Abstract
运动想象（MI）以其针对性强、方便易学、无需特殊设备等优点，常被用于体育训练和神经康复等领域，并成为认知神经科学的一种主要研究范式。经颅直流电刺激（tDCS）作为一种新兴的神经调控技术，可调节皮质兴奋性，进而影响运动等功能，然而tDCS对于运动想象任务态是否具有积极影响目前尚不明确。本文纳入了16名年轻健康受试者，采集受试者在接受tDCS前、后执行运动想象任务时的脑电（EEG）信号和近红外光谱（NIRS）信号，计算并分析了不同任务期间的多尺度样本熵（MSE）和血红蛋白浓度变化情况。结果发现，tDCS刺激后任务相关脑区的MSE升高，含氧血红蛋白浓度增加，总血红蛋白浓度上升，表明tDCS提高了任务相关脑区的激活程度，说明tDCS对运动想象具有积极作用。本研究或可为tDCS联合运动想象的临床研究提供一定的参考价值。
Keywords: 运动想象, 经颅直流电刺激, 脑电图, 近红外光谱, 多尺度样本熵
Abstract
Motor imagery is often used in the fields of sports training and neurorehabilitation for its advantages of being highly targeted, easy to learn, and requiring no special equipment, and has become a major research paradigm in cognitive neuroscience. Transcranial direct current stimulation (tDCS), an emerging neuromodulation technique, modulates cortical excitability, which in turn affects functions such as locomotion. However, it is unclear whether tDCS has a positive effect on motor imagery task states. In this paper, 16 young healthy subjects were included, and the electroencephalogram (EEG) signals and near-infrared spectrum (NIRS) signals of the subjects were collected when they were performing motor imagery tasks before and after receiving tDCS, and the changes in multiscale sample entropy (MSE) and haemoglobin concentration were calculated and analyzed during the different tasks. The results found that MSE of task-related brain regions increased, oxygenated haemoglobin concentration increased, and total haemoglobin concentration rose after tDCS stimulation, indicating that tDCS increased the activation of task-related brain regions and had a positive effect on motor imagery. This study may provide some reference value for the clinical study of tDCS combined with motor imagery.
Keywords: Motor imagery, Transcranial direct current stimulation, Electroencephalogram, near-infrared spectrum, Multiscale sample entropy
0. 引言
运动想象（motor imagery，MI）是一种对运动动作想象的心理活动。在进行运动想象时，仅完成运动动作在大脑中的演绎，不具备实际动作所产生的肌肉活动[1-2]。运动想象对运动功能的提升，源于反复运动想象产生的记忆在大脑中激活运动活动相关的特定区域[3]。经颅直流电刺激（transcranial direct current stimulation，tDCS）作为一种新兴的脑部刺激技术在近年来应用广泛。通过放置在头皮上的电极向大脑特定区域施加恒定、低强度的直流电来调节大脑皮层神经元的活动[4]，从而达到治疗各种神经系统疾病的目的。tDCS在神经元水平上的基本作用机制是以微电流刺激的方式激活神经细胞，从而提高皮质功能区的兴奋性，因而具有改变神经细胞静息膜电位[5]、调节大脑皮质兴奋性[6]、改善脑网络连接[7]、改变大脑局部脑血流等功能[8]。
tDCS能对运动皮层产生作用，从而影响运动功能[9]，然而其对运动想象任务态是否具有积极作用仍不明确。Sawai等[10]发现受试者在接受tDCS后进行左手手腕背屈的运动想象神经反馈训练时，较接受tDCS前，事件相关去同步化（event-related desynchronization，ERD）现象增加，视觉模拟量表（visual analog scale，VAS）的结果显示运动想象的生动性明显提高，表明tDCS能提升基于运动想象的神经反馈训练的效果。Yang等[11]发现对初级运动皮层施加tDCS后，较刺激前，在运动想象执行阶段，样本熵和脑功能网络结果的差异具有统计学意义，表明tDCS对大脑运动区复杂度和功能连通性有较大影响。Mozafaripour等[12]发现运动想象训练结合tDCS刺激小脑，可以使具有高跌倒风险的中年妇女的平衡能力得到改善。然而，Metais等[13]研究却发现tDCS并不能增强老年人手指敲击序列运动想象训练的效果，伪刺激组与真刺激组训练后的成绩差异无统计学意义。Hu等[14]发现tDCS联合运动想象组的受试者在脑卒中后运动功能的改善效果上与单纯运动想象组的受试者无组间差异，说明tDCS并不能进一步提升运动想象对脑卒中后运动功能改善的效果。由此可见，tDCS对运动想象是否存在作用、作用效果如何，仍有待进一步研究。
