運動想象療法對中風或運動功能障礙患者的康復訓練具有重要意義，但針對下肢運動想象的研究較少。當對腳踝脛后神經施加電刺激時，在電刺激頻率處可誘發出穩態體感誘發電位（SSSEP）。為了更好地實現下肢運動想象的分類，提高分類效果，豐富下肢運動想象的指令集，本文設計了兩種實驗范式：運動想象（MI）范式和有電刺激輔助的混合（Hybrid）范式，并招募了 10 名身體健康的大學生在兩種范式中完成左、右腳單側運動想象任務。通過時頻分析和分類準確率分析發現，相比 MI 范式，Hybrid 范式下可得到明顯的 SSSEP 和 ERD 特征，受試者在 Hybrid 范式中平均分類準確率為 78.61%，較 MI 范式顯著提高，證明電刺激輔助在下肢運動想象分類訓練中有積極的促進作用。
引用本文： 李嘉瑩, 趙麗, 邊琰, 李敏, 賈志超. 電刺激輔助下肢運動想象特征分類以增強康復訓練研究. 生物醫學工程學雜志, 2021, 38(3): 425-433. doi: 10.7507/1001-5515.202007004 復制
引言
運動想象（motion imagery，MI）是指在不進行實際肢體運動時大腦對運動的潛在想象意念思維[1]。基于運動想象的腦-機接口系統（brain-computer interface，BCI），通過解碼相關腦電信號預測人或動物的運動意圖[2]，可以實現意念控制輪椅的移動[3]，實時控制智能家居系統[4]以及促使患者使用康復設備完成自主康復訓練[5-7]等。在進行肢體運動想象時，對應的大腦皮層運動感覺區會被激活[8]，進而修復受損的運動神經，恢復運動功能[9]。2015 年，Pichiorri 等[10]建立了一種結合了運動想象療法的在線 BCI 康復治療系統，幫助病患進行上肢的康復治療訓練，證實了 MI-BCI 系統在康復訓練中的應用意義與價值。
MI-BCI 主要研究舌、左手、右手和足[11]這四類運動，對下肢的分類研究較少。這是因為相比于手部，左、右腳對應的大腦運動感覺皮層區域面積小且重疊[12]，很少出現對側事件相關去同步（event-related desynchronization，ERD）現象，導致對下肢運動想象信號的特征提取和分類識別比較困難。為提高下肢 MI 的分類準確率，可以在想象過程中加入輔助刺激[13-14]。陶學文等[15]證實了在單純的下肢 MI 中加入功能性電刺激可以提高運動想象實驗效果并改善腳踝處運動功能。在對雙腳腳踝脛后神經[16]加電流刺激時，Cz 電極處會出現能量升高的現象[17]，可提取出穩態體感誘發電位（steady-state somatosensory evoked potential，SSSEP）特征[18]。在混合 BCI 系統中，SSSEP 和 ERD 特征會同時出現在腦電信號的不同頻段內，可作為補充信息實現更好的分類[19]。有研究表明[20]，同時含有 SSSEP 和 ERD 特征的混合 BCI 系統在提高分類準確率的同時，能夠改善想象困難受試者的實驗效果，具有增強訓練效果的意義。同時，李小芹[21]分析了不同電刺激頻率組合下 SSSEP 的特征分布情況，發現在多數受試者在 28～33 Hz 的組合頻率刺激下，有強烈的頻譜特征及能量變化。在進行肢體運動想象時，會引起大腦 mu 節律和 beta 節律處腦電波幅度的變化，產生事件相關去同步和事件相關同步化（event-related synchronization，ERS）現象。在進行足部運動想象時，大腦頂枕部的 Cz 導聯附近會有 ERD 現象[22]，可通過繪制時-頻圖譜、腦地形圖、計算 ERD 值等方法[23-24]進行特征分析。
目前的研究主要集中在上肢的康復訓練中，很少將下肢 MI-BCI 應用到步態康復系統中。同時在 BCI 系統中，通過提取下肢 SSSEP 進行分類的研究較少，缺少相應的指令集。因此本文將以下肢 MI-BCI 系統為基礎，以研究電刺激在下肢運動想象中是否有積極的促進作用為目的，設計了兩種實驗范式：MI 范式和含有電刺激輔助的 Hybrid 范式，通過對比分析有無電刺激輔助時下肢 MI 信號的 ERD 特征、SSSEP 特征和分類準確率，驗證電刺激輔助對下肢運動想象效果的影響。
1 實驗設計與安排
實驗選擇在隔音和采光效果良好的室內進行，采集受試者 62 導腦電信號，電極排列方式選用國際 10～20 系統腦電極分布，如圖 1 所示。實驗中對受試者左腳和右腳的腳踝脛后神經分別施加頻率為 28 Hz 和 33 Hz 的電流，強度根據被試的承受能力進行選擇，加到大腳趾或小腳趾跟隨電流刺激頻率不自覺收縮即可[25]；范圍通常為 10～25 mA。選取 10 名在校大學生作為受試者（標記為 S1～S10），包含名 6 男性，4 名女性，年齡在 19～25 歲之間，無感覺運動缺陷和精神疾病史，且均為右利手。正式實驗前，每位被試均被告知實驗目的和流程，并書面簽署了實驗知情同意書。實驗已得到天津職業技術師范大學倫理委員會的同意。10 名受試者左右腳的電刺激強度如表 1 所示。
圖1
電極排列國際標準 10-20 系統
Figure1.
