[發(fā)明專利]基于時(shí)變Copula互信息的肌間耦合分析方法

在審

• 申請?zhí)枺?/td>: 202011278635.X
• 申請日: 2021-02-08
• 公開（公告）號: CN112509689A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 佘青山;王洪安;馬玉良;高云園
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H20/30;G06F17/18;G06F17/17
• 代理公司: 浙江千克知識產(chǎn)權(quán)代理有限公司 33246
• 代理人: 周希良

本發(fā)明針對現(xiàn)有的肌間耦合分析方法無法準(zhǔn)確描述肌間線性和非線性耦合強(qiáng)度大小，通過將時(shí)變Copula函數(shù)與熵理論相結(jié)合，提出了一種時(shí)變Copula互信息估計(jì)方法，并將其應(yīng)用于腕屈、腕展運(yùn)動(dòng)過程中，肱二頭肌和肱三頭肌記錄的2通道表面肌電(sEMG)信號在theta、alpha、beta等特征頻段的耦合分析。與靜態(tài)Copula函數(shù)相比，時(shí)變Copula函數(shù)對肌間相依結(jié)構(gòu)的擬合優(yōu)度更高，由時(shí)變Copula互信息描述的肌間耦合強(qiáng)度存在顯著的頻段差異(p0.01)。本發(fā)明提出的時(shí)變Copula互信息為肌間耦合分析提供了一種先進(jìn)的理論指導(dǎo)方法，具有十分廣闊的應(yīng)用前景。

技術(shù)領(lǐng)域

本發(fā)明屬于神經(jīng)系統(tǒng)運(yùn)動(dòng)控制技術(shù)領(lǐng)域，涉及時(shí)變Copula建模和互信息的計(jì)算，從而進(jìn)行肌間功能耦合分析。

背景技術(shù)

在人的自主運(yùn)動(dòng)過程中，大腦運(yùn)動(dòng)皮層以神經(jīng)元的振蕩和同步放電的方式發(fā)出運(yùn)動(dòng)指令，經(jīng)下行神經(jīng)通道傳遞至脊髓，通過募集一組特定的肌肉協(xié)同模塊實(shí)現(xiàn)對復(fù)雜運(yùn)動(dòng)任務(wù)的最優(yōu)控制。腦電(electroencephalography,EEG)信號和身體對側(cè)的表面肌電(surface electromyogram,sEMG)信號分別反映了運(yùn)動(dòng)控制信息和功能響應(yīng)信息，腦肌電信號之間帶節(jié)律的同步特征揭示了運(yùn)動(dòng)過程中大腦皮層和相應(yīng)肌肉之間的功能耦合連接。

研究表明，在中樞神經(jīng)系統(tǒng)的功能調(diào)節(jié)和反饋控制下，與運(yùn)動(dòng)相關(guān)的肌肉之間存在不同時(shí)空層次的信息交互和耦合關(guān)系。這種特殊的耦合關(guān)系不僅反映了運(yùn)動(dòng)過程中肌肉間的相互關(guān)聯(lián)和相互作用，還包含了神經(jīng)系統(tǒng)對運(yùn)動(dòng)肌肉的控制支配作用。肌間耦合是從皮層肌肉耦合研究中發(fā)現(xiàn)并引申而來，源于特定運(yùn)動(dòng)任務(wù)下，相關(guān)肌肉的運(yùn)動(dòng)神經(jīng)元共享相同的皮質(zhì)脊髓驅(qū)動(dòng)。據(jù)報(bào)道，肌間耦合存在頻段顯著特征，主要表現(xiàn)在：alpha(8～15Hz)頻段的肌間耦合受脊髓神經(jīng)的控制，影響肌肉的非自主收縮和運(yùn)動(dòng)姿勢的維持；beta(15～30Hz)頻段的肌間耦合代表了從初級運(yùn)動(dòng)皮層到運(yùn)動(dòng)神經(jīng)元的信息傳遞過程，與靜態(tài)力的輸出有關(guān)；gamma(30～60Hz)頻段的肌間耦合受大腦皮質(zhì)神經(jīng)的控制，體現(xiàn)為認(rèn)知過程中注意力集中引發(fā)的強(qiáng)烈緊張性收縮。不同頻段的肌間耦合特性為理解運(yùn)動(dòng)控制的組織和協(xié)調(diào)機(jī)制提供了理論基礎(chǔ)。當(dāng)前，肌間耦合關(guān)系的研究集中在運(yùn)動(dòng)醫(yī)學(xué)、康復(fù)工程等領(lǐng)域，已成為運(yùn)動(dòng)神經(jīng)科學(xué)的熱點(diǎn)關(guān)注問題。

近年來，肌間耦合分析方法層出不窮，相干性(Coherence)因其算法原理簡單、易于實(shí)現(xiàn)，被廣泛應(yīng)用于肌間耦合分析。謝平等利用相干性對比分析了中風(fēng)患者運(yùn)動(dòng)過程中健側(cè)、患側(cè)上肢拮抗肌間相干性特征，發(fā)現(xiàn)患側(cè)在beta頻段的肌間相干性相對于健側(cè)存在明顯缺少。然而，肌間耦合關(guān)系也包含非線性成分，基于傅里葉變換的相干性僅能描述線性耦合關(guān)系，并且Faes等指出相干性所測得的耦合關(guān)系包含了直接和間接的影響，會過度估計(jì)肌間耦合強(qiáng)度。概率論和信息論中的互信息(mutual information,MI)是傳統(tǒng)相關(guān)系數(shù)的非線性擴(kuò)展，不依賴既定模型，能夠度量兩個(gè)或多個(gè)隨機(jī)變量之間的線性或非線性依賴程度，在很多方面被認(rèn)為是較完美的關(guān)聯(lián)統(tǒng)計(jì)工具。然而，互信息的估計(jì)嚴(yán)重依賴概率密度的精確表示，實(shí)際應(yīng)用時(shí)通常十分困難。Ma等證明了負(fù)的Copula熵可以等價(jià)為互信息，通過Copula函數(shù)估計(jì)互信息不僅能有效避免對聯(lián)合密度函數(shù)地估計(jì)，而且計(jì)算復(fù)雜度低，這為理解和估計(jì)互信息提供了一條新的途徑。