經顱直流電刺激（tDCS）作為一種新興的無創腦刺激技術，在腦卒中康復領域受到越來越多的關注，然而，其作用效應有待進一步研究。tDCS刺激模式包括雙極刺激模式、陽極刺激模式以及陰極刺激模式，本文納入了19例腦卒中患者（10例患者大腦左側受損，9例患者大腦右側受損），采集受試者雙極刺激、陽極刺激、陰極刺激以及偽刺激在刺激前、后的靜息態腦電圖（EEG）信號，其中偽刺激作為對照組，對比分析刺激前、后EEG信號多尺度固有模糊熵（MIFE）的變化。結果發現，左側病灶患者雙極刺激后額葉和中央區的MIFE值增大且差異具有統計學意義（P < 0.05），陽極刺激后左側中央區的MIFE值增大且差異具有統計學意義（P < 0.05），陰極刺激后額葉和右側中央區的MIFE值增大且差異具有統計學意義（P < 0.05）；右側病灶患者雙極刺激后額葉、中央區和頂枕聯合區的MIFE值增大且差異具有統計學意義（P < 0.05），陽極刺激后左額葉和右側中央區的MIFE值增大且差異具有統計學意義（P < 0.05），陰極刺激后中央區和右枕葉區的MIFE值增大且差異具有統計學意義（P < 0.05）；而偽刺激前、后差異不具有統計學意義（P > 0.05）；由此發現雙極刺激模式影響的腦區范圍最大。本研究或可為腦卒中后康復的臨床研究提供一定的參考價值。
引用本文： 于洪麗, 張少謙, 王春方, 郭磊, 徐桂芝. 基于腦電圖的多模式經顱直流電刺激對腦卒中的作用效應研究. 生物醫學工程學雜志, 2022, 39(5): 966-973. doi: 10.7507/1001-5515.202206018 復制
引言
2017年全球疾病負擔研究的系統分析（a systematic analysis of the global burden of disease study 2017）顯示，腦卒中是全球第二大死亡和致殘原因[1]，腦卒中患者數量占神經系統疾病致殘患者數量的四分之一[2]。腦卒中具有高發病率、高死亡率和高殘疾率的特點，嚴重影響人民的健康和安全[3]。傳統的腦卒中康復治療手段如運動想象[4]、強制性運動[5]、針灸等均具有一定局限性，因此探索一種新穎且有效的腦卒中治療方法具有重要的臨床意義[6-7]。經顱直流電刺激（transcranial direct current stimulation，tDCS）是一種無創腦刺激技術，通過微弱的直流電來調控大腦皮層神經元的興奮性。目前，tDCS作為一種有效、安全、易于操作的治療手段[8]，在腦卒中疾病康復領域受到越來越多的關注，然而其作用效應有待進一步研究。
tDCS應用于腦卒中的作用模式包括雙極刺激模式、陽極刺激模式以及陰極刺激模式，哪種刺激模式效果最佳尚待進一步研究。Bao等[9]對11例單側慢性腦卒中患者執行前后腕部等距收縮任務時，施行高清tDCS（high definition-tDCS，HD-tDCS），研究了陽極、陰極HD-tDCS對慢性腦卒中患者患側初級運動皮層的即時調節作用，發現陽極HD-tDCS后患者皮質肌肉相干性增強，皮質震蕩功率增大。Muffel等[10]研究了雙極tDCS和陽極tDCS對腦卒中手臂偏癱患者運動學評估的影響，結果發現雙極tDCS對腦卒中后感覺運動功能的影響更為明顯。Wong等[11]研究了多模式tDCS對慢性腦卒中患者雙任務步態表現的影響，結果發現單次雙極tDCS和陰極tDCS可改善雙任務步態表現。Bai等[12]對腦卒中后康復領域的29項研究進行薈萃分析，結果發現對上肢偏癱腦卒中患者采用10次以下的陽極或陰極tDCS后上肢功能改善效果更優，對亞急性腦卒中患者采用雙極tDCS后下肢功能改善效果明顯。
目前，臨床上主要通過臨床量表來評估tDCS療效[13]，尚需結合神經電生理學以及功能影像學技術[14]，如功能性核磁共振成像（functional magnetic resonance imaging，fMRI）、電子計算機斷層掃描（computed tomography，CT）、腦電圖（electroencephalogram，EEG）等技術，進一步評估tDCS作用于腦卒中后的康復療效。其中EEG信號可以反映大腦內神經元群的綜合電生理活動，包含了大量的生理信息[15]，且腦卒中患者的EEG信號與健康人的EEG信號不同[16]，因此本文采用EEG信號來評估tDCS作用于腦卒中后的康復療效。
熵，通常是衡量信號復雜性以及大腦系統魯棒性的一個客觀指標[17-18]，多尺度固有模糊熵（multiscale inherent fuzzy entropy，MIFE）算法對噪聲多、非線性和非平穩的信號分析具有較好的魯棒性[19]。本文通過采集19例腦卒中患者多模式tDCS前、后靜息態EEG信號，利用MIFE算法來分析EEG信號的復雜度，進而為應用于腦卒中后康復的tDCS臨床研究提供參考。
