[发明专利]基于时变Copula互信息的肌间耦合分析方法

说明书

本发明针对现有的肌间耦合分析方法无法准确描述肌间线性和非线性耦合强度大小，通过将时变Copula函数与熵理论相结合，提出了一种时变Copula互信息估计方法，并将其应用于腕屈、腕展运动过程中，肱二头肌和肱三头肌记录的2通道表面肌电(sEMG)信号在theta、alpha、beta等特征频段的耦合分析。与静态Copula函数相比，时变Copula函数对肌间相依结构的拟合优度更高，由时变Copula互信息描述的肌间耦合强度存在显著的频段差异(p0.01)。本发明提出的时变Copula互信息为肌间耦合分析提供了一种先进的理论指导方法，具有十分广阔的应用前景。

技术领域

本发明属于神经系统运动控制技术领域，涉及时变Copula建模和互信息的计算，从而进行肌间功能耦合分析。

背景技术

在人的自主运动过程中，大脑运动皮层以神经元的振荡和同步放电的方式发出运动指令，经下行神经通道传递至脊髓，通过募集一组特定的肌肉协同模块实现对复杂运动任务的最优控制。脑电(electroencephalography,EEG)信号和身体对侧的表面肌电(surface electromyogram,sEMG)信号分别反映了运动控制信息和功能响应信息，脑肌电信号之间带节律的同步特征揭示了运动过程中大脑皮层和相应肌肉之间的功能耦合连接。

研究表明，在中枢神经系统的功能调节和反馈控制下，与运动相关的肌肉之间存在不同时空层次的信息交互和耦合关系。这种特殊的耦合关系不仅反映了运动过程中肌肉间的相互关联和相互作用，还包含了神经系统对运动肌肉的控制支配作用。肌间耦合是从皮层肌肉耦合研究中发现并引申而来，源于特定运动任务下，相关肌肉的运动神经元共享相同的皮质脊髓驱动。据报道，肌间耦合存在频段显著特征，主要表现在：alpha(8～15Hz)频段的肌间耦合受脊髓神经的控制，影响肌肉的非自主收缩和运动姿势的维持；beta(15～30Hz)频段的肌间耦合代表了从初级运动皮层到运动神经元的信息传递过程，与静态力的输出有关；gamma(30～60Hz)频段的肌间耦合受大脑皮质神经的控制，体现为认知过程中注意力集中引发的强烈紧张性收缩。不同频段的肌间耦合特性为理解运动控制的组织和协调机制提供了理论基础。当前，肌间耦合关系的研究集中在运动医学、康复工程等领域，已成为运动神经科学的热点关注问题。

近年来，肌间耦合分析方法层出不穷，相干性(Coherence)因其算法原理简单、易于实现，被广泛应用于肌间耦合分析。谢平等利用相干性对比分析了中风患者运动过程中健侧、患侧上肢拮抗肌间相干性特征，发现患侧在beta频段的肌间相干性相对于健侧存在明显缺少。然而，肌间耦合关系也包含非线性成分，基于傅里叶变换的相干性仅能描述线性耦合关系，并且Faes等指出相干性所测得的耦合关系包含了直接和间接的影响，会过度估计肌间耦合强度。概率论和信息论中的互信息(mutual information,MI)是传统相关系数的非线性扩展，不依赖既定模型，能够度量两个或多个随机变量之间的线性或非线性依赖程度，在很多方面被认为是较完美的关联统计工具。然而，互信息的估计严重依赖概率密度的精确表示，实际应用时通常十分困难。Ma等证明了负的Copula熵可以等价为互信息，通过Copula函数估计互信息不仅能有效避免对联合密度函数地估计，而且计算复杂度低，这为理解和估计互信息提供了一条新的途径。