神经肌肉电刺激对静立平衡下皮层肌肉耦合的影响分析

Abstract

Neuromuscular electrical stimulation (NMES) has been proven to promote human balance, but research on its impact on motor ability mainly focuses on external physical analysis, with little analysis on the intrinsic neural regulatory mechanisms. This study, for the first time, investigated the effects of NMES on cortical activity and cortico-muscular functional coupling (CMFC) during standing balance. Twelve healthy subjects were recruited in bilateral NMES training, with each session consisting of 60 electrically induced isometric contractions. Electroencephalogram (EEG) signals, electromyogram (EMG) signals, and center of pressure (COP) signals of the foot sole were collected before stimulation, two weeks after stimulation, and four weeks after stimulation while the subjects maintained standing balance. The results showed that NMES training improved subjects' postural stability during standing balance. Additionally, based on the EMG power spectral density (PSD), the κ frequency band was defined, and EEG-EMG time-frequency maximal information coefficients (TFMIC) were calculated. It was found that NMES enhanced functional connectivity between the cortex and lower limb muscles, with varying degrees of increase in β-κ and γ-κ frequency band CMFC after stimulation. Furthermore, sample entropy (SE) of EEG signals also increased after training. The results of this study confirm that NMES training can enhance CMFC and brain activation during standing balance. This study, from the perspective of physiological electrical signals, validates the effectiveness of NMES for balance training and provides objective assessment metrics for the training effects of NMES.

0. 引言

静立平衡，指人体处于静止状态下能够自动调整维持姿势稳定，是人类日常活动的前提条件。维持静立平衡是一个复杂的闭环控制过程，需要神经中枢系统接收各种感觉信息反馈，控制肌肉收缩、骨骼摆动以实现稳定调控^[1]。肌肉骨骼系统的退化以及中风引起的神经损伤都可能影响个体的平衡能力。多种电刺激方式，如经颅电刺激、神经肌肉电刺激（neuromuscular electrical stimulation，NMES），因能增强人体运动能力而广泛应用于相关研究和临床实践。其中，NMES技术可通过对肌肉施加低频脉冲电流来募集运动单元，诱发肌肉活动。已有研究证明，长期的NMES训练可以增加关节的活动度、提高肌肉力量以及改善患者的步态平衡^[2-4]。目前，这些研究主要集中针对下肢骨骼肌肉系统的变化，而关于运动神经系统功能变化的研究有待深入。

人体在维持主动运动时，大脑皮层产生的脑电（electroencephalogram，EEG）信号和肢体肌肉产生的肌电（electromyographic，EMG）信号在不同节律间的相互作用被称为皮层肌肉功能耦合（cortico-muscular functional coupling，CMFC）^[5]。Spedden等^[6]研究发现，老年人执行下肢静态收缩任务时的CMFC相比于年轻人有所降低，表明有效的振荡性皮层脊髓活动随年龄增长而减少。Bao等^[7]发现，NMES结合踩踏训练促进了卒中患者在下肢等长收缩时同侧半球和下肢的相互作用，表明CMFC在理解神经肌肉变化方面具有潜在的应用价值。因此，定量分析NMES训练后的CMFC特征参数来探究人体静立平衡的稳定性和控制能力的变化，有助于深入了解神经肌肉系统的生理关联性。此外，有研究者发现，EEG信号的震荡模式在NMES的作用下发生改变^[8]；由此联想，神经肌肉的生理关联特性研究，同样需要关注并探讨NMES对大脑激活的有效性。

综上，本研究从皮层肌肉交互作用的角度来分析NMES对人体平衡能力的影响，以足底压力中心（center of pressure，COP）特征参数作为佐证，通过对比不同NMES训练时期的CMFC以及EEG信号的样本熵（sample entropy，SE），来分析人体平衡能力变化过程中神经肌肉系统的变化，从而为平衡能力评估提供新的指标，以期为NMES在提升平衡能力中的作用提供新的见解。

1. 材料和方法

1.1. 框架

本文研究的总体思路步骤为：首先，确立研究的试验范式，受试者们需根据试验范式要求完成NMES训练后，同步采集EEG、EMG、COP信号。其次，对采集到的信号进行预处理。然后，通过COP特征参数分析NMES对于平衡能力的影响。最后，采用时频最大信息系数（time-frequency max information coefficient，TFMIC）和SE来分析NMES前后CMFC以及皮层活跃度的变化。

