Name: 同时头皮脑电图（EEG），肌电图（EMG）和全身分部惯性录制多模态神经解码 (视频) | JoVE Journal
Uploaded: 2013-07-26T13:00:00.000+00:00
Duration: 11 min 25 s
Description: 学习同步采集头皮脑电图、肌电图与全身惯性运动数据的多模态神经解码方法，用于研究人类行走过程中的脑体动力学，为神经假肢与康复医学提供新思路。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究工作获得了国家神经疾病和卒中研究所（NINDS）资助 # R01NS075889-01 的支持。本研究部分得到了美国国立卫生研究院（NIH）临床中心院内研究计划的支持。作者还感谢 Shahriar Iqbal 和 Yongtian He 在数据收集方面提供的协助。本文的开放获取出版费用由 APDM, Inc.（美国俄勒冈州波特兰市；<a href="http://apdm.com" target="_blank">http://apdm.com</a>）赞助。

1. 受试者准备
<ol>
 <li>测量受试者的身高、体重，并记录其年龄。</li>
 <li>通过让受试者自行调节跑步机速度至感到舒适，评估其偏好的跑步机速度。</li>
 <li>使用记号笔标记受试者头部的顶点，即鼻根点与枕外隆突之间的中点。此外，标记鼻根点至枕外隆突距离的10%处，作为头帽对齐的参考点。</li>
</ol>
2. 头皮脑电图（EEG）
<ol>
 <li>按照10-20国际系统的要求，使用适合受试者的脑电图（EEG）帽安装EEG电极，方法见12。该帽可确保电极在头皮上的准确定位。</li>
 <li>将EEG帽戴在受试者头上，使第1.3步中标记的10%位置对准Fp1与Fp2电极的中点，并将Cz电极对准标记的头顶点。有关EEG帽放置的更多细节参见12。通过在下巴下方系带固定EEG帽。</li>
 <li>将EEG电极连接至EEG控制盒。首先连接接地电极和参考电极，使用小注射器向每个电极注入电解质凝胶，直至各电极阻抗低于25 kΩ（电极LED指示灯变为绿色）。有关EEG电极准备的更多细节参见12,13。</li>
 <li>将EEG电极连接至无线EEG发射器。将发射器用围绕肩部的魔术贴绑带固定在受试者身上，并将无线EEG接收器连接至两个32通道放大器。</li>
 <li>通过光纤转USB转换器，将放大器经USB端口连接至主机PC。</li>
 <li>在EEG数据采集软件中，设置EEG通道分辨率为0.1 μV，低截止频率为DC，高截止频率为1,000 Hz。</li>
</ol>
3. 表面肌电图（EMG）
<ol>
 <li>为在8个肌肉位点进行肌电图（EMG）电极放置做准备：剃除皮肤毛发，用砂纸擦拭去角质，并用异丙醇酒精垫清洁皮肤。将电极置于准备好的部位，并连接至EMG数据记录仪。将EMG接地电极置于左手或右手腕部，并连接至数据记录仪。</li>
</ol>
4. 动作捕捉
<ol>
 <li>根据制造商的说明，在 MARG 传感器连接底座时进行同步。</li>
 <li>取下 MARG 传感器，并使用魔术贴绑带或双面胶带将其固定在受试者身上，放置位置见 表 2。</li>
</ol>
5. 环境准备
<ol>
 <li>通过在跑带表面粘贴一条与水平方向成45°角的对角线标记来准备跑步机。在跑步机前方约1米处放置一台连接至摄像机的电视显示器，并在屏幕上方粘贴一个直径为2英寸的黑色圆圈。</li>
 <li>按照图3所示位置，布置5组红外接近传感器、锥形标志物和电视屏幕，以搭建行走实验区域。</li>
</ol>
6. 跑台
<ol>
 <li>受试者登上跑步机，系好安全背带。</li>
 <li>在开始数据采集前，检查脑电（EEG）和肌电（EMG）信号，以确认电极放置正确、电极连接良好以及数据传输正常。</li>
 <li>运行C++控制台应用程序以开始数据采集。按下手动触发按钮以启动EMG记录，并发出音频提示（蜂鸣声）以开始实验。</li>
 <li>受试者保持静止站立状态30秒。</li>
 <li>30秒后，按下触发按钮启动行走；跑步机缓慢加速至受试者预先设定的速度。</li>
 <li>受试者以该速度行走5分钟。</li>
 <li>5分钟后，按下触发按钮，通过缓慢停止跑步机来启动“行走转站立”过渡阶段。跑步机完全停止后，受试者继续站立30秒。随后按下“q”键以结束数据采集试验并保存数据。</li>
 <li>对以下全部三种跑步机条件重复执行步骤6.2–6.7：</li>
 <li>在注视远处黑点的同时进行跑步机行走。</li>
 <li>在通过电视显示器观察自身腿部运动的同时进行跑步机行走。</li>
 <li>在使用视频反馈避开跑步机上对角线图案的同时进行跑步机行走（以模拟认知负荷6）。</li>
</ol>
7. 行为学迷宫行走（1）
<ol>
 <li>将受试者置于行走环路的起始位置（图3）。</li>
 <li>按照6.2–6.4步骤开始数据采集。</li>
 <li>按下触发按钮以启动行走。触发时，屏幕上会在受试者对面显示第一个方向箭头（→、← 或 ↑）（图3）。若显示 → 或 ←，受试者离开入口处的锥形标志，向该方向转90°，完成环路后返回入口处的锥形标志；若显示 ↑，受试者从入口锥形标志处沿直线前行，当其行进至距离红外传感器约2米处时，实验人员手动触发并显示方向箭头（→ 或 ←）。受试者通过第一组红外传感器后，相应地转90°完成环路，返回入口处的锥形标志。（行走过程中，实验人员在距离受试者约3–5米处跟随，主机PC置于带轮推车上，以增强无线信号质量。）</li>
