神經肌肉電刺激（NMES）已被證實對保持人體平衡有促進作用，然而關于其對運動能力影響的研究主要集中在外在物理分析，對內源性神經調控機制的分析卻甚少。本文首次研究了NMES對靜立平衡時皮層活性以及皮層肌肉功能耦合（CMFC）的影響，共招募12名健康受試者參與了雙腿NMES訓練，每次訓練包含60次電誘發等長收縮。本研究采集刺激前、刺激2周后、刺激4周后受試者維持靜立平衡時的腦電（EEG）信號、肌電（EMG）信號和足底壓力中心（COP）信號，對比分析COP特征參數、CMFC和皮層活性的變化。結果表明，NMES訓練改善了受試者靜立平衡時的姿態穩定性。同時，圍繞EMG信號的功率譜密度（PSD）定義了κ頻段，計算EEG-EMG時頻最大信息系數（TFMIC），發現NMES增強了皮層和下肢肌肉的功能連接，刺激后β-κ和γ-κ頻段CMFC均有不同程度提高。此外，EEG信號樣本熵（SE）也在訓練后出現增長。本研究結果證實，NMES訓練可以增強人體靜立平衡下的CFMC和大腦激活程度。綜上，本研究從生理電信號的角度驗證了NMES對于平衡訓練的有效性，也為NMES的訓練效果提供了客觀的評估指標。
引用本文： 柯偉杰, 羅志增. 神經肌肉電刺激對靜立平衡下皮層肌肉耦合的影響分析. 生物醫學工程學雜志, 2024, 41(6): 1227-1234, 1242. doi: 10.7507/1001-5515.202404032 復制
版權信息： ?四川大學華西醫院華西期刊社《生物醫學工程學雜志》版權所有，未經授權不得轉載、改編
0 引言
靜立平衡，指人體處于靜止狀態下能夠自動調整維持姿勢穩定，是人類日常活動的前提條件。維持靜立平衡是一個復雜的閉環控制過程，需要神經中樞系統接收各種感覺信息反饋，控制肌肉收縮、骨骼擺動以實現穩定調控[1]。肌肉骨骼系統的退化以及中風引起的神經損傷都可能影響個體的平衡能力。多種電刺激方式，如經顱電刺激、神經肌肉電刺激（neuromuscular electrical stimulation，NMES），因能增強人體運動能力而廣泛應用于相關研究和臨床實踐。其中，NMES技術可通過對肌肉施加低頻脈沖電流來募集運動單元，誘發肌肉活動。已有研究證明，長期的NMES訓練可以增加關節的活動度、提高肌肉力量以及改善患者的步態平衡[2-4]。目前，這些研究主要集中針對下肢骨骼肌肉系統的變化，而關于運動神經系統功能變化的研究有待深入。
人體在維持主動運動時，大腦皮層產生的腦電（electroencephalogram，EEG）信號和肢體肌肉產生的肌電（electromyographic，EMG）信號在不同節律間的相互作用被稱為皮層肌肉功能耦合（cortico-muscular functional coupling，CMFC）[5]。Spedden等[6]研究發現，老年人執行下肢靜態收縮任務時的CMFC相比于年輕人有所降低，表明有效的振蕩性皮層脊髓活動隨年齡增長而減少。Bao等[7]發現，NMES結合踩踏訓練促進了卒中患者在下肢等長收縮時同側半球和下肢的相互作用，表明CMFC在理解神經肌肉變化方面具有潛在的應用價值。因此，定量分析NMES訓練后的CMFC特征參數來探究人體靜立平衡的穩定性和控制能力的變化，有助于深入了解神經肌肉系統的生理關聯性。此外，有研究者發現，EEG信號的震蕩模式在NMES的作用下發生改變[8]；由此聯想，神經肌肉的生理關聯特性研究，同樣需要關注并探討NMES對大腦激活的有效性。
綜上，本研究從皮層肌肉交互作用的角度來分析NMES對人體平衡能力的影響，以足底壓力中心（center of pressure，COP）特征參數作為佐證，通過對比不同NMES訓練時期的CMFC以及EEG信號的樣本熵（sample entropy，SE），來分析人體平衡能力變化過程中神經肌肉系統的變化，從而為平衡能力評估提供新的指標，以期為NMES在提升平衡能力中的作用提供新的見解。
1 材料和方法
1.1 框架
本文研究的總體思路步驟為：首先，確立研究的試驗范式，受試者們需根據試驗范式要求完成NMES訓練后，同步采集EEG、EMG、COP信號。其次，對采集到的信號進行預處理。然后，通過COP特征參數分析NMES對于平衡能力的影響。最后，采用時頻最大信息系數（time-frequency max information coefficient，TFMIC）和SE來分析NMES前后CMFC以及皮層活躍度的變化。
1.2 試驗對象和試驗范式
本研究共募集12名未受過體育訓練的健康受試者，8名男性和4名女性，年齡為（23.0 ± 0.6） 歲，身高為（168.2 ± 10.1） cm，體重為（61.5 ± 9.4） kg。本研究所有試驗符合《世界醫學協會赫爾辛基宣言》，且通過了杭州明州腦康康復醫院的倫理審核批準（批號：20210201）。所有受試者均在試驗前知曉試驗相關內容，并簽署了知情同意書。受試者無精神疾病史，在試驗期間內需遵守以下要求：① 不劇烈運動；② 清潔頭皮和頭發；③ 保證充足的睡眠；④ 不喝刺激性的飲品。
本研究使用平衡板（RVL-021，Nintendo Inc.，日本）獲取人體站立時的COP信號，采樣頻率為100 Hz。使用64導聯的EEG數據采集儀（Neusen，博瑞康公司，中國）獲取EEG信號，采樣頻率設置為1 000 Hz。數據采集前，檢測電極需注射導電膏使阻抗低于5 kΩ。電極按10-20國際標準導聯分布，從中選擇19個在感覺運動區域具有代表性通道（Fp1、Fp2、Fz、F3、F4、F7、F8、Cz、C3、C4、T7、T8、Pz、P3、P4、P7、P8、O1、O2）的數據用于分析[9]，通道分布如圖1所示。
圖1
皮層和肌肉的信息采集點
Figure1.