1.2. 试验对象和试验范式

本研究共募集12名未受过体育训练的健康受试者，8名男性和4名女性，年龄为（23.0 ± 0.6） 岁，身高为（168.2 ± 10.1） cm，体重为（61.5 ± 9.4） kg。本研究所有试验符合《世界医学协会赫尔辛基宣言》，且通过了杭州明州脑康康复医院的伦理审核批准（批号：20210201）。所有受试者均在试验前知晓试验相关内容，并签署了知情同意书。受试者无精神疾病史，在试验期间内需遵守以下要求：① 不剧烈运动；② 清洁头皮和头发；③ 保证充足的睡眠；④ 不喝刺激性的饮品。

本研究使用平衡板（RVL-021，Nintendo Inc.，日本）获取人体站立时的COP信号，采样频率为100 Hz。使用64导联的EEG数据采集仪（Neusen，博瑞康公司，中国）获取EEG信号，采样频率设置为1 000 Hz。数据采集前，检测电极需注射导电膏使阻抗低于5 kΩ。电极按10-20国际标准导联分布，从中选择19个在感觉运动区域具有代表性通道（Fp1、Fp2、Fz、F3、F4、F7、F8、Cz、C3、C4、T7、T8、Pz、P3、P4、P7、P8、O1、O2）的数据用于分析^[9]，通道分布如图1所示。

图 1.

Channels of information collection for the cortex and muscles

皮层和肌肉的信息采集点

EMG数据采集设备（Trigno Wireless System，Delsys Inc.，美国）是无线表面EMG采样系统，采样频率为2 000 Hz，采集前用酒精擦拭对应肌肉表皮，然后将两个传感器贴在受试者的右下肢的胫骨前肌（tibialis anterior，TA）和腓肠肌（gastrocnemius，GM）上采集EMG信号。有研究发现TA和GM在姿势调整的过程中表现出高水平的激活度^[10]，肌肉分布如图1所示。NMES设备采用多通道电刺激器（SXC-4A，北京三侠公司，中国），对受试者双腿的TA和GM进行同步刺激。

试验开始后，受试者需在每天固定的时间段内静坐，接受1次双腿的NMES训练，连续训练4周，每周训练5 d，共20次训练。刺激波形为方波，刺激频率50 Hz，脉冲宽度400 μs。考虑到每位受试者对于电流的耐受度不同，电流大小从3 mA开始调试，以步长为1 mA持续增大，直到受试者感到不适，此时得到该受试者的最大耐受电流。将受试者每次NMES训练时的电流设为比其最大耐受电流小1 mA，每次训练时长为20 min，包含60次电诱发肌肉等长收缩；受试者在接受5 s的电刺激后均有15 s的休息时间，避免肌肉疲劳。NMES训练场景以及流程如图2所示。

图 2.

Experimental design

试验设计

本文设计了2个平衡范式，范式1（简称：P1）要求受试者双脚静直站立在COP测力板上；范式2（简称：P2）在范式1的基础上，要求在受试者脚底和测力板之间垫上海绵垫，以增加平衡难度。海绵垫的高度为10 cm，密度为30 kg/m³。数据采集时，受试者双腿与肩同宽、平行静直站立在平衡板上，双手自然下垂大腿两侧。试验数据在受试者能够稳定站立时开始同步采集。本研究分别采集了受试者在刺激前（简称：Q1）、刺激两周（简称：Q2）后和刺激四周（简称：Q3）后分别执行两个平衡范式的各15 s的EEG、EMG、COP同步数据。同一范式需要重复执行10次，每测得一次数据，受试者都有30 s的休息时间，以避免疲劳。在此过程中，受试者需要两眼平视前方的参照物。若受试者在试验过程中发生失衡跌落或咳嗽等影响数据采集的行为时，试验数据作废，需待受试者休息后重新测试。数据采集场景以及采集流程如图2所示。

1.3. 方法

1.3.1. 信号预处理

EEG信号是非侵入式采集的，因而噪声多，需要对数据进行预处理。对于EEG信号，首先去除50 Hz的工频噪声，之后进行1～75 Hz带通滤波，最后使用独立成分分析剔除眼动或心电信号的伪迹；对于EMG信号，先去除基线漂移，再过滤50 Hz的工频噪声，最后将信号降采样到1 000 Hz。