1 試驗內容與處理方法
1.1 試驗對象
本次試驗共招募19名腦卒中患者。受試者納入標準：① 符合1995年全國第四次腦血管疾病會議修訂的腦卒中診斷標準；② 首次患病，經顱腦CT或磁共振成像(magnetic resonance imaging，MRI）檢查明確；③ 生理體征參數穩定，患病時間為1～3個月；④ 具有一定的認知及語言能力，能配合試驗操作。排除標準：① 有腦外傷疾病、癲癇病或者器質性腦傷病史；② 有精神類疾病或病史；③ 身上攜帶植入性電子裝置（如心臟起搏器）。脫落標準：① 由于各種原因不能完成全部試驗；② 患者自己主動要求退出。19名受試者均符合納入標準并全部完成試驗。MRI顯示，其中10名受試者的大腦受損部位位于大腦左側半球，定義為左側病灶患者，其余9名受試者的大腦受損部位位于大腦右側半球，定義為右側病灶患者。受試者的基本信息如表1所示，其年齡、性別和病程的差異不具有統計學意義（P > 0.05）。
表1
受試者基本信息
Table1.
Basic information of subjects
受試者均來自天津市人民醫院，自愿參加試驗并簽訂了知情同意書。本研究方案經河北工業大學生物醫學倫理委員會審查通過（審核編號：HEBUThMEC2021034）。
1.2 試驗設備及參數選擇
試驗采用電刺激儀IS200（四川智能電子實業有限公司，中國），該設備可以持續監測電極阻抗，當檢測到電極與皮膚接觸不良時就會終止刺激，符合最高安全標準。在試驗中，選用表面積為5 × 7 cm2的電極片，刺激電流設置為1.8 mA，電流密度為0.051 43 mA/cm2。根據10-20國際標準導聯系統，采用64通道的EEG信號記錄儀NeuroScan（NeuroScan，美國）采集數據，試驗中采樣頻率為250 Hz，電極和頭皮之間的接觸阻抗控制在10 kΩ以下。
受試者在接受臨床康復治療的基礎上，進行tDCS刺激。試驗中共采用4種tDCS刺激模式：雙極刺激模式、陽極刺激模式和陰極刺激模式，并以偽刺激作為對照組。① 雙極刺激中，陽極電極放置在大腦患側的初級運動區，陰極電極放置在大腦健側相同腦區。② 陽極刺激中，陽極電極放置在大腦患側的初級運動區，陰極電極放置在大腦健側眼眶上側。③ 陰極刺激中，陰極電極放置在大腦健側的初級運動區，陽極電極放置在大腦患側眼眶上側。④ 在偽刺激試驗中，偽刺激的電極放置位置與陽極刺激相同，首先進行40 s真刺激，之后電刺激儀自動斷開，其他條件不變。每個受試者的試驗共進行4次，每次間隔1周，4次試驗刺激模式順序隨機，試驗順序對結果沒有影響。試驗環境確保安靜，無電磁干擾，光線暗，受試者在整個EEG信號采集過程中不允許有大幅度的肢體運動。
刺激時間持續20 min，刺激淡入淡出時間為30 s。在tDCS前、后，對受試者分別采集10 min的靜息態EEG信號，數據采集與分析流程圖如圖1所示。
圖1
數據采集與分析流程圖
Figure1.
Flow chart of the data acquisition and analysis
1.3 EEG信號預處理
EEG信號微弱，須用科學計算軟件Matlab 2014a（MathWorks，美國）對采集到的EEG信號進行預處理。處理步驟如下：① 導入數據并匹配電極位置。② 采用差值校正的方法取代壞電極。③ 重參考。④ 采用帶寬為0.5～45 Hz的漢明窗濾波器濾波。⑤ 運用獨立成分分析（independent component analysis，ICA）來消除眼電偽跡。
1.4 MIFE算法
各種熵分析方法如近似熵（approximate entropy，ApEn）[17]、樣本熵（sample entropy，SampEn）[18]等，已經被用來分析復雜信號和大腦系統的魯棒性。與ApEn、SampEn相比，模糊熵（fuzzy entropy，FuzzEn）算法采用模糊隸屬度函數來評估兩個向量形狀之間的相似度，可以有效地克服數據輕微波動、基線漂移帶來的影響，而固有模糊算法在靜息狀態下復雜度更穩定、均方根偏差最小[19]。大腦中神經元群之間的相互作用橫跨多個空間尺度和時間尺度，對EEG信號采取多尺度特性分析比單尺度特性分析更適合提取EEG數據中蘊含的信息[20]。MIFE算法對噪聲多、非線性和非平穩的信號分析具有較好的魯棒性，該算法分為3部分：經驗模態分解、多尺度化過程和FuzzEn算法[21]，MIFE算法完整步驟如圖2所示。
圖2
MIFE算法流程圖
Figure2.