Electrode arrangement international standard 10-20 system
表1
10 名受試者左右腳的電刺激強度
Table1.
Intensity of electrical stimulation of the left and right feet of 10 subject
每名受試者需在 2 種實驗范式（MI 范式和 Hybrid 范式）中完成下肢的運動想象任務，每個范式包含 2 個小節，每 1 小節進行 40 個單次實驗，根據提示隨機進行左、右腳運動想象任務（左右各 20 次）。實驗任務模式示意圖如圖 2 所示。受試者保持安靜端坐在椅子上，盡量減少肢體活動和眨眼次數，同時將腳踝處貼有電極片的雙腿平放在地面，開始實驗。每個單次實驗時長為 11 s，0～2 s 時受試者處于放松狀態；2～4 s 時，屏幕出現提示符“<<— prepare!”或“prepare —>>!”,提示被試準備開始運動想象任務，在 Hybrid 范式中，此時將輸出命令開啟電刺激器對被試雙腳進行刺激輔助，此階段不進行想象；4～9 s 時，出現“left foot”或“right foot”提示字符，此階段被試將完成持續 5 s 的左腳或右腳的單側腳運動想象任務；想象任務結束后，電刺激器根據指令停止輸出電流，被試在休息 2 s 后，進入下一次的單次實驗。為了后續的數據處理和分析，首先對原始信號進行預處理，包括剔除無用電極、電極定位和重參考、1～75 Hz 的帶通濾波、獨立成分分析去眼電噪聲等，并截取想象開始前 2 s 和后 5 s（共 7 s）的數據做進一步的研究。
圖2
任務模式示意圖
Figure2.
Schematic diagram of task mode
2 數據處理與分析
通過時頻域分析來確定輔助電刺激是否能誘發出特定頻率大小的 SSSEP 特征，利用時-頻圖譜分析下肢單側運動想象時腦電信號的能量、頻率隨時間的變化，再計算出相應的 ERD 值，分析不同任務誘發出的 ERD 特征情況，最后對比分析 MI 和 Hybrid 范式中單側肢體運動想象的識別分類準確率。
2.1 SSSEP 特征分析
為了證實在 Hybrid 范式中的電刺激輔助是否能夠誘發出明顯的 SSSEP 特征，本研究通過時頻譜圖和腦地形圖來進行觀察分析。利用快速傅里葉變換法（fast Fourier transform，FFT）提取出腦電信號中刺激頻率基波和二次諧波的頻譜特征。截取 Hybrid 范式里執行左、右腳想象任務時第 2～9 s 的數據，繪制在刺激頻率基波頻段的腦地形圖，分析是否有明顯的 SSSEP 特征。由于 SSSEP 特征和下肢運動想象的特征都分布在 Cz 導聯附近，因此著重對該導聯進行觀察分析。研究從個體和整體兩個方面檢驗 SSSEP 特征的誘發情況，如圖3、圖4、圖5 展示了某位具有代表性的受試者在電刺激頻段中的頻譜圖、時頻圖及腦地形圖；如圖6、圖7、圖8 所示，繪制了全部被試的平均頻譜圖、時頻圖和腦地形圖。
圖3
某位受試者在不同實驗范式中的平均頻譜圖
Figure3.
The average spectrum of a subjects in different experimental paradigms
圖4
某位受試者在刺激頻率段中 Cz 電極處的平均時-頻圖譜
Figure4.
The average time-frequency spectrum of a subjects at the Cz electrode in the stimulation frequency band
圖5
某位受試者在不同電刺激頻段內的平均腦地形圖
Figure5.
The average brain topography of a subjects in the electrical stimulation frequency band
圖6
全部受試者在不同實驗范式中的平均頻譜圖
Figure6.
The average spectrum of all subjects in different experimental paradigms
圖7
全部受試者在刺激頻率段中 Cz 電極處的平均時-頻圖譜
Figure7.
The average time-frequency spectrum of all subjects at the Cz electrode in the stimulation frequency band
圖8
全部受試者在電刺激頻段內的平均腦地形圖
Figure8.