Channels of information collection for the cortex and muscles
EMG數據采集設備（Trigno Wireless System，Delsys Inc.，美國）是無線表面EMG采樣系統，采樣頻率為2 000 Hz，采集前用酒精擦拭對應肌肉表皮，然后將兩個傳感器貼在受試者的右下肢的脛骨前肌（tibialis anterior，TA）和腓腸肌（gastrocnemius，GM）上采集EMG信號。有研究發現TA和GM在姿勢調整的過程中表現出高水平的激活度[10]，肌肉分布如圖1所示。NMES設備采用多通道電刺激器（SXC-4A，北京三俠公司，中國），對受試者雙腿的TA和GM進行同步刺激。
試驗開始后，受試者需在每天固定的時間段內靜坐，接受1次雙腿的NMES訓練，連續訓練4周，每周訓練5 d，共20次訓練。刺激波形為方波，刺激頻率50 Hz，脈沖寬度400 μs。考慮到每位受試者對于電流的耐受度不同，電流大小從3 mA開始調試，以步長為1 mA持續增大，直到受試者感到不適，此時得到該受試者的最大耐受電流。將受試者每次NMES訓練時的電流設為比其最大耐受電流小1 mA，每次訓練時長為20 min，包含60次電誘發肌肉等長收縮；受試者在接受5 s的電刺激后均有15 s的休息時間，避免肌肉疲勞。NMES訓練場景以及流程如圖2所示。
圖2
試驗設計
Figure2.
Experimental design
本文設計了2個平衡范式，范式1（簡稱：P1）要求受試者雙腳靜直站立在COP測力板上；范式2（簡稱：P2）在范式1的基礎上，要求在受試者腳底和測力板之間墊上海綿墊，以增加平衡難度。海綿墊的高度為10 cm，密度為30 kg/m3。數據采集時，受試者雙腿與肩同寬、平行靜直站立在平衡板上，雙手自然下垂大腿兩側。試驗數據在受試者能夠穩定站立時開始同步采集。本研究分別采集了受試者在刺激前（簡稱：Q1）、刺激兩周（簡稱：Q2）后和刺激四周（簡稱：Q3）后分別執行兩個平衡范式的各15 s的EEG、EMG、COP同步數據。同一范式需要重復執行10次，每測得一次數據，受試者都有30 s的休息時間，以避免疲勞。在此過程中，受試者需要兩眼平視前方的參照物。若受試者在試驗過程中發生失衡跌落或咳嗽等影響數據采集的行為時，試驗數據作廢，需待受試者休息后重新測試。數據采集場景以及采集流程如圖2所示。
1.3 方法
1.3.1 信號預處理
EEG信號是非侵入式采集的，因而噪聲多，需要對數據進行預處理。對于EEG信號，首先去除50 Hz的工頻噪聲，之后進行1～75 Hz帶通濾波，最后使用獨立成分分析剔除眼動或心電信號的偽跡；對于EMG信號，先去除基線漂移，再過濾50 Hz的工頻噪聲，最后將信號降采樣到1 000 Hz。
1.3.2 頻帶定義
EEG信號通常被分為5個功能頻段：δ（1～4 Hz）、θ（4～8 Hz）、α（8～13 Hz）、β（13～30 Hz）和γ（30～50 Hz）[11]，每個頻段的節律活動對應著不同的皮層神經活動。大部分CMFC相關研究通常將皮層肌肉功能連接的分析集中在α、β和γ頻段[12-13]，然而EMG信號中這些頻段具有的生理意義與EEG信號的并不相同，并且在運動執行的過程中，EMG信號中與肌肉激活相關的主流頻段集中在更高頻段。因此，本文定義對應的EMG信號頻段為κ頻段，用于CMFC的分析。研究表明，效應肌中運動單元的激活狀態與EMG信號中功率譜密度（power spectral density，PSD）的高低有關聯[14]。因此，本文根據TA和GM的EMG信號的PSD計算得到κ頻段。κ頻段的確定步驟如下：
步驟1：分別計算TA和GM的EMG信號的PSD值，并在受試者間求取平均值，然后計算PSD在整個頻段（本文頻段范圍為1～500 Hz）內的總和（Psum），如式(1)所示：
 |
其中，psd(f)表示頻率點f對應的PSD，Δf為頻率分辨率。
步驟2：以二分之一Psum值找到頻率區間［fl, fr］，由于在整個頻段內存在多個區間［fl, fr］均滿足該區間內的PSD之和接近0.5·Psum，而本文希望得到的頻率區間內的各個頻率點PSD較大，因此只需最小化區間范圍即可，如式(2)和式(3)所示：
 |
 |
其中，fl是目標區間的左端點，fr是目標區間的右端點，且1 ≤ fl < fr ≤ 500。
步驟3：確定κ頻段。對于TA和GM，其在P1和P2下的Q1、Q2、Q3時期采集的EMG數據，都得到了一個目標頻帶，這6個目標頻帶的重疊部分即為κ頻段。GM在P1下Q3時期跨受試者PSD的均值如圖3所示，紅線對應的頻率區間即為選中的目標頻率范圍。最終，本文得到TA的κ頻段為52～89 Hz，GM的κ頻段為95～143 Hz。
圖3
EMG信號PSD目標頻段選取示意圖
Figure3.