脑电图（electroencephalogram，EEG）有着较高的时间分辨率[15]，成为大多数脑机接口（brain computer interface，BCI）系统的首选。近红外光谱（near-infrared spectroscopy，NIRS）具有较高的空间分辨率且实验要求相对较低[16]，可以与EEG信号在时间与空间上相互补充，二者结合能更全面地检测大脑活动[17]。为了进一步研究tDCS对运动想象任务态是否具有积极作用，本文采集了16例年轻健康受试者在接受tDCS刺激前、后执行运动想象任务时的EEG信号和NIRS信号，利用多尺度样本熵（multiscale sample entropy，MSE）算法对EEG信号复杂度进行分析，同时计算刺激前、后的含氧血红蛋白、脱氧血红蛋白以及总血红蛋白的浓度变化，以探究tDCS对运动想象的作用效果。
1. 试验内容与处理方法
1.1. 试验对象
本研究随机选取了16名健康受试者参与试验，其中男性8名，女性8名，年龄范围在22～27岁，平均年龄为24.7岁，皆为右利手，视力正常或已被矫正至正常。所有受试者无精神疾病、脑损伤、神经紊乱等个人或家族病史，身体状况良好，无药物或酒精成瘾等。本研究方案通过了河北工业大学生物医学伦理委员会的审核（批文编号：HEBUThMEC2022048），所有试验流程均在受试者充分理解和书面同意的情况下进行。
1.2. 试验参数设置
结合以往研究并参考文献[18-19]，本文选择tDCS阳极刺激，将电极阳极置于左侧初级运动区，阴极置于对侧眶上区域，具体位置如图1所示。刺激电流强度为1.5 mA，淡入淡出时间为30 s，电极选用粘胶电极，大小为5 cm × 7 cm，刺激时长为20 min。
图 1.
Schematic of stimulation position, EEG channel and NIRS photopole distribution
刺激位置、EEG通道及NIRS光极分布示意图
1.3. 试验范式
每名受试者共需进行2次试验，第1次试验受试者仅进行运动想象任务，记作对照组；第2次试验受试者在接受tDCS后进行运动想象任务，记作试验组。2次试验间隔为7 d。每次试验由40个试次组成，其中包含顺序随机的20个左手运动想象试次和20个右手运动想象试次。运动想象试验范式如图2所示，单个试次步骤如下：
图 2.
Experimental flow of motor imagery
运动想象试验流程
（1）受试者盯着屏幕中央的白色“+”注视点，前2 s处于静息状态，不做任何想象活动。之后，屏幕上显示左或右方向箭头；
（2）受试者根据箭头提示方向，进行左/右手拿起水杯的运动想象直至箭头消失，受试者结束想象任务；
（3）休息15 s，使头部血氧浓度恢复，此时受试者处于安静状态，不做任何思维想象，之后开始下一试次。
在受试者执行运动想象任务期间，同步采集EEG信号和NIRS信号。
1.4. EEG信号和NIRS信号双模态数据采集
试验采用64导EEG数据采集系统actiCHamp Plus（Brain products Inc., 德国）记录EEG信号，该设备可以记录64通道的EEG信号。使用的电极帽是双模态电极帽，在10-20国际标准导联系统的EEG数据采集帽上加入NIRS光极。试验中以电极FCz作为参考电极，电极接地端（ground，GND）作为接地电极，EEG信号的采样率为1 000 Hz，试验过程中所有电极的阻抗均保持在10 kΩ以下。NIRS信号的记录使用近红外采集系统NIRSport 2.0（NIRx Inc., 德国）。该系统同时测量了760 nm和850 nm两种不同波长的近红外光在大脑中的衰减情况，并通过修正的朗伯-比尔定律将衰减情况换算为血红蛋白浓度。为更好地探究tDCS对运动想象的作用效应，本文将NIRS的采集区域设置在了初级运动区，即10-20国际标准导联系统的C3和C4通道附近。共使用8个光源和8个探测器采集信号，光极之间共构成20个信号通道，采样频率为7.812 5 Hz。为保证数据的一致性，本文对EEG信号也只进行了C3通道（刺激侧）、C4通道（刺激对侧）的分析。刺激位置、EEG通道及NIRS光极的分布如图1所示。
1.5. 双模态数据预处理
研究中，采集到的原始EEG信号较为微弱且存在噪声干扰，因此需要进行预处理。预处理主要包括：① 采用带宽为0.5～45.0 Hz的汉明窗滤波器滤波。② 以双侧乳突电极TP9和TP10为基准设置重参考电极。③ 运用独立成分分析（independent component analysis，ICA）来消除眼电伪迹。④ 以每次任务前2 s的静息状态为基线进行基线校正。⑤ 分频，本文主要分析与运动想象相关的α（8～13 Hz）和β（13～30 Hz）节律[20]。
采集到的原始NIRS信号中混杂着很多生理噪声，如心跳噪声、呼吸噪声、肌源性反应噪声和神经源性噪声等，因此也需要进行预处理。预处理主要包括：① 设置标记及刺激呈现时长。② 去除尖峰伪迹。③ 采用带宽为0.01～0.20 Hz的滤波器滤波。④ 以每次任务前2 s的静息状态为基线进行基线校正。
1.6. MSE算法
熵，是衡量信号复杂程度的一个重要指标[21-22]。各种信息熵分析方法，如近似熵（approximate entropy，ApEn）[23]、样本熵（sample entropy，SampEn）[24]，已经被用来分析时间序列的复杂性。与ApEn相比，SampEn在计算上不依赖数据的长度，且具有更好的一致性[25]。MSE将SampEn扩展到了多个时间尺度，解决了SampEn没能很好地考虑到时间序列中可能存在不同时间尺度的问题，为时间尺度不确定的分析过程提供了额外的观察视角[26-27]。在运动想象特征分析中，可通过计算EEG信号不同尺度下的熵值来反映不同状态（静息状态、左手运动想象状态、右手运动想象状态）之间的非线性特征[28]。
2. 结果及分析
2.1. EEG信号分析
为了分析运动想象期间不同脑区的复杂度差异，分别计算了受试者α频段和β频段刺激侧（C3通道）及其对侧（C4通道）脑区在tDCS前、后执行不同任务时EEG的MSE值，计算结果分别如表1、表2所示。由表1和表2可以看出，EEG复杂度在tDCS刺激后较刺激前呈现上升趋势。
表 1. MSE value in α band for different task states before and after tDCS.
