神经肌肉耦合分析及在脑卒中运动功能评估中应用

（原文链接https://mp.weixin.qq.com/s/BNbEiMfL0IEXUpH-36wj2A）

       运动过程中大脑与其支配肌肉间存在不同层面信息交互，这种由大脑皮层发出的控制信息支配相应躯体肌肉响应、同时相关反馈信息也引起相应脑区功能变化的现象，定义为神经肌肉功能耦合(Functional Corticomuscular Coupling, FCMC)。大脑与肌肉间的同步交互特性较早由Conway在分析运动肌肉和皮层脑电的频率耦合性特征时发现，此后，诸多学者相继开展运动控制中的神经肌肉功能耦合现象和机制研究，并在脑卒中患运动功能评估中取得了一定进展。

1.神经肌肉功能耦合概述

1.1 FCMC基本特性

       神经系统节律性变化使得大脑与所支配肌肉间信息交互一定程度上具有频带特性，这种神经系统耦合振荡在特定频段和带宽上具有不同物理和生理意义。大脑与所支配肌肉间FCMC主要体现在alpha(8-15Hz)、beta(15-35Hz)及gamma(35-60Hz)频段，并且随运动任务及力量输出种类不同，各特定频段所表现的耦合振荡关系也不同。如，当被试进行恒定不变力量收缩、手指进行较慢动作及在不同水平力输出间过渡转换等任务状态下，FCMC主要表现在alpha频段增强；当被试进行静态力维持控制和恒定静态力输出时，FCMC主要体现在beta频段；而当执行动态任务或者是较大力量输出时，FCMC在低gamma频段显著增强。

       其次，有相关学者在皮层振荡和额外躯体感觉输入间的关系研究中指出：特定频段的FCMC不仅体现出同频频率耦合(Iso-frequency Coupling, IFC)现象，还表现出显著的交叉频率耦合(Cross-frequency Coupling, CFC)。再次，由于运动控制系统多子系统间的多级信息传递特性，导致FCMC现象还体现出具有一定时间延迟特性(time delay, TD)，而当病变或其他因素导致神经肌肉通路受损时，必然会引起运动系统内在生理紊乱，导致FCMC的时间延迟特性异常。此外，大脑功能的复杂时和空多尺度特性也导致FCMC体现出一定的多尺度交互特性。因此，从不同层面研究运动控制系统的FCMC特征对于脑卒中病理机制分析和运动功能评定具有重要意义。

图1  神经肌肉功能耦合通路示意图

1.2 FCMC基本分析方法

       针对FCMC的局部频带、异频耦合、时间延迟及多尺度等层面基本特征，现有FCMC分析方法主要围绕神经肌肉功能耦合强度和信息流向方面，基于线性/非线性、因果/非因果等分析方法展开，同时拓展至异频耦合、时间延迟、多尺度特性分析等层面。

       在局部频带研究层面，现有研究主要运用一致性、格兰杰因果分析方法，从线性角度对双变量FCMC特征进行刻画，也有学者提出线性的偏一致性和直接传递函数对多变量信号进行分析。然而，大脑与所支配肢体肌肉间不仅存在线性耦合关系，还有诸多非线性耦合成分。为此，所在团队依次提出了Gabor小波格兰杰、变分模态传递熵、传递谱熵及变分模态偏一致性等方法，既可以描述FCMC的线性特征又能刻画其非线性特征，同时可以从不同层面实现对FCMC局部频带特征的定量描述。

       在FCMC异频耦合分析层面，已有相关开展较少，现有研究主要提出非线性n：m一致性、体现线性和非线性特征的小波拓展传递熵及所在团队成员提出的小波包传递熵等分析方法。

       在FCMC时间延迟分析层面，现有研究主要围绕一致性相位法和方向一致性描述其线性信息耦合强度，对于具有双向耦合特性的运动系统而言，现有方法存在一定局限，为此，所在团队提出时延信息传递指数用于描述双向的线性及非线性时间延迟特征。

       在FCMC多尺度特性描述层面，在现有FCMC耦合强度和信息流向的单一尺度线性分析方法基础上。所在团队依次提出多尺度传递熵、复杂多尺度一致性及局部多尺度传递熵方法，刻画大脑与肌肉间的线性/非线性的多尺度信息交互特性。

表1  FCMC分析方法及其基本特点

2.FCMC在脑卒中运动功能评估中应用

       目前，FCMC在脑卒中功能评估中应用主要从耦合强度和信息流向等层面展开。已有研究指出患者的FCMC节律差异特征改变，如Mima等人指出在微弱静态力收缩任务时，患者患侧手部和前臂肌肉与大脑间耦合低于健侧；Meng等人指出静态力收缩时患者FCMC低于对照组。此外，还有研究指出患者的FCMC信息流向也存在差异，如Stuart N. Baker等人发现脑卒中患者进行手部抓取时EMG→EEG方向FCMC低于EEG→EMG；Ping Xie等人验证了脑卒中患者EEG→EMG方向FCMC较健康人低。也有学者通过对不同康复阶段或运动任务下患者FCMC表现不同，如Katherina等发现脑卒中急性期FCMC比慢性期要低；Baker S N等发现大幅动作中beta频段FCMC特征比小幅动作更显著。