Flow chart of MIFE
1.4.1 經驗模態分解
應用經驗模態分解將原始EEG信號s（t）分解，得到各層內涵模態分量（intrinsic mode functions，IMF），并重建信號
。求出信號s（t）的極值Eminima和Emaxima，通過3次樣條插值連接極大值點構成上包絡線enmax（t），連接極小值點構成下包絡線enmin（t）。
首先，計算均值包絡線M(t)，如式(1)所示：
 |
其次，計算中間信號Ca(t)，如式(2)所示：
 |
第三，判斷Ca（t）是否滿足構成IMF的兩個條件。如果Ca（t）滿足約束條件，則保存Ca（t），并計算殘差res（t），如式(3)所示：
 |
令t = t + 1，輸入res（t + 1），否則，將Ca（t + 1）作為輸入數據，對殘差res（t）進行迭代，直到殘差r滿足停止條件。
最后，信號通過濾波器將高趨勢的IMF過濾，剩余的IMF累積重建，如式(4)所示：
 |
其中，參數i是IMF的序號，參數m和n分別為所選分量的上限和下限，本文中，m = 10，n = 5。
1.4.2 多尺度化過程
首先，利用z值測量對EEG信號進行歸一化處理，歸一化后的EEG信號用x（t）表示。多尺度化過程就是將信號粗粒化到不同的時間尺度。對于給定的時間序列，將長度遞增的非重疊窗口內的數據點平均，構造多個粗粒度時間序列，第τ個尺度的粗粒度時間序列 
如式(5)所示：
 |
其中，τ代表尺度因子，本文中，尺度因子τ設為20。j為時間序列 
的序號，
。
1.4.3 FuzzEn算法
首先，考慮長度為N的時間序列 
，給定m、n、r，計算向量集序列 
，并去除基線，向量 
如式(6)所示：
 |
其中，
。
代表從第i個點開始，m個連續的值。
給定矢量 
，通過模糊隸屬度函數fu定義 
與 
之間的相似度 
，如式（7）所示：
 |
其中，模糊隸屬度函數fu是一個指數函數，從對噪聲的穩健性和對數據長度的獨立性來看，更適合處理生理學信號。
是 
和 
的對應標量分量之間的最大絕對差。參數m是序列長度，r和n分別是模糊隸屬度函數邊界的寬度和梯度。
構造函數
。同樣，對于m+1，重復上述步驟，記為
，如式（8）所示：
 |
最后，將序列
的FuzzFn參數entropy（m，n，r，N）定義為
對
偏差的負自然對數，如式（9）所示：
 |
1.5 統計學分析
統計學分析采用統計產品與服務解決方案軟件SPSS 26.0（SPSS Inc., 美國）。兩組受試者性別比較采用χ2檢驗，年齡和病程采用獨立樣本t檢驗。對19名腦卒中患者多模式tDCS前、后每個導聯的MIFE值采用配對t檢驗，在配對t檢驗前應用柯爾莫哥洛夫-斯米爾諾夫（Kolmogorov-Smirnov）檢驗來評估樣本的正態性，所有統計檢驗均為雙尾檢驗，P < 0.05表示差異具有統計學意義。
2 結果及分析
2.1 左側病灶患者EEG信號分析
左側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果如表2所示。雙極刺激模式中，MIFE值差異具有統計學意義的導聯如F5、F8、C6等，主要分布在額葉和中央區（P < 0.05）。陽極刺激模式中，MIFE值差異具有統計學意義的導聯C3分布在左側中央區（P < 0.05）。陰極刺激模式中，MIFE值差異具有統計學意義的導聯FC5、FT8、C6主要分布在額葉和右側中央區（P < 0.05）。偽刺激模式中，所有導聯的MIFE值差異不具有統計學意義（P > 0.05）。
表2
左側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果（
）
Table2.
Calculation of MIFE in patients with left-hemisphere lesions in partial leads before and after multi-modal stimulation（
）
左側病灶患者4種刺激模式EEG信息圖如圖3所示。對比雙極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，雙極刺激后額葉和中央區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陽極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陽極刺激后左側中央區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陰極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陰極刺激后左枕葉的MIFE值升高，且差異具有統計學意義（P < 0.05）。然而，偽刺激前、后MIFE值差異不具有統計學意義（P > 0.05）。對比3種刺激模式之差的EEG信息圖可以發現，雙極刺激模式影響的腦區范圍最大。
圖3
左側病灶患者4種刺激模式EEG信息圖
Figure3.