MSE value in α band for different task states before and after tDCS
α频段tDCS刺激前、后不同任务态MSE值
| 受试者编号 | 左手想象任务 | 右手想象任务 | |||||||
| 刺激前C3通道 | 刺激后C3通道 | 刺激前C4通道 | 刺激后C4通道 | 刺激前C3通道 | 刺激后C3通道 | 刺激前C4通道 | 刺激后C4通道 | ||
| 1 | 0.022 0 | 0.009 1 | 0.026 5 | 0.026 7 | 0.010 5 | 0.024 6 | 0.010 5 | 0.027 5 | |
| 2 | 0.005 8 | 0.011 8 | 0.011 3 | 0.014 9 | 0.015 3 | 0.039 5 | 0.017 8 | 0.025 6 | |
| 3 | 0.008 2 | 0.038 6 | 0.017 8 | 0.014 8 | 0.014 6 | 0.032 9 | 0.006 1 | 0.007 1 | |
| 4 | 0.009 5 | 0.022 9 | 0.016 0 | 0.039 3 | 0.009 9 | 0.041 1 | 0.016 0 | 0.019 2 | |
| 5 | 0.015 6 | 0.042 8 | 0.024 4 | 0.017 8 | 0.011 7 | 0.011 9 | 0.007 7 | 0.015 9 | |
| 6 | 0.026 0 | 0.005 2 | 0.015 8 | 0.015 2 | 0.020 9 | 0.042 8 | 0.016 1 | 0.024 1 | |
| 7 | 0.005 6 | 0.027 1 | 0.009 5 | 0.013 9 | 0.011 0 | 0.011 9 | 0.007 1 | 0.016 9 | |
| 8 | 0.020 8 | 0.071 1 | 0.008 9 | 0.024 8 | 0.009 7 | 0.014 9 | 0.010 1 | 0.032 9 | |
| 9 | 0.020 0 | 0.017 8 | 0.021 5 | 0.031 1 | 0.008 0 | 0.024 2 | 0.014 5 | 0.010 3 | |
| 10 | 0.033 2 | 0.040 6 | 0.002 8 | 0.034 9 | 0.021 7 | 0.038 6 | 0.020 4 | 0.020 8 | |
| 11 | 0.008 4 | 0.045 0 | 0.023 9 | 0.014 7 | 0.018 0 | 0.017 7 | 0.011 8 | 0.030 3 | |
| 12 | 0.021 8 | 0.007 1 | 0.022 9 | 0.031 4 | 0.013 5 | 0.022 7 | 0.004 1 | 0.023 8 | |
| 13 | 0.009 0 | 0.045 5 | 0.023 2 | 0.023 2 | 0.036 0 | 0.008 1 | 0.017 8 | 0.023 2 | |
| 14 | 0.011 1 | 0.031 1 | 0.021 9 | 0.017 1 | 0.018 3 | 0.034 6 | 0.017 1 | 0.009 5 | |
| 15 | 0.025 6 | 0.012 7 | 0.018 8 | 0.013 8 | 0.018 3 | 0.012 5 | 0.020 2 | 0.028 8 | |
| 16 | 0.024 0 | 0.017 0 | 0.024 0 | 0.032 9 | 0.004 2 | 0.027 3 | 0.016 6 | 0.018 7 | |
表 2. MSE value in β band for different task states before and after tDCS.