1.3.2. 频带定义

EEG信号通常被分为5个功能频段：δ（1～4 Hz）、θ（4～8 Hz）、α（8～13 Hz）、β（13～30 Hz）和γ（30～50 Hz）^[11]，每个频段的节律活动对应着不同的皮层神经活动。大部分CMFC相关研究通常将皮层肌肉功能连接的分析集中在α、β和γ频段^[12-13]，然而EMG信号中这些频段具有的生理意义与EEG信号的并不相同，并且在运动执行的过程中，EMG信号中与肌肉激活相关的主流频段集中在更高频段。因此，本文定义对应的EMG信号频段为κ频段，用于CMFC的分析。研究表明，效应肌中运动单元的激活状态与EMG信号中功率谱密度（power spectral density，PSD）的高低有关联^[14]。因此，本文根据TA和GM的EMG信号的PSD计算得到κ频段。κ频段的确定步骤如下：

步骤1：分别计算TA和GM的EMG信号的PSD值，并在受试者间求取平均值，然后计算PSD在整个频段（本文频段范围为1～500 Hz）内的总和（P_sum），如式(1)所示：

1

其中，psd(f)表示频率点f对应的PSD，Δf为频率分辨率。

步骤2：以二分之一P_sum值找到频率区间［f_l, f_r］，由于在整个频段内存在多个区间［f_l, f_r］均满足该区间内的PSD之和接近0.5·P_sum，而本文希望得到的频率区间内的各个频率点PSD较大，因此只需最小化区间范围即可，如式(2)和式(3)所示：

2

3

其中，f_l是目标区间的左端点，f_r是目标区间的右端点，且1 ≤ f_l < f_r ≤ 500。

步骤3：确定κ频段。对于TA和GM，其在P1和P2下的Q1、Q2、Q3时期采集的EMG数据，都得到了一个目标频带，这6个目标频带的重叠部分即为κ频段。GM在P1下Q3时期跨受试者PSD的均值如图3所示，红线对应的频率区间即为选中的目标频率范围。最终，本文得到TA的κ频段为52～89 Hz，GM的κ频段为95～143 Hz。

图 3.

Diagram of target frequency bands selection based on the PSD of the EMG signals

EMG信号PSD目标频段选取示意图

1.3.3. 足底压力中心特征分析

COP是用来描述人体平衡调节过程中支撑底部的力分布情况的参数，可以用来评估人体姿势的稳定性和平衡控制能力的好坏。本文选择轨迹移动长度、轨迹包络面积和动摇轨迹长作为COP特征参数^[15]。动摇轨迹长，一般又被分为左右动摇轨迹长、前后动摇轨迹长。这些特征参数均与人体的平衡状态呈反比，其值越大，表明人体在平衡控制时需要更多的调节量，平衡控制更困难。

1.3.4. 时频最大信息系数

最大信息系数（maximal information coefficient，MIC）是一种用于衡量两个变量之间关联程度的参数，它由Reshef等^[16]在2011年提出，随后被广泛地应用在神经科学、医学和金融学等领域。MIC不仅能捕获到变量间线性的耦合关系，还能捕获到复杂的非线性耦合关系，因此在处理不同尺度和分布的数据时具有一定的优势。对于二元有限的数据对D（X, Y），对变量X和变量Y采取特定规模的区域划分后，计算它们的联合概率密度；然后，通过计算每个区域的联合概率密度和边缘概率密度来得到X和Y之间的互信息I(X; Y)，如式(4)所示：

4

其中，p(x, y)为联合概率分布，p(x)和p(y)为边缘概率分布。

通过对所有可能的区域划分进行搜索，找出所有区域划分方式中使得互信息最大的区域方式，并对最大互信息I^*(X; Y)归一化，使其值介于0和1之间，如式(5)所示：

5

其中，M(D)_{x, y}为归一化后的最大互信息，logmin(x, y)为I^*(X; Y)的归一化因子。已知数据对D（X, Y）的样本量为n，则在按照x⋅y的区域划分下定义变量X和Y之间的最大信息系数[符号记为：MIC(D)］，其计算公式如式(6)所示：

