基于变分模态分解-传递熵的脑肌电信号耦合分析?

上一篇

下一篇

谢平, 杨芳梅, 李欣欣, 杨勇, 陈晓玲, 张利泰. 2016: 基于变分模态分解-传递熵的脑肌电信号耦合分析?, 物理学报, 65(11): 118701. doi: 10.7498/aps.65.118701
引用本文: 谢平, 杨芳梅, 李欣欣, 杨勇, 陈晓玲, 张利泰. 2016: 基于变分模态分解-传递熵的脑肌电信号耦合分析?, 物理学报, 65(11): 118701. doi: 10.7498/aps.65.118701
Xie Ping, Yang Fang-Mei, Li Xin-Xin, Yang Yong, Chen Xiao-Ling, Zhang Li-Tai. 2016: Functional coupling analyses of electro encephalogram and electromyogram based on variational mo de decomp osition-transfer entropy, Acta Physica Sinica, 65(11): 118701. doi: 10.7498/aps.65.118701
Citation: Xie Ping, Yang Fang-Mei, Li Xin-Xin, Yang Yong, Chen Xiao-Ling, Zhang Li-Tai. 2016: Functional coupling analyses of electro encephalogram and electromyogram based on variational mo de decomp osition-transfer entropy, Acta Physica Sinica, 65(11): 118701. doi: 10.7498/aps.65.118701

基于变分模态分解-传递熵的脑肌电信号耦合分析?

Functional coupling analyses of electro encephalogram and electromyogram based on variational mo de decomp osition-transfer entropy

  • 摘要: 皮层肌肉功能耦合是大脑皮层和肌肉组织间的相互作用,脑肌电信号的多尺度耦合特征可以体现皮层-肌肉间多时空的功能联系。本文引入变分模态分解并与传递熵结合,构建变分模态分解-传递熵模型应用于脑肌间耦合研究。首先基于变分模态分解将同步采集的脑电(EEG)和肌电(EMG)信号分别进行时频尺度化,然后计算不同时频尺度间的传递熵值,获取不同耦合方向(EEG→EMG及EMG→EEG)上不同尺度间的非线性耦合特征。结果表明,在静态握力输出条件下,皮层与肌肉beta (15—35 Hz)频段间的耦合强度最为显著;EEG→EMG方向上脑电与肌电高gamma (50—72 Hz)频段的耦合强度总体上高于EMG→EEG方向。研究结果揭示皮层-肌肉功能耦合具有双向性,且脑肌间不同耦合方向上、不同频段间的耦合强度有所差异。因此可利用变分模态分解-传递熵方法定量刻画大脑皮层与肌肉各时频段之间的非线性同步特征及功能联系。
  • 加载中
  • 加载中
计量
  • 文章访问数:  1046
  • HTML全文浏览数:  442
  • PDF下载数:  2
  • 施引文献:  0
出版历程
  • 刊出日期:  2016-06-15

基于变分模态分解-传递熵的脑肌电信号耦合分析?

  • 燕山大学电气工程学院,河北省测试计量技术及仪器重点实验室,秦皇岛 066004
  • 中国人民解放军北京军区第281医院康复医学科,秦皇岛,066100

摘要: 皮层肌肉功能耦合是大脑皮层和肌肉组织间的相互作用,脑肌电信号的多尺度耦合特征可以体现皮层-肌肉间多时空的功能联系。本文引入变分模态分解并与传递熵结合,构建变分模态分解-传递熵模型应用于脑肌间耦合研究。首先基于变分模态分解将同步采集的脑电(EEG)和肌电(EMG)信号分别进行时频尺度化,然后计算不同时频尺度间的传递熵值,获取不同耦合方向(EEG→EMG及EMG→EEG)上不同尺度间的非线性耦合特征。结果表明,在静态握力输出条件下,皮层与肌肉beta (15—35 Hz)频段间的耦合强度最为显著;EEG→EMG方向上脑电与肌电高gamma (50—72 Hz)频段的耦合强度总体上高于EMG→EEG方向。研究结果揭示皮层-肌肉功能耦合具有双向性,且脑肌间不同耦合方向上、不同频段间的耦合强度有所差异。因此可利用变分模态分解-传递熵方法定量刻画大脑皮层与肌肉各时频段之间的非线性同步特征及功能联系。

English Abstract

参考文献 (0)

目录

/

返回文章
返回