EEG information diagram of four stimulation modes in patients with left-hemisphere lesions
2.2 右側病灶患者EEG信號分析
右側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果如表3所示。雙極刺激模式中，MIFE值差異具有統計學意義的導聯如F6、FC3、FC6、C5、PO4等，主要分布在額葉、中央區和頂枕聯合區（P < 0.05）。陽極刺激模式中，MIFE值差異具有統計學意義的導聯如F5、FC5、FC3、C6等，主要分布在左額葉和右側中央區（P < 0.05）。陰極刺激模式中，MIFE值差異具有統計學意義的導聯如CP5、O2、CB2等，主要分布在中央區和右枕葉區（P < 0.05）。偽刺激模式中，所有導聯的MIFE值差異不具有統計學意義（P > 0.05）。
表3
右側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果（
）
Table3.
Calculation of MIFE in patients with right-hemisphere lesions in partial leads before and after multi-modal stimulation（
）
右側病灶患者4種刺激模式EEG信息圖如圖4所示。對比雙極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，雙極刺激后額葉、中央區和右側頂枕聯合區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陽極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陽極刺激后左額葉區和中央區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陰極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陰極刺激后左側中央區和右枕葉區的MIFE值均升高，且差異具有統計學意義（P < 0.05）。然而，偽刺激前、后MIFE值差異不具有統計學意義（P > 0.05）。對比3種刺激前后之差的EEG信息圖可以發現，雙極刺激模式影響的腦區范圍最大。
圖4
右側病灶患者4種刺激模式EEG信息圖
Figure4.
EEG information diagram of four stimulation modes in patients with right-hemisphere lesions
3 討論
本文通過采集19例腦卒中患者多模式tDCS前、后的靜息態EEG信號，計算EEG信號的MIFE值，分析EEG信號的復雜度變化。結果發現，tDCS后部分腦區EEG信號的MIFE值增大，復雜度升高。EEG信號的熵，如ApEn、MIFE等，通常是衡量信號復雜性以及魯棒性的一個客觀指標。健康大腦EEG信號的復雜度較高，病態大腦EEG信號的復雜度較低[16]。Yuan等[22]在一項探討tDCS對腦卒中患者吞咽障礙及皮質激活的影響研究中發現，tDCS后受刺激區和非受刺激區的ApEn指數均增加，因此他們認為tDCS對腦卒中后吞咽障礙的恢復有改善作用。本研究結果分析表明，tDCS后部分腦區EEG信號的MIFE值增大，復雜度升高，腦卒中患者大腦狀態向健康人大腦狀態趨近，tDCS對腦卒中后患者大腦活動的改善有積極作用。
本文研究發現，不同的刺激模式影響的腦區范圍不同，其中陽極刺激后腦卒中患者患側部分腦區的EEG信號復雜度升高，陰極刺激后腦卒中患者健側部分腦區的EEG信號復雜度升高，雙極刺激后腦卒中患者患側和健側部分腦區的EEG信號復雜度升高，由此可見雙極刺激影響的腦區范圍最大。同樣，Wang等[23]在陽極刺激對腦卒中患者執行障礙的影響研究中發現，陽極刺激后同側中央區的θ頻帶的功率譜密度升高，腦卒中患者的執行功能增強。Wang等[24]分析了雙極刺激對不同病灶患者EEG信號的影響，結果發現，對左側病灶患者施加雙極刺激，同側額中央區、中央區的α頻帶能量升高，對右側病灶患者施加雙極刺激，同側額葉區和對側中央區α頻帶能量升高，α頻帶能量升高或為tDCS后腦卒中患者大腦狀態改善的特征之一。本文研究結果與上述研究結論具有很好的一致性。
腦卒中后大腦兩側運動皮質興奮性不平衡[25-26]，有研究證明陽極刺激可以使細胞膜發生去極化，增加電活動，增強大腦皮質興奮性[27-28]；陰極刺激優先激活軸突，縮短動作電位的延遲，以提高神經元集群的興奮性[29]。雙極刺激可能通過陰極刺激健側運動皮層，額外調節大腦半球間的相互作用，從而增強陽極刺激對病變半球的影響[30]，由此推測，雙極刺激調節兩側大腦神經興奮性平衡可能是對腦卒中后康復較有效的主要原因之一。
4 結論
