面向运动规划能力评估的脑电特征分析.pdf

文章编号：1003-0530（2023）08-1433-10第 39 卷 第 8 期2023 年8 月信号处理Journal of Signal ProcessingVol.39 No.8Aug.2023面向运动规划能力评估的脑电特征分析陈龙1 简初湘1 刘秀云1，2 许敏鹏1，2 王仲朋2 明东1，2（1.天津大学医学工程与转化医学研究院，天津 300072；2.天津大学精密仪器与光电子工程学院，天津 300072）摘 要：运动规划涉及生活的方方面面，从拿起一个水杯到驾驶车辆时的应急处理，大脑无时无刻不在规划着运动的方式以获得最好的运动结果。运动规划能力的评估可以对运动员的选拔和运动规划障碍患者的诊断治疗提供重要的依据，但是传统的运动规划能力评估方法以行为学为主，经验不足的评估人员可能会得出不准确的结论。为了解决上述问题，本研究探索了基于脑电的运动规划能力评估方法，分别从时域、频域和非线性角度进行分析，提取了运动相关皮质电位（Movement-Related Cortical Potentials，MRCP）幅值，脑电功率谱密度（Power Spectral Density，PSD），脑电复杂度特征。通过相关性分析方法挖掘与行为学指标显著相关的脑电特征，发现FC4，C4及其周围导联的运动相关皮质电位幅值和反应时间呈显著负相关（FC4导联：=0.509，p=0.021；C4导联：=0.447，p=0.047），基于脑电功率谱密度计算的标准脑对称性指数（Standard Brain Symmetry Index，sBSI）和反应时间呈显著正相关（=0.494，p=0.026），LZC（Lempel-Ziv Complexity）、模糊熵（Fuzzy Entropy，FuzzyEn）均与反应时间呈显著负相关（LZC：=0.626，p=0.015；FuzzyEn：=0.459，p=0.041）。研究结果表明MRCP幅值、sBSI、LZC和模糊熵可能成为评估运动规划能力的潜在生理靶标。综上，本研究结果有望为运动规划能力的评估提供方法学指导。关键词：运动规划；运动相关皮质电位；脑电功率谱密度；LZC；模糊熵中图分类号：R318；TH77 文献标识码：A DOI：10.16798/j.issn.1003-0530.2023.08.009引用格式：陈龙，简初湘，刘秀云，等.面向运动规划能力评估的脑电特征分析 J.信号处理，2023，39（8）：1433-1442.DOI：10.16798/j.issn.1003-0530.2023.08.009.Reference format：CHEN Long，JIAN Chuxiang，LIU Xiuyun，et al.Analysis of EEG features for motor planning ability assessment J.Journal of Signal Processing，2023，39（8）：1433-1442.DOI:10.16798/j.issn.1003-0530.2023.08.009.Analysis of EEG Features for Motor Planning Ability AssessmentCHEN Long1 JIAN Chuxiang1 LIU Xiuyun1，2 XU Minpeng1，2 WANG Zhongpeng2 MING Dong1，2（1.Academy of Medical Engineering and Translational Medicine，Tianjin University，Tianjin 300072，China；2.School of Precision Instrument and Opto-electronics Engineering，Tianjin University，Tianjin 300072，China）Abstract:Motor planning is involved in all aspects of life，from picking up a glass of water to dealing with emergencies while driving a car，the brain is always planning method to obtain the best results.The evaluation of motor planning ability can provide an important basis for the selection of athletes and the diagnosis and treatment of patients with motor planning disorders.However，the traditional evaluation of motor planning ability is mainly based on behavior