经颅交流电刺激干预下脑卒中患者运动想象的微状态时空特性分析

Abstract

Transcranial alternating current stimulation (tACS) holds significant potential for improving motor function in stroke patients, but its underlying mechanisms remain unclear. In this study, 20 Hz tACS was applied to 15 stroke patients, and their motor imagery (MI) signals were collected before and after stimulation, which were for assessment by combining with the Fugl-Meyer Assessment for Upper Extremity (FMA-UE). Additionally, 11 subjects were recruited as a healthy control group. The study demonstrated that FMA-UE scores of stroke patients significantly increased after tACS intervention. The duration of EEG microstate C and F decreased significantly, while microstate D (coverage, duration, and occurrence probability) increased markedly, and microstate E decreased. The transition probabilities of C→D and D→B were positively correlated with FMA-UE scores. Based on these findings, this study concludes that 20 Hz tACS can enhance neuroplasticity and motor function in patients, and the transition probabilities (C→D/D→B) may serve as potential indicators for assessing motor function, providing experimental evidence for the clinical application of tACS and the development of rehabilitation brain-computer interfaces.

0. 引言

脑卒中属于全球高发疾病之一，患者常出现认知障碍、运动功能障碍等临床表现，严重影响其生活质量，由此针对脑卒中康复的需求日益渐增^[1]。临床常用的康复方法包括推拿针灸、运动疗法、作业疗法等，但是传统康复疗法治疗周期较长、人力成本较高。鉴于脑卒中患者的运动功能恢复与半球间振荡节律同步性密切相关，经颅交流电刺激（transcranial alternating current stimulation，tACS）作为一种无创神经调控技术，能够通过频率特异性调节神经振荡活动来增强神经突触可塑性，这一特性突破了传统疗法的局限；该技术还具有治疗周期短、人力成本低等优势，因此近年来已成为脑卒中患者运动功能恢复领域的研究热点。研究发现，频率为20 Hz的tACS（20 Hz-tACS）作用于大脑初级运动皮层（primary motor cortex，M1）可提升运动学习能力^[2-3]，并增强与执行控制相关的脑区和感觉运动区之间的相互作用功能^[4]。Hamano等^[5]发现，大脑M1区参与运动学习的调控，而神经振荡与认知、感知觉、运动等生理行为过程相关，故tACS可通过特定频率产生夹带调节内源性神经振荡，增强突触可塑性，并利用微弱电流促使外源性神经振荡和内源性神经振荡的相位逐渐同步^[6]。基于此，相较于经颅磁刺激、经颅直流电刺激，tACS可以实现外源性交流电刺激调节内源性神经振荡，诱导更持久的突触变化^[7-9]。

大脑皮层的锥体神经元在突触传递时，产生的离子流动会形成局部场电位，而脑电（electroencephalogram，EEG）信号则记录了大量神经元同步放电的宏观总和电位，是研究脑功能、认知活动和神经系统疾病的重要工具。运动想象（motor imagery，MI）与大脑运动控制及执行密切相关，可诱发EEG信号变化，尤其在感觉运动皮层区域表现为α和β节律的事件相关去同步现象。因此，结合EEG信号研究MI可揭示大脑模拟运动的神经机制。由于EEG信号具有高时间分辨率特性，使其成为研究MI动态过程的理想工具，而兼具时域特征与空间拓扑信息的微状态分析，则为意图解码提供了多维信息支持。现有研究证明，身体实际运动与MI所激活的脑区具有一致性；基于此，MI信号可作为一种有效的评估手段^[10]。目前，该技术大多作为一种康复疗法用于帮助脑卒中患者改善运动功能，而在评估患者运动功能中的应用较少^[11]。综上，MI信号在评估脑卒中患者运动功能康复效果方面具有重要应用前景。

EEG数据微状态能反映全脑电极的EEG信息，从时域和空域的角度表征大脑在某时间段内短暂的稳定状态。随着微状态分析方法的不断丰富与完善，研究发现不同类型的脑疾病可影响EEG微状态的时间序列特征，使微状态分析成为研究脑疾病和脑认知产生机制的一种有效方法。目前，EEG数据各微状态类别是依据其独特的地形图特征进行定义的，分为：微状态A～F，其特征如表1所示。

表 1. Features of microstate A～F.

