[发明专利]一种精细步态相位的脑肌电相关性分析方法

说明书

本发明公开了一种精细步态相位的脑肌电相关性分析方法，通过采用TFCMI计算方法，对步行过程中七个步态相位EEG‑EMG时频相关性的分析，实现了对步行过程中精细步态相位时段大脑皮层和下肢运动相关肌肉时频域耦合关系的研究，为下肢智能康复设备的研发提供理论指导。本发明采用时频域的TFCMI方法对EEG‑EMG时频相关性进行分析，揭示在步行过程中EEG‑EMG在时频域的耦合关系，从而得到更加准确的EEG‑EMG之间的激活机理。本发明对一个步态周期更精细的七个步态相位的EEG‑EMG耦合关系进行分析，从而可以得到在行走过程中EEG‑EMG更准确的耦合关系，对不同类型的步态障碍定制合适的康复训练计划。

【技术领域】

本发明属于生物信号处理和信号间相关性分析技术领域，涉及一种大脑皮层 和下肢肌肉间相关性分析方法，尤其是一种精细步态相位的脑肌电相关性分析方 法。

【背景技术】

人类的双足行走是一项复杂的运动，需要大脑皮层、脊髓通路和下肢肌肉的 相互协作完成，大脑皮层和下肢运动相关肌肉之间耦合关系，对研究中风这类由 大脑损伤引起的下肢运动障碍非常有帮助，大脑皮层和下肢运动相关肌肉之间的 耦合关系可以转为研究脑电(Electroencephalogram,EEG)和肌电 (Electromyography,EMG)信号之间的耦合关系。比如东京农业技术大学的 Yokoyama等通过大脑解码从EEG中肌肉协同作用和单个肌肉的激活，研究了走 路时大脑皮层肌肉激活的相关关系。并且证明运动肌肉协同效应的激活是由慢速 皮质波解码的。英国哥本哈根大学的Petersen等采用相干性分析，研究步行过程中活跃的腿部肌肉产生的EMG和EEG之间的耦合，来解决运动皮层的激活对步 态中肌肉活动的影响。虽然国内外学者对下肢步行过程中的EEG-EMG相关性研 究已经取得了很多成果，但是同时也还有很多需进一步完善的问题。

一方面，因为EEG和EMG信号都是时频域的信号，因此采用时频域的方法 对其耦合关系进行分析是最合适的，但是目前关于EEG和EMG信号之间耦合关 系的研究大多采用的是频域的方法，比如Jensen等利用短时傅里叶变换对EMG- EEG、EMG-EMG耦合关系进行分析，进而研究大脑皮层对步态中踝跖屈肌活动 的影响。英国哥本哈根大学的Petersen等采用的相干性分析，也是基于频域的光 谱分析法。时频共信息法(Time-frequency crossmutual information,TFCMI)可以 用来计算两个时频域信号之间的互信息，比如台湾阳明大学的Chia-Feng Lu等通 过采用TFCMI方法，对7例健康受试者在静息、准备、运动-开始和运动-偏移四 种功能状态下的脑电图功能连通性进行估计，来研究在手臂自主运动过程中皮层 网络的功能组织。基于此，TFCMI可以用于对运动中EEG-EMG相关性的分析。

另一方面，一个步态周期可细分为七个步态相位：承重反应期、支撑中期、 支撑末期、预摆动期、摆动初期、摆动中期和摆动末期。现有关于下肢运动中 EEG-EMG相关性的研究，还未出现对精细步态相位的EEG-EMG相关性进行分 析，比如密西根大学的Gwin等通过对跑步机运动过程中EEG、足底压力等运动 信息的分析，研究了左右腿支撑期和摆动期大脑活动和步态相位之间的耦合关系。 燕山大学谢平等人利用格兰杰因果性算法，对正走和倒走过程中EEG-EMG功能 性关联进行分析。综上，对下肢步行中精细步态相位的EEG-EMG时频相关性进 行分析，不但可以完善现有下肢运动过程中EEG-EMG相关性研究，还可对智能下肢康复外骨骼的开发提供理论指导。

【发明内容】

本发明的目的在于解决现有技术中的问题，提供一种精细步态相位的脑肌电 相关性分析方法，本发明能够解决步行过程中大脑皮层和运动相关肌肉之间的耦 合关系，对下肢步行过程中七个精细步态相位的EEG-EMG的时频相关性进行研 究，从而为不同步态损伤类型的患者的步态康复提供指导。

为达到上述目的，本发明采用以下技术方案予以实现：

一种精细步态相位的脑肌电相关性分析方法，包括以下步骤：