indexes，and inexperienced evaluators may draw inaccurate conclusions.In order to solve the problems，this study explored the objective evaluation method of motor planning ability based on electroencephalogram（EEG），and extracted movement-related cortical potentials（MRCP）amplitude，EEG power spectral density（PSD）and EEG complexity feature.The correlation analysis methods were used to explore the EEG feature significantly related to the behavioral indicators.There was a significant negative correlation between MRCP amplitude and reaction time in FC4，C4 and around channels（FC4：=0.509，p=收稿日期：2023-03-06；修回日期：2023-04-25基金项目：国家自然科学基金（82001939，81925020，62006171）信号处理第 39 卷0.021；C4：=0.447，p=0.047）.The standard brain symmetry index（sBSI）calculated based on power spectral density was significantly positively correlated with reaction time（=0.494，p=0.026）.Lempel-Ziv complexity（LZC）and Fuzzy entropy（FuzzyEn）were significantly negatively correlated with reaction time（LZC：=0.626，p=0.015；FuzzyEn：=0.459，p=0.041）.Our results suggest that MRCP amplitude，sBSI，LZC，and fuzzy entropy may be potential physiological targets for evaluating motor planning ability.In conclusion，the results of this study are expected to provide methodological guidance for the assessment of motor planning ability.Key words:motor planning；movement-related cortical potential；EEG power spectral density；Lempel-Ziv complexity；fuzzy entropy1引言日常生活中经常面临需要同时执行运动和认知任务的情况。这些运动和认知的多任务处理情况要求人们在不同的任务要求之间切换。例如，羽毛球运动在击球同时需要考虑击球落点与角度，这决定了运动结果。运动规划能力属于运动认知能力的一种。在日常生活中运动由运动规划阶段和运动执行阶段组成1，许多论文研究了运动规划期间大脑活动的模式和功能，运动规划的内容由预期控制到运动准备，再到运动编程。运动规划的应用范围很广泛，它对于建立运动系统的状态是至关重要的2-4。同时也被证明可以改善任务结果5-8。研究人员还发现，在患有发育协调障碍（Developmental Coordination Disorder，DCD）的儿童中，大多存在运动规划不良，影响日常生活的表现和活动9-10。因此，运动规划能力的评估可以应用到体育、国防、医疗等领域，有望为运动员、特种人员的选拔训练以及运动规划障碍（DCD，脑卒中等）患者的诊断与康复提供辅助性的应用支撑。运动规划能力的传统评估方式是末态舒适（End-State Comfort，ESC）比例和反应时间11-12。ESC指的是发现成年人在抓取物体时，倾向于以不舒服的方向开始运动为代价，以确保运动结束位置的舒适姿势13-14。ESC的研究范式包含棍棒运输任务15，八边形任务16等，棍棒运输任务是将放置在木架上的木棒移动到指定的位置，Noten17等人通过该范式研究了儿童运动规划能力的发展，发现了约束任务可以对ESC产生积极影响。八边形任务是按照一定的要求将八边形转盘旋转到目标位置。Wilmut18等人通过该范式研究了DCD患者的运动规划能力，验证了DCD患者运动规划能力弱并揭示了八边形旋转角度和DCD患者之间的关系。