[發明專利]多尺度時頻肌間耦合分析方法

有效

• 申請號: 202010727716.7
• 申請日: 2020-07-23
• 公開（公告）號: CN111708978B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 佘青山;王洪安;席旭剛;張啟忠;羅志增
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F17/14
• 分類號: G06F17/14;G06F17/18;A61B5/389
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

本發明公開了一種多尺度時頻肌間耦合分析方法。本發明首先進行多通道表面肌電信號同步采集并進行預處理；并對預處理后的數據進行噪聲輔助的多元經驗模態分解，得到有用的IMF尺度分量。其次對IMF尺度分量進行同步提取變換；具體為：對每個IMF尺度分量進行短時傅里葉變換，再乘以一個相位因子后進行同步壓縮變換。然后計算時頻互信息、時頻歸一化互信息和時頻條件互信息；最后將上述計算結果進行多尺度時頻肌間耦合統計分析。本發明為定量研究腦卒中患者上肢康復運動過程中不同時頻尺度下的肌間非線性耦合強度特性提供了一種新方法。

技術領域

本發明屬于神經系統運動控制機制研究領域，涉及噪聲輔助的多元經驗模態分解、時頻互信息、時頻歸一化互信息和時頻條件互信息的計算，從而進行多尺度時頻肌間耦合特性分析。

背景技術

如何促進腦卒中患者上肢運動功能康復是目前來康復醫學界關注的熱點和難點。康復治療過程中運動功能評估具有重要作用，一方面評估結果能夠實時地反映卒中患者運動功能障礙程度，另一方面還可以輔助臨床診斷并指導個性化康復訓練方案的制定。

從人體骨骼肌表面通過電極引導、記錄下來的表面肌電信號(surfaceElectromyography,sEMG)與肌肉的活動狀態和功能狀態存在著不同程度的關聯，能夠在一定程度上反映神經、肌肉的活動，經常被用于定性評價與定量分析腦卒中患者肢體肌肉運動功能的恢復情況。

由于運動神經系統是通過神經振蕩的方式來傳遞運動控制信息，與肌間各區域的相互作用來實現功能調節和整合，體現為不同層次的同步耦合，而腦卒中患者正是由于運動中樞神經受損阻礙了神經振蕩的傳導才導致了運動功能障礙，所以通過肌間耦合分析能夠反映運動控制過程中神經肌肉的異常功能聯系，揭示神經網絡的協同工作方式，理解運動功能障礙的病理機制。

近年來，肌間耦合分析算法層出不窮，相干性(Coherence)因其算法原理簡單、易于實現被廣泛應用到肌間耦合分析中。Xie等利用Coherence對比分析了中風患者運動過程中健側、患側上肢拮抗肌間一致性特征，發現患側運動過程中beta頻段肌間一致性相對于健側存在明顯缺少。然而，Coherence僅能描述線性耦合關系，Faes等指出Coherence所測得的耦合關系包含了直接和間接的影響，會過度估計肌間耦合強度。

Summers等研究表明，肌間耦合存在線性與非線性的關系，且非線性耦合在神經運動控制中起著更加重要的作用。為此，Du等構建了交叉頻率相干-非負矩陣分解(CFC-NMF)模型，研究上肢肘關節屈伸運動中肌間線性和非線性耦合特性，發現不同頻率比下中風患者肌間耦合強度明顯低于健康人。然而，生理系統需要跨越多個時空尺度進行控制，導致sEMG信號具有多尺度特性，傳統的單尺度分析只能從單一尺度上反映信號的特性，不能反映尺度變化導致的信號特性的變化。為此，Ma等將多元經驗模態分解(MultivariateEmpirical?Mode?Decomposition,MEMD)與傳遞熵(Transfer?Entropy,TE)結合，應用于健康人和病人靜態握力輸出條件下腦肌電同步耦合分析，研究發現皮層肌肉功能耦合是雙向的，在高頻段(40～75Hz)腦電對肌電的耦合強度大于肌電對腦電的耦合強度。但MEMD易受噪聲影響，且存在模態混疊等問題。并且，sEMG信號是一種非線性、非平穩的混沌信號，單從時域或頻域角度剖析肌間耦合關系是比較片面的，為此，有學者根據Coherence原理結合時頻分析方法，提出小波相干性(Wavelet?Coherence,WC)應用于電生理信號的耦合分析，但其仍遺留了線性時頻變換的缺點，且無法給出定量分析指標。