 <li>受试者完成单圈行走并返回入口锥形标志后继续行走。重复步骤7.3，箭头顺序随机，直至每个初始箭头方向（→、← 或 ↑）均完成3圈行走。</li>
 <li>满足条件7.4后，当受试者返回入口锥形标志时，按下手动触发按钮，提示转换为静立状态。受试者安静站立30秒后，通过主机PC上按下“q”键终止数据采集。</li>
</ol>
8. 旷场行走（2）
<ol>
 <li>调整场地行走路径，使五组红外传感器以半圆形排列在受试者前方（图4）。</li>
 <li>开始数据采集，操作方式与先前试验（7.1–7.2）相同。</li>
 <li>与“场地行走 I”类似，通过手动触发启动行走。在触发时刻，屏幕上会显示五个方向箭头之一（←、→、<img src="/files/ftp_upload/50602/50602larr.jpg" alt="图形符号箭头，从右下指向左上，表示方向或运动。" fo:src="/files/ftp_upload/50602/50602larrhighres.jpg" data-altupdatedat="1787630408000" data-alt="左箭头">、<img src="/files/ftp_upload/50602/50602rarr.jpg" alt="静力学平衡中的矢量；示意图展示合力为零（ΣF=0）原理，以力的箭头表示。" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" data-altupdatedat="1787630408000" data-alt="右箭头"> 或 ↑）。每个箭头对应场地周围的一组红外传感器（图4）。</li>
 <li>受试者观察屏幕上的箭头，走向对应的红外传感器组，在传感器后方的锥形标志物处完成U形转弯，两次穿过该组传感器（图4）。完成U形转弯后，受试者返回起始点并继续行走。</li>
 <li>重复步骤8.3–8.4，箭头顺序随机，直至每个方向箭头均完成3次循环。</li>
 <li>满足条件8.6后，当受试者回到起始点时按下手动触发按钮，以指示转入站立状态。数据采集结束方式同7.5节。</li>
</ol>
9. 坐立站
<ol>
 <li>在受试者身后放置一把椅子，并按照6.2-6.3步骤开始数据采集。数据采集开始时，受试者需静止站立15秒。</li>
 <li>15秒后，按下手动触发按钮。听到提示音后，受试者由站立转为坐姿，并保持坐姿直至下一个音频提示（按钮触发）。</li>
 <li>等待一个随机间隔（5-15秒），然后按下手动触发按钮，发出由坐到站转换的提示。受试者保持站立姿势，直至下一个音频提示。</li>
 <li>重复9.2-9.3步骤，直至完成10次完整的站-坐和坐-站动作，之后受试者再静止站立15秒。随后按下“q”键终止数据采集。</li>
 <li>重复站-坐协议（9.1-9.4），用于自主发起的站-坐和坐-站转换。此时不向受试者提供触发提示，而是由受试者自行主动发起转换动作，直至每种动作各完成10次。</li>
</ol>
10. 走廊行走
<ol>
 <li>将受试者和数据采集车置于八分之一位置的中央th 1英里长的直线走廊。开始数据采集，方法与跑步机行走实验（6.2-6.4）相同。在初始30秒静息期后，手动触发以启动行走。</li>
 <li>受试者持续行走5分钟。当受试者行进至距离走廊末端10米范围内时，自行发起U形转身，并继续向相反方向行走。</li>
 <li>5分钟步行结束后，按下手动触发按钮以停止行走。受试者静立30秒，目视正前方。通过按下“q”键终止数据采集。</li>
 <li>按照10.1节的方法开始第二次走廊实验。</li>
 <li>在随机行走时间间隔（20–40 秒）后，给予手动触发信号和音频提示，使受试者停止行走。</li>
 <li>受试者保持站立，持续时间短暂且随机（5-15 秒）。</li>
 <li>按下手动触发按钮，使受试者恢复行走。</li>
 <li>重复步骤 10.5–10.7，直至完成 10 次启停循环；按照步骤 10.3 终止数据采集。</li>
</ol>

<ol><li>Choi, J. T., Bastian, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptation+reveals+independent+control+networks+for+human+walking%5BTitle%5D)+AND+%22Nature+Neuroscience%22%5BJournal%5D)">Adaptation reveals independent control networks for human walking.</a> Nature Neuroscience. 10 (8), 1055-1062 (2007).</li>
<li>Grillner, S., Wallen, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+bases+of+goal-directed+locomotion+in+vertebrates+-+an+overview%5BTitle%5D)+AND+%22Brain+Research+Reviews%22%5BJournal%5D)">Neural bases of goal-directed locomotion in vertebrates - an overview.</a> Brain Research Reviews. 57, 2-12 (2008).</li>