The average brain topography of all subjects in the electrical stimulation frequency band
根據圖 3 和圖 6 所示，在 Hybrid 范式中，受試者在接收到輔助電刺激時能夠提取出有效的頻譜特征，對左右腳的刺激大小分別為 28 Hz 和 33 Hz，因此在圖譜中能看到在相應頻段和二次諧波頻段附近出現了明顯的幅值變化，且基波處的變化強于二次諧波處，而在沒有電刺激的 MI 范式中，沒有相關的幅值變化情況。圖 4 和圖 7 展示了受試者在 Hybrid 范式中執行左腳和右腳運動想象任務的平均時-頻圖譜，可以看出在刺激頻率的基波（28 Hz 和 33 Hz）頻段處，有明顯能量上升的現象，并且該現象從想象任務開始前的 0.5 s 左右出現，一直持續到想象結束。圖 5 和圖 8 所表示的是受試者在刺激基波頻段中不同實驗任務的腦地形圖信息，可以看出在 Cz 導聯附近出現能量上升的現象，分布集中且強度較大，符合 SSSEP 特征出現的位置。
2.2 時-頻圖譜分析
MI 信號屬于自發型腦電信號，有不穩定和非線性的特點，若從單一域分析，不能得到精準的信號特征。因此在處理 MI 信號時，常選擇時頻分析法，將信號的時間和頻率經過變換映射到同一平面內，同時展示兩者能量的分布和變化。
為了觀察不同模式中誘發 ERD/ERS 的特征分布情況，采用短時傅里葉變換（short-time Fourier transform，STFT）和事件相關擾動譜（event-related spectral perturbation，ERSP）算法繪制時-頻圖譜[26]。本研究將在與下肢運動有關的 Cz 導聯處進行分析，提取想象開始前 2 s 的到想象結束共 7 s 的腦電信號求平均并繪制頻譜圖，圖 9 為 10 名被試在兩種實驗任務中 Cz 導聯處的平均時-頻圖譜。
圖9
不同實驗任務下 Cz 導聯處的平均時-頻圖譜
Figure9.
The average time-frequency spectrum of Cz lead under different experimental tasks
從圖9 可以看出，相比于單純運動想象任務，在有電刺激輔助的 Hybrid 范式中，誘發出的 ERD 現象更集中在 alpha 頻段（8～13 Hz）和 beta 頻段（14～25 Hz），且 alpha 頻段上的現象強于 beta 頻段上的。在開始想象任務后的 0.5 s 左右出現能量下降的情況，且一直持續 5 s 直到任務結束。受試者在 Hybrid 范式中左、右腳踝脛后神經分別受到頻率大小為 28、33 Hz 的電刺激，在時-頻圖譜中相對應的頻段處，有明顯能量上升的 ERS 現象，符合體感誘發電位的能量特征分布情況。在左腳和右腳的單側想象任務中也有類似的 ERD 和 ERS 現象出現，Hybrid 范式中的 ERD 現象更加集中，其中左腳任務中的特征比右腳的特征明顯，這可能是由于大多數受試者左腳承受的電刺激強度高于右腳所承受的強度，其感覺更加強烈。通過對比分析 MI 范式和 Hybrid 范式的時-頻圖譜，可以看出在含有電刺激輔助的 Hybrid 范式中，alpha 頻段中誘發出 ERD 特征的情況優于 MI 范式，也說明了在有輔助刺激的條件下，能促使被試在運動想象任務中產生更明顯的 ERD 特征。
2.3 腦地形圖分析
腦電地形圖作為一種用來分析多導聯腦電信號的常用方法，其意義是將原始腦電信號經過處理變換后形成的一個二維腦波圖像，通過彩色或灰度差圖像來直觀反映不同頻段下大腦皮層電位變化的空間分布情況。實驗采集 62 個導聯的信號，分析其中 60 導（剔除 M1、M2）。選擇受試者在不同范式不同實驗任務中 ERD/ERS 特征明顯的 4.5～9 s 內的腦電信號，選取與運動想象相關的 alpha 和 beta 頻段，進行腦地形圖分析。下面針對兩種刺激范式在各頻段不同實驗任務中的腦地形圖進行分析。
由圖 10 可以看出，在 alpha 頻段內，無論是在運動想象還是 Hybrid 范式中，下肢 MI 任務的執行過程中并沒有表現出明顯的對側 ERD 現象，ERD 現象主要集中在頭頂區的 Cz 電極處附近。在 MI 范式中，Cz 處也沒有顯示出能量上升的情況，而在有電刺激輔助的 Hybrid 范式中，在 Cz 電極處附近有明顯的 ERD 現象產生。根據圖 11 可知，在 beta 頻段中的 ERD 現象分布情況與 alpha 頻段上的情況相似。從不同實驗范式來分析，相比于單純的 MI 范式，含有電刺激的 Hybrid 范式中 ERD 現象更明顯，更集中在腦中央 Cz 導聯及其附近區域上。可以看出，無論是在 alpha 頻段還是 beta 頻段，左腳想象任務中的 ERD 現象強于右腳任務中的，受試者在左下肢運動想象任務中的能量變化也更加集中在 Cz 周圍，這與之前的時-頻圖譜分析結果一致。
圖10
alpha 頻段上全部受試者在不同實驗任務中的平均腦地形圖
Figure10.