6

其中，α通常根据经验将其设为0.6。MIC的取值范围为0～1，其值越大，则表示变量间的关联性越强。

假设Z_x表示EEG信号在特定频带w₁下的时间序列，Z_y表示EMG信号在特定频带w₂下的时间序列，数据长度均为N，则它们之间的TFMIC（符号记为：TFMIC）的计算公式，如式(7)所示：

7

1.3.5. 样本熵

SE是Pincus^[17]在近似熵的基础上加以改进得到的，可以用来衡量时间序列的规律性。SE是一个非线性指标，在生物医学信号分析中应用广泛，其值越高，则表示序列的复杂度越大。一段长度为N的EEG信号的SE（符号记为：SE）的计算公式，如式(8)所示：

8

其中，表示两个序列中匹配m个数据点的估计概率，m设为2，相似容限r设为2倍输入原始序列的标准差。

1.3.6. 统计分析

选用威尔科克逊符号秩检验来评估组间内各个NMES训练时期下（Q1 vs Q2、Q1 vs Q3、Q2 vs Q3）的轨迹移动长度、轨迹包络面积、左右动摇轨迹长、前后动摇轨迹长以及TFMIC之间的差异是否具有统计学意义，本文置信水平为0.05。

2. 试验结果

2.1. 足底压力中心特征分析

本文计算了受试者在P1和P2下不同时期的4个COP特征参数的均值和标准差，其结果如表1和表2所示。对P1和P2下不同NMES训练时期的COP特征参数进行统计检验，以此来分析COP特征参数的变化情况，分析结果如表3、表4所示。同一时期下，P2下的各项COP特征参数均要比P1下的大，表明P2的平衡难度要大于P1。在两个平衡范式下，随着NMES训练时长的增加，4个COP特征参数的值大体上均呈下降趋势，表明受试者的平衡调控能力均有所增强。在P1下，相较于Q1时期，Q2和Q3时期的轨迹移动长度、轨迹包络面积和前后动摇轨迹长均有减小，且差异具有统计学意义。在P2下，相较于Q1时期，Q2和Q3时期的轨迹移动长度、轨迹包络面积和前后动摇轨迹长均有减小，且差异具有统计学意义；相较于Q2时期，Q3时期轨迹移动长度、轨迹包络面积和前后动摇轨迹长也均有减小，且差异具有统计学意义。

表 1. COP feature parameters at P1 across different periods（x ± s）.

P1下各个时期的COP特征参数（x ± s）

时期	轨迹移动 长度	轨迹包络 面积	左右动摇 轨迹长	前后动摇 轨迹长
Q1	32.91 ± 6.21	7.79 ± 2.47	0.90 ± 0.37	1.83 ± 0.79
Q2	27.20 ± 6.07	5.51 ± 1.92	0.83 ± 0.33	1.56 ± 0.59
Q3	25.34 ± 5.45	5.07 ± 1.77	0.85 ± 0.36	1.21 ± 0.34

表 2. COP feature parameters at P2 across different periods（x ± s）.

P2下各个时期的COP特征参数（x ± s）

时期	轨迹移动 长度	轨迹包络 面积	左右动摇 轨迹长	前后动摇 轨迹长
Q1	40.74 ± 7.93	11.36 ± 2.11	1.15 ± 0.62	2.84 ± 1.04
Q2	36.27 ± 7.24	9.01 ± 2.32	1.09 ± 0.53	2.41 ± 0.87
Q3	32.82 ± 6.15	7.93 ± 1.74	1.06 ± 0.57	2.09 ± 0.82

表 3. Test statistics and P-values of COP feature parameters test at P1 across different periods.

P1下各个时期的COP特征参数检验的检验值和P值

对比方式	轨迹移动长度	轨迹包络面积	左右动摇轨迹长	前后动摇轨迹长
Q1 vs Q2	W = 12，P = 0.034	W = 13，P = 0.042	W = 26，P = 0.339	W = 13，P = 0.042
Q1 vs Q3	W = 11，P = 0.027	W = 11，P = 0.027	W = 23，P = 0.233	W = 9，P = 0.016
Q2 vs Q3	W = 26，P = 0.339	W = 19，P = 0.129	W = 29，P = 0.469	W = 17，P = 0.092

表 4. Test statistics and P-values of COP feature parameters test at P2 across different periods.