Diagram of target frequency bands selection based on the PSD of the EMG signals
1.3.3 足底壓力中心特征分析
COP是用來描述人體平衡調節過程中支撐底部的力分布情況的參數，可以用來評估人體姿勢的穩定性和平衡控制能力的好壞。本文選擇軌跡移動長度、軌跡包絡面積和動搖軌跡長作為COP特征參數[15]。動搖軌跡長，一般又被分為左右動搖軌跡長、前后動搖軌跡長。這些特征參數均與人體的平衡狀態呈反比，其值越大，表明人體在平衡控制時需要更多的調節量，平衡控制更困難。
1.3.4 時頻最大信息系數
最大信息系數（maximal information coefficient，MIC）是一種用于衡量兩個變量之間關聯程度的參數，它由Reshef等[16]在2011年提出，隨后被廣泛地應用在神經科學、醫學和金融學等領域。MIC不僅能捕獲到變量間線性的耦合關系，還能捕獲到復雜的非線性耦合關系，因此在處理不同尺度和分布的數據時具有一定的優勢。對于二元有限的數據對D（X, Y），對變量X和變量Y采取特定規模的區域劃分后，計算它們的聯合概率密度；然后，通過計算每個區域的聯合概率密度和邊緣概率密度來得到X和Y之間的互信息I(X; Y)，如式(4)所示：
 |
其中，p(x, y)為聯合概率分布，p(x)和p(y)為邊緣概率分布。
通過對所有可能的區域劃分進行搜索，找出所有區域劃分方式中使得互信息最大的區域方式，并對最大互信息I*(X; Y)歸一化，使其值介于0和1之間，如式(5)所示：
 |
其中，M(D)x, y為歸一化后的最大互信息，logmin(x, y)為I*(X; Y)的歸一化因子。已知數據對D（X, Y）的樣本量為n，則在按照x?y的區域劃分下定義變量X和Y之間的最大信息系數[符號記為：MIC(D)］，其計算公式如式(6)所示：
 |
其中，α通常根據經驗將其設為0.6。MIC的取值范圍為0～1，其值越大，則表示變量間的關聯性越強。
假設Zx表示EEG信號在特定頻帶w1下的時間序列，Zy表示EMG信號在特定頻帶w2下的時間序列，數據長度均為N，則它們之間的TFMIC（符號記為：TFMIC）的計算公式，如式(7)所示：
 |
1.3.5 樣本熵
SE是Pincus[17]在近似熵的基礎上加以改進得到的，可以用來衡量時間序列的規律性。SE是一個非線性指標，在生物醫學信號分析中應用廣泛，其值越高，則表示序列的復雜度越大。一段長度為N的EEG信號的SE（符號記為：SE）的計算公式，如式(8)所示：
 |
其中，
表示兩個序列中匹配m個數據點的估計概率，m設為2，相似容限r設為2倍輸入原始序列的標準差。
1.3.6 統計分析
選用威爾科克遜符號秩檢驗來評估組間內各個NMES訓練時期下（Q1 vs Q2、Q1 vs Q3、Q2 vs Q3）的軌跡移動長度、軌跡包絡面積、左右動搖軌跡長、前后動搖軌跡長以及TFMIC之間的差異是否具有統計學意義，本文置信水平為0.05。
2 試驗結果
2.1 足底壓力中心特征分析
本文計算了受試者在P1和P2下不同時期的4個COP特征參數的均值和標準差，其結果如表1和表2所示。對P1和P2下不同NMES訓練時期的COP特征參數進行統計檢驗，以此來分析COP特征參數的變化情況，分析結果如表3、表4所示。同一時期下，P2下的各項COP特征參數均要比P1下的大，表明P2的平衡難度要大于P1。在兩個平衡范式下，隨著NMES訓練時長的增加，4個COP特征參數的值大體上均呈下降趨勢，表明受試者的平衡調控能力均有所增強。在P1下，相較于Q1時期，Q2和Q3時期的軌跡移動長度、軌跡包絡面積和前后動搖軌跡長均有減小，且差異具有統計學意義。在P2下，相較于Q1時期，Q2和Q3時期的軌跡移動長度、軌跡包絡面積和前后動搖軌跡長均有減小，且差異具有統計學意義；相較于Q2時期，Q3時期軌跡移動長度、軌跡包絡面積和前后動搖軌跡長也均有減小，且差異具有統計學意義。
表1
P1下各個時期的COP特征參數（x ± s）
Table1.
COP feature parameters at P1 across different periods（x ± s）
表2
P2下各個時期的COP特征參數（x ± s）
Table2.
COP feature parameters at P2 across different periods（x ± s）
表3
P1下各個時期的COP特征參數檢驗的檢驗值和P值
Table3.
Test statistics and P-values of COP feature parameters test at P1 across different periods
表4
P2下各個時期的COP特征參數檢驗的檢驗值和P值
Table4.
Test statistics and P-values of COP feature parameters test at P2 across different periods
2.2 時頻分析
有研究指出，大腦感覺運動區域的中部（對應于Cz通道）在下肢運動時會被激活[6, 18]，因此本文重點研究了Cz-TA和Cz-GM的CMFC變化。本文對P1和P2下受試者分別在3個NMES訓練時期的CMFC進行了計算，統計了皮層肌肉在θ-κ、α-κ、β-κ以及γ-κ頻段的TFMIC的均值和標準差，結果如圖4所示。
圖4
Cz與下肢肌肉的TFMIC統計 *P<0.05
Figure4.