The average brain topography of all subjects in different experimental tasks on the alpha frequency band
圖11
beta 頻段上全部受試者在不同實驗任務中的平均腦地形圖
Figure11.
The average brain topography of all subjects in different experimental tasks on the beta band
2.4 分類準確率分析
特征提取：采用濾波器組共空間模式（filter bank common spatial pattern，FBCSP）方法，首先使用三階巴特沃斯濾波器將信號分段，將 MI 信號分成 8～14、11～17、14～20、17～23、20～26 Hz 五個頻段，HY 信號除上述頻段外加入 SSSEP 特征的基波和二次諧波頻段，包括 27.5～28.5、32.5～33.5、55.5～56.5、65.5～66.5 Hz 頻段。對相應頻段中的信號進行特征提取，得到含有最大信息量的特征構建空間濾波器。
模式識別：采用支持向量機（support vector machine，SVM）進行特征分類，選取線性核函數的基礎上，解決凸優化問題：在約束條件為
時，求
的最小值，其中松弛項
，
為分類間隔，
為懲罰因子。
采用十折交叉驗證法來計算不同受試者在兩種實驗范式中下肢單側運動想象的分類準確率，實現信號的分類。十折交叉的核心思想是將腦電信號數據隨機地分成 10 等份，選取其中的 9 份作為訓練集，剩下 1 份當做測試集，計算出對應的分類準確率，反復進行 10 次分類計算，取平均值作為平均分類準確率用于后續的對比分析。實驗采集兩組數據，每組包含 40 個試次，其中一組作為訓練集建立分類器模型，另一組視作測試集進行分類計算。將 FBCSP 特征提取后的數據送入 SVM 算法進行特征分類，經過十折交叉驗證后，可得到全部受試者左右腳單側運動想象的分類準確率和平均分類準確率，如表 2 所示。
表2
不同實驗范式中全部受試者的分類準確率及平均分類 準確率
Table2.
Classification accuracy and average classification accu racy of all subjects in different experimental paradigms
根據表 2 所示，可以看出被試者在含有電刺激輔助的 Hybrid 任務中，針對左右腳單側運動想象的分類準確率均明顯高于在單純 MI 范式中的分類準確率，其中有 4 名受試者在 Hybrid 范式中的分類準確率達到 80% 以上，最高分類準確率能達到 90% 以上，其余受試者準確率也高于 70%，這說明了在運動想象任務中增加電刺激輔助能夠獲得良好的實驗分類效果。在 MI 范式中，分類準確率只有 62.22%，而在 Hybrid 范式中準確率達到了 78.6%，有顯著提高。經過配對 t 檢驗分析后，MI 和 Hybrid 范式任務的分類準確率差異具有統計學意義（P=0.000 109<0.05），且準確率的方差 var 分別為 0.003 98 和 0.005 04，數據波動較小，具有參考價值，也證明電刺激輔助在運動想象任務中有積極的作用。
3 分析與討論
本文采集了 10 名受試者在有/無電刺激條件時進行下肢運動想象的腦電信號，通過頻譜圖、時-頻圖譜、腦地形圖三種方法分析了 SSSEP 和 ERD 特征分布及變化情況，同時將 FBCSP 與 SVM 算法結合，完成下肢運動想象分類識別。分析可知，在含有電刺激的 Hybrid 范式中，針對腳踝脛后神經的 28 Hz-33 Hz 刺激頻率組合能夠誘發出明顯的 SSSEP，具體表現為對應頻率處幅值及能量值的升高，且主要出現在大腦頂部的 Cz 導聯附近，符合 SSSEP 出現的位置。通過分析兩種不同刺激范式的時-頻圖譜和腦地形圖能夠看出，在含有電刺激的 Hybrid 中，無論是執行左腳還是右腳的想象任務，誘發出的 ERD 特征均強于不加電刺激的 MI 范式，且激活范圍更為集中。在分析了特征分布情況后，本研究針對下肢運動想象進行了分類識別，準確率結果顯示，在單純 MI 范式中，受試者的分類準確率大部分在 50%～70% 之間，平均準確率為 62.22%，達不到國際標準；而在加入了電刺激后，受試者的分類效果明顯提升，大部分受試者在 75% 以上，其中有受試者達到 93.75%，平均準確率為 78.61%，比沒有電刺激時顯著提高（P<0.05）。據受試者反映，有電刺激時能夠更加集中精神進行想象。綜上所述，在執行下肢運動想象任務時加入電刺激，能夠誘發出強烈的 SSSEP 和 ERD 特征，通過融合兩種特征對信號進行分類研究，能夠得到更好的下肢運動想象分類結果，說明電刺激輔助能夠增強 MI 的訓練效果。
4 結論