<li>Petersen, T. H., Willerslev-Olsen, M., Conway, B. A., Nielsen, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+motor+cortex+drives+the+muscles+during+walking+in+human+subjects%5BTitle%5D)+AND+%22Journal+of+Physiology%22%5BJournal%5D)">The motor cortex drives the muscles during walking in human subjects.</a> Journal of Physiology. 590 (10), 2443-2452 (2012).</li>
<li>Fitzsimmons, N. A., Lebedev, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Extracting+kinematic+parameters+for+monkey+bipedal+walking+from+cortical+neuronal+ensemble+activity%5BTitle%5D)+AND+%22Frontiers+in+Integrative+Neuroscience%22%5BJournal%5D)">Extracting kinematic parameters for monkey bipedal walking from cortical neuronal ensemble activity.</a> Frontiers in Integrative Neuroscience. 3, 3(2009).</li>
<li>Harada, T., Miyai, I., Kubota, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+capacity+affects+cortical+activation+patterns+related+to+speed+control+in+the+elderly%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Gait capacity affects cortical activation patterns related to speed control in the elderly.</a> Experimental Brain Research. 193 (3), 445-454 (2009).</li>
<li>Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electrocortical+activity+is+coupled+to+gait+cycle+phase+during+treadmill+walking%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Electrocortical activity is coupled to gait cycle phase during treadmill walking.</a> Neuroimage. 54, 1289-1296 (2011).</li>
<li>Presacco, A., Goodman, R., Forrester, L., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+decoding+of+treadmill+walking+from+noninvasive+electroencephalographic+signals%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Neural decoding of treadmill walking from noninvasive electroencephalographic signals.</a> Journal of Neurophysiology. 106, 1875-1887 (2011).</li>
<li>Presacco, A., Forrester, L. W., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoding+intra-limb+and+inter-limb+kinematics+during+treadmill+walking+from+scalp+electroencephalographic+%28EEG%29+signals%5BTitle%5D)+AND+%22IEEE+Transactions+on+Neural+Systems+and+Rehabilitation+Engineering%22%5BJournal%5D)">Decoding intra-limb and inter-limb kinematics during treadmill walking from scalp electroencephalographic (EEG) signals.</a> IEEE Transactions on Neural Systems and Rehabilitation Engineering. 20 (2), 212-219 (2012).</li>