Statistical analysis of TFMIC between Cz and lower limb muscles *P<0.05
在P1和P2下，皮層肌肉在θ-κ和α-κ頻段的TFMIC值較小，在Q1、Q2、Q3時期之間也未出現規律性變化，可能是EEG信號的θ和α頻段缺少與運動控制相關的成分。
在P1下，Q2、Q3時期TA在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 13，6；P = 0.042，0.006）；Q2、Q3時期GM在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 13，7；P = 0.042，0.009）。在P2下，Q2、Q3時期TA在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 11，4；P = 0.026，0.003）；Q2、Q3時期GM在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 12，5；P = 0.034，0.004）。
在P1下，Q3時期TA和GM在β-κ頻段的TFMIC值較Q2時期均有增長，且差異具有統計學意義（W = 13，13；P = 0.042，0.042）。在P2下，Q3時期TA和GM在β-κ頻段的TFMIC值較Q2時期也均有增長，且差異具有統計學意義（W = 11，12；P = 0.026，0.034）。
在P1下，TA在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 10，10；P = 0.020，0.020），而在Q2到Q3時期差異不具有統計學意義（W = 32；P = 0.62）。在P2下，TA在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 10，9；P = 0.020，0.016），而在Q2到Q3時期的差異不具有統計學意義（W = 27；P = 0.38）。
在P1下，GM在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 12，11；P = 0.034，0.026），而在Q2到Q3時期的差異不具有統計學意義（W = 28；P = 0.42）。在P2下，GM在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 9，7；P = 0.016，0.009），而在Q2到Q3時期的差異不具有統計學意義（W = 22；P = 0.20）。
2.3 樣本熵分析
P1和P2下，受試者各個時期的SE均值的腦地形圖如圖5所示。在同一時期，P2下的SE要大于P1下的SE，可能是受試者執行難度更高的平衡任務時，大腦皮層需要去調用更多的感覺運動神經單元和多區域協同，從而表現出更高的復雜度。此外，在P1和P2下，受試者在Q2時期的SE并未出現明顯變化，但當訓練進行到Q3時期，額葉區和中央區EEG通道的SE明顯增大。這表明NMES訓練會提高受試者的EEG信號復雜度，增強皮層神經元活躍程度。
圖5
SE均值腦地形圖
Figure5.
Mean SE scalp topography map
3 討論
本文探討了NMES對人體靜立平衡下的皮層肌肉交互的影響。研究發現，NMES能夠改善受試者的靜立平衡COP特征參數，并且NMES訓練后的CMFC明顯強于訓練前，這表明NMES訓練能夠增強人體靜立平衡時皮層與肌肉的相互作用。
COP信號的特征參數因其良好的量化性和應用性，常被用于步態分析、平衡能力評估以及康復診斷。本文選取了軌跡移動長度、軌跡包絡面積和動搖軌跡長來量化受試者的姿態晃動程度，并以此來評估NMES訓練對于平衡能力的提升效果。結果顯示，NMES訓練能夠改善受試者的姿態穩定性。當電刺激訓練進行到Q3時期，受試者執行P1時，COP特征參數相較于Q2時期并未出現顯著變化。這可能是因為在P1下，受試者可以更容易地維持姿勢穩定，表明 NMES對于平衡能力的提升在不同的平衡環境下也存在一定的“天花板效應”。
CMFC越高，代表皮層與肌肉的交互水平越高[19]。本文中，β-κ和γ-κ頻段的CMFC增大，表明NMES訓練使大腦皮層神經元與脊髓中的運動神經元的同步活動變強，推測可能是NMES使下肢更多的運動神經和感覺神經軸突去極化，向神經中樞系統傳遞更強的感覺輸入，從而提高了皮質脊髓通路的興奮性。此外，Cz-TA和Cz-GM的CMFC在NMES訓練后的變化趨勢一致，可能是NMES對于TA和GM具有相似的激活模式。以上結果表明，NMES可以增強人體平衡控制時的CMFC。
SE可以判斷信號的系統復雜度，因此常被用來判斷皮層的活躍度。EEG信號的SE越大，則表明信號的復雜度越高，此時的皮層活躍度更強[20-21]。本文發現受試者靜立平衡時的SE在NMES訓練4周后出現了明顯增長，表明長時間的訓練提高了皮層的活躍度。CMFC被認為是上行神經通路和下行神經通路的共同作用[22]，因此推測相較于Q1時期，Q2時期CMFC的增加在于上行神經通路的變化，而Q3時期CMFC的增長在于下行神經通路和上行神經通路共同變化的作用。
NMES作為一種常見的輔助康復技術，還可以與多種康復技術結合使用，例如NMES聯合運動想象、NMES聯合鏡像療法以及NMES聯合虛擬現實等，通過外周電刺激引發傳入反饋，增強訓練效果[23]。肖松林等[24]采用高精度經顱直流電對受試者大腦的M1區域進行刺激，發現受試者的靜態平衡能力有所提升，因此未來經顱直流電刺激聯合NMES的技術對于人體平衡能力的促進作用值得進一步探究。