為了研究電刺激輔助在運動想象任務中的作用，以單純運動想象腦電信號和含有刺激輔助時的想象腦電信號為基礎，對比分析了兩種條件下信號的時-頻圖譜、地形圖及左右腳分類準確率。從分析結果能看出，在有刺激輔助的 Hybrid 范式中的 ERD 特征及變化幅度比 MI 范式中的特征更加明顯。通過采用 FBCSP 結合經典 SVM 算法對信號進行分類識別，有輔助條件下全部被試的平均分類結果可達到 78.61%，比不加入輔助刺激時的想象準確率提高了。綜上所述，電刺激輔助在下肢運動想象任務中能夠起到積極的促進作用。有電刺激輔助的下肢 MI-BCI 系統也可以進一步應用在步態康復系統中，在一定程度上推動了腦-機接口系統從實驗室走向實用化的進程。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
引言
運動想象（motion imagery，MI）是指在不進行實際肢體運動時大腦對運動的潛在想象意念思維[1]。基于運動想象的腦-機接口系統（brain-computer interface，BCI），通過解碼相關腦電信號預測人或動物的運動意圖[2]，可以實現意念控制輪椅的移動[3]，實時控制智能家居系統[4]以及促使患者使用康復設備完成自主康復訓練[5-7]等。在進行肢體運動想象時，對應的大腦皮層運動感覺區會被激活[8]，進而修復受損的運動神經，恢復運動功能[9]。2015 年，Pichiorri 等[10]建立了一種結合了運動想象療法的在線 BCI 康復治療系統，幫助病患進行上肢的康復治療訓練，證實了 MI-BCI 系統在康復訓練中的應用意義與價值。
MI-BCI 主要研究舌、左手、右手和足[11]這四類運動，對下肢的分類研究較少。這是因為相比于手部，左、右腳對應的大腦運動感覺皮層區域面積小且重疊[12]，很少出現對側事件相關去同步（event-related desynchronization，ERD）現象，導致對下肢運動想象信號的特征提取和分類識別比較困難。為提高下肢 MI 的分類準確率，可以在想象過程中加入輔助刺激[13-14]。陶學文等[15]證實了在單純的下肢 MI 中加入功能性電刺激可以提高運動想象實驗效果并改善腳踝處運動功能。在對雙腳腳踝脛后神經[16]加電流刺激時，Cz 電極處會出現能量升高的現象[17]，可提取出穩態體感誘發電位（steady-state somatosensory evoked potential，SSSEP）特征[18]。在混合 BCI 系統中，SSSEP 和 ERD 特征會同時出現在腦電信號的不同頻段內，可作為補充信息實現更好的分類[19]。有研究表明[20]，同時含有 SSSEP 和 ERD 特征的混合 BCI 系統在提高分類準確率的同時，能夠改善想象困難受試者的實驗效果，具有增強訓練效果的意義。同時，李小芹[21]分析了不同電刺激頻率組合下 SSSEP 的特征分布情況，發現在多數受試者在 28～33 Hz 的組合頻率刺激下，有強烈的頻譜特征及能量變化。在進行肢體運動想象時，會引起大腦 mu 節律和 beta 節律處腦電波幅度的變化，產生事件相關去同步和事件相關同步化（event-related synchronization，ERS）現象。在進行足部運動想象時，大腦頂枕部的 Cz 導聯附近會有 ERD 現象[22]，可通過繪制時-頻圖譜、腦地形圖、計算 ERD 值等方法[23-24]進行特征分析。
目前的研究主要集中在上肢的康復訓練中，很少將下肢 MI-BCI 應用到步態康復系統中。同時在 BCI 系統中，通過提取下肢 SSSEP 進行分類的研究較少，缺少相應的指令集。因此本文將以下肢 MI-BCI 系統為基礎，以研究電刺激在下肢運動想象中是否有積極的促進作用為目的，設計了兩種實驗范式：MI 范式和含有電刺激輔助的 Hybrid 范式，通過對比分析有無電刺激輔助時下肢 MI 信號的 ERD 特征、SSSEP 特征和分類準確率，驗證電刺激輔助對下肢運動想象效果的影響。
1 實驗設計與安排
實驗選擇在隔音和采光效果良好的室內進行，采集受試者 62 導腦電信號，電極排列方式選用國際 10～20 系統腦電極分布，如圖 1 所示。實驗中對受試者左腳和右腳的腳踝脛后神經分別施加頻率為 28 Hz 和 33 Hz 的電流，強度根據被試的承受能力進行選擇，加到大腳趾或小腳趾跟隨電流刺激頻率不自覺收縮即可[25]；范圍通常為 10～25 mA。選取 10 名在校大學生作為受試者（標記為 S1～S10），包含名 6 男性，4 名女性，年齡在 19～25 歲之間，無感覺運動缺陷和精神疾病史，且均為右利手。正式實驗前，每位被試均被告知實驗目的和流程，并書面簽署了實驗知情同意書。實驗已得到天津職業技術師范大學倫理委員會的同意。10 名受試者左右腳的電刺激強度如表 1 所示。
圖1
電極排列國際標準 10-20 系統
Figure1.
Electrode arrangement international standard 10-20 system
表1
10 名受試者左右腳的電刺激強度
Table1.