tDCS作為新興的神經調控技術，在卒中后康復領域得到了廣泛的應用。tDCS刺激模式包括雙極刺激模式、陽極刺激模式以及陰極刺激模式，其多種刺激模式的作用效應尚未明確。本文采集了多名腦卒中患者多模式tDCS前、后靜息態EEG信號，計算了EEG信號的復雜度。結果發現，不同刺激模式影響的腦區范圍不同，其中雙極刺激模式影響的腦區范圍最大，本研究或可為腦卒中后康復的臨床研究提供一定的參考價值。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：作者徐桂芝和于洪麗參與了論文的選題，試驗設計，論文內容審核；作者張少謙參與了試驗設計，數據采集和分析，論文寫作；作者王春方參與了試驗設計，數據采集；作者郭磊參與了試驗設計和論文修改。
倫理聲明：本研究通過了河北工業大學生物醫學倫理委員會的審批（批文編號：HEBUThMEC2021034）。
引言
2017年全球疾病負擔研究的系統分析（a systematic analysis of the global burden of disease study 2017）顯示，腦卒中是全球第二大死亡和致殘原因[1]，腦卒中患者數量占神經系統疾病致殘患者數量的四分之一[2]。腦卒中具有高發病率、高死亡率和高殘疾率的特點，嚴重影響人民的健康和安全[3]。傳統的腦卒中康復治療手段如運動想象[4]、強制性運動[5]、針灸等均具有一定局限性，因此探索一種新穎且有效的腦卒中治療方法具有重要的臨床意義[6-7]。經顱直流電刺激（transcranial direct current stimulation，tDCS）是一種無創腦刺激技術，通過微弱的直流電來調控大腦皮層神經元的興奮性。目前，tDCS作為一種有效、安全、易于操作的治療手段[8]，在腦卒中疾病康復領域受到越來越多的關注，然而其作用效應有待進一步研究。
tDCS應用于腦卒中的作用模式包括雙極刺激模式、陽極刺激模式以及陰極刺激模式，哪種刺激模式效果最佳尚待進一步研究。Bao等[9]對11例單側慢性腦卒中患者執行前后腕部等距收縮任務時，施行高清tDCS（high definition-tDCS，HD-tDCS），研究了陽極、陰極HD-tDCS對慢性腦卒中患者患側初級運動皮層的即時調節作用，發現陽極HD-tDCS后患者皮質肌肉相干性增強，皮質震蕩功率增大。Muffel等[10]研究了雙極tDCS和陽極tDCS對腦卒中手臂偏癱患者運動學評估的影響，結果發現雙極tDCS對腦卒中后感覺運動功能的影響更為明顯。Wong等[11]研究了多模式tDCS對慢性腦卒中患者雙任務步態表現的影響，結果發現單次雙極tDCS和陰極tDCS可改善雙任務步態表現。Bai等[12]對腦卒中后康復領域的29項研究進行薈萃分析，結果發現對上肢偏癱腦卒中患者采用10次以下的陽極或陰極tDCS后上肢功能改善效果更優，對亞急性腦卒中患者采用雙極tDCS后下肢功能改善效果明顯。
目前，臨床上主要通過臨床量表來評估tDCS療效[13]，尚需結合神經電生理學以及功能影像學技術[14]，如功能性核磁共振成像（functional magnetic resonance imaging，fMRI）、電子計算機斷層掃描（computed tomography，CT）、腦電圖（electroencephalogram，EEG）等技術，進一步評估tDCS作用于腦卒中后的康復療效。其中EEG信號可以反映大腦內神經元群的綜合電生理活動，包含了大量的生理信息[15]，且腦卒中患者的EEG信號與健康人的EEG信號不同[16]，因此本文采用EEG信號來評估tDCS作用于腦卒中后的康復療效。
熵，通常是衡量信號復雜性以及大腦系統魯棒性的一個客觀指標[17-18]，多尺度固有模糊熵（multiscale inherent fuzzy entropy，MIFE）算法對噪聲多、非線性和非平穩的信號分析具有較好的魯棒性[19]。本文通過采集19例腦卒中患者多模式tDCS前、后靜息態EEG信號，利用MIFE算法來分析EEG信號的復雜度，進而為應用于腦卒中后康復的tDCS臨床研究提供參考。
1 試驗內容與處理方法
1.1 試驗對象
本次試驗共招募19名腦卒中患者。受試者納入標準：① 符合1995年全國第四次腦血管疾病會議修訂的腦卒中診斷標準；② 首次患病，經顱腦CT或磁共振成像(magnetic resonance imaging，MRI）檢查明確；③ 生理體征參數穩定，患病時間為1～3個月；④ 具有一定的認知及語言能力，能配合試驗操作。排除標準：① 有腦外傷疾病、癲癇病或者器質性腦傷病史；② 有精神類疾病或病史；③ 身上攜帶植入性電子裝置（如心臟起搏器）。脫落標準：① 由于各種原因不能完成全部試驗；② 患者自己主動要求退出。19名受試者均符合納入標準并全部完成試驗。MRI顯示，其中10名受試者的大腦受損部位位于大腦左側半球，定義為左側病灶患者，其余9名受試者的大腦受損部位位于大腦右側半球，定義為右側病灶患者。受試者的基本信息如表1所示，其年齡、性別和病程的差異不具有統計學意義（P > 0.05）。
表1
受試者基本信息
Table1.