微状态A～F的特征

微状态类别	特征
微状态 A	最大场强分布于右前额叶至左后颞叶区域
微状态 B	最大场强分布于左前额叶至右后颞叶区域
微状态 C	最大场强分布于前额叶至后颞叶处
微状态 D	额中央区场强最小
微状态 E	顶中央区场强最小
微状态 F	左侧脑区呈现最大正性极值

目前，该方法已应用于分析各类精神性疾病，包括精神分裂、双相情感障碍、阿尔茨海默症、睡眠障碍等^[12-15]。Khanna等^[16]和辛蓉等^[17]的研究发现，运动功能评分与大脑自发活动的EEG数据微状态相关。因此，EEG数据微状态分析有助于阐释脑卒中患者大脑动力学特征并评估其功能康复情况。然而，既往研究多基于静息态EEG数据，部分研究证实微状态特征可反映受试者的任务完成情况^[18-19]，通过分析不同任务（如计算任务、视觉任务）期间的EEG数据微状态特征，就可探讨与大脑功能相关的神经机制。相较于静息态EEG数据，MI信号能反映更多与运动准备、运动执行相关的EEG信息，对患者运动功能的评估更具针对性。本研究通过对比分析试验组tACS刺激前后和对照组的MI信号特征，从时域和空间域角度描述其微状态特征变化，并分析微状态特征参数与富格尔—迈耶上肢运动功能评定量表（Fugl-Meyer assessment for upper extremity，FMA-UE）评分的相关性，为探究tACS对脑卒中患者大脑功能影响的作用机制提供了依据。

1. 材料

1.1. 试验对象

本研究于天津市人民医院康复医学科招募15例脑卒中患者作为试验组，11例年龄匹配的健康受试者作为健康对照（healthy controls，HC）组。患者入选标准： ① 经核磁共振成像（magnetic resonance imaging，MRI）或计算机断层扫描（computed tomography，CT）确诊的脑卒中患者，单侧大脑半球受损，年龄在40～80岁之间；② 病情平稳；③ 认知功能良好，简易精神状态量表评分大于等于24分；④ 沟通无障碍，具备想象能力，能配合完成试验。排除标准：① 有精神疾病发病史（如癫痫、抑郁症等）；② 正在服用精神类药物者；③ 局部皮肤损伤或炎症；④ 佩戴任何金属或医用植入物（如颅内植入装置或金属、人工耳蜗植入、心脏起搏器、金属材质的假牙等）；⑤ 近3个月有电休克治疗史。本研究通过了天津市人民医院医学伦理常委会的审核批准（审查编号为GZR2023048）；所有患者及其家属在充分了解研究内容后，均签署了书面知情同意书，研究符合医学伦理要求。两组受试者基本信息如表2所示，其年龄、性别及利手分布的差异无统计学意义（P>0.05）。

表 2. Basic information of patients and HC group.

患者和HC组受试者基本信息

组别	年龄/岁	性别（男/女）	患侧半球（左/右）	病程/d
试验组	62.64 ± 25.59	7/8	5/10	37.8 ± 25.59
HC组	41.20 ± 27.70	2/9	—	—

1.2. 试验设计

采用电生理仪器DC-STIMULATOR PLUS（NeuroConn GmbH, 德国）进行tACS干预，电极棉片（5×7 cm²）经生理盐水浸泡后置于患侧M1区（阳极）及对侧脸颊（阴极），刺激电流强度1 mA，频率20 Hz，刺激时长20 min/次，每日1次，持续14 d。EEG信号采集使用64通道EEG记录系统（NeuroScan Inc., 美国），电极位置符合10-20国际标准，采集时确保电极与头皮之间的阻抗低于10 kΩ，采样频率1 000 Hz。受试者需要观看视频动画反复想象手部进行握拳运动（试验组为患侧手），在此期间记录MI-EEG数据，任务范式由试验设计软件Eprime 3.0（Psychology Software Tools Inc., 美国）设计。试验流程如图1所示，以右手为例，“MI任务范式”单次试验包括准备阶段（3 s）和握拳想象阶段（3 s），每组20次，共5组。对试验组采集其刺激前后的MI信号，HC组仅采集一次MI信号。

图 1.