Chen11等人则是通过反应时间探究了经皮迷走神经电刺激（Transcutaneous Vagus Nerve Stimulation，tVNS）对运动规划能力的影响，发现了tVNS可以显著降低反应时间，也就是说tVNS提升了运动规划能力。传统的运动规划能力评估方法以行为学为主，经验不足的评估人员可能会得出不准确的结论。而头皮脑电（Electroencephalogram，EEG）作为一种便捷的非侵入性大脑电生理信息监测手段，具有极高的时间分辨率被广泛用于运动认知能力的研究19-20。Yilmaz21等人研究了运动认知障碍患者的MRCP活动，结果表明运动认知障碍患者在任务期间表现出更长的运动规划时间和更大的MRCP绝对幅值，表明运动认知障碍患者在手意图移动时需要更大的计算量。不使用患手会引起健康半球的过度激活，从而导致更大的MRCP绝对幅值，并可能导致大脑受损侧更强的不良适应抑制，阻碍皮质重组和运动康复。Balconi22等人研究了 MRCP 的准备电位（Readiness Potential，RP）在手势规划中的作用。证明在手势规划过程中，大脑能以不同的方式激活前中央区域，并对RP峰值振幅和延迟产生显著影响。并且辅助运动区域在正确的手势执行和想象时表现出类似的激活，其他前运动区域和顶叶区域则根据任务和手势的类型也被不同激活。Zaepffel23等人通过分析在预抓取任务中记录的振荡，表明了事件相关去同步（Event-Related Desychronization，ERD）和关联性负变（The Contingent Negative Variation，CNV）是反映运动控制不同方面的不同现象。此外他们还认为特定导联的早期功率衰减可能反映运动皮层和前运动皮层中和运动认知的相关的电生理活动。此外，复杂性指标也被广泛应用于运动认知障碍患者的研究24。综上，运动规划属于运动认知的范畴，脑电在运动和认知任务中有一定的研究。运动规划的传统评1434第 8 期陈龙 等：面向运动规划能力评估的脑电特征分析估方式以行为学为主。但是行为学的评估方式相对于电生理存在一定的缺陷。本研究通过脑电的运动相关皮质电位（Movement-Related Cortical Potentials，MRCP）幅值、脑电功率谱密度（Power Spectral Density，PSD）、脑电复杂度特征和行为学的相关性分析，希望可以找到相应的特征，进而对运动规划能力进行电生理评估。有望为运动认知障碍患者，运动员等提供更加高效一致的评估方法。2方法与实验2.1受试者情况本研究共招募了20名右利手健康受试者（男性14名，女性6名，平均年龄为22.1岁，年龄标准差为1.3岁）。所有受试者均未报告有任何精神或神经疾病。实验前，所有受试者都收到并签署了可能出现不良反应的书面知情同意书。所有受试者都被告知实验的方法和具体的操作步骤。2.2实验流程实验在一个安静、光线充足、电磁屏蔽的房间里进行。受试者舒服地坐在椅子上。图片显示在距离受试者约60 cm的屏幕上。八边形转盘放置在屏幕下方，保证转盘不会挡住屏幕。在实验之前，受试者被要求练习两个Block来熟悉任务。正式实验时，受试者执行4个相同的Block，并被要求在两个相邻的 Block 之间休息 3 min。每个 Block 包含32个试次，单个Block大约需要6 min。图1显示了由传统八边形任务修改的实验装置18。为了受试者更好地识别目标，本研究将颜色标识符改为字母A到H。实验装置由一块方形木板和一块八边形转盘组成。八边形转盘安装在方形木板的中央，八边形转盘可以双向旋转。金属指针初始位置指向字母A。单个试次实验中包含运动想象旋转转盘和现实中旋转转盘。一个是运动想象任务，一个是实际操作任务，步骤是一致的。受试者需要用左手抓握住小八边形转盘，保证五个手指需要在八边形的不同边，同时保证在接下来的旋转中手指不离开八边形转盘。然后屏幕会给出目标字母（图1中的目标位置是F，目标位置可以是八个字母中的任意一个），受试者需要旋转八边形转盘使指针指向指定的位置。旋转方向可以是顺时针方向，也可以是逆时针方向。图2说明了实验中单个试次的流程。在实验开始前，受试者被要求将手指放在键盘上的空格键上。每次试验都以一个持续1 s的实心红圆开始，然后随机黑屏13 s。黑屏后，实验装置以图片的形式出现在屏幕上，金属指针指向初始位置。同时有一个红色箭头指向目标字母。受试者被要求进行运动想象，内容包括用左手抓住八边形转盘，并旋转它，使金属指针指向目标位置。在完成运动想象后，受试者需要按空格键来记录整个运动想象过程的反应时间。然后屏幕会提示受试者进行实际的八边形转盘抓握旋转，受试者需要抓握住屏幕下方实际放置的八边形木块并将其旋转到目标位置。在完成真实的旋转任务后，受试者必须再次按空格键。然后“休息”一词就会出现在屏幕上。受试者可以休息1 s。2.3数据获取和数据处理行为学数据中的反应时间（RT）由Matlab R2013b（MathWorks，MA，USA）记录，Psychtoolbox与标准键盘接口通信。反应时间被定义为黑屏结束时刻到第一次按键之间的时间。受试者反应过快（300 ms）的试次被删除。