MSE value in β band for different task states before and after tDCS
β频段tDCS刺激前、后不同任务态MSE值
| 受试者编号 | 左手想象任务 | 右手想象任务 | |||||||
| 刺激前C3通道 | 刺激后C3通道 | 刺激前C4通道 | 刺激后C4通道 | 刺激前C3通道 | 刺激后C3通道 | 刺激前C4通道 | 刺激后C4通道 | ||
| 1 | 0.011 1 | 0.012 7 | 0.012 5 | 0.029 6 | 0.005 2 | 0.029 6 | 0.005 5 | 0.018 1 | |
| 2 | 0.002 7 | 0.015 6 | 0.004 8 | 0.010 8 | 0.012 5 | 0.019 7 | 0.003 2 | 0.008 7 | |
| 3 | 0.011 4 | 0.008 6 | 0.004 1 | 0.005 9 | 0.012 1 | 0.026 1 | 0.002 5 | 0.011 5 | |
| 4 | 0.001 4 | 0.015 3 | 0.005 7 | 0.023 0 | 0.003 3 | 0.009 4 | 0.001 7 | 0.026 4 | |
| 5 | 0.007 2 | 0.023 9 | 0.008 0 | 0.021 1 | 0.009 0 | 0.023 5 | 0.002 4 | 0.011 8 | |
| 6 | 0.007 3 | 0.017 1 | 0.010 0 | 0.021 7 | 0.006 5 | 0.026 1 | 0.001 6 | 0.016 7 | |
| 7 | 0.011 1 | 0.016 7 | 0.009 2 | 0.004 1 | 0.011 0 | 0.012 8 | 0.001 5 | 0.024 2 | |
| 8 | 0.004 8 | 0.023 6 | 0.010 7 | 0.016 4 | 0.006 2 | 0.014 3 | 0.002 0 | 0.022 0 | |
| 9 | 0.003 4 | 0.014 8 | 0.011 3 | 0.019 5 | 0.005 6 | 0.001 4 | 0.003 7 | 0.009 3 | |
| 10 | 0.008 1 | 0.015 0 | 0.006 0 | 0.010 7 | 0.003 1 | 0.026 2 | 0.002 5 | 0.011 3 | |
| 11 | 0.009 0 | 0.018 2 | 0.006 7 | 0.004 7 | 0.007 7 | 0.018 6 | 0.002 0 | 0.016 7 | |
| 12 | 0.008 5 | 0.023 0 | 0.010 1 | 0.017 7 | 0.001 0 | 0.020 2 | 0.002 1 | 0.008 4 | |
| 13 | 0.005 6 | 0.022 6 | 0.007 7 | 0.013 3 | 0.004 7 | 0.024 8 | 0.002 5 | 0.007 6 | |
| 14 | 0.010 9 | 0.019 5 | 0.009 1 | 0.012 1 | 0.005 9 | 0.020 8 | 0.002 5 | 0.020 7 | |
| 15 | 0.007 9 | 0.019 6 | 0.006 3 | 0.008 1 | 0.008 7 | 0.011 4 | 0.001 9 | 0.016 4 | |
| 16 | 0.004 7 | 0.013 7 | 0.005 4 | 0.009 2 | 0.009 0 | 0.023 0 | 0.003 2 | 0.014 2 | |
如图3所示，显示了受试者平均MSE值在tDCS前、后执行不同运动想象任务期间变化情况，其中纵轴表示任务期间的MSE值与任务前静息状态MSE值的差值，对照组和试验组即分别为tDCS前、后任务期间较静息状态的MSE值变化量。从图3可以看出，在tDCS前，受试者在执行运动想象任务时，刺激侧（C3通道）及其对侧脑区（C4通道）的α和β频段MSE值均有升高，且执行左手想象任务时对侧脑区MSE值增加量高于刺激侧脑区MSE值增加量，执行右手想象任务时刺激侧脑区MSE值增加量高于对侧脑区MSE值增加量。在tDCS后，受试者在执行两种运动想象任务时均表现为刺激侧脑区MSE值增加量高于对侧脑区MSE值增加量。
图 3.
Average MSE changes during motor imagery tasks in different frequency bands
不同频段运动想象任务态平均MSE值变化量
经过柯尔莫哥洛夫-斯米尔诺夫（Kolmogorov-Smirnov）检验验证样本的正态性后，本文采用威尔科克森（Wilcoxon）检验来验证tDCS对不同任务期间MSE值影响的差异是否具有统计学意义，计算结果如表3所示。由表3中结果可知，受试者经tDCS刺激后执行运动想象任务时，α频段的右手任务期间以及β频段的两种任务期间，刺激侧及其对侧的MSE值增加量均高于刺激之前。
表 3. Statistical test results of MSE value for different frequency bands during different tasks before and after stimulation.