Flow chart of experiment

试验流程

1.3. 运动想象数据预处理

MI信号的预处理在数学计算软件MATLAB R2016b（MathWorks Inc., 美国）进行。预处理包括如下步骤：① 电极定位，删除无用电极；② 滤波处理（0.1～40.0 Hz）；③ 插值坏导；④ 截取片段（每段截取时间为− 2～2 s，想象开始为0点），基线矫正；⑤ 采用独立成分分析（independent component analysis，ICA）去除心电、眼电、肌电等伪迹；⑥ 将右侧半球为患侧的患者EEG数据的左右对称通道信号进行互换，确保所有患者的患侧数据均在分析前被标准化至左侧半球；⑦ 将分段后的MI信号拼接成连续EEG数据；⑧ 使用巴特沃斯滤波器，对MI信号去同步化发生频段（8～30 Hz）进行带通滤波。

2. 分析方法

2.1. 微状态分析

微状态计算主要通过聚类算法对EEG信号进行分割，以得到不同的微状态类别。常见的聚类算法包括K均值（K-means）、主成分分析及混合高斯法等，其中，本研究采用改进的K-means算法。具体计算流程如下：

（1）计算每个受试者在每个时间点62个通道的全局场功率（global field power，GFP），如式(1)所示：

\begin{document}$ {{G}}_{{t}}\;{\mathrm{=}}\;\sqrt{\frac{\displaystyle\sum \limits_{k\;{\mathrm{=}}\;1}^{J}{\left[{{u}}_{{k}}\left({t}\right)\;{\mathrm{-}}\;\bar{{u}}\left({t}\right)\right]}^{{2}}}{{J}}} $ \end{document} 1

其中，G_t为时刻t的GFP，J为62个电极通道，u_k(t)为第k个电极在时刻t的电压值，\begin{document}${\bar{u}}(t) $\end{document}为62个电极的平均电压。

（2）用改进的K-means法对GFP峰值时刻的地形图进行聚类，通过计算全局解释方差（global explanined variance，GEV）和交叉验证（cross vadidation，CV）评估聚类拟合度，确定最优微状态类别，本文选择的最佳分类数目为6（标记为A～F）。

（3）对比所得微状态模板图，观察试验组刺激前后和HC组间的差异，将模板图拟合回单个受试者的MI信号中，计算以下4个微状态参数：覆盖率、持续时间、出现概率、不同微状态（A～F）之间的转移概率。

覆盖率，指某类微状态在总分析时间段内所占的时间比例，反映该类微状态对整个EEG信号动态过程的贡献权重，如式(2)所示：

\begin{document}$ {C}_{i}\;{\mathrm{=}}\;\frac{{T}_{i}}{{T}_{\mathrm{total}}} $ \end{document} 2

其中，C _i是微状态i的覆盖比例，T_i是微状态i出现的总时间，T_total是总记录时间。

持续时间，指同一微状态类别所对应地形图模式在时间序列上的持续时长，反映微状态持续的平均时间，以毫秒（ms）为单位，如式(3)所示：

\begin{document}$ {D}_{i}\;{\mathrm{=}}\;\frac{{T}_{i}}{{N}_{i}} $ \end{document} 3

其中，D_i是微状态i的平均持续时间，T_i是微状态i出现的总时间，N_i是微状态i出现的总次数。

出现概率，指微状态每秒出现的平均次数，如式(4)所示：

\begin{document}$ {O}_{i}\;{\mathrm{=}}\;\frac{{N}_{i}}{{T}_{\mathrm{total}}} $ \end{document} 4

其中，O_i是微状态i的出现概率，N _i是微状态i出现的总次数，T_total是总记录时间。

转移概率，指某一微状态转移到其他某种微状态的概率，如式(5)所示：

\begin{document}$ {P}_{ij}\;{\mathrm{=}}\;\frac{{N}_{ij}}{\displaystyle\sum \limits_{k=1}^{N}{N}_{ik}} $ \end{document} 5