Intensity of electrical stimulation of the left and right feet of 10 subject
每名受試者需在 2 種實驗范式（MI 范式和 Hybrid 范式）中完成下肢的運動想象任務，每個范式包含 2 個小節，每 1 小節進行 40 個單次實驗，根據提示隨機進行左、右腳運動想象任務（左右各 20 次）。實驗任務模式示意圖如圖 2 所示。受試者保持安靜端坐在椅子上，盡量減少肢體活動和眨眼次數，同時將腳踝處貼有電極片的雙腿平放在地面，開始實驗。每個單次實驗時長為 11 s，0～2 s 時受試者處于放松狀態；2～4 s 時，屏幕出現提示符“<<— prepare!”或“prepare —>>!”,提示被試準備開始運動想象任務，在 Hybrid 范式中，此時將輸出命令開啟電刺激器對被試雙腳進行刺激輔助，此階段不進行想象；4～9 s 時，出現“left foot”或“right foot”提示字符，此階段被試將完成持續 5 s 的左腳或右腳的單側腳運動想象任務；想象任務結束后，電刺激器根據指令停止輸出電流，被試在休息 2 s 后，進入下一次的單次實驗。為了后續的數據處理和分析，首先對原始信號進行預處理，包括剔除無用電極、電極定位和重參考、1～75 Hz 的帶通濾波、獨立成分分析去眼電噪聲等，并截取想象開始前 2 s 和后 5 s（共 7 s）的數據做進一步的研究。
圖2
任務模式示意圖
Figure2.
Schematic diagram of task mode
2 數據處理與分析
通過時頻域分析來確定輔助電刺激是否能誘發出特定頻率大小的 SSSEP 特征，利用時-頻圖譜分析下肢單側運動想象時腦電信號的能量、頻率隨時間的變化，再計算出相應的 ERD 值，分析不同任務誘發出的 ERD 特征情況，最后對比分析 MI 和 Hybrid 范式中單側肢體運動想象的識別分類準確率。
2.1 SSSEP 特征分析
為了證實在 Hybrid 范式中的電刺激輔助是否能夠誘發出明顯的 SSSEP 特征，本研究通過時頻譜圖和腦地形圖來進行觀察分析。利用快速傅里葉變換法（fast Fourier transform，FFT）提取出腦電信號中刺激頻率基波和二次諧波的頻譜特征。截取 Hybrid 范式里執行左、右腳想象任務時第 2～9 s 的數據，繪制在刺激頻率基波頻段的腦地形圖，分析是否有明顯的 SSSEP 特征。由于 SSSEP 特征和下肢運動想象的特征都分布在 Cz 導聯附近，因此著重對該導聯進行觀察分析。研究從個體和整體兩個方面檢驗 SSSEP 特征的誘發情況，如圖3、圖4、圖5 展示了某位具有代表性的受試者在電刺激頻段中的頻譜圖、時頻圖及腦地形圖；如圖6、圖7、圖8 所示，繪制了全部被試的平均頻譜圖、時頻圖和腦地形圖。
圖3
某位受試者在不同實驗范式中的平均頻譜圖
Figure3.
The average spectrum of a subjects in different experimental paradigms
圖4
某位受試者在刺激頻率段中 Cz 電極處的平均時-頻圖譜
Figure4.
The average time-frequency spectrum of a subjects at the Cz electrode in the stimulation frequency band
圖5
某位受試者在不同電刺激頻段內的平均腦地形圖
Figure5.
The average brain topography of a subjects in the electrical stimulation frequency band
圖6
全部受試者在不同實驗范式中的平均頻譜圖
Figure6.
The average spectrum of all subjects in different experimental paradigms
圖7
全部受試者在刺激頻率段中 Cz 電極處的平均時-頻圖譜
Figure7.
The average time-frequency spectrum of all subjects at the Cz electrode in the stimulation frequency band
圖8
全部受試者在電刺激頻段內的平均腦地形圖
Figure8.