Statistical test results of MSE value for different frequency bands during different tasks before and after stimulation
不同频段刺激前、后不同任务期间的MSE值统计学检验结果
| 频段 | 任务状态 | 通道 | 刺激前MSE值 | 刺激后MSE值 | 统计值 | P值 |
| α | 左手想象任务 | C3 | 0.017 ± 0.009 | 0.028 ± 0.018 | Z = − 1.810 | 0.070 |
| C4 | 0.018 ± 0.007 | 0.023 ± 0.009 | Z = − 1.306 | 0.191 | ||
| 右手想象任务 | C3 | 0.015 ± 0.007 | 0.025 ± 0.012 | Z = − 2.379 | 0.017 | |
| C4 | 0.013 ± 0.005 | 0.021 ± 0.008 | Z = − 2.896 | < 0.01 | ||
| β | 左手想象任务 | C3 | 0.007 ± 0.003 | 0.018 ± 0.004 | Z = − 3.413 | < 0.01 |
| C4 | 0.008 ± 0.003 | 0.014 ± 0.007 | Z = − 3.000 | < 0.01 | ||
| 右手想象任务 | C3 | 0.007 ± 0.003 | 0.019 ± 0.008 | Z = − 3.362 | < 0.01 | |
| C4 | 0.003 ± 0.001 | 0.015 ± 0.006 | Z = − 3.516 | < 0.01 |
2.2. NIRS信号分析
为了分析运动想象期间的血流动力学差异，分别计算了施加tDCS前、后不同任务期间的含氧血红蛋白浓度、脱氧血红蛋白浓度以及总血红蛋白浓度，并在验证样本的正态性后，对刺激前、后各血红蛋白浓度进行了威尔科克森检验，检验结果如表4所示。由表4可以看出，刺激后受试者在执行左手想象任务期间刺激侧（C3通道）及其对侧脑区（C4通道）含氧血红蛋白浓度均较刺激前降低且差异具有统计学意义，总血红蛋白浓度刺激侧脑区较刺激前升高且差异具有统计学意义，而对侧脑区较刺激前降低且差异具有统计学意义；刺激后受试者在执行右手想象任务期间刺激侧（C3通道）及其对侧脑区（C4通道）总血红蛋白浓度较刺激前升高且差异具有统计学意义。
表 4. Statistical test results of haemoglobin concentration during different tasks before and after stimulation.
Statistical test results of haemoglobin concentration during different tasks before and after stimulation
刺激前、后不同任务期间血红蛋白浓度的统计学检验结果
| 任务状态 | 血红蛋白浓度 | 通道 | 刺激前浓度/(μmol·L − 1) | 刺激后浓度/(μmol·L − 1) | 统计值 | P值 |
| 左手想象任务 | 含氧血红蛋白浓度 | C3 | 0.130 ± 0.174 | − 0.103 ± 0.075 | Z = − 8.671 | < 0.01 |
| C4 | 0.020 ± 0.081 | − 0.025 ± 0.046 | Z = − 5.088 | < 0.01 | ||
| 脱氧血红蛋白浓度 | C3 | − 0.012 ± 0.018 | − 0.010 ± 0.060 | Z = − 0.228 | 0.820 | |
| C4 | 0.003 ± 0.025 | 0.006 ± 0.040 | Z = − 0.175 | 0.861 | ||
| 总血红蛋白浓度 | C3 | − 0.127 ± 0.091 | 0.006 ± 0.052 | Z = − 10.481 | < 0.01 | |
| C4 | 0.155 ± 0.097 | 0.034 ± 0.102 | Z = − 3.002 | < 0.01 | ||
| 右手想象任务 | 含氧血红蛋白浓度 | C3 | 0.032 ± 0.165 | 0.024 ± 0.049 | Z = − 0.849 | 0.396 |
| C4 | 0.006 ± 0.160 | − 0.007 ± 0.086 | Z = − 1.222 | 0.222 | ||
| 脱氧血红蛋白浓度 | C3 | 0.003 ± 0.019 | 0.013 ± 0.040 | Z = − 1.835 | 0.066 | |
| C4 | − 0.009 ± 0.036 | − 0.007 ± 0.016 | Z = − 0.530 | 0.596 | ||
| 总血红蛋白浓度 | C3 | − 0.128 ± 0.092 | − 0.053 ± 0.097 | Z = − 7.300 | < 0.01 | |
| C4 | − 0.123 ± 0.118 | − 0.028 ± 0.089 | Z = − 10.504 | < 0.01 |
刺激前，对照组受试者血红蛋白浓度在运动想象任务中的平均变化情况如图4所示。从图4可以看出，两种任务状态下含氧血红蛋白的相对浓度均在短暂的下降后上升。左手运动想象任务中，C3通道含氧血红蛋白相对浓度的上升幅度高于对侧脑区的C4通道；右手运动想象任务中，C4通道含氧血红蛋白相对浓度的上升幅度高于C3通道。两种任务状态下脱氧血红蛋白的相对浓度均无明显变化。在左手想象任务期间， C4通道脱氧血红蛋白相对浓度高于C3通道；在右手想象任务期间，C3通道脱氧血红蛋白相对浓度高于C4通道。
图 4.