Basic information of subjects
受試者均來自天津市人民醫院，自愿參加試驗并簽訂了知情同意書。本研究方案經河北工業大學生物醫學倫理委員會審查通過（審核編號：HEBUThMEC2021034）。
1.2 試驗設備及參數選擇
試驗采用電刺激儀IS200（四川智能電子實業有限公司，中國），該設備可以持續監測電極阻抗，當檢測到電極與皮膚接觸不良時就會終止刺激，符合最高安全標準。在試驗中，選用表面積為5 × 7 cm2的電極片，刺激電流設置為1.8 mA，電流密度為0.051 43 mA/cm2。根據10-20國際標準導聯系統，采用64通道的EEG信號記錄儀NeuroScan（NeuroScan，美國）采集數據，試驗中采樣頻率為250 Hz，電極和頭皮之間的接觸阻抗控制在10 kΩ以下。
受試者在接受臨床康復治療的基礎上，進行tDCS刺激。試驗中共采用4種tDCS刺激模式：雙極刺激模式、陽極刺激模式和陰極刺激模式，并以偽刺激作為對照組。① 雙極刺激中，陽極電極放置在大腦患側的初級運動區，陰極電極放置在大腦健側相同腦區。② 陽極刺激中，陽極電極放置在大腦患側的初級運動區，陰極電極放置在大腦健側眼眶上側。③ 陰極刺激中，陰極電極放置在大腦健側的初級運動區，陽極電極放置在大腦患側眼眶上側。④ 在偽刺激試驗中，偽刺激的電極放置位置與陽極刺激相同，首先進行40 s真刺激，之后電刺激儀自動斷開，其他條件不變。每個受試者的試驗共進行4次，每次間隔1周，4次試驗刺激模式順序隨機，試驗順序對結果沒有影響。試驗環境確保安靜，無電磁干擾，光線暗，受試者在整個EEG信號采集過程中不允許有大幅度的肢體運動。
刺激時間持續20 min，刺激淡入淡出時間為30 s。在tDCS前、后，對受試者分別采集10 min的靜息態EEG信號，數據采集與分析流程圖如圖1所示。
圖1
數據采集與分析流程圖
Figure1.
Flow chart of the data acquisition and analysis
1.3 EEG信號預處理
EEG信號微弱，須用科學計算軟件Matlab 2014a（MathWorks，美國）對采集到的EEG信號進行預處理。處理步驟如下：① 導入數據并匹配電極位置。② 采用差值校正的方法取代壞電極。③ 重參考。④ 采用帶寬為0.5～45 Hz的漢明窗濾波器濾波。⑤ 運用獨立成分分析（independent component analysis，ICA）來消除眼電偽跡。
1.4 MIFE算法
各種熵分析方法如近似熵（approximate entropy，ApEn）[17]、樣本熵（sample entropy，SampEn）[18]等，已經被用來分析復雜信號和大腦系統的魯棒性。與ApEn、SampEn相比，模糊熵（fuzzy entropy，FuzzEn）算法采用模糊隸屬度函數來評估兩個向量形狀之間的相似度，可以有效地克服數據輕微波動、基線漂移帶來的影響，而固有模糊算法在靜息狀態下復雜度更穩定、均方根偏差最小[19]。大腦中神經元群之間的相互作用橫跨多個空間尺度和時間尺度，對EEG信號采取多尺度特性分析比單尺度特性分析更適合提取EEG數據中蘊含的信息[20]。MIFE算法對噪聲多、非線性和非平穩的信號分析具有較好的魯棒性，該算法分為3部分：經驗模態分解、多尺度化過程和FuzzEn算法[21]，MIFE算法完整步驟如圖2所示。
圖2
MIFE算法流程圖
Figure2.
