皮层-肌肉协同群组的耦合性分析方法

本发明涉及神经生理信号处理，尤其涉及一种皮层-肌肉协同群组的耦合性分析方法。

背景技术：

1、人体完成姿势维持、步行及扰动恢复等运动功能时，需要多块肌肉协同工作，同时皮层活动与肌肉活动之间存在双向信息交互。为表征这种双向交互，通常采用耦合分析方法。然而，传统的脑肌耦合分析以单一脑电通道和单一肌电通道为对象，所得耦合指标数量众多且结果分散，难以反映多块肌肉共同完成运动功能时的群组耦合关系。若对多块肌肉的耦合指标直接进行求和或平均，则无法区分不同肌肉在协同模式中的贡献差异，也未考虑协同模式在目标时段内的激活程度，因而容易受到低贡献肌肉或局部噪声的干扰。

2、此外，不同耦合指标具有不同的物理含义，且目前缺乏统一的群组表征对象和方向验证规则，导致不同通道之间、不同分析度量之间的结果难以进行一致性比较。

技术实现思路

1、有鉴于此，本发明提供了一种皮层-肌肉协同群组的耦合性分析方法。

2、本发明的一个方面提供了一种皮层-肌肉协同群组的耦合性分析方法，包括：在目标对象的运动过程中，同步采集目标对象的脑电信号和表面肌电信号，脑电信号包括与多个脑电通道相关的多路脑电通道信号，表面肌电信号包括与多块肌肉相关的多路肌电通道信号；基于表面肌电信号进行非负矩阵分解，以将多块肌肉的协同运动拆解为多个协同元，协同元包括空间权重向量和时间激活向量，空间权重向量包括与多块肌肉相关的多个肌肉空间权重，时间激活向量包括协同元分别在多个时间点的激活系数；基于至少一种耦合性分析度量，针对每个脑电通道信号和肌电通道信号的组合计算耦合特征，得到多个皮层-肌肉耦合特征；对于每个协同元，利用协同元的空间权重向量和时间激活向量对多个皮层-肌肉耦合特征进行加权融合，得到与协同元相关的多个加权耦合指标；以及基于与至少一种耦合性分析度量相关的多个加权耦合指标，得到皮层-肌肉协同群组的耦合性分析结果。

3、根据本发明的实施例，对表面肌电信号进行预处理 ，得到肌电包络矩阵；基于不同的协同元数量，对肌电包络矩阵进行非负矩阵分解，以确定在满足可解释性条件下的最小协同元数量；基于与最小协同元数量对应的非负矩阵分解的分解结果，得到权重矩阵和激活系数矩阵；以及对权重矩阵和激活系数矩阵进行拆解，得到多个协同元。

4、根据本发明的实施例，对于每个脑电通道信号，从多个皮层-肌肉耦合特征中确定与脑电通道信号相关的多个目标皮层-肌肉耦合特征，多个目标皮层-肌肉耦合特征分别与多块肌肉相关；基于协同元的空间权重向量包括的多个肌肉空间权重，对多个目标皮层-肌肉耦合特征进行加权求和，得到协同元的初始加权耦合指标；以及基于协同元的时间激活向量包括多个激活系数，对协同元的初始加权耦合指标进行激活强度补偿，得到协同元的加权耦合指标。

5、根据本发明的实施例，对于每个脑电通道信号，耦合性分析度量包括频域相干度度量，与频域相干度度量对应的皮层-肌肉耦合特征包括脑电通道信号与肌电通道信号之间的相干性谱。

6、根据本发明的实施例，利用协同元的空间权重向量和时间激活向量对，对每个脑电通道信号和肌电通道信号的组合的相干性谱进行加权融合，得到与协同元相关的多个加权耦合相干性谱。