The average brain topography of all subjects in the electrical stimulation frequency band
根據圖 3 和圖 6 所示，在 Hybrid 范式中，受試者在接收到輔助電刺激時能夠提取出有效的頻譜特征，對左右腳的刺激大小分別為 28 Hz 和 33 Hz，因此在圖譜中能看到在相應頻段和二次諧波頻段附近出現了明顯的幅值變化，且基波處的變化強于二次諧波處，而在沒有電刺激的 MI 范式中，沒有相關的幅值變化情況。圖 4 和圖 7 展示了受試者在 Hybrid 范式中執行左腳和右腳運動想象任務的平均時-頻圖譜，可以看出在刺激頻率的基波（28 Hz 和 33 Hz）頻段處，有明顯能量上升的現象，并且該現象從想象任務開始前的 0.5 s 左右出現，一直持續到想象結束。圖 5 和圖 8 所表示的是受試者在刺激基波頻段中不同實驗任務的腦地形圖信息，可以看出在 Cz 導聯附近出現能量上升的現象，分布集中且強度較大，符合 SSSEP 特征出現的位置。
2.2 時-頻圖譜分析
MI 信號屬于自發型腦電信號，有不穩定和非線性的特點，若從單一域分析，不能得到精準的信號特征。因此在處理 MI 信號時，常選擇時頻分析法，將信號的時間和頻率經過變換映射到同一平面內，同時展示兩者能量的分布和變化。
為了觀察不同模式中誘發 ERD/ERS 的特征分布情況，采用短時傅里葉變換（short-time Fourier transform，STFT）和事件相關擾動譜（event-related spectral perturbation，ERSP）算法繪制時-頻圖譜[26]。本研究將在與下肢運動有關的 Cz 導聯處進行分析，提取想象開始前 2 s 的到想象結束共 7 s 的腦電信號求平均并繪制頻譜圖，圖 9 為 10 名被試在兩種實驗任務中 Cz 導聯處的平均時-頻圖譜。
圖9
不同實驗任務下 Cz 導聯處的平均時-頻圖譜
Figure9.
The average time-frequency spectrum of Cz lead under different experimental tasks
從圖9 可以看出，相比于單純運動想象任務，在有電刺激輔助的 Hybrid 范式中，誘發出的 ERD 現象更集中在 alpha 頻段（8～13 Hz）和 beta 頻段（14～25 Hz），且 alpha 頻段上的現象強于 beta 頻段上的。在開始想象任務后的 0.5 s 左右出現能量下降的情況，且一直持續 5 s 直到任務結束。受試者在 Hybrid 范式中左、右腳踝脛后神經分別受到頻率大小為 28、33 Hz 的電刺激，在時-頻圖譜中相對應的頻段處，有明顯能量上升的 ERS 現象，符合體感誘發電位的能量特征分布情況。在左腳和右腳的單側想象任務中也有類似的 ERD 和 ERS 現象出現，Hybrid 范式中的 ERD 現象更加集中，其中左腳任務中的特征比右腳的特征明顯，這可能是由于大多數受試者左腳承受的電刺激強度高于右腳所承受的強度，其感覺更加強烈。通過對比分析 MI 范式和 Hybrid 范式的時-頻圖譜，可以看出在含有電刺激輔助的 Hybrid 范式中，alpha 頻段中誘發出 ERD 特征的情況優于 MI 范式，也說明了在有輔助刺激的條件下，能促使被試在運動想象任務中產生更明顯的 ERD 特征。
2.3 腦地形圖分析
腦電地形圖作為一種用來分析多導聯腦電信號的常用方法，其意義是將原始腦電信號經過處理變換后形成的一個二維腦波圖像，通過彩色或灰度差圖像來直觀反映不同頻段下大腦皮層電位變化的空間分布情況。實驗采集 62 個導聯的信號，分析其中 60 導（剔除 M1、M2）。選擇受試者在不同范式不同實驗任務中 ERD/ERS 特征明顯的 4.5～9 s 內的腦電信號，選取與運動想象相關的 alpha 和 beta 頻段，進行腦地形圖分析。下面針對兩種刺激范式在各頻段不同實驗任務中的腦地形圖進行分析。
由圖 10 可以看出，在 alpha 頻段內，無論是在運動想象還是 Hybrid 范式中，下肢 MI 任務的執行過程中并沒有表現出明顯的對側 ERD 現象，ERD 現象主要集中在頭頂區的 Cz 電極處附近。在 MI 范式中，Cz 處也沒有顯示出能量上升的情況，而在有電刺激輔助的 Hybrid 范式中，在 Cz 電極處附近有明顯的 ERD 現象產生。根據圖 11 可知，在 beta 頻段中的 ERD 現象分布情況與 alpha 頻段上的情況相似。從不同實驗范式來分析，相比于單純的 MI 范式，含有電刺激的 Hybrid 范式中 ERD 現象更明顯，更集中在腦中央 Cz 導聯及其附近區域上。可以看出，無論是在 alpha 頻段還是 beta 頻段，左腳想象任務中的 ERD 現象強于右腳任務中的，受試者在左下肢運動想象任務中的能量變化也更加集中在 Cz 周圍，這與之前的時-頻圖譜分析結果一致。
圖10
alpha 頻段上全部受試者在不同實驗任務中的平均腦地形圖
Figure10.
The average brain topography of all subjects in different experimental tasks on the alpha frequency band
圖11
beta 頻段上全部受試者在不同實驗任務中的平均腦地形圖
Figure11.