Flow chart of MIFE
1.4.1 經驗模態分解
應用經驗模態分解將原始EEG信號s（t）分解，得到各層內涵模態分量（intrinsic mode functions，IMF），并重建信號。求出信號s（t）的極值Eminima和Emaxima，通過3次樣條插值連接極大值點構成上包絡線enmax（t），連接極小值點構成下包絡線enmin（t）。
首先，計算均值包絡線M(t)，如式(1)所示：
|
其次，計算中間信號Ca(t)，如式(2)所示：
|
第三，判斷Ca（t）是否滿足構成IMF的兩個條件。如果Ca（t）滿足約束條件，則保存Ca（t），并計算殘差res（t），如式(3)所示：
|
令t = t + 1，輸入res（t + 1），否則，將Ca（t + 1）作為輸入數據，對殘差res（t）進行迭代，直到殘差r滿足停止條件。
最后，信號通過濾波器將高趨勢的IMF過濾，剩余的IMF累積重建，如式(4)所示：
|
其中，參數i是IMF的序號，參數m和n分別為所選分量的上限和下限，本文中，m = 10，n = 5。
1.4.2 多尺度化過程
首先，利用z值測量對EEG信號進行歸一化處理，歸一化后的EEG信號用x（t）表示。多尺度化過程就是將信號粗粒化到不同的時間尺度。對于給定的時間序列，將長度遞增的非重疊窗口內的數據點平均，構造多個粗粒度時間序列，第τ個尺度的粗粒度時間序列 如式(5)所示：
|
其中，τ代表尺度因子，本文中，尺度因子τ設為20。j為時間序列 的序號，。
1.4.3 FuzzEn算法
首先，考慮長度為N的時間序列 ，給定m、n、r，計算向量集序列 ，并去除基線，向量 如式(6)所示：
|
其中，。 代表從第i個點開始，m個連續的值。
給定矢量 ，通過模糊隸屬度函數fu定義 與 之間的相似度 ，如式（7）所示：
|
其中，模糊隸屬度函數fu是一個指數函數，從對噪聲的穩健性和對數據長度的獨立性來看，更適合處理生理學信號。 是 和 的對應標量分量之間的最大絕對差。參數m是序列長度，r和n分別是模糊隸屬度函數邊界的寬度和梯度。
構造函數。同樣，對于m+1，重復上述步驟，記為，如式（8）所示：
|
最后，將序列的FuzzFn參數entropy（m，n，r，N）定義為對偏差的負自然對數，如式（9）所示：
|
1.5 統計學分析
統計學分析采用統計產品與服務解決方案軟件SPSS 26.0（SPSS Inc., 美國）。兩組受試者性別比較采用χ2檢驗，年齡和病程采用獨立樣本t檢驗。對19名腦卒中患者多模式tDCS前、后每個導聯的MIFE值采用配對t檢驗，在配對t檢驗前應用柯爾莫哥洛夫-斯米爾諾夫（Kolmogorov-Smirnov）檢驗來評估樣本的正態性，所有統計檢驗均為雙尾檢驗，P < 0.05表示差異具有統計學意義。
2 結果及分析
2.1 左側病灶患者EEG信號分析
左側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果如表2所示。雙極刺激模式中，MIFE值差異具有統計學意義的導聯如F5、F8、C6等，主要分布在額葉和中央區（P < 0.05）。陽極刺激模式中，MIFE值差異具有統計學意義的導聯C3分布在左側中央區（P < 0.05）。陰極刺激模式中，MIFE值差異具有統計學意義的導聯FC5、FT8、C6主要分布在額葉和右側中央區（P < 0.05）。偽刺激模式中，所有導聯的MIFE值差異不具有統計學意義（P > 0.05）。
表2
左側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果（）
Table2.
Calculation of MIFE in patients with left-hemisphere lesions in partial leads before and after multi-modal stimulation（）
左側病灶患者4種刺激模式EEG信息圖如圖3所示。對比雙極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，雙極刺激后額葉和中央區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陽極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陽極刺激后左側中央區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陰極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陰極刺激后左枕葉的MIFE值升高，且差異具有統計學意義（P < 0.05）。然而，偽刺激前、后MIFE值差異不具有統計學意義（P > 0.05）。對比3種刺激模式之差的EEG信息圖可以發現，雙極刺激模式影響的腦區范圍最大。
圖3
左側病灶患者4種刺激模式EEG信息圖
Figure3.
EEG information diagram of four stimulation modes in patients with left-hemisphere lesions
2.2 右側病灶患者EEG信號分析
右側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果如表3所示。雙極刺激模式中，MIFE值差異具有統計學意義的導聯如F6、FC3、FC6、C5、PO4等，主要分布在額葉、中央區和頂枕聯合區（P < 0.05）。陽極刺激模式中，MIFE值差異具有統計學意義的導聯如F5、FC5、FC3、C6等，主要分布在左額葉和右側中央區（P < 0.05）。陰極刺激模式中，MIFE值差異具有統計學意義的導聯如CP5、O2、CB2等，主要分布在中央區和右枕葉區（P < 0.05）。偽刺激模式中，所有導聯的MIFE值差異不具有統計學意義（P > 0.05）。
表3
右側病灶患者多模式刺激前、后部分導聯的MIFE值計算結果（）
Table3.