盡管本文在研究NMES對靜立平衡下皮層肌肉交互的影響上取得了一些有意義的成果，但仍存在一定的局限性。例如，本研究所有受試者均為健康受試者，未來應增加對運動障礙或認知障礙患者的試驗結果。此外，未對刺激參數如波形、頻率，以及刺激部位的選擇等因素進行更多嘗試。最后，本文提出了以二分之一的Psum作為閾值選取κ頻段的方法，未來還可以以不同比例的Psum作為閾值進行對比分析。
4 結論
本文分析了不同NMES訓練時期受試者生理電信號特征的變化。研究發現，CMFC在電刺激訓練后顯著增長，SE在訓練進行到4周后明顯提高。這表明，NMES在刺激肌肉傳遞本體感覺反饋的過程中，不僅提高了皮層活性，還誘導了皮層與肌肉間更密切的交互，成為人體平衡能力提升的重要原因，并得到了當前公認的COP指標佐證。綜上，本研究從神經電生理學的角度進行分析，為NMES訓練對平衡能力的作用機制提供了新的見解。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：羅志增參與了論文選題、試驗設計、論文內容審核；柯偉杰參與了數據采集和分析、論文寫作。
倫理聲明：本研究通過了杭州明州腦康康復醫院的倫理審核批準（批號：20210201）。
0 引言
靜立平衡，指人體處于靜止狀態下能夠自動調整維持姿勢穩定，是人類日常活動的前提條件。維持靜立平衡是一個復雜的閉環控制過程，需要神經中樞系統接收各種感覺信息反饋，控制肌肉收縮、骨骼擺動以實現穩定調控[1]。肌肉骨骼系統的退化以及中風引起的神經損傷都可能影響個體的平衡能力。多種電刺激方式，如經顱電刺激、神經肌肉電刺激（neuromuscular electrical stimulation，NMES），因能增強人體運動能力而廣泛應用于相關研究和臨床實踐。其中，NMES技術可通過對肌肉施加低頻脈沖電流來募集運動單元，誘發肌肉活動。已有研究證明，長期的NMES訓練可以增加關節的活動度、提高肌肉力量以及改善患者的步態平衡[2-4]。目前，這些研究主要集中針對下肢骨骼肌肉系統的變化，而關于運動神經系統功能變化的研究有待深入。
人體在維持主動運動時，大腦皮層產生的腦電（electroencephalogram，EEG）信號和肢體肌肉產生的肌電（electromyographic，EMG）信號在不同節律間的相互作用被稱為皮層肌肉功能耦合（cortico-muscular functional coupling，CMFC）[5]。Spedden等[6]研究發現，老年人執行下肢靜態收縮任務時的CMFC相比于年輕人有所降低，表明有效的振蕩性皮層脊髓活動隨年齡增長而減少。Bao等[7]發現，NMES結合踩踏訓練促進了卒中患者在下肢等長收縮時同側半球和下肢的相互作用，表明CMFC在理解神經肌肉變化方面具有潛在的應用價值。因此，定量分析NMES訓練后的CMFC特征參數來探究人體靜立平衡的穩定性和控制能力的變化，有助于深入了解神經肌肉系統的生理關聯性。此外，有研究者發現，EEG信號的震蕩模式在NMES的作用下發生改變[8]；由此聯想，神經肌肉的生理關聯特性研究，同樣需要關注并探討NMES對大腦激活的有效性。
綜上，本研究從皮層肌肉交互作用的角度來分析NMES對人體平衡能力的影響，以足底壓力中心（center of pressure，COP）特征參數作為佐證，通過對比不同NMES訓練時期的CMFC以及EEG信號的樣本熵（sample entropy，SE），來分析人體平衡能力變化過程中神經肌肉系統的變化，從而為平衡能力評估提供新的指標，以期為NMES在提升平衡能力中的作用提供新的見解。
1 材料和方法
1.1 框架
本文研究的總體思路步驟為：首先，確立研究的試驗范式，受試者們需根據試驗范式要求完成NMES訓練后，同步采集EEG、EMG、COP信號。其次，對采集到的信號進行預處理。然后，通過COP特征參數分析NMES對于平衡能力的影響。最后，采用時頻最大信息系數（time-frequency max information coefficient，TFMIC）和SE來分析NMES前后CMFC以及皮層活躍度的變化。
1.2 試驗對象和試驗范式
本研究共募集12名未受過體育訓練的健康受試者，8名男性和4名女性，年齡為（23.0 ± 0.6） 歲，身高為（168.2 ± 10.1） cm，體重為（61.5 ± 9.4） kg。本研究所有試驗符合《世界醫學協會赫爾辛基宣言》，且通過了杭州明州腦康康復醫院的倫理審核批準（批號：20210201）。所有受試者均在試驗前知曉試驗相關內容，并簽署了知情同意書。受試者無精神疾病史，在試驗期間內需遵守以下要求：① 不劇烈運動；② 清潔頭皮和頭發；③ 保證充足的睡眠；④ 不喝刺激性的飲品。
本研究使用平衡板（RVL-021，Nintendo Inc.，日本）獲取人體站立時的COP信號，采樣頻率為100 Hz。使用64導聯的EEG數據采集儀（Neusen，博瑞康公司，中國）獲取EEG信號，采樣頻率設置為1 000 Hz。數據采集前，檢測電極需注射導電膏使阻抗低于5 kΩ。電極按10-20國際標準導聯分布，從中選擇19個在感覺運動區域具有代表性通道（Fp1、Fp2、Fz、F3、F4、F7、F8、Cz、C3、C4、T7、T8、Pz、P3、P4、P7、P8、O1、O2）的數據用于分析[9]，通道分布如圖1所示。
圖1
皮層和肌肉的信息采集點
Figure1.