Time series of haemoglobin concentrations in different task states before tDCS stimulation
tDCS刺激前不同任务态血红蛋白浓度时序图
受试者tDCS前、后运动想象任务期间血红蛋白浓度的平均变化情况如图5所示。左手想象任务期间，受试者tDCS后刺激侧（C3通道）及其对侧脑区（C4通道）含氧血红蛋白浓度均低于其接受tDCS前，差异具有统计学意义；脱氧血红蛋白浓度差异无统计学意义。右手想象任务期间，受试者tDCS后刺激侧（C3通道）及其对侧脑区（C4通道）的含氧血红蛋白浓度差异无统计学意义；脱氧血红蛋白浓度差异无统计学意义。
图 5.
Time series of haemoglobin concentrations in different task states before and after tDCS stimulation
tDCS刺激前、后不同任务态血红蛋白浓度时序图
受试者tDCS前、后运动想象任务期间，总血红蛋白浓度的平均变化情况如图6所示。两种想象任务状态期间，受试者在tDCS前相关脑区总血红蛋白浓度均呈下降趋势，tDCS后均呈上升趋势。受试者在tDCS后，除左手想象任务期间对侧脑区总血红蛋白浓度较刺激前降低，差异具有统计学意义，其余状态下的总血红蛋白浓度较刺激前均升高，差异具有统计学意义。
图 6.
Time series of total haemoglobin concentrations in different task states before and after tDCS stimulation
tDCS刺激前、后不同任务态总血红蛋白浓度时序图
3. 讨论
3.1. EEG信号分析结果讨论
受试者在tDCS前执行运动想象任务时，MSE值增大，初级运动区的EEG信号复杂度升高。而受试者在tDCS后，任务期间的MSE值增加量高于接受刺激前执行任务时的MSE值增加量且差异具有统计学意义，表明施加tDCS能进一步提高任务期间相关脑区的的EEG信号复杂度。
tDCS前，受试者执行左手想象任务时刺激对侧脑区MSE值增加量较刺激侧更高，执行右手想象任务时刺激侧脑区MSE值增加量较刺激对侧更高，表明在tDCS前执行想象任务时出现了明显的对侧激活现象。
3.2. NIRS信号分析结果讨论
已有很多研究表明，在任务状态期间，相关脑区激活程度的提升会导致含氧血红蛋白相对浓度的升高[29-30]。过往研究推测这种升高源于在任务期间，脑功能活动增强，对氧气需求量的提升导致任务相关脑区的供氧量上升[31]。但是，脑功能活动的增强同时也加剧了氧气的消耗。所以，任务期间脑区含氧血红蛋白浓度的变化是供氧量提高与耗氧量增强的共同作用结果。由运动想象任务的对侧脑区激活效应可知[32]，在左手想象任务期间，对侧脑区激活程度要高于刺激侧，相应的氧气消耗量也是更多。
任务期间，相关脑区对氧气需求量的升高导致了血液供氧能力的提升，使得任务相关脑区含氧血红蛋白相对浓度大幅度上升。但是这种升高是有上限的，当其达到上限后，其对于同侧和对侧运动相关脑区含氧血红蛋白浓度的提升作用应当大致相同，此时影响含氧血红蛋白相对浓度变化的主要因素变为了脑区活动对氧气的消耗程度。
tDCS后受试者执行运动想象任务时，其初级运动区含氧血红蛋白相对浓度均有不同程度的下降，同时脱氧血红蛋白的相对浓度也有所提升（如图5所示），说明tDCS后受试者在任务执行中所消耗的氧气量要超过接受tDCS前的任务氧气消耗量，表明tDCS后受试者在任务执行时，相关脑区的激活程度要超过刺激前的状态。另外，在两种任务状态下，刺激后受试者均表现出：刺激侧脑区含氧血红蛋白相对浓度降低程度要超过刺激对侧脑区；脱氧血红蛋白相对浓度升高程度要超过刺激对侧脑区（如图5所示）。
在任务期间，相关脑区的总血红蛋白浓度反映着对应脑区的激活程度，其浓度越高意味着对应脑区的激活程度越高。图6中，tDCS后受试者在任务期间均表现出初级运动区附近的总血红蛋白浓度的升高且差异具有统计学意义，意味着刺激后这部分脑区的激活程度明显提升。
4. 结论
tDCS作为新兴的神经调控技术，能调节皮质兴奋性，进而影响运动等功能，然而其对于运动想象任务态是否具有积极作用仍未可知。本文通过采集受试者在接受tDCS前、后执行运动想象任务时的EEG信号和NIRS信号，计算不同任务期间的MSE值以及血红蛋白浓度变化情况，发现tDCS能提高运动想象任务相关脑区的激活程度，对运动想象有积极作用。这一结果或可为tDCS联合运动想象的临床应用提供一定的参考。
重要声明
利益冲突声明：本文全体作者均声明不存在利益冲突。
作者贡献声明：作者于洪丽参与了论文的选题、试验设计、论文内容审核；作者么航参与了试验设计、数据采集和分析、论文写作；作者杜博爱参与了试验设计、数据采集。
伦理声明：本研究通过了河北工业大学生物医学伦理委员会的审批（批文编号：HEBUThMEC2022048）。
Funding Statement
国家自然科学基金资助项目（51877068）；河北省自然科学基金资助项目（H2022202081）；天津市科技计划项目（22JCZXJC00070）
National Natural Science Foundation of China; Natural Science Foundation of Hebei Province of China; Natural Science Foundation of Tianjin Province of China
Contributor Information
航 么 (Hang YAO), Email: 191169094@qq.com.