行为学数据中的末态舒适数据由工作人员手动记录。对于每个字母序列，拇指的初始位置和结束位置会被记录下来。棍棒运输任务的末态舒适状态有两种可能的握力选择，这些选择被实图1实验装置图Fig.1Figure of experimental device图2实验流程图Fig.2Experimental flow figure1435信号处理第 39 卷验者分为舒适和不舒服。在当前的任务中，有许多不同的握法可供选择，因此需要一个非主观的终端状态舒适度测量18。在实验开始前，受试者需要按照任务要求将大拇指抓在八边形的不同边上，并对不同边上的舒适度进行打分。八边形装置有八条边可供受试者抓握，受试者在抓握后，需对每条边的舒适程度进行评估，并根据舒适程度对每条边进行评分，最舒适的边将获得8分，第二舒适的边将获得7分，分数随着边舒适程度的下降依次递减，舒适程度最低的边将获得1分。之后统计所有受试者在八种抓握方式上的总分，发现有两种抓握方式的得分明显高于其他抓握方式。遂本文使用实验中抓握这两条边的次数与总实验次数的比值作为末态舒适比例的计算公式。与以往研究不同的是，本文使用的舒适位置的数量相对较少。脑电图信号使用SynAmps系统（Neuroscan，USA）连续记录。64个电极按照国际10-20系统放置。参考电极为鼻部。系统采样率设置为1 kHz。脑电信号处理使用Python。首先，预处理使用1100 Hz的带通滤波器进行滤波，50 Hz陷波器去除工频干扰。之后采用独立分量分析（Independent Component Analysis，ICA）方法去除眼部和其他肌肉引起的伪影，最后在保证脑电不失真的前提下，为了减少运算量将脑电数据降采样到250 Hz。为了分析MRCP幅值，定义第一次按键时刻为零时刻，根据按零时刻的时间将事件从1.5 s到0.5 s进行分段，并根据1.5 s到1 s数据的平均值对每个分段进行基线校正。PSD和复杂度的零时刻都是为随机黑屏结束的时候，PSD任务期按照零时刻的时间从0.5 s到2 s进行分段，根据0.5 s到0 s的数据对每个分段进行基线校正，休息期按照2.5 s到0 s进行分段，2.5 s到2 s进行基线矫正，复杂度按照0.5 s到2 s进行分段，根据0.5 s到0 s的数据进行基线校正。2.4统计分析方法采用Spearman相关系数和Pearson相关系数分析行为学和脑电特征的相关性。末态舒适比例和脑电特征的相关性采用Spearman相关系数。反应时间和不同脑电特征的相关性在符合正态性的前提下使用Pearson相关系数，否则使用Spearman相关系数。MRCP幅值使用最大绝对幅值前0.1 s和后0.1 s的数据均值进行相关性分析，PSD和LZC计算了不同频带的均值进行相关性分析。所有的结果均应用Benjamini-Hochberg（BH）错误发现率（FDR）校正。所有统计检验均采用显著性水平p0.05。3结果3.1行为学特征本研究对行为学和Block之间的关系进行了研究。Block1 到 Block4 是按照时间顺序进行的，Block1是第一个进行的，Block4是最后一个。图 3是20名受试者4个Block的反应时间的结果图。其中横坐标代表不同的 Block，纵坐标代表反应时间，图中显示随着实验的进行，反应时间有降低的趋势。图4是20名受试者4个Block的末态舒适比例结果图。其中横坐标代表的是Blocks，纵坐标表示的是末态舒适比例。从图中可以看出，随着实验的进行，反应时间呈现下降的趋势，末态舒适比例呈现上升的趋图34个Block的反应时间Fig.3Reaction time for 4 blocks图44个Block的末态舒适比例Fig.4End-state-comfort proportions for 4 blocks1436第 8 期陈龙 等：面向运动规划能力评估的脑电特征分析势。以Block为变量对反应时间和末态舒适比例行单因素方差分析，反应时间和 ESC 的 p 值分别是0.375和0.556，均没有显著性。这表明虽然训练对反应时间和末态舒适效应产生了一定的改善作用，但是并没有达到显著性差异。这可能是由于任务难度偏大或训练次数没有达到一定阈值导致的。3.2时域特征本文在单独绘制了60个导联的叠加平均图后，发现在 FC4、C4、FC3、C3 导联及其附近区域的MRCP较为明显，以往研究MRCP使用的导联也以这部分导联为主。为了增加叠加试次，本文不使用单个导联，而是定义了ROI区域，以FC4、C4和对侧的FC3、C3导联为中心建立四个ROI区域：FC4及其周围导联区包含的特征导联为FC4、FC2、FC6、F4、C4；C4及其周围导联区包含特征导联为C2、C4、C6、FC4、CP4；FC3及其周围导联区包含的特征导联为FC3、FC1、FC5、F3、C3；C3 及其周围导联区包含的特征导联为C1、C3、C5、FC3、CP3。对每个区域所有受试者全部特征导联进行叠加平均，得到的MRCP如图5和图6所示。图5展示了FC4及其周围导联区和FC3及其周围导联区的MRCP结果。