Channels of information collection for the cortex and muscles
EMG數據采集設備（Trigno Wireless System，Delsys Inc.，美國）是無線表面EMG采樣系統，采樣頻率為2 000 Hz，采集前用酒精擦拭對應肌肉表皮，然后將兩個傳感器貼在受試者的右下肢的脛骨前肌（tibialis anterior，TA）和腓腸肌（gastrocnemius，GM）上采集EMG信號。有研究發現TA和GM在姿勢調整的過程中表現出高水平的激活度[10]，肌肉分布如圖1所示。NMES設備采用多通道電刺激器（SXC-4A，北京三俠公司，中國），對受試者雙腿的TA和GM進行同步刺激。
試驗開始后，受試者需在每天固定的時間段內靜坐，接受1次雙腿的NMES訓練，連續訓練4周，每周訓練5 d，共20次訓練。刺激波形為方波，刺激頻率50 Hz，脈沖寬度400 μs。考慮到每位受試者對于電流的耐受度不同，電流大小從3 mA開始調試，以步長為1 mA持續增大，直到受試者感到不適，此時得到該受試者的最大耐受電流。將受試者每次NMES訓練時的電流設為比其最大耐受電流小1 mA，每次訓練時長為20 min，包含60次電誘發肌肉等長收縮；受試者在接受5 s的電刺激后均有15 s的休息時間，避免肌肉疲勞。NMES訓練場景以及流程如圖2所示。
圖2
試驗設計
Figure2.
Experimental design
本文設計了2個平衡范式，范式1（簡稱：P1）要求受試者雙腳靜直站立在COP測力板上；范式2（簡稱：P2）在范式1的基礎上，要求在受試者腳底和測力板之間墊上海綿墊，以增加平衡難度。海綿墊的高度為10 cm，密度為30 kg/m3。數據采集時，受試者雙腿與肩同寬、平行靜直站立在平衡板上，雙手自然下垂大腿兩側。試驗數據在受試者能夠穩定站立時開始同步采集。本研究分別采集了受試者在刺激前（簡稱：Q1）、刺激兩周（簡稱：Q2）后和刺激四周（簡稱：Q3）后分別執行兩個平衡范式的各15 s的EEG、EMG、COP同步數據。同一范式需要重復執行10次，每測得一次數據，受試者都有30 s的休息時間，以避免疲勞。在此過程中，受試者需要兩眼平視前方的參照物。若受試者在試驗過程中發生失衡跌落或咳嗽等影響數據采集的行為時，試驗數據作廢，需待受試者休息后重新測試。數據采集場景以及采集流程如圖2所示。
1.3 方法
1.3.1 信號預處理
EEG信號是非侵入式采集的，因而噪聲多，需要對數據進行預處理。對于EEG信號，首先去除50 Hz的工頻噪聲，之后進行1～75 Hz帶通濾波，最后使用獨立成分分析剔除眼動或心電信號的偽跡；對于EMG信號，先去除基線漂移，再過濾50 Hz的工頻噪聲，最后將信號降采樣到1 000 Hz。
1.3.2 頻帶定義
EEG信號通常被分為5個功能頻段：δ（1～4 Hz）、θ（4～8 Hz）、α（8～13 Hz）、β（13～30 Hz）和γ（30～50 Hz）[11]，每個頻段的節律活動對應著不同的皮層神經活動。大部分CMFC相關研究通常將皮層肌肉功能連接的分析集中在α、β和γ頻段[12-13]，然而EMG信號中這些頻段具有的生理意義與EEG信號的并不相同，并且在運動執行的過程中，EMG信號中與肌肉激活相關的主流頻段集中在更高頻段。因此，本文定義對應的EMG信號頻段為κ頻段，用于CMFC的分析。研究表明，效應肌中運動單元的激活狀態與EMG信號中功率譜密度（power spectral density，PSD）的高低有關聯[14]。因此，本文根據TA和GM的EMG信號的PSD計算得到κ頻段。κ頻段的確定步驟如下：
步驟1：分別計算TA和GM的EMG信號的PSD值，并在受試者間求取平均值，然后計算PSD在整個頻段（本文頻段范圍為1～500 Hz）內的總和（Psum），如式(1)所示：
|
其中，psd(f)表示頻率點f對應的PSD，Δf為頻率分辨率。
步驟2：以二分之一Psum值找到頻率區間［fl, fr］，由于在整個頻段內存在多個區間［fl, fr］均滿足該區間內的PSD之和接近0.5·Psum，而本文希望得到的頻率區間內的各個頻率點PSD較大，因此只需最小化區間范圍即可，如式(2)和式(3)所示：
|
|
其中，fl是目標區間的左端點，fr是目標區間的右端點，且1 ≤ fl < fr ≤ 500。
步驟3：確定κ頻段。對于TA和GM，其在P1和P2下的Q1、Q2、Q3時期采集的EMG數據，都得到了一個目標頻帶，這6個目標頻帶的重疊部分即為κ頻段。GM在P1下Q3時期跨受試者PSD的均值如圖3所示，紅線對應的頻率區間即為選中的目標頻率范圍。最終，本文得到TA的κ頻段為52～89 Hz，GM的κ頻段為95～143 Hz。
圖3
EMG信號PSD目標頻段選取示意圖
Figure3.