<li>Wagner, J., Solis-Escalante, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Level+of+participation+in+robotic-assisted+treadmill+walking+modulates+midline+sensorimotor+EEG+rhythms+in+abled-bodied+subjects%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Level of participation in robotic-assisted treadmill walking modulates midline sensorimotor EEG rhythms in abled-bodied subjects.</a> NeuroImage. 63, 1203-1211 (2012).</li>
<li>Makeig, S., Gramann, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Linking+brain%2C+mind%2C+and+behavior%5BTitle%5D)+AND+%22International+Journal+of+Psychophysiology%22%5BJournal%5D)">Linking brain, mind, and behavior.</a> International Journal of Psychophysiology. 73, 95-100 (2009).</li>
<li>Gramann, K., Gwin, J. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognition+in+action%3A+imaging+brain%2Fbody+dynamics+in+mobile+humans%5BTitle%5D)+AND+%22Reviews+in+the+Neurosciences%22%5BJournal%5D)">Cognition in action: imaging brain/body dynamics in mobile humans.</a> Reviews in the Neurosciences. 22, 593-608 (2011).</li>
<li>Wilson, J. A., Schalk, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+an+EEG-based+brain+computer+interface+for+virtual+cursor+movement+with+BCI2000%5BTitle%5D)+AND+%22J.+Vis.+Exp%22%5BJournal%5D)">Using an EEG-based brain computer interface for virtual cursor movement with BCI2000.</a> J. Vis. Exp. (29), e1319(2009).</li>
<li>Brummer, V., Schneider, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coherence+between+brain+cortical+function+and+neurocognitive+performance+during+changed+gravity+conditions%5BTitle%5D)+AND+%22J.+Vis.+Exp%22%5BJournal%5D)">Coherence between brain cortical function and neurocognitive performance during changed gravity conditions.</a> J. Vis. Exp. (51), e2670(2011).</li>
<li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> Journal of Neuroscience Methods. 134 (1), 9-21 (2004).</li>
<li>Makeig, S., Bell, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Independent+component+analysis+of+electroencephalographic+data%5BTitle%5D)+AND+%22Advances+in+Neural+Information+Processing+Systems%22%5BJournal%5D)">Independent component analysis of electroencephalographic data.</a> Advances in Neural Information Processing Systems. 8, 145-151 (1996).</li>
