌腱牵向前肌肉,分别。为了规范实验条件,矫正法用于修复受试者的手指和上肢固定扶手(如图1 (b))。

整个实验包含两个主要部分。首先,受试者被要求完成的最大志愿收缩(MVC)测试(38]。比较不同主题和同一主题在不同时间,MVC测试是必要的,因为肌电图振幅之间的不同主题,所以是相同的最大EMG主题。受试者被要求分别做三上述肌肉MVC测试,和手是固定夹板(如图1 (b))。我们接受ED肌肉的例子。

有三个州全部MVC测试暗示监控(如图2(一个)),准备好了,行动,和休息。主题应该保持10年代最大的手指扩展监控的操作提示。这个话题被要求完成MVC为每个肌肉测试三次。这个时间的平均肌电图振幅是捐赠的(38]。

MVC测试后,每位受试者被要求激活目标肌肉的幅度接近25%如下。 在哪里是实时EMG信号显示在酒吧和实时反馈是最大的EMG信号从MVC。成正比的EMG信号并显示实时指导。

实时反馈栏显示为精确控制主体的肌电图振幅(如图2 (b))。主题应该保持其他肌肉的活动比目标尽可能最小。例如,当埃德是目标肌肉,APB和FD应该处于休息状态。在每个试验中,就绪状态的持续时间,动作状态,和其他国家是1 s, 40多岁,5 s,分别(如图2 (b))。主题应该准备就绪状态减少发病工件处于行动状态,减少眨眼和无关紧要的动作在行动的状态。有总6试验每只手的动作。受试者应该执行四个手的动作:手指扩展,拇指内收,手指弯曲,和休息。

2.2。脑电图和肌电图的收购

头皮脑电图信号记录从64年职位系统使用国际10 - 20 (Synamp2 Compumedics Inc .、夏洛特、数控、美国)引用到右AFz乳突和地面,和运动皮层相关记录(如图35个职位1(一))。脑电图信号过滤1 Hz - 200 Hz带通滤波器和采样频率为1000赫兹。记录之前,参考表面皮肤准备neuroprep和酒精降低阻抗下5 kΩAg / AgCl电极。

EMG信号是通过表面电极记录带通滤波器之间的5和200赫兹和采样频率为1000赫兹使用neuroscan Synamp2 EMG收购。Ag / AgCl电极应用于三面肌肉(ED, APB和FD)使用电刺激的固定位置。一对电极之间的距离是5厘米ED和FD肌肉,1厘米APB肌肉。所有电极阻抗保持5 kΩ以下。

2.3。信号分析

此次记录脑电图和肌电图收购同时去除污染的眼动信号。删除后的工件和小城镇的脑电图和肌电图信号试验的试验,我们脑电图和肌电图信号分割成不重叠的部分1024 ms, 0.976赫兹的频率分辨率。有150 - 190秒的可用数据收集所有科目。这里我们采用均匀150段估计CMC值在整个频率范围内。相干谱计算快速傅里叶变换算法: 在哪里是频率和ch通道。是脑电图和肌电图的互谱,然后呢和分别autospectrum脑电图和肌电图信号。因此,CMC是频率的函数和通道。计算置信水平 在哪里置信水平,段的数量。(在我们的研究和信件的95%吗值为0.05;150在我们的研究中。)CL代表了保密的限制。如果值大于CL,相干性被认为是重要的。

为了分类手指扩展从拇指内收,手指弯曲,和休息,我们探索的空间和时间分布CMC ED肌肉和肌电图信号在上述手部运动,分别指通道和频率。对于简单的表达式,在这里,我们定义下面的几个缩写。 = ED肌肉CMC峰值在手指的扩展运动。“菲”表示手指扩展。 =在拇指内收肌CMC峰值运动。“助教”表示拇指内收。 = ED肌肉CMC峰值手指弯曲运动。“FF”表示手指弯曲。 = ED肌肉CMC峰值在休息。 =频率到达。 =通道提供。

我们首先比较ED肌肉的最大CMC值(与,与)在所有频率和脑电图渠道学科之间是否有显著差异在ED CMC峰值扩展除了拇指内收或手指弯曲。接下来,我们然后生成CMC的地形分布在头皮上,找出最相关的皮层区域,这意味着该频道是固定的并观察最大的CMC值ED肌肉在整个频率范围内。t以及应用于检查如果有显著差异在受试者手指扩展和3之间其他运动任务。然后,我们获得手指的调谐频率扩展在最相关的脑电图通道。t以及再次用于检查是否ED CMC值获得和学科之间有显著差异从另外两个手指扩展上述运动和休息。

如果我们能够成功地将手指扩展与其他运动的显著的一致性的任务,它提供承诺自愿检测手打开(积极治疗期间与手关闭)。这里我们将信号划分为20 - 30段为每个主题(如表所示2)。段的长度选择CMC值时出现上面的重要价值。我们计算CMC值β内收集到的EMG信号之间的频率和最相关的运动皮质通道。线性判别分析是应用于CMC向量(在测试频率)来计算的分类精度区分手指扩展从拇指内收,手指扩展,为每个主题和休息。

3所示。结果

我们首先比较ED肌肉的最大CMC值(与和与)在所有频率,和脑电图频道。与t以及,没有显著差异在扩展从拇指内收和手指弯曲通道,频率和峰值相干值。

ED的地形分布的一个例子中的CMC值不同的动作图所示3。在ED肌肉CMC值扩展和手指弯曲的更明显比拇指内收,和休息。从图3,重要的ED肌肉CMC重叠之间的通道左边运动皮层手指扩展与拇指内收,手指弯曲和休息。