Diagram of target frequency bands selection based on the PSD of the EMG signals
1.3.3 足底壓力中心特征分析
COP是用來描述人體平衡調節過程中支撐底部的力分布情況的參數，可以用來評估人體姿勢的穩定性和平衡控制能力的好壞。本文選擇軌跡移動長度、軌跡包絡面積和動搖軌跡長作為COP特征參數[15]。動搖軌跡長，一般又被分為左右動搖軌跡長、前后動搖軌跡長。這些特征參數均與人體的平衡狀態呈反比，其值越大，表明人體在平衡控制時需要更多的調節量，平衡控制更困難。
1.3.4 時頻最大信息系數
最大信息系數（maximal information coefficient，MIC）是一種用于衡量兩個變量之間關聯程度的參數，它由Reshef等[16]在2011年提出，隨后被廣泛地應用在神經科學、醫學和金融學等領域。MIC不僅能捕獲到變量間線性的耦合關系，還能捕獲到復雜的非線性耦合關系，因此在處理不同尺度和分布的數據時具有一定的優勢。對于二元有限的數據對D（X, Y），對變量X和變量Y采取特定規模的區域劃分后，計算它們的聯合概率密度；然后，通過計算每個區域的聯合概率密度和邊緣概率密度來得到X和Y之間的互信息I(X; Y)，如式(4)所示：
|
其中，p(x, y)為聯合概率分布，p(x)和p(y)為邊緣概率分布。
通過對所有可能的區域劃分進行搜索，找出所有區域劃分方式中使得互信息最大的區域方式，并對最大互信息I*(X; Y)歸一化，使其值介于0和1之間，如式(5)所示：
|
其中，M(D)x, y為歸一化后的最大互信息，logmin(x, y)為I*(X; Y)的歸一化因子。已知數據對D（X, Y）的樣本量為n，則在按照x?y的區域劃分下定義變量X和Y之間的最大信息系數[符號記為：MIC(D)］，其計算公式如式(6)所示：
|
其中，α通常根據經驗將其設為0.6。MIC的取值范圍為0～1，其值越大，則表示變量間的關聯性越強。
假設Zx表示EEG信號在特定頻帶w1下的時間序列，Zy表示EMG信號在特定頻帶w2下的時間序列，數據長度均為N，則它們之間的TFMIC（符號記為：TFMIC）的計算公式，如式(7)所示：
|
1.3.5 樣本熵
SE是Pincus[17]在近似熵的基礎上加以改進得到的，可以用來衡量時間序列的規律性。SE是一個非線性指標，在生物醫學信號分析中應用廣泛，其值越高，則表示序列的復雜度越大。一段長度為N的EEG信號的SE（符號記為：SE）的計算公式，如式(8)所示：
|
其中，表示兩個序列中匹配m個數據點的估計概率，m設為2，相似容限r設為2倍輸入原始序列的標準差。
1.3.6 統計分析
選用威爾科克遜符號秩檢驗來評估組間內各個NMES訓練時期下（Q1 vs Q2、Q1 vs Q3、Q2 vs Q3）的軌跡移動長度、軌跡包絡面積、左右動搖軌跡長、前后動搖軌跡長以及TFMIC之間的差異是否具有統計學意義，本文置信水平為0.05。
2 試驗結果
2.1 足底壓力中心特征分析
本文計算了受試者在P1和P2下不同時期的4個COP特征參數的均值和標準差，其結果如表1和表2所示。對P1和P2下不同NMES訓練時期的COP特征參數進行統計檢驗，以此來分析COP特征參數的變化情況，分析結果如表3、表4所示。同一時期下，P2下的各項COP特征參數均要比P1下的大，表明P2的平衡難度要大于P1。在兩個平衡范式下，隨著NMES訓練時長的增加，4個COP特征參數的值大體上均呈下降趨勢，表明受試者的平衡調控能力均有所增強。在P1下，相較于Q1時期，Q2和Q3時期的軌跡移動長度、軌跡包絡面積和前后動搖軌跡長均有減小，且差異具有統計學意義。在P2下，相較于Q1時期，Q2和Q3時期的軌跡移動長度、軌跡包絡面積和前后動搖軌跡長均有減小，且差異具有統計學意義；相較于Q2時期，Q3時期軌跡移動長度、軌跡包絡面積和前后動搖軌跡長也均有減小，且差異具有統計學意義。
表1
P1下各個時期的COP特征參數（x ± s）
Table1.
COP feature parameters at P1 across different periods（x ± s）
表2
P2下各個時期的COP特征參數（x ± s）
Table2.
COP feature parameters at P2 across different periods（x ± s）
表3
P1下各個時期的COP特征參數檢驗的檢驗值和P值
Table3.
Test statistics and P-values of COP feature parameters test at P1 across different periods
表4
P2下各個時期的COP特征參數檢驗的檢驗值和P值
Table4.
Test statistics and P-values of COP feature parameters test at P2 across different periods
2.2 時頻分析
有研究指出，大腦感覺運動區域的中部（對應于Cz通道）在下肢運動時會被激活[6, 18]，因此本文重點研究了Cz-TA和Cz-GM的CMFC變化。本文對P1和P2下受試者分別在3個NMES訓練時期的CMFC進行了計算，統計了皮層肌肉在θ-κ、α-κ、β-κ以及γ-κ頻段的TFMIC的均值和標準差，結果如圖4所示。
圖4
Cz與下肢肌肉的TFMIC統計 *P<0.05
Figure4.