       针对脑卒中后皮层肌肉功能耦合的多层次特性，本研究团队进行了相关拓展研究。利用所提出的传递谱熵、小波包传递熵、时延信息传递指数及复杂多尺度一致性等方法，分析静态握力下脑卒中患者和健康对照组的脑电和肌电信号，分别进行FCMC局部频带、异频耦合、时间延迟及多尺度特性分析。通过与健康被试分析结果对比可知，脑卒中患者EEG→EMG和EMG→EEG方向的beta频段功能耦合降低甚至缺失，alpha及gamma频段却有所增强，而且EMG→EEG方向alpha和gamma的增强要高于EEG→EMG方向(图2(a))；此外，延迟时间增加(图2(b))，异频功能耦合减弱(图2(c))，并且无明显多尺度耦合特征(图2(d))。这些研究结果有助于FCMC在脑卒中患者运动状态的临床辅助评估应用。

图2  脑卒中后皮层肌肉耦合异常特征分析

 (a) 局部频带特征分析 (b) 时间延迟特性分析 (c) 异频耦合特征分析 (d) 多尺度特征分析

       为探究皮层肌肉功能异频耦合特性与临床评定量表间关系，筛选脑卒中患者与健康被试间显著差异的耦合特征指标，基于皮尔逊相关性分析其与上田敏临床评定量表间相关性，结果如图3显示：EMG→EEG和EEG→EMG方向beta2和gamma2频段TSE显著面积指标均与上田敏量表等级间存在显著相关(图3(a))；在耦合比为3:2(r=0.643, p<0.05)及2:1(r=0.646, p<0.05)条件下，gamma频段显著面积均与上田敏量表等级间存在着显著正相关(图3(b))；EEG→EMG方向，脑卒中患者FCMC延迟时间与上田敏等级量表间呈现显著相关(r=0.512, p<0.05)(图3(c))；尺度为9(r=0.739, p<0.05)、10(r=0.623, p<0.05)及12(r=0.709, p<0.05)时患者显著面积指标与上田敏评定量表等级间存在显著正相关(图3(d))。该研究结果为基于FCMC特性指标实现脑卒中患者康复状态定量评估，并与临床定性评价指标相结合，提供了可行参考依据。

图3：皮层肌肉异频耦合分析与临床评定量表间关系

       FCMC分析有助于从系统层面揭示运动控制中神经肌肉系统的协同工作方式，理解运动控制过程及其运动功能障碍的病理机制，也为脑卒中运动功能状态评价提供了全新视角。

3.FCMC在智能康复系统中的应用

       上述神经肌肉耦合分析，可以拓展至脑机接口系统的行为意图解析、康复机器人智能控制以及神经调控等研究中，提高行为意图解码的有效性、辅助运动功能评定、并优化康复策略。

       运动功能评估及行为监测是康复机器人智能化控制的关键。现有康复机器人智能化控制系统主要依据单一模态数据的特征指标来实现的，对于人体运动功能的全面系统监测有一定局限。为此，本团队在现有单一脑电、肌电、运动姿态等特征指标基础上，将FCMC耦合指标作为运动状态评估的重要指标，以此优化康复机器手的训练模式及控制策略，图4为基于FCMC功能评定用于可穿戴康复机械手训练系统，并进行临床测试。基于该系统，用户能够基于脑电和肌电的同步采集装置实现脑电与肌电数据的同步采集，并基于基本特征提取方法、功能耦合指标分析等实现对用户运动意图的解析及功能状态的评估，进而实现对虚拟场景中相应任务的执行，同时也能够基于对机械手的控制和反馈实现对患侧肢体动作的主被动控制。

图4  可穿戴康复机械手训练系统

       FCMC的另一个应用是用于神经调控过程中的评估指标及参数优化依据，研究神经调控机制并实现闭环调控。如，本研究团队在低强度经颅超声刺激对缺血性脑卒中作用机制研究中，从FCMC的耦合强度及耦合方向等层面，对不同超声刺激参数下小鼠运动皮层脑电和尾部肌电信号进行分析，得出较高强度(0.8和1.1W/cm2ISPPA)的超声刺激会引起更显著的gamma同步，而较低强度(0.2和0.4W/cm2ISPPA)的超声刺激引起显著的alpha和beta同步振荡(图5A)[30]。同时课题组也分别从多尺度(图5B)、复杂度(图5C)、时频特性(图5D)等角度进行了分析。分析结果证实了超声对运动回路具有调节作用，为超声刺激下的皮层-肌肉通路作用机制分析提供了评估指标，为超声刺激对神经系统疾病引起的运动功能障碍的潜在治疗应用提供了参考依据。

图5：不同超声强度(1.10-0.20W/cm2 ISPPA)下的LITUS的PLV结果与时频相位同步谱。白色虚线之间的窗口指示超声处理持续时间(400ms);(B) NTB下的随尺度变化的传递熵散点图及拟合曲线；(C) 超声刺激下脑肌电间的互信息结果；（D）不同TUS强度下LFPs和EMG显著一致性面积刺激前后对比。*表示显著性，其中*p<0.05，**p<0.01。行表示不同TUS强度刺激前后各0.4s不同频段的相对显著面积，第二行表示不同TUS刺激持续时间前后各0.4s不同频段的相对显面积

4.总结与展望

       神经肌肉功能耦合作为一种能够反映神经肌肉系统中大脑与肌肉间信息交互的现象，有助于理解运动控制过程及其运动障碍病理机制，为脑卒中康复评价提供了全新视角。本研究概述了神经肌肉功能耦合的基本特性及分析方法，总结了现有神经肌肉功能耦合在脑卒中运动功能评估中的应用研究，并介绍了研究团队在神经肌肉功能耦合方面开展的主要工作，包括FCMC的的非线性、复杂性、多尺度性及时延性分析方法，介绍了脑卒中患者的主要FCMC异常特性，以及与临床康复评定量表等级间相关性分析，为FCMC对脑卒中康复状态评估的辅助作用提供借鉴，也为其在脑机接口及智能康复等其它应用研究提供思路。