<li>Rong, F., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Magnetoencephalographic+artifact+identification+and+automatic+removal+based+on+independent+component+analysis+and+categorization+approaches%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Magnetoencephalographic artifact identification and automatic removal based on independent component analysis and categorization approaches.</a> Journal of Neuroscience Methods. 157, 337-354 (2006).</li>
<li>Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removal+of+movement+artifact+from+high-density+EEG+recorded+during+walking+and+running%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Removal of movement artifact from high-density EEG recorded during walking and running.</a> Journal of Neurophysiology. 103, 3526-3534 (2010).</li>
<li>Liao, L. D., Wang, I. J., Chen, S. F., Chang, J. Y., Lin, C. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design%2C+fabrication%2C+and+experimental+validation+of+a+novel+dry-contact+sensor+for+measuring+electroencephalography+signals+without+skin+preparation%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">Design, fabrication, and experimental validation of a novel dry-contact sensor for measuring electroencephalography signals without skin preparation.</a> Sensors. 11, 5819-5834 (2011).</li>
<li>Liao, L. D., Lin, C. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Biosensor+technologies+for+augmented+brain-computer+interfaces+in+the+next+decades%5BTitle%5D)+AND+%22Proceedings+of+the+IEEE%22%5BJournal%5D)">Biosensor technologies for augmented brain-computer interfaces in the next decades.</a> Proceedings of the IEEE. 100, 1553-1566 (2012).</li>
<li>Farina, D., Merletti, R., Enoka, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+extraction+of+neural+strategies+from+the+surface+EMG%5BTitle%5D)+AND+%22Journal+of+Applied+Physiology%22%5BJournal%5D)">The extraction of neural strategies from the surface EMG.</a> Journal of Applied Physiology. 96, 1486-1495 (2004).</li>
<li>Flint, R. D., Ethier, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Local+field+potentials+allow+accurate+decoding+of+muscle+activity%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Local field potentials allow accurate decoding of muscle activity.</a> Journal of Neurophysiology. 108, 18-27 (2012).</li>