Statistical analysis of TFMIC between Cz and lower limb muscles *P<0.05
在P1和P2下，皮層肌肉在θ-κ和α-κ頻段的TFMIC值較小，在Q1、Q2、Q3時期之間也未出現規律性變化，可能是EEG信號的θ和α頻段缺少與運動控制相關的成分。
在P1下，Q2、Q3時期TA在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 13，6；P = 0.042，0.006）；Q2、Q3時期GM在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 13，7；P = 0.042，0.009）。在P2下，Q2、Q3時期TA在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 11，4；P = 0.026，0.003）；Q2、Q3時期GM在β-κ頻段的TFMIC值較Q1時期均有增長，且差異具有統計學意義（W = 12，5；P = 0.034，0.004）。
在P1下，Q3時期TA和GM在β-κ頻段的TFMIC值較Q2時期均有增長，且差異具有統計學意義（W = 13，13；P = 0.042，0.042）。在P2下，Q3時期TA和GM在β-κ頻段的TFMIC值較Q2時期也均有增長，且差異具有統計學意義（W = 11，12；P = 0.026，0.034）。
在P1下，TA在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 10，10；P = 0.020，0.020），而在Q2到Q3時期差異不具有統計學意義（W = 32；P = 0.62）。在P2下，TA在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 10，9；P = 0.020，0.016），而在Q2到Q3時期的差異不具有統計學意義（W = 27；P = 0.38）。
在P1下，GM在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 12，11；P = 0.034，0.026），而在Q2到Q3時期的差異不具有統計學意義（W = 28；P = 0.42）。在P2下，GM在γ-κ頻段的TFMIC值在Q1到Q2、Q1到Q3時期均有增長，且差異具有統計學意義（W = 9，7；P = 0.016，0.009），而在Q2到Q3時期的差異不具有統計學意義（W = 22；P = 0.20）。
2.3 樣本熵分析
P1和P2下，受試者各個時期的SE均值的腦地形圖如圖5所示。在同一時期，P2下的SE要大于P1下的SE，可能是受試者執行難度更高的平衡任務時，大腦皮層需要去調用更多的感覺運動神經單元和多區域協同，從而表現出更高的復雜度。此外，在P1和P2下，受試者在Q2時期的SE并未出現明顯變化，但當訓練進行到Q3時期，額葉區和中央區EEG通道的SE明顯增大。這表明NMES訓練會提高受試者的EEG信號復雜度，增強皮層神經元活躍程度。
圖5
SE均值腦地形圖
Figure5.
Mean SE scalp topography map
3 討論
本文探討了NMES對人體靜立平衡下的皮層肌肉交互的影響。研究發現，NMES能夠改善受試者的靜立平衡COP特征參數，并且NMES訓練后的CMFC明顯強于訓練前，這表明NMES訓練能夠增強人體靜立平衡時皮層與肌肉的相互作用。
COP信號的特征參數因其良好的量化性和應用性，常被用于步態分析、平衡能力評估以及康復診斷。本文選取了軌跡移動長度、軌跡包絡面積和動搖軌跡長來量化受試者的姿態晃動程度，并以此來評估NMES訓練對于平衡能力的提升效果。結果顯示，NMES訓練能夠改善受試者的姿態穩定性。當電刺激訓練進行到Q3時期，受試者執行P1時，COP特征參數相較于Q2時期并未出現顯著變化。這可能是因為在P1下，受試者可以更容易地維持姿勢穩定，表明 NMES對于平衡能力的提升在不同的平衡環境下也存在一定的“天花板效應”。
CMFC越高，代表皮層與肌肉的交互水平越高[19]。本文中，β-κ和γ-κ頻段的CMFC增大，表明NMES訓練使大腦皮層神經元與脊髓中的運動神經元的同步活動變強，推測可能是NMES使下肢更多的運動神經和感覺神經軸突去極化，向神經中樞系統傳遞更強的感覺輸入，從而提高了皮質脊髓通路的興奮性。此外，Cz-TA和Cz-GM的CMFC在NMES訓練后的變化趨勢一致，可能是NMES對于TA和GM具有相似的激活模式。以上結果表明，NMES可以增強人體平衡控制時的CMFC。
SE可以判斷信號的系統復雜度，因此常被用來判斷皮層的活躍度。EEG信號的SE越大，則表明信號的復雜度越高，此時的皮層活躍度更強[20-21]。本文發現受試者靜立平衡時的SE在NMES訓練4周后出現了明顯增長，表明長時間的訓練提高了皮層的活躍度。CMFC被認為是上行神經通路和下行神經通路的共同作用[22]，因此推測相較于Q1時期，Q2時期CMFC的增加在于上行神經通路的變化，而Q3時期CMFC的增長在于下行神經通路和上行神經通路共同變化的作用。
NMES作為一種常見的輔助康復技術，還可以與多種康復技術結合使用，例如NMES聯合運動想象、NMES聯合鏡像療法以及NMES聯合虛擬現實等，通過外周電刺激引發傳入反饋，增強訓練效果[23]。肖松林等[24]采用高精度經顱直流電對受試者大腦的M1區域進行刺激，發現受試者的靜態平衡能力有所提升，因此未來經顱直流電刺激聯合NMES的技術對于人體平衡能力的促進作用值得進一步探究。
盡管本文在研究NMES對靜立平衡下皮層肌肉交互的影響上取得了一些有意義的成果，但仍存在一定的局限性。例如，本研究所有受試者均為健康受試者，未來應增加對運動障礙或認知障礙患者的試驗結果。此外，未對刺激參數如波形、頻率，以及刺激部位的選擇等因素進行更多嘗試。最后，本文提出了以二分之一的Psum作為閾值選取κ頻段的方法，未來還可以以不同比例的Psum作為閾值進行對比分析。
4 結論
本文分析了不同NMES訓練時期受試者生理電信號特征的變化。研究發現，CMFC在電刺激訓練后顯著增長，SE在訓練進行到4周后明顯提高。這表明，NMES在刺激肌肉傳遞本體感覺反饋的過程中，不僅提高了皮層活性，還誘導了皮層與肌肉間更密切的交互，成為人體平衡能力提升的重要原因，并得到了當前公認的COP指標佐證。綜上，本研究從神經電生理學的角度進行分析，為NMES訓練對平衡能力的作用機制提供了新的見解。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：羅志增參與了論文選題、試驗設計、論文內容審核；柯偉杰參與了數據采集和分析、論文寫作。
倫理聲明：本研究通過了杭州明州腦康康復醫院的倫理審核批準（批號：20210201）。