P2下各个时期的COP特征参数检验的检验值和P值

对比方式	轨迹移动长度	轨迹包络面积	左右动摇轨迹长	前后动摇轨迹长
Q1 vs Q2	W = 13，P = 0.042	W = 12，P = 0.034	W = 30，P = 0.518	W = 11，P = 0.026
Q1 vs Q3	W = 10，P = 0.020	W = 6，P < 0.01	W = 26，P = 0.339	W = 4，P < 0.01
Q2 vs Q3	W = 26，P = 0.034	W = 13，P = 0.042	W = 28，P = 0.423	W = 12，P = 0.034

2.2. 时频分析

有研究指出，大脑感觉运动区域的中部（对应于Cz通道）在下肢运动时会被激活^{[6, 18]}，因此本文重点研究了Cz-TA和Cz-GM的CMFC变化。本文对P1和P2下受试者分别在3个NMES训练时期的CMFC进行了计算，统计了皮层肌肉在θ-κ、α-κ、β-κ以及γ-κ频段的TFMIC的均值和标准差，结果如图4所示。

图 4.

Statistical analysis of TFMIC between Cz and lower limb muscles *P<0.05

Cz与下肢肌肉的TFMIC统计 *P<0.05

在P1和P2下，皮层肌肉在θ-κ和α-κ频段的TFMIC值较小，在Q1、Q2、Q3时期之间也未出现规律性变化，可能是EEG信号的θ和α频段缺少与运动控制相关的成分。

在P1下，Q2、Q3时期TA在β-κ频段的TFMIC值较Q1时期均有增长，且差异具有统计学意义（W = 13，6；P = 0.042，0.006）；Q2、Q3时期GM在β-κ频段的TFMIC值较Q1时期均有增长，且差异具有统计学意义（W = 13，7；P = 0.042，0.009）。在P2下，Q2、Q3时期TA在β-κ频段的TFMIC值较Q1时期均有增长，且差异具有统计学意义（W = 11，4；P = 0.026，0.003）；Q2、Q3时期GM在β-κ频段的TFMIC值较Q1时期均有增长，且差异具有统计学意义（W = 12，5；P = 0.034，0.004）。

在P1下，Q3时期TA和GM在β-κ频段的TFMIC值较Q2时期均有增长，且差异具有统计学意义（W = 13，13；P = 0.042，0.042）。在P2下，Q3时期TA和GM在β-κ频段的TFMIC值较Q2时期也均有增长，且差异具有统计学意义（W = 11，12；P = 0.026，0.034）。

在P1下，TA在γ-κ频段的TFMIC值在Q1到Q2、Q1到Q3时期均有增长，且差异具有统计学意义（W = 10，10；P = 0.020，0.020），而在Q2到Q3时期差异不具有统计学意义（W = 32；P = 0.62）。在P2下，TA在γ-κ频段的TFMIC值在Q1到Q2、Q1到Q3时期均有增长，且差异具有统计学意义（W = 10，9；P = 0.020，0.016），而在Q2到Q3时期的差异不具有统计学意义（W = 27；P = 0.38）。

在P1下，GM在γ-κ频段的TFMIC值在Q1到Q2、Q1到Q3时期均有增长，且差异具有统计学意义（W = 12，11；P = 0.034，0.026），而在Q2到Q3时期的差异不具有统计学意义（W = 28；P = 0.42）。在P2下，GM在γ-κ频段的TFMIC值在Q1到Q2、Q1到Q3时期均有增长，且差异具有统计学意义（W = 9，7；P = 0.016，0.009），而在Q2到Q3时期的差异不具有统计学意义（W = 22；P = 0.20）。

2.3. 样本熵分析

P1和P2下，受试者各个时期的SE均值的脑地形图如图5所示。在同一时期，P2下的SE要大于P1下的SE，可能是受试者执行难度更高的平衡任务时，大脑皮层需要去调用更多的感觉运动神经单元和多区域协同，从而表现出更高的复杂度。此外，在P1和P2下，受试者在Q2时期的SE并未出现明显变化，但当训练进行到Q3时期，额叶区和中央区EEG通道的SE明显增大。这表明NMES训练会提高受试者的EEG信号复杂度，增强皮层神经元活跃程度。

图 5.

