[发明专利]基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法

权利要求书

1.基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理装置，其特征在于：该装置包括康复实验模块和管理模块；其中，

康复实验模块采用经颅电刺激tDCS装置组成大脑皮层的电刺激干预通道，利用tDCS装置的多通道EEG信号采集功能和无线EMG信号采集装置分别组成EEG和EMG的信号采集通道；

管理模块用于执行以下步骤：

步骤1.接收康复实验模块采集的数据；

步骤2.采用脑功能网络建模方法，提取反映神经活动特点的脑功能网络特征，揭示tDCS对感觉运动皮层活跃度和中枢神经可塑性变化的影响规律；

步骤3.采用基于动态回归模型因果测度的多层次神经肌肉耦合分析方法，从步骤1得到的数据中提取脑-脑、脑-肌以及肌-肌耦合特征指标，评估运功功能康复效果；

步骤4.通过研究步骤3中脑-脑、脑-肌以及肌-肌耦合特征指标与步骤2中tDCS对感觉运动皮层活跃度和中枢神经可塑性变化的影响规律之间的相关性，指导下一步tDCS的刺激方式和参数，实现运动皮层康复的可塑性管理；

步骤3的具体过程如下：

3-1.对EEG和EMG信号分别进行预处理：针对EEG信号，首先对EEG信号进行0.1-100Hz带通滤波，同时滤除基线漂移和工频的噪声干扰；再结合眼电伪迹已有的先验知识，采用参考独立变量分析方法消除EEG信号中的伪迹；然后提取EEG信号中各通道内对应的频带信号；针对EMG信号，首先采用50Hz陷波器滤除EMG信号中的工频干扰，再进行0.1-100Hz带通滤波；

3-2.采用典型相关分析CCA理论优化选取与上肢运动关联的脑电电极，得到最优脑电导联集合：采用CCA方法选取上肢运动时EEG信号与EMG信号的相关程度，以CCA系数为参考依据，选取与特定上肢运动相关程度较高的脑电电极，作为后续脑肌电耦合分析的最优脑电导联集合；

3-3.采用基于动态回归模型的因果测度计算出多导联EEG-EEG、EEG-EMG和EMG-EMG信号之间的因果值：先采用小波分解、多变量经验模态分解的方法从时间序列中提取不同的频带，然后再计算各频带下多导联信号之间的因果值，作为脑-脑、脑-肌以及肌-肌耦合特征指标；

3-4.脑-脑、脑-肌以及肌-肌耦合特征指标描述了上肢运动功能恢复的进展变化，再由临床医生利用Fugl-Meyer上肢运动功能评价量表进行康复评估。

2.根据权利要求1所述的基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理装置，其特征在于：步骤2的具体过程如下：

2-1.建立脑功能网络相关性矩阵：定义EEG的每一个导联所测量区域就是网络的一个节点，其电活动为若干时间序列，建立各通道EEG信号两两之间的连接关系，并计算其强度值，由此建立相关性矩阵；

2-2.建立邻接矩阵和脑功能网络拓扑：以相关性矩阵为基础，通过阈值处理将相关性矩阵转换为稀疏的邻接矩阵，判断邻接矩阵元素值与脑区节点间是否存在连接边，由此构建脑功能网络拓扑；

2-3.脑功能网络的特征提取：利用图论研究网络特征与中枢神经可塑性指标之间的关系，选取有向网络的特征路径长度、聚类系数和介数来描述tDCS下中枢神经可塑性变化的脑功能网络特征；

2-4.tDCS下运动皮层脑功能网络特征的相关分析：采用脑功能网络分析多导联EEG信号，根据2-1得到的相关性矩阵绘制EEG各频段无向图，并计算出脑功能网络指标：连通率和小世界特性，比较tDCS刺激前、后的脑功能网络指标，从而揭示在运动活动期间受激半球的运动前区、运动区和运动感知区的脑功能网络连接关系的特征变化。