The average brain topography of all subjects in different experimental tasks on the beta band
2.4 分類準確率分析
特征提取：采用濾波器組共空間模式（filter bank common spatial pattern，FBCSP）方法，首先使用三階巴特沃斯濾波器將信號分段，將 MI 信號分成 8～14、11～17、14～20、17～23、20～26 Hz 五個頻段，HY 信號除上述頻段外加入 SSSEP 特征的基波和二次諧波頻段，包括 27.5～28.5、32.5～33.5、55.5～56.5、65.5～66.5 Hz 頻段。對相應頻段中的信號進行特征提取，得到含有最大信息量的特征構建空間濾波器。
模式識別：采用支持向量機（support vector machine，SVM）進行特征分類，選取線性核函數的基礎上，解決凸優化問題：在約束條件為時，求的最小值，其中松弛項，為分類間隔，為懲罰因子。
采用十折交叉驗證法來計算不同受試者在兩種實驗范式中下肢單側運動想象的分類準確率，實現信號的分類。十折交叉的核心思想是將腦電信號數據隨機地分成 10 等份，選取其中的 9 份作為訓練集，剩下 1 份當做測試集，計算出對應的分類準確率，反復進行 10 次分類計算，取平均值作為平均分類準確率用于后續的對比分析。實驗采集兩組數據，每組包含 40 個試次，其中一組作為訓練集建立分類器模型，另一組視作測試集進行分類計算。將 FBCSP 特征提取后的數據送入 SVM 算法進行特征分類，經過十折交叉驗證后，可得到全部受試者左右腳單側運動想象的分類準確率和平均分類準確率，如表 2 所示。
表2
不同實驗范式中全部受試者的分類準確率及平均分類 準確率
Table2.
Classification accuracy and average classification accu racy of all subjects in different experimental paradigms
根據表 2 所示，可以看出被試者在含有電刺激輔助的 Hybrid 任務中，針對左右腳單側運動想象的分類準確率均明顯高于在單純 MI 范式中的分類準確率，其中有 4 名受試者在 Hybrid 范式中的分類準確率達到 80% 以上，最高分類準確率能達到 90% 以上，其余受試者準確率也高于 70%，這說明了在運動想象任務中增加電刺激輔助能夠獲得良好的實驗分類效果。在 MI 范式中，分類準確率只有 62.22%，而在 Hybrid 范式中準確率達到了 78.6%，有顯著提高。經過配對 t 檢驗分析后，MI 和 Hybrid 范式任務的分類準確率差異具有統計學意義（P=0.000 109<0.05），且準確率的方差 var 分別為 0.003 98 和 0.005 04，數據波動較小，具有參考價值，也證明電刺激輔助在運動想象任務中有積極的作用。
3 分析與討論
本文采集了 10 名受試者在有/無電刺激條件時進行下肢運動想象的腦電信號，通過頻譜圖、時-頻圖譜、腦地形圖三種方法分析了 SSSEP 和 ERD 特征分布及變化情況，同時將 FBCSP 與 SVM 算法結合，完成下肢運動想象分類識別。分析可知，在含有電刺激的 Hybrid 范式中，針對腳踝脛后神經的 28 Hz-33 Hz 刺激頻率組合能夠誘發出明顯的 SSSEP，具體表現為對應頻率處幅值及能量值的升高，且主要出現在大腦頂部的 Cz 導聯附近，符合 SSSEP 出現的位置。通過分析兩種不同刺激范式的時-頻圖譜和腦地形圖能夠看出，在含有電刺激的 Hybrid 中，無論是執行左腳還是右腳的想象任務，誘發出的 ERD 特征均強于不加電刺激的 MI 范式，且激活范圍更為集中。在分析了特征分布情況后，本研究針對下肢運動想象進行了分類識別，準確率結果顯示，在單純 MI 范式中，受試者的分類準確率大部分在 50%～70% 之間，平均準確率為 62.22%，達不到國際標準；而在加入了電刺激后，受試者的分類效果明顯提升，大部分受試者在 75% 以上，其中有受試者達到 93.75%，平均準確率為 78.61%，比沒有電刺激時顯著提高（P<0.05）。據受試者反映，有電刺激時能夠更加集中精神進行想象。綜上所述，在執行下肢運動想象任務時加入電刺激，能夠誘發出強烈的 SSSEP 和 ERD 特征，通過融合兩種特征對信號進行分類研究，能夠得到更好的下肢運動想象分類結果，說明電刺激輔助能夠增強 MI 的訓練效果。
4 結論
為了研究電刺激輔助在運動想象任務中的作用，以單純運動想象腦電信號和含有刺激輔助時的想象腦電信號為基礎，對比分析了兩種條件下信號的時-頻圖譜、地形圖及左右腳分類準確率。從分析結果能看出，在有刺激輔助的 Hybrid 范式中的 ERD 特征及變化幅度比 MI 范式中的特征更加明顯。通過采用 FBCSP 結合經典 SVM 算法對信號進行分類識別，有輔助條件下全部被試的平均分類結果可達到 78.61%，比不加入輔助刺激時的想象準確率提高了。綜上所述，電刺激輔助在下肢運動想象任務中能夠起到積極的促進作用。有電刺激輔助的下肢 MI-BCI 系統也可以進一步應用在步態康復系統中，在一定程度上推動了腦-機接口系統從實驗室走向實用化的進程。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