<li>Luinge, H. J., Veltink, P. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+orientation+of+human+body+segments+using+miniature+gyroscopes+and+accelerometers%5BTitle%5D)+AND+%22Medical+%26+Biological+Engineering+%26+Computing%22%5BJournal%5D)">Measuring orientation of human body segments using miniature gyroscopes and accelerometers.</a> Medical & Biological Engineering & Computing. 43, 273-282 (2005).</li>
</ol>

本文的制作与出版费用由 APDM 赞助。

本文介绍的实验方案整合了三种数据采集系统，可同时记录受试者在多种运动任务过程中的脑电活动、肌肉活动以及全身运动学数据。整个实验流程的完成大约需要3小时，其中包括约1小时的受试者准备时间。所有系统均安装在受试者身上，并随其同步移动。因此，在每次新试验开始前，必须仔细检查脑电图（EEG）和肌电图（EMG）电极连接是否可靠。这一过程可通过各设备制造商提供的软件包轻松完成，这些软件可在主机电脑上通过图形化界面实时查看采集数据。数据采集应用程序要求这些软件包处于运行状态，从而简化了验证流程。此外，每次试验前还必须确保MARG传感器牢固地固定在受试者身上。
脑电图（EEG）和磁力、加速度与陀螺仪（MARG）数据通过2.4–2.5 GHz频段进行无线传输。由于许多其他电子设备也使用该频段，因此在实验环境中需考虑无线干扰的可能性。数据采集的一个关键因素是移动推车与受试者之间需保持视线畅通，以增强对无线干扰的抗性。脑电图无线接收器和MARG接入点（图1）均配备LED指示灯，用于显示连接质量。主机电脑以及EEG和MARG传感器的无线接收器均安装在移动推车上，以便在受试者行走时保持直接视线对准，从而最大化无线数据传输性能。我们发现，将移动推车保持在距离受试者5米以内时，数据采集的稳定性最佳，且该距离不会限制受试者在任何任务中的活动。C++应用程序采用多线程方式进行数据采集，以增强因EEG无线连接中断而导致数据丢失的容错能力。若EEG连接中断，MARG和肌电图（EMG）数据仍会被记录，但相应时间段的EEG数据将不可用。如上所述，MARG传感器具备设备内置缓冲功能，可在无线连接中断时防止数据丢失，而EMG数据则存储在移动数据记录单元内的SD卡中。
在行走过程中采集脑电图（EEG）数据时，一个常见问题是信号中存在伪迹。广义上，伪迹可分为两类：生理来源的伪迹，包括眨眼、眼球运动、面部肌肉活动、心跳；以及机械性伪迹，例如在实验流程执行过程中电极和/或导线的移动。伪迹的去除是当前持续研究的课题，相关技术包括独立成分分析15,16和基于通道的模板回归方法17。伪迹的最小化与去除是神经解码身体运动前数据预处理的关键步骤。本研究所采用的装置与以往研究类似，均将EEG电极导线整合为单一连接器。这些先前研究的结果表明，由于导线摆动或移动引起的机械伪迹在从神经活动中解码运动时并未产生显著影响7,8。其他研究也支持这一结论，认为在慢速至中等步行速度下，与步态相关的伪迹并不显著17。然而，本实验测量EEG的活动比以往研究涉及更多的身体运动，包括坐-站转换、地面行走和转向动作，因此必须仔细检查原始EEG数据，以识别可能存在的机械伪迹污染。尽管目前尚未广泛应用，但这些问题有望通过将新型硬件整合到当前实验流程中得以解决。此类硬件包括本实验所采用的有源EEG电极，以及弹簧加载的干式EEG电极，这些技术有望在运动过程中改善皮肤-电极接触阻抗18。这些技术正逐步被集成到无线EEG系统中，可能进一步降低运动伪迹的影响19。尽管如此，由于本实验流程对身体各运动节段均进行了传感器布置16，仍为开发新型运动与肌电（EMG）伪迹剔除算法提供了独特机会。我们计划研究EEG、EMG与节段运动之间的时间序列相关性及频域相干性，以建立适用于当前可用EEG系统的鲁棒伪迹剔除范式。我们的解码方法已显示出对伪迹的鲁棒性7,8；这些方法将在本实验更为复杂的场景下进一步验证。
记录的表面肌电图（EMG）特征受多种因素影响，解读表面EMG信号以研究神经控制策略时必须考虑这些因素20。本方案中采用严格的皮肤准备和EMG电极放置流程，旨在最大限度地减少非生理因素对表面EMG信号的影响。通过本方案记录的EMG信号的幅度和频率与运动单元的净活动相关，因此不应将记录结果解释为所关注肌肉神经活动的直接反映。然而，仔细分析表面EMG信号，并结合更先进的方法——如通过分解EMG信号以确定神经激活的相对变化（e.g. 识别运动单元的放电时间）来估计神经对肌肉的驱动——可为肌肉激活模式提供有价值的见解20。此外，在神经解码的背景下，尽管已有研究表明侵入式获取的脑活动包含有关表面EMG的信息21，但目前尚不清楚头皮脑电图（EEG）是否也能用于解码步行过程中的下肢肌肉活动，以及步态运动学信息。我们预期本方案将有助于探讨非侵入性脑成像技术因空间分辨率降低，是否仍足以分离出与单个肌肉相关的神经活动。