洪丽 于 (Hongli YU), Email: yhlzyn@hebut.edu.cn.
References
- 1.Wieland B, Behringer M, Zentgraf K Motor imagery and the muscle system. International Journal of Psychophysiology. 2022;174:57–65. doi: 10.1016/j.ijpsycho.2022.02.004. [DOI] [PubMed] [Google Scholar]
- 2.Fukumoto Y, Todo M, Bunno Y, et al Differences in motor imagery strategy change behavioral outcome. Scientific Reports. 2022;12(1):13868. doi: 10.1038/s41598-022-18164-1. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 3.Sisti H M, Beebe A, Bishop M, et al A brief review of motor imagery and bimanual coordination. Frontiers in Human Neuroscience. 2022;16:1037410. doi: 10.3389/fnhum.2022.1037410. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 4.Santos L V, Lopes J B P, Duarte N A C, et al tDCS and motor training in individuals with central nervous system disease: a systematic review. Journal of Bodywork & Movement Therapies. 2020;24(4):442–451. doi: 10.1016/j.jbmt.2020.07.010. [DOI] [PubMed] [Google Scholar]
- 5.Monai H, Hirase H Astrocytic calcium activation in a mouse model of tDCS-extended discussion. Neurogenesis(Austin) 2016;3(1):e1240055. doi: 10.1080/23262133.2016.1240055. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 6.Guo D, Li J, Zhang Y, et al Transcranial direct current stimulation reconstructs diminished thalamocortical connectivity during prolonged resting wakefulness: a resting-state fMRI pilot study. Brain Imaging and Behavior. 2020;14(1):278–288. doi: 10.1007/s11682-018-9979-9. [DOI] [PubMed] [Google Scholar]
- 7.刘蒙蒙, 徐桂芝, 于洪丽, 等 经颅直流电刺激下脑卒中患者康复期脑功能网络特性研究. 生物医学工程学杂志. 2021;38(3):498–506,511. [Google Scholar]
- 8.Wachter D, Wrede A, Schulz-Schaeffer W, et al Transcranial direct current stimulation induces polarity-specific changes of cortical blood perfusion in the rat. Experimental Neurology. 2011;227(2):322–327. doi: 10.1016/j.expneurol.2010.12.005. [DOI] [PubMed] [Google Scholar]
- 9.Kober S E, Wood G, Kurzmann J, et al Near-infrared spectroscopy based neurofeedback training increases specific motor imagery related cortical activation compared to sham feedback. Biological Psychology. 2014;95:21–30. doi: 10.1016/j.biopsycho.2013.05.005. [DOI] [PubMed] [Google Scholar]
- 10.Sawai S, Murata S, Fujikawa S, et al Effects of neurofeedback training combined with transcranial direct current stimulation on motor imagery: a randomized controlled trial. Frontiers in Neuroscience. 2023;17:1148336. doi: 10.3389/fnins.2023.1148336. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 11.Yang K, Xi X, Wang T, et al Effects of transcranial direct current stimulation on brain network connectivity and complexity in motor imagery. Neuroscience Letters. 2021;757:135968. doi: 10.1016/j.neulet.2021.135968. [DOI] [PubMed] [Google Scholar]
- 12.Mozafaripour E, Sadati S K, Najafi L, et al The effect of motor imaginary combined with transcranial direct current stimulation (tDCS) on balance in middle-aged women with high fall risk: a double-blind randomized controlled trial. Neural Plasticity. 2023;2023:9680371. doi: 10.1155/2023/9680371. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 13.Metais A, Muller C O, Boublay N, et al Anodal tDCS does not enhance the learning of the sequential finger-tapping task by motor imagery practice in healthy older adults. Frontiers in Aging Neuroscience. 2022;14:1060791. doi: 10.3389/fnagi.2022.1060791. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 14.Hu M, Cheng H J, Ji F, et al Brain functional changes in stroke following rehabilitation using brain-computer interface-assisted motor imagery with and without tDCS: a pilot study. Frontiers in Human Neuroscience. 2021;15:692304. doi: 10.3389/fnhum.2021.692304. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 15.de Brito Guerra TC, Nóbrega T, Morya E, et al Electroencephalography signal analysis for human activities classification: a solution based on machine learning and motor imagery. Sensors. 2023;23(9):4277. doi: 10.3390/s23094277. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 16.Shibu C J, Sreedharan S, Arun K M, et al Explainable artificial intelligence model to predict brain states from fNIRS signals. Frontiers in Human Neuroscience. 2023;16:1029784. doi: 10.3389/fnhum.2022.1029784. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 17.Wan C S, Hadis D, Helga O, et al Simultaneous multimodal fNIRS-EEG recordings reveal new insights in neural activity during motor execution, observation, and imagery. Scientific Reports. 2023;13(1):5151. doi: 10.1038/s41598-023-31609-5. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 18.Grami F, de Marco G, Bodranghien F, et al Cerebellar transcranial direct current stimulation reconfigures brain networks involved in motor execution and mental imagery. Cerebellum. 2022;21(4):665–680. doi: 10.1007/s12311-021-01322-y. [DOI] [PubMed] [Google Scholar]
- 19.黄福鑫, 孙曜, 李景琦, 等 经颅直流电刺激时长对脑运动皮层活跃度影响的研究. 中国生物医学工程学报. 2023;42(4):411–419. [Google Scholar]
- 20.McFarland D J, Miner L A, Vaughan T M, et al Mu and beta rhythm topographies during motor imagery and actual movements. Brain Topography. 2000;12(3):177–186. doi: 10.1023/A:1023437823106. [DOI] [PubMed] [Google Scholar]
- 21.Wang J, Wu D, Cheng Y, et al Effects of transcranial direct current stimulation on apraxia of speech and cortical activation in patients with stroke: a randomized sham-controlled study. American Journal of Speech-Language Pathology. 2019;28(4):1625–1637. doi: 10.1044/2019_AJSLP-19-0069. [DOI] [PubMed] [Google Scholar]
- 22.王耀辉, 吕喆, 张重阳, 等 基于脑电信号样本熵的急性脑梗死患者溶栓效果评价. 中国医学物理学杂志. 2022;39(1):81–86. [Google Scholar]
- 23.Pawan, Dhiman R Motor imagery signal classification using wavelet packet decomposition and modified binary grey wolf optimization. Measurement: Sensors. 2022;24:100553. doi: 10.1016/j.measen.2022.100553. [DOI] [Google Scholar]
- 24.Luo Z, Lu X, Zhou Y EEG feature extraction based on brain function network and sample entropy. Journal of Electronics & Information Technology. 2021;43(2):412–418. [Google Scholar]
- 25.沈晓燕, 王雪梅, 王燕 基于样本熵和模式识别的脑电信号识别算法研究. 计算机工程与科学. 2020;42(8):1482–1488. [Google Scholar]
- 26.谢平, 陈晓玲, 苏玉萍, 等 基于EMD-多尺度熵和ELM的运动想象脑电特征提取和模式识别. 中国生物医学工程学报. 2013;32(6):641–648. [Google Scholar]
- 27.Hu L, Xie J, Pan C, et al Multi-feature fusion method based on WOSF and MSE for four-class MI EEG identification. Biomedical Signal Processing and Control. 2021;69:102907. doi: 10.1016/j.bspc.2021.102907. [DOI] [Google Scholar]
- 28.邹晓红, 张轶勃, 孙延贞 基于局部均值分解和多尺度熵的运动想象脑电信号特征提取方法. 高技术通讯. 2018;28(1):22–28. [Google Scholar]
- 29.Wriessnegger S C, Kurzmann J, Neuper C Spatio-temporal differences in brain oxygenation between movement execution and imagery: a multichannel near-infrared spectroscopy study. International Journal of Psychophysiology. 2008;67(1):54–63. doi: 10.1016/j.ijpsycho.2007.10.004. [DOI] [PubMed] [Google Scholar]
- 30.Matsukawa K, Asahara R, Ishii K, et al Increased prefrontal oxygenation prior to and at the onset of over-ground locomotion in humans. Journal of Applied Physiology. 2020;129(5):1161–1172. doi: 10.1152/japplphysiol.00392.2020. [DOI] [PubMed] [Google Scholar]
- 31.Asahara R, Ishii K, Okamoto L, et al Increased oxygenation in the non-contracting forearm muscle during contralateral skilful hand movement. Experimental Physiology. 2020;105(6):950–965. doi: 10.1113/EP088194. [DOI] [PubMed] [Google Scholar]
- 32.Martinez J A, Wiffstein M W, Folger S F, et al Brain activity during unilateral physical and imagined isometric contractions. Frontiers in Human Neuroscience. 2019;13:413. doi: 10.3389/fnhum.2019.00413. [DOI] [PMC free article] [PubMed] [Google Scholar]