其中横坐标是时间，单位是s，零时刻代表按键的时刻，纵坐标代表MRCP幅值，单位是V。从图中可以看出，第一个峰值出现在零时刻前0.15 s左右，第二个出现零时刻后0.2 s左右，第一个峰值和以往的研究是类似的。第二个峰值出现的原因在于本实验的实验范式。在完成运动想象后，按键导致了第一个负峰值。按键完成后对实际的抓握转盘进行旋转导致了第二个峰值。考虑到第一次按键运动可能会影响现实中旋转转盘运动的MRCP峰值。本研究只对第一次MRCP峰值进行分析。图6显示了C4及其周围导联和C3及其周围导联区的MRCP结果。结果和FC4及其周围导联和FC3及其周围导联区类似。本研究中用于相关性分析的MRCP幅值，定义如下：波形范围为所有受试者全部特征导联叠加平均后绝对峰值最大值前0.1 s和后0.1 s之间的波形（图5和图6阴影部分）。通过该范围计算单个人所有特征导联叠加平均后的波形，再对这段波形值进行平均，得到单个人的MRCP幅值。计算每个人反应时间、末态舒适比例均值后分别和幅值进行相关性分析。表1展示了相关性分析的结果。其中，代表相关系数，p代表p值。从表中可以看出研究的四个区域中，任务手对侧的FC4及其周围导联区和C4及其周围导联区的MRCP幅值均与反应时间显著负相关（FC4 及其周围导联区：=图6C4、C3及其附近导联区的MRCP幅值Fig.6MRCP amplitudes of C4，C3 and around channels region图5FC4、FC3及其附近导联区的MRCP幅值Fig.5MRCP amplitudes of FC4，FC3 and around channels region表1MRCP幅值和行为学的相关性Tab.1The correlation between MRCP value and behaviorFC4及其周围导联区C4及其周围导联区FC3及其周围导联区C3及其周围导联区反应时间0.5090.4470.3720.377p0.021*0.047*0.1050.100末态舒适比例0.1640.1160.0660.033p0.4890.6260.7810.8871437信号处理第 39 卷0.509，p=0.021；C4及其周围导联区：=0.447，p=0.047）。绘制归一化图，如图7和图8所示。MRCP幅值和末态舒适比例之间没有相关性。3.3频域特征脑电功率谱密度计算方法为Welch法，研究的ROI区域为ROI1（包含FC2、FC4和FC6），ROI2（包含 C2、C4 和 C6），ROI3（包含 CP2、CP4 和 CP6）和ROI4（包含 FC2、FC4、FC6、C2、C4、C6、CP2、CP4 和CP6）共四个区域。绘制了频带为150 Hz的ROI4区功率谱密度图如图9所示，红色代表任务期，黑色代表休息期，横坐标是频带，纵坐标是PSD值。相对于休息期而言，在 频带呈现能量提升现象，在，频带均呈现能量降低现象。为了研究PSD对运动规划能力的评估能力，对PSD 进行量化，使用定量脑电图（Quantitative Electroencephalogram，qEEG）中 的 功 率 比 指 数（Power Ratio Index，PRI）和标准脑对称性指数（Standatd Brain Symmetry Index，sBSI）对任务期运动规划能力进行研究。PRI的计算公式为：Delta Theta Alpha Beta Ratio，DTABR=+（1）Delta Alpha Ratio，DAR=（2）Theta Beta Ratio，TBR=（3）Theta Alpha Ratio，TAR=（4）Theta Beta Alpha Ratio，TBAR=+（5）其中，是全局相对功率。sBSI 的计算公式为：sBSI=1Ni=1N|Ri-LiRi+Li（6）其中N代表频率25 Hz，Ri代表右半球频率i的PSD，Li代表左半球频率i的PSD。脑对称性指数使用脑电频带为125 Hz，ROI区域为ROI2区和对侧导联（包含C1、C3和C5）。结果如表2。图7FC4及其附近导联区MRCP和反应时间的相关性分析Fig.7Correlation analysis of MRCP and reaction time in the FC4 and around channels图8C4及其附近导联MRCP和反应时间的相关性分析Fig.8Correlation analysis of MRCP and reaction time in the C4 and around channels图9150 Hz的PSD结果图，红色代表任务态，黑色代表静息态Fig.9Figure of PSD from 1 to 50 Hz，red for task state and black for resting state1438第 8 期陈龙 等：面向运动规划能力评估的脑电特征分析从表中可以看出，运动规划的反应时间和标准脑对称性指数之间呈现显著正相关（=0.494，p=0.026）。归一化结果如图10所示。