7、根据本发明的实施例，耦合性分析度量包括信息论定向耦合度量，与信息论定向耦合度量对应的皮层-肌肉耦合特征包括反映皮层对肌肉的下行驱动强度的第一传递熵，及反映肌肉对皮层的上行反馈强度的第二传递熵，其中，基于至少一种耦合性分析度量，针对每个脑电通道信号和肌电通道信号的组合计算耦合特征，得到多个皮层-肌肉耦合特征，包括：对于每个脑电通道信号和肌电通道信号的组合，分别对脑电通道信号和肌电通道信号进行小波分解，得到位于目标频段 的脑电小波包系数序列和肌电小波包系数序列；分别对脑电小波包系数序列和肌电小波包系数序列进行三态符号化处理，得到脑电三态符号序列和肌电三态符号序列；基于预设嵌入延迟，分别确定以脑电三态符号序列作为源序列、以肌电三态符号序列的下行驱动三元组，和以肌电三态符号序列作为源序列、以脑电三态符号序列的上行反馈三元组；基于下行驱动三元组，通过符号序列的频率计数估计得到第一联合概率、第一全条件概率和第一边际条件概率，并基于上行反馈三元组，通过符号序列的频率计数估计得到第二联合概率、第二全条件概率和第二边际条件概率；以及基于第一联合概率、第一全条件概率和第一边际条件概率，得到第一传递熵，并基于第二联合概率、第二全条件概率和第二边际条件概率，得到第二传递熵。

8、根据本发明的实施例，利用协同元的空间权重向量和时间激活向量，分别对每个脑电通道信号和肌电通道信号的组合的第一传递熵和第二传递熵进行加权融合，得到与协同元相关的多个第一加权耦合传递熵和多个第二加权耦合传递熵。

9、根据本发明的实施例，耦合性分析度量包括因果推断度量，与因果推断度量对应的皮层-肌肉耦合特征包括反映皮层对肌肉连接稳健性的第一因果值，及反映肌肉对皮层连接稳健性的第二因果值，其中，基于至少一种耦合性分析度量，针对每个脑电通道信号和肌电通道信号的组合计算耦合特征，得到多个皮层-肌肉耦合特征，包括：对于每个脑电通道信号和肌电通道信号的组合，基于脑电通道信号和肌电通道信号进行自回归分析，得到第一脑电通道残差序列和第一肌电通道残差序列；分别对第一脑电通道残差序列和第一肌电通道残差序列进行残差高斯变换，得到第二脑电通道残差序列和第二肌电通道残差序列；以及基于第二脑电通道残差序列和第二肌电通道残差序列估计条件互信息，得到第一因果值和第二因果值。

10、根据本发明的实施例，利用协同元的空间权重向量和时间激活向量，分别对每个脑电通道信号和肌电通道信号的组合的第一因果值和第二因果值进行加权融合，得到与协同元相关的多个第一加权耦合因果值和多个第二加权耦合因果值。

11、根据本发明的实施例，耦合性分析度量包括信息论定向耦合度量和因果推断度量，与信息论定向耦合度量对应的皮层-肌肉耦合特征包括反映皮层对肌肉的下行驱动强度的第一传递熵，及反映肌肉对皮层的上行反馈强度的第二传递熵，与因果推断度量对应的皮层-肌肉耦合特征包括反映皮层对肌肉连接稳健性的第一因果值，及反映肌肉对皮层连接稳健性的第二因果值，其中，基于与至少一种耦合性分析度量相关的多个加权耦合指标，得到皮层-肌肉协同群组的耦合性分析结果，包括：对于与每个协同元相关的多个加权耦合指标，基于加权耦合指标包括的第一加权耦合传递熵和第二加权耦合传递熵，得到方向性比，基于加权耦合指标包括的第一加权耦合因果值和第二加权耦合因果值，得到因果比；对于分别与每个脑电通道信号相关的方向性比和因果比，对方向性比和因果比进行一致性验证，得到验证结果；以及基于与多个脑电通道信号各自相关的验证结果，得到协同元的耦合性分析结果，协同元的耦合性分析结果包括皮层下行驱动占优或肌肉上行反馈占优。

12、根据本发明的实施例，在统一运动时间基准下同步获得多路脑电信号和多路肌电信号，通过非负矩阵分解确定同时包含空间权重和时间激活的协同元，并将逐脑电-肌电通道计算的耦合特征按照协同元进行加权融合。同步采集使两类信号对应同一运动阶段，空间权重使不同肌肉按照其在协同元中的实际贡献参与融合。由此，能够把分散的单肌肉耦合特征转换为兼具肌肉组成和耦合度量含义的协同群组表征，减少简单求和或平均造成的信息损失，并提高不同协同模式之间比较的可解释性。