其中，P_ij是从微状态i转移到微状态j的概率，N_ij是微状态i转移到微状态j的次数，N_ik是微状态i转移到其他类别微状态的总次数。

2.2. 统计分析

使用统计分析软件SPSS 26.0（IBM Corp., 美国)进行统计分析，针对试验组自身刺激前后、试验组刺激前和HC组的数据（包括：FMA-UE评分、微状态的覆盖率、持续时间、出现概率、转移概率）进行分析。对于试验组刺激前后数据，先检验其是否符合正态分布：若符合，则采用配对t检验进行比较；若不符合，则采用非参数威尔科克森（Wilcoxon）秩和检验。对于试验组和HC组，符合正态分布采用双样本t检验；若不符合，则采用非参数曼—惠特尼（Mann-Whitney）秩和检验。分析试验组与HC组微状态拓扑图的组间差异，使用数学计算软件MATLAB R2016b（MathWorks Inc., 美国）的Ragu工具包对HC组微状态地形图与试验组（刺激前、刺激后）微状态地形图之间的微状态类别进行组间地形方差分析（topographical analysis of variance，TANOVA）；最后使用皮尔逊相关系数计算FMA-UE和微状态特征参数之间的关系。当P < 0.05，差异具有统计学意义，检验水准为0.05。

3. 结果

3.1. 临床量表分析

为评估刺激效果，将试验组刺激前后的FMA-UE评分进行比较。统计分析表明，刺激后评分（45.00 ± 8.00分）明显高于刺激前（38.73 ± 23.59 分）（MD = 6.27（38.73, 45.00）, Z = −3.41, P < 0.01），具体结果如图2所示。该发现验证了20Hz-tACS干预能通过调节运动皮层兴奋性，进而改善脑卒中患者运动功能的假设。

图 2.

Comparison of FMA-UE scores before and after stimulation

刺激前后FMA-UE量表评分对比

^**P < 0.01

^**P < 0.01

3.2. 微状态分析

3.2.1. 微状态拓扑图

根据前面定义的经典排列顺序对微状态A～F进行排序，TANOVA分析结果显示：刺激前，试验组和HC组的微状态A、B、C、E地形图差异具有统计学意义；刺激后试验组与HC组的微状态A（P = 0.17）、B（P = 0.24）、C（P = 0.08）、E（P = 0.05）地形图之间差异不具有统计学意义，如图3所示。

图 3.

Comparison of spatial topological maps across pre-stimulation, post-stimulation and HC groups

患者刺激前后和HC组的微状态拓扑图差异对比

3.2.2. 8～30 Hz频段微状态特征分析

将聚类后得到的模板图拟合回受试者MI信号，计算每位受试者的微状态序列和微状态特征参数。如图4所示，对刺激前试验组和HC组微状态D进行统计学分析后发现，试验组刺激前的微状态覆盖率明显低于HC组，差异具有统计学意义（Z = −3.91，P < 0.01）；刺激后微状态E的覆盖率和刺激前相比明显减少（Z = 2.14，P = 0.01），微状态D则明显增加（Z = −3.38，P < 0.01)，而试验组刺激前和刺激后、试验组刺激前和HC组微状态B、C、F的覆盖率相比，差异不具有统计学意义。在持续时间方面，试验组刺激前的微状态C明显高于HC组（Z = 3.11，P < 0.01）、微状态D明显低于HC组（Z = −3.06，P < 0.01）；试验组刺激后相较于刺激前的统计分析结果为：微状态D的持续时间（Z = −2.98，P = 0.01）明显增加；微状态C（Z = 2.57，P < 0.01）、E（Z = 3.14，P = 0.04）、F（Z = 3.08，P = 0.03）则明显减少；而刺激前后微状态A、B持续时间的差异不具有统计学意义。此外，HC组微状态D的出现概率明显高于试验组接受tACS刺激前，tACS干预后试验组微状态D的出现概率与刺激前相比明显增加（t = −7.04，P < 0.01），微状态E明显降低（Z = 2.47，P = 0.01)；而微状态A、B、C、F的出现概率没有明显变化，差异不具有统计学意义。

图 4.

Comparison of microstate parameters across pre-stimulation, post-stimulation and HC groups

刺激前后和HC组微状态参数对比

^*P < 0.05，^**P < 0.01

^*P < 0.05，^**P < 0.01

如图5所示，采用彩色箭头符号用于表示组间比较结果：红色与蓝色箭头分别指示刺激后转移概率参数较刺激前的增加与减少；实线箭头对应差异具有统计学意义（P < 0.05），虚线箭头对应差异不具有统计学意义（P > 0.05）。此外，图5中的空白区域表示试验组刺激后与HC组的差异有所增大，该结果无统计学意义。

图 5.