运动规划的反应时间和功率比指数之间没有相 关 性（DTABR：=0.193，p=0.620；DAR：=0.388，p=0.351；TBR：=0.095，p=0.819；TAR：=0.242，p=0.605；TBAR：=0.054，p=0.819），qEEG和末态舒适比例之间没有相关性。3.4复杂度特征复杂度特征研究的 ROI 区域为 ROI1（包含FC2、FC4 和 FC6），ROI2（包含 C2、C4 和 C6），ROI3（包含 CP2、CP4 和 CP6）和 ROI4（包含 FC2、FC4、FC6、C2、C4、C6、CP2、CP4和CP6）四个区域。研究的特征为模糊熵（FuzzyEn）和Lempel-Ziv Complexity（LZC）。研究的频带为 Mu（911 Hz）、SMR（1315 Hz）、Beta1（1316 Hz）、Beta2（1620 Hz）和Beta3（2030 Hz）。结果如表3和表4。表3代表的是模糊熵在Beta1频带的结果，表4代表的是LZC在SMR频带的结果。结果显示，对于模糊熵而言，模糊熵和反应时间在ROI3区显示显著负相关（=0.459，p=0.041），归一化结果如图11所示。模糊熵和反应时间在其他区域没有相关性（ROI1区：=0.206，p=0.383；ROI2区：=0.282，p=0.383；ROI4区：=0.243，p=0.383）。模糊熵和末态舒适比例之间没有相关性。表4是LZC的结果，LZC和反应时间在ROI2区呈现显著相关性（=0.626，p=0.015），归一化结果如图12所示。LZC和反应时间在其他区域没有相关表3FuzzyEn和行为学的相关性分析Tab.3The correlation between FuzzyEn and behaviorROI1区ROI2区ROI3区ROI4区反应时间0.2060.2820.4590.243p0.3830.3830.041*0.383末态舒适比例0.2230.2140.2740.248p0.3630.3630.3630.363表4LZC和行为学的相关性分析Tab.4The correlation between LZC and behaviorROI1区ROI2区ROI3区ROI4区反应时间0.3680.6260.1610.464p0.1370.015*0.4970.065末态舒适比例0.0420.3480.2090.192p0.8570.5210.5210.521图10sBSI和反应时间的相关性分析Fig.10Correlation analysis of sBSI and reaction图11Beta1频带的模糊熵和反应时间的相关性分析Fig.11Correlation analysis of FuzzyEn and reaction time in Beta1 band表2定量脑电图和行为学的相关性Tab.2The correlation between qEEG and behaviorDTABRDARTBRTARTBARsBSI反应时间0.1930.3880.0950.2420.0540.494p0.6200.3510.8190.6050.8190.026*末态舒适比例0.2980.1130.4940.2800.4000.090p0.4020.7710.1870.4020.2810.7711439信号处理第 39 卷性（ROI1区：=0.368，p=0.137；ROI3区：=0.161，p=0.209；ROI4区：=0.464，p=0.065）。LZC和末态舒适比例之间没有相关性。4讨论此前已经有研究探究了运动认知和脑电之间的关系，在此基础上本文开展了基于脑电的运动规划能力评估方法研究，挖掘与运动规划能力显著相关的神经电生理指标。针对MRCP分析，本研究发现MRCP幅值与反应时间之间具有显著负相关性，表现为反应时间越短，MRCP幅值越大（即振幅越小）。上述现象可能的原因是具有较强运动能力的受试者完成相同任务所需调用的认知资源相对较少。事实上Hirano25 等人发现MRCP振幅和突触活动性改变有关，说明振幅和调用认知资源之间的关系。Wright26 等人则是研究了吉他手普通人在音乐演奏任务中的 MRCP 振幅，发现吉他手在运动准备过程中MRCP振幅减少伴随着任务中的出色表现，表明强运动能力对应较小的MRCP振幅。这和本研究的相关性结果是统一的。本研究的相关性区域出现的位置为任务手对侧脑区的 FC4 和 C4 导联及其附近导联。Toma 等人27通过应用偶极子源分析发现内侧额中区（MFC）和感觉运动区（SM1）可能是MRCP的发生部位。这和本研究相关性的结果在区域上是一致的。证明了MFC、SM1和运动规划能力有关。基于PSD的量化指标sBSI被广泛用于脑损伤疾病的神经损伤程度评估28。本研究在此基础上探究了运动规划能力和sBSI之间的关系，发现运动规划能力行为学表征的反应时间和sBSI之间具有显著正相关。Agius29等人比较了健康受试者和中风受试者的 BSI评分，发现中风患者的 sBSI更高。可认为运动规划能力弱的人群对应着高sBSI。