我们修复通道和观察CMC值频率。我们计算最大ED肌肉CMC值四个运动任务的频率如表所示3。与t以及,之间没有显著差异在ED CMC值扩展和手指弯曲。和没有显著差异的手指扩展从拇指内收,手指弯曲,频率和休息。但是有一个重要的区别在手指扩展ED CMC值从拇指内收和休息;的值是0.0102和0.0161,分别α= 0.05。

图4显示了一个示例收集的ED CMC的分布在测试频率范围为4种不同的运动任务。我们可以看到,ED CMC峰值出现在不同的频率四运动任务。

然后,我们获得手指的调谐频率扩展在最相关的脑电图通道。ED CMC值了和四运动的任务,如表所示4。的结果t以及显示学科之间有显著差异从其他三个手指扩展运动肌肉CMC值值是0.000000205,0.000089和0.00012分别α= 0.05(如表所示4)。很明显,线性分类ED CMC在手指的扩展与其他两个运动和休息(如图5)。

不太精细调谐频率,我们计算CMC值β内收集到的EMG信号之间的频率和最相关的运动皮质通道。线性判别分析是应用于CMC向量(在测试频率)进行分类手指扩展从拇指内收,手指扩展,为每个主题和休息。四倍交叉验证采用LDA的分析。显示我们的方法的优越性,CMC的分类结果与脑电图在这项研究中。这是因为在健康主题,手指扩展很容易分类从拇指内收,手指扩展和休息。但它是困难的在中风病人由于异常的相互作用的肌肉和痉挛状态(22]。研究表明,平均分类精度为71.6%,中度受损严重受损的科目的科目,只有37.9% (22]。自愿意图从这些信号中提取可能不可靠。因此,良好的分类效果,EMG不一定导致病人良好的性能。这里我们将手指扩展从拇指内收,手指弯曲,和休息用CMC和通过脑电图在同一通道(如图6)。

学科之间的平均精度由CMC 78.96±4.29%, 81.00±7.34%,和78.025±9.39%,分别区分手指扩展从拇指内收,手指弯曲,和休息(见表5)。它表明可能检测自愿的手打开(与手关闭)基于相干分析EMG信号之间一个肌肉和一个脑电图通道位于运动皮质区。脑电图在受试者的平均精度71.27±12.32%,71.12±12.80%,和81.39±11.52%,分别为(见表5)。CMC分类精度更高的平均10%左右,方差小于脑电图分类在拇指内收和手指弯曲,这是我们所关注的主要功能(手打开)的手康复。手指扩展分类结果与其他由CMC和脑电图(平均值和方差)类似,通过脑电图匹配良好的性能来区分从其他运动39]。

此外,我们做三级分类(扩展与拇指内收与手指弯曲)提取手指扩展。最好的两个受试者的精度CMC是75.80%和79.56%。CMC的8个病人的平均精度为69%,大于64%的脑电图。

4所示。讨论和结论

积极康复包括病人的自主运动意图。是有效的恢复中风病人的运动功能,如手打开(最挑战的运动)23,24]。在这项研究中,我们关注的是手指扩展,主要参与的手打开。肌电图可以很容易地提取这些意图,而不可靠的提取等意图由于异常的相互作用的肌肉和痉挛状态在中风病人22]。脑电图可以用来解释病人运动的意图,但它不够好区分身体的同侧的手的动作(28- - - - - -31日]。Cortico-muscular脑电图和肌电图之间存在一致性即使在异常的肌肉当中风病人的意图出现(40]。我们建议分析cortico-muscular EMG之间的连贯性和脑电图信号区分自愿同侧的手打开,关闭,和休息状态。EMG信号(ED)肌肉和伸肌肌腱牵向前脑电图信号的同时收集当8自愿受试者被要求执行正确的手指扩展,拇指内收和手指弯曲,和休息。我们观察到显著cortico-muscular一致性出现在左边运动皮层脑电图的渠道,这是符合在米玛和哈雷特的研究发现36),显示了4个不同测试的频率范围内不同的模式执行。统计t以及显示手指扩展收集在调谐频率的相干值和最相关的渠道是静态不同从3其他州,分别在所有科目。我们应用线性辨别分析相干模式测试范围内,平均精度区分手指扩展状态从拇指内收,手指弯曲,和休息。CMC分类精度更高的平均10%左右,少使用脑电图方差比性能只有在区分扩展从拇指内收和手指弯曲,这是我们所关注的主要功能(手打开)的手康复。手指扩展分类结果与其他由CMC和脑电图(少但平均方差)类似,匹配结果,脑电图可以用来区分从其他运动39]。此外,分类结果手指扩展的3类(扩展与拇指内收与手指弯曲)通过CMC也大于脑电图表现。

结果表明检测的可能性之间自愿的手打开基于相干分析一个肌肉肌电图信号和一个脑电图通道位于运动皮质区。的一个挑战是在实时准确地捕捉瞬时CMC值重新编码。在真实的应用程序中,脑电图和EMC信号可以从病人记录在同一时间。显著的一致性(CMC)值可以估计只比EEG分类自愿手指扩展,作为更精确的控制信号来唤起积极的电刺激康复运动。进一步的实验在中风患者,CMC需要与肌电图异常的肌肉将手运动。它最终将帮助开发一个新的康复协议可以受益的手康复治疗中风的幸存者。

确认

作者要感谢陈莫,扁,曹国伟太阳,沈Wang和掸邦南有价值的建议。这项工作是支持由国家高技术研究发展计划(2012 aa011602),中国国家基础研究项目(没有。2013 cb329506),中国国家自然科学基金(号。61031002,61001172,61233015),专门研究高等教育的博士项目基金(没有。20100101120104)和基础研究基金为中央大学。