Comparison of pre/post-stimulation transition probability

刺激前后微状态转移概率对比

对试验组刺激前后和HC组的转移概率参数进行统计分析后发现，试验组接受tACS干预前相较于HC组A→C（t = 2.84，P<0.01）、A→D（t = 5.51，P < 0.01）、B→C（t = 5.86，P<0.01）的转移概率明显增加，差异具有统计学意义；C→F（Z = −3.74，P < 0.01）、D→A（Z = 4.32，P < 0.01）、D→B（Z = 3.09，P = 0.01）、D→C（Z = 3.59，P = 0.02）、D→F（Z = −3.70，P < 0.01）、E→C（Z = −2.99，P < 0.01）、F→A（Z = 3.07，P < 0.01）、F→C（Z = −3.73，P < 0.01）的转移概率明显降低，差异具有统计学意义。如图5所示，接受刺激后微状态A→D(Z = −3.27，P < 0.01)、B→C（Z = 2.88，P<0.01）、D→B(Z = −2.53，P = 0.01)、C→D(t = 2.63，P = 0.02) 的转移概率明显增加；微状态D→F（t = 2.61，P = 0.03）的转移概率明显降低。

3.3. 相关性分析

为进一步探究各类微状态特征参数和脑卒中患者运动功能改善情况之间的联系，采用皮尔逊相关分析临床量表评分与微状态特征参数的相关性。如图6所示，试验组在接受tACS干预前，患者MI信号微状态C→D的转移概率与FMA-UE量表评分呈正相关（R = 0.62，P = 0.02）；对患者接受tACS干预前后转移概率D→B的差值和FMA-UE量表差值之间的相关性进行统计分析，发现刺激前后微状态转移概率D→B的变化和FMA-UE量表评分变化呈正相关（R = 0.34，P = 0.04）。

图 6.

Correlation between microstate transition probability and the FMA-UE scale

微状态转移概率和FMA-UE量表之间的相关性

4. 讨论

本研究通过对脑卒中患者患侧M1区施加20 Hz-tACS干预，发现刺激后患者的FMA-UE评分明显升高。为进一步解析tACS调控运动功能网络的神经机制，基于MI的微状态分析显示，刺激后微状态A、B、C、E地形图与HC组差异不具有统计学意义，证明tACS有助于促进大脑功能网络协同性的恢复。通过深入分析脑微状态动态特性，本研究旨在明确脑卒中康复过程中脑机接口的调控靶点与评估标志，从而为构建闭环干预系统提供量化的神经解码目标。

MI过程涉及视觉、认知、工作记忆、思维情感等多方面能力^[6]。以往研究证明，微状态A、微状态B主要与认知处理、视觉相关^[20-22]；另有研究发现特定视觉刺激下微状态A减少，微状态B增加^[23-24]；还有文献报道，微状态B持续时间与单词错误率呈负相关，与认知灵活性量表评分呈正相关^[25-26]；上述结果在本研究中进一步得到验证。Bréchet等^[21]在算术任务中发现C→B的转移概率降低，Vellante等^[27]在双相情感障碍患者中观察到静息态下微状态C降低且微状态D增加，D’Croz-Baron等^[28]及Kim等^[29]分别在识别任务和心算任务中观察到微状态D增加，Wang等^[30]的视频游戏研究则发现B→D、D→B的转移概率增加，这些任务对脑区的激活和MI任务存在重叠区域（均涉及视觉、认知控制及运动相关区域）。本研究中，tACS干预前患者和HC组的微状态D的覆盖率、持续时间差异具有统计学意义，在tACS干预后上述参数明显增加，这一现象可能与20 Hz-tACS对β频段（13～30 Hz）神经振荡的夹带效应直接相关。运动皮层β振荡同步性已被证实与运动准备、执行及抑制过程密切相关，其增强可促进患者在执行MI任务时视觉信息向认知加工的转化效率，进而提升认知—运动整合相关脑区的协同激活水平^[31]。