Calculation of MIFE in patients with right-hemisphere lesions in partial leads before and after multi-modal stimulation（）
右側病灶患者4種刺激模式EEG信息圖如圖4所示。對比雙極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，雙極刺激后額葉、中央區和右側頂枕聯合區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陽極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陽極刺激后左額葉區和中央區的MIFE值增大，且差異具有統計學意義（P < 0.05）。對比陰極刺激前、后的EEG信息圖，以及觀察刺激前后之差的EEG信息圖發現，陰極刺激后左側中央區和右枕葉區的MIFE值均升高，且差異具有統計學意義（P < 0.05）。然而，偽刺激前、后MIFE值差異不具有統計學意義（P > 0.05）。對比3種刺激前后之差的EEG信息圖可以發現，雙極刺激模式影響的腦區范圍最大。
圖4
右側病灶患者4種刺激模式EEG信息圖
Figure4.
EEG information diagram of four stimulation modes in patients with right-hemisphere lesions
3 討論
本文通過采集19例腦卒中患者多模式tDCS前、后的靜息態EEG信號，計算EEG信號的MIFE值，分析EEG信號的復雜度變化。結果發現，tDCS后部分腦區EEG信號的MIFE值增大，復雜度升高。EEG信號的熵，如ApEn、MIFE等，通常是衡量信號復雜性以及魯棒性的一個客觀指標。健康大腦EEG信號的復雜度較高，病態大腦EEG信號的復雜度較低[16]。Yuan等[22]在一項探討tDCS對腦卒中患者吞咽障礙及皮質激活的影響研究中發現，tDCS后受刺激區和非受刺激區的ApEn指數均增加，因此他們認為tDCS對腦卒中后吞咽障礙的恢復有改善作用。本研究結果分析表明，tDCS后部分腦區EEG信號的MIFE值增大，復雜度升高，腦卒中患者大腦狀態向健康人大腦狀態趨近，tDCS對腦卒中后患者大腦活動的改善有積極作用。
本文研究發現，不同的刺激模式影響的腦區范圍不同，其中陽極刺激后腦卒中患者患側部分腦區的EEG信號復雜度升高，陰極刺激后腦卒中患者健側部分腦區的EEG信號復雜度升高，雙極刺激后腦卒中患者患側和健側部分腦區的EEG信號復雜度升高，由此可見雙極刺激影響的腦區范圍最大。同樣，Wang等[23]在陽極刺激對腦卒中患者執行障礙的影響研究中發現，陽極刺激后同側中央區的θ頻帶的功率譜密度升高，腦卒中患者的執行功能增強。Wang等[24]分析了雙極刺激對不同病灶患者EEG信號的影響，結果發現，對左側病灶患者施加雙極刺激，同側額中央區、中央區的α頻帶能量升高，對右側病灶患者施加雙極刺激，同側額葉區和對側中央區α頻帶能量升高，α頻帶能量升高或為tDCS后腦卒中患者大腦狀態改善的特征之一。本文研究結果與上述研究結論具有很好的一致性。
腦卒中后大腦兩側運動皮質興奮性不平衡[25-26]，有研究證明陽極刺激可以使細胞膜發生去極化，增加電活動，增強大腦皮質興奮性[27-28]；陰極刺激優先激活軸突，縮短動作電位的延遲，以提高神經元集群的興奮性[29]。雙極刺激可能通過陰極刺激健側運動皮層，額外調節大腦半球間的相互作用，從而增強陽極刺激對病變半球的影響[30]，由此推測，雙極刺激調節兩側大腦神經興奮性平衡可能是對腦卒中后康復較有效的主要原因之一。
4 結論
tDCS作為新興的神經調控技術，在卒中后康復領域得到了廣泛的應用。tDCS刺激模式包括雙極刺激模式、陽極刺激模式以及陰極刺激模式，其多種刺激模式的作用效應尚未明確。本文采集了多名腦卒中患者多模式tDCS前、后靜息態EEG信號，計算了EEG信號的復雜度。結果發現，不同刺激模式影響的腦區范圍不同，其中雙極刺激模式影響的腦區范圍最大，本研究或可為腦卒中后康復的臨床研究提供一定的參考價值。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：作者徐桂芝和于洪麗參與了論文的選題，試驗設計，論文內容審核；作者張少謙參與了試驗設計，數據采集和分析，論文寫作；作者王春方參與了試驗設計，數據采集；作者郭磊參與了試驗設計和論文修改。
倫理聲明：本研究通過了河北工業大學生物醫學倫理委員會的審批（批文編號：HEBUThMEC2021034）。