Mean SE scalp topography map

SE均值脑地形图

3. 讨论

本文探讨了NMES对人体静立平衡下的皮层肌肉交互的影响。研究发现，NMES能够改善受试者的静立平衡COP特征参数，并且NMES训练后的CMFC明显强于训练前，这表明NMES训练能够增强人体静立平衡时皮层与肌肉的相互作用。

COP信号的特征参数因其良好的量化性和应用性，常被用于步态分析、平衡能力评估以及康复诊断。本文选取了轨迹移动长度、轨迹包络面积和动摇轨迹长来量化受试者的姿态晃动程度，并以此来评估NMES训练对于平衡能力的提升效果。结果显示，NMES训练能够改善受试者的姿态稳定性。当电刺激训练进行到Q3时期，受试者执行P1时，COP特征参数相较于Q2时期并未出现显著变化。这可能是因为在P1下，受试者可以更容易地维持姿势稳定，表明 NMES对于平衡能力的提升在不同的平衡环境下也存在一定的“天花板效应”。

CMFC越高，代表皮层与肌肉的交互水平越高^[19]。本文中，β-κ和γ-κ频段的CMFC增大，表明NMES训练使大脑皮层神经元与脊髓中的运动神经元的同步活动变强，推测可能是NMES使下肢更多的运动神经和感觉神经轴突去极化，向神经中枢系统传递更强的感觉输入，从而提高了皮质脊髓通路的兴奋性。此外，Cz-TA和Cz-GM的CMFC在NMES训练后的变化趋势一致，可能是NMES对于TA和GM具有相似的激活模式。以上结果表明，NMES可以增强人体平衡控制时的CMFC。

SE可以判断信号的系统复杂度，因此常被用来判断皮层的活跃度。EEG信号的SE越大，则表明信号的复杂度越高，此时的皮层活跃度更强^[20-21]。本文发现受试者静立平衡时的SE在NMES训练4周后出现了明显增长，表明长时间的训练提高了皮层的活跃度。CMFC被认为是上行神经通路和下行神经通路的共同作用^[22]，因此推测相较于Q1时期，Q2时期CMFC的增加在于上行神经通路的变化，而Q3时期CMFC的增长在于下行神经通路和上行神经通路共同变化的作用。

NMES作为一种常见的辅助康复技术，还可以与多种康复技术结合使用，例如NMES联合运动想象、NMES联合镜像疗法以及NMES联合虚拟现实等，通过外周电刺激引发传入反馈，增强训练效果^[23]。肖松林等^[24]采用高精度经颅直流电对受试者大脑的M1区域进行刺激，发现受试者的静态平衡能力有所提升，因此未来经颅直流电刺激联合NMES的技术对于人体平衡能力的促进作用值得进一步探究。

尽管本文在研究NMES对静立平衡下皮层肌肉交互的影响上取得了一些有意义的成果，但仍存在一定的局限性。例如，本研究所有受试者均为健康受试者，未来应增加对运动障碍或认知障碍患者的试验结果。此外，未对刺激参数如波形、频率，以及刺激部位的选择等因素进行更多尝试。最后，本文提出了以二分之一的P_sum作为阈值选取κ频段的方法，未来还可以以不同比例的P_sum作为阈值进行对比分析。

4. 结论

本文分析了不同NMES训练时期受试者生理电信号特征的变化。研究发现，CMFC在电刺激训练后显著增长，SE在训练进行到4周后明显提高。这表明，NMES在刺激肌肉传递本体感觉反馈的过程中，不仅提高了皮层活性，还诱导了皮层与肌肉间更密切的交互，成为人体平衡能力提升的重要原因，并得到了当前公认的COP指标佐证。综上，本研究从神经电生理学的角度进行分析，为NMES训练对平衡能力的作用机制提供了新的见解。

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：罗志增参与了论文选题、试验设计、论文内容审核；柯伟杰参与了数据采集和分析、论文写作。

伦理声明：本研究通过了杭州明州脑康康复医院的伦理审核批准（批号：20210201）。

Funding Statement

国家自然科学基金资助项目（62171171）；浙江省自然科学基金资助项目（LZ23F030005）