既往研究通过源定位发现，微状态E起源于后扣带回，与运动执行、情绪等相关^[32-33]。Tomescu等^[34]报告受试者在模仿屏幕几何图案后，静息态EEG数据的微状态E增加；Poskanzer等^[35]发现微状态E与工作记忆能力相关。研究表明，后扣带回作为默认网络的结构核心和动态枢纽，为多维度认知加工提供了神经基础^[36]。还有证据显示，失眠状态下B→E、E→B、D→E、E→D的转移概率增加^[37]。本研究进一步揭示了微状态E的变化：随着患者运动功能得到改善，微状态E的覆盖率、持续时间和出现频率均明显降低，同时状态间转移概率（B→E、E→B、D→E、E→D）也明显减少，其机制可能在于，tACS抑制了以后扣带回为核心的默认网络活动，从而减弱该网络与感觉运动网络之间的功能负连接；并同时通过增强感觉运动皮层β频段振荡同步性，优化运动皮层—基底节—丘脑环路信息传递效率，进一步证明了微状态E在运动功能调控中的关键作用。鉴于已有研究表明，微状态F的持续时间与舒适度评分呈正相关，且静息时F→C的转移概率增加^[38-39]；本研究观察到刺激后患者微状态F的持续时间明显降低，暗示患者专注度的提升。

分析转移概率发现，特定微状态转换通路（如C→D→B）与受试者运动执行控制网络及上肢运动功能改善呈正相关，提示微状态的转移概率可作为皮质—皮质下运动环路功能重组的动态电生理标志物。这一转移过程揭示了MI的完整神经加工链：空间规划阶段（微状态C）形成运动意图的空间坐标表征，体感模拟阶段（微状态D）通过β振荡同步性将空间意图转化为运动程序，最终在动作意图重置阶段（微状态B）完成当前运动周期终止与新动作规划启动。其中，C→D作为意图到模拟转化的关键枢纽，负责空间轨迹信息的运动编码；D→B则通过背侧注意网络的介入实现任务闭环的动作重置。这些动态转换不仅从时空维度解析了MI的神经机制，更为开发基于微状态实时解码的闭环神经反馈系统提供了可量化靶标（C→D/D→B），即可优化脑机接口对运动意图的解码效率，为神经康复提供新路径。

上述关于微状态参数的讨论，均基于tACS能诱发特异性神经调控这一前提。为准确区分刺激效应与潜在的安慰剂效应，严格的试验设计需设立伪刺激对照。相关研究表明，tACS在改善某些功能时的确优于伪刺激，未表现出明显的安慰剂效应^[40-41]。相比之下，本研究因未设置伪刺激对照组，尚难完全排除安慰剂效应的影响，此为本研究的一项局限；未来工作将规范设置伪刺激，并融合神经生理监测，以深入辨析其特异性调控机制。

5. 结论

本研究采用脑微状态分析方法，从时—空维度系统探究20 Hz-tACS对脑卒中患者运动功能的影响机制。结果显示，经tACS干预后，患者上肢运动功能（FMA-UE评分）较刺激前明显升高；在脑网络层面，与空间信息处理相关的微状态C的持续时间明显缩短，而与运动控制相关的微状态D的覆盖率、持续时间及出现频率均明显增加；同时，微状态E的各类参数及微状态F的持续时间均明显降低。进一步分析发现，微状态C→D与D→B的转移概率明显增加，且与运动功能评分呈正相关，不仅印证了20 Hz-tACS通过调节特定脑网络状态以改善运动功能的神经机制，也揭示了上述转移模式可作为评估脑卒中运动康复的潜在神经标志。本研究为20 Hz-tACS在卒中康复中的应用提供了试验证据，并为开发基于MI的上肢康复脑机接口提供了新思路。

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：徐桂芝参与了论文的选题、研究设计和论文内容审核；宋蕾参与了论文的选题、研究设计、数据采集和分析、论文撰写和修改；张颖、魏语佳、刘雨晴、王春方参与了数据采集、研究设计和试验实施。

伦理声明：本研究通过了天津市人民医院医学伦理常委会的审核批准（审查编号为GZR2023048）。

Funding Statement

国家自然科学基金国际重点合作项目（52320105008）；国家重点研发计划（2022YFC2402203）

National Natural Science Foundation of China; National Key Research and Development Program of China