本研究结果发现sBSI越小，反应时间越少，即对运动规划任务的处理效率越高。另外，以往的研究表明大脑的电活动显示出高度非线性和动态特性30。因此，非线性动力学特征可以提供有关不同大脑状态的关键信息。Liu31等人发现阿尔茨海默病患者脑电LZC明显降低，而阿尔兹海默病的特征是认知和记忆的进行性损害32，故认为认知损伤可能导致低LZC值。本研究发现LZC和运动规划能力行为学表征的反应时之间呈现显著负相关。表明复杂度越高，反应时间越短，代表运动规划能力越强。本研究还发现模糊熵和反应时间呈显著负相关，表明模糊熵值越高，反应时间越短，表征运动规划能力越强。这和Simons33等人在模糊熵上的结果相类似。5结论本文初步探究了使用脑电特征指标来评估运动规划能力。本文对运动规划能力研究的八边形转盘范式做了改进，在实验过程中采集了末态舒适比例和反应时间两个行为学指标，同时采集了脑电信息。通过分析脑电信息的时域特征，频域特征和复杂度特征，并将脑电信息和行为学信息进行联合分析，发现了 FC4 和 C4 区域的 MRCP 幅值特征，qEEG的sBSI特征，模糊熵和LZC可以用来评估运动规划能力。本研究存在一定的局限性，需要进一步探讨。运动规划能力评估广泛使用的行为学指标末态舒适比例在本研究中没有表现出相关性结果。可能的原因是复杂任务的末态舒适效应将变得不明显，使得评估的表现不佳。也可能是受试者人群的问题，以往的研究对末态舒适效应好坏的区分集中在不同人群之间，例如DCD患者和正常人。而本研究的受试者均为健康人群。健康人群在末态舒适效应的表现上不会产生较大差异，进而导致了结果的不佳。在今后的工作中，评估工作拟涉及不同类型人群并寻找特异性特征。图12SMR频带的LZC和反应时间的相关性分析Fig.12Correlation analysis of LZC and reaction time in SMR band1440第 8 期陈龙 等：面向运动规划能力评估的脑电特征分析参考文献1 WONG A L，HAITH A M，KRAKAUER J W.Motor planning J.The Neuroscientist，2015，21（4）：385-398.2 BASU D，MURTHY A.Parallel programming of saccades in the macaque frontal eye field：are sequential motor plans coactivated？J.Journal of Neurophysiology，2020，123（1）：107-119.3 AMES K C，RYU S I，SHENOY K V.Neural dynamics of reaching following incorrect or absent motor preparationJ.Neuron，2014，81（2）：438-451.4 GALE D J，FLANAGAN J R，GALLIVAN J P.Human somatosensory cortex is modulated during motor planningJ.Journal of Neuroscience，2021，41（27）：5909-5922.5 ARIANI G，DIEDRICHSEN J.Sequence learning is driven by improvements in motor planning J.Journal of Neurophysiology，2019，121（6）：2088-2100.6 HARDWICK R M，FORRENCE A D，KRAKAUER J W，et al.Time-dependent competition between goal-directed and habitual response preparation J.Nature Human Behaviour，2019，3（12）：1252-1262.7 HAITH A M，PAKPOOR J，KRAKAUER J W.Independence of movement preparation and movement initiation J.Journal of Neuroscience，2016，36（10）：3007-3015.8 YANG Lingling，LEUNG H，PLANK M，et al.EEG activity during movement planning encodes upcoming peak speed and acceleration and improves the accuracy in predicting hand kinematics J.IEEE Journal of Biomedical and Health Informatics，2015，19（1）：22-28.9 BARNETT A L，PRUNTY M.Handwriting difficulties in developmental c