先前的研究已证明，利用非侵入性脑电图（EEG）解码跑步机行走期间的运动学参数具有可行性7,8，这为开发基于脑信号的脑机接口（BMI）以恢复行走功能提供了推动力。基于delta频段EEG信号振幅调制的时域解码方法也被证实对伪迹成分不敏感7,8。然而，跑步机实验通常在受控环境中进行，受试者的视觉和运动受到限制，从而减少了外界刺激对神经活动的干扰。通过引入无线数据记录技术，本方案可在多种行走任务和环境条件下同步采集EEG、肌电图（EMG）和运动学数据。与动作捕捉系统相比，集成惯性传感器进行运动追踪需要更多的计算量和离线处理以提取运动学参数，所得测量结果包含微小但可接受的误差，而基于摄像机的系统则不存在此类误差22。这些可控的技术挑战对于建立能够在动态环境中开展认知-运动行为移动研究的实验方案而言是必要的。正如其他文献所述10,11，此类实验设置在可探索的研究问题方面几乎具有无限潜力。我们近期的研究重点将集中在脑损伤和神经病变后站立与行走功能康复的脑机接口开发所面临的关键问题上。其中一个关键组成部分，如上所述，是开发新型且鲁棒的脑机接口解码策略，用于康复机器人系统，该策略能够抑制生理和机械伪迹，从而利用从大脑测量到的信号恢复运动功能。例如，走廊行走方案在数据采集期间于公共场所进行，并有其他人员在场，因此为在自然环境中开发神经解码技术提供了测试平台。利用该方案感兴趣的其他研究问题包括：比较涉及节律性与非节律性步态训练的康复机器人范式，以及研究损伤后急性期和慢性期功能恢复过程中的神经活动变化。

本方案采用三种数据采集系统，同步记录脑电图（EEG）、肌电图（EMG）和全身运动学数据（图1，表1）。在受试者行走过程中，以1,000 Hz的采样频率通过无线方式采集64通道的脑电图数据。肌电图（EMG）信号以1,000 Hz的频率从双侧放置于四个肌群的表面电极采集：胫骨前肌（TA）、腓肠肌（Gast）、股二头肌（BF）和股外侧肌（VL）。运动学数据通过安装在头部、上躯干、腰椎区域、手臂、大腿、小腿和足部的11个无线传感器以128 Hz的频率采集，用于记录行走过程中的运动。每个传感器均包含一个三轴磁力计、一个三轴陀螺仪和一个三轴加速度计（即 MARG传感器）。
每个系统的数据均由一台主机PC进行采集，并通过单一主机PC实现时间同步。同步是通过一个触发信号完成的，该信号经由所有三个数据系统同时访问的连续串行通信链路发送。触发信号通过一个简单的按钮开关实现：当按下按钮时，向主机PC发送一个触发信号（1），未按下时则发送空信号（0）。按下触发按钮的同时还会发出一个持续0.5秒的提示音，作为受试者的音频提示，具体操作详见下文实验方案。为支持下文所述的地面行走实验，专门制作了五对红外（IR）接近传感器，用作位置触发装置。当红外信号被阻断时，会通过与手动触发盒之间的射频（RF）连接，经由串行链路向主机PC发送触发信号（1）。
开发了一个定制的 C++ 应用程序，利用各系统提供的软件开发工具包（SDK）来记录和同步数据。该代码采用多线程技术；每个系统（EEG、EMG 和 MARGs）的数据保存功能分别包含在独立的线程中。软件算法如图 2所示。当应用程序启动时开始采集数据，按下“q”键时结束采集。应用程序启动时会激活五个线程。其中一个线程（图 2）监控串行连接中触发信号的值（0 或 1）。初始触发值为零。当接收到触发信号时（即按下按钮或红外传感器对之间的视线被阻断），全局触发变量被设置为 1。这些变量将保持为 1，直到在数据采集线程中被重置。
脑电图（EEG）线程通过 TCP/IP 协议远程实时访问头皮 EEG 数据。数据以相应的采样频率（1,000 Hz）逐行写入文本文件。全局 EEG 触发信号写入第一列，而第 2–65 列为 64 个 EEG 通道。如果全局 EEG 触发信号为 1，则将其重置为 0。数据写入持续进行，直至 EEG 线程终止。两个独立线程用于记录 MARG 传感器数据。之所以需要两个线程，是因为 11 个无线 MARG 传感器通过制造商软件以鲁棒流模式传输数据，该模式在各个传感器上缓存数据，以防止在无线传输出现问题时丢失数据。这种缓存会降低数据的实时传输性能：如果某个传感器在某一采样时刻无法传输数据，则所有 11 个传感器都会将该时间点的数据保留在其缓存中，并在下一个可用的采样时刻进行传输。MARG 无线数据传输不可避免地滞后于 EEG 数据；因此，在数据采集停止后，MARG 传感器需要时间将缓存中的数据卸载到主机计算机。为解决此问题，MARG 数据采集算法中采用了两个线程（图 2）。第一个线程在 EEG 线程采集数据期间，以传感器采样频率（128 Hz）从全局 MARG 触发变量中填充 MARG 触发缓存。当数据采集停止时，向触发缓存的写入也随之终止。MARG 线程（图 2）利用传感器 SDK 中的函数接收来自传感器的数据，并以与 EEG 数据相同的方式将其写入文件。即，第一列为全局 MARG 触发信号的值（取自 MARG 触发缓存），随后的 99 列为来自 11 个 MARG 传感器的数据值（每个 MARG 单元包含 9 个传感器）。MARG 线程持续写入数据，直至 MARG 触发缓存的时间索引等于 EEG 数据的最后一个时间索引，此时线程执行终止。
与脑电图（EEG）和磁共振（MARG）数据不同，肌电图（EMG）数据并非无线记录，而是记录在数据记录单元内的SD卡中。通过蓝牙连接发送信号，以启动和停止向SD卡写入数据。当EEG线程接收到第一个手动触发信号时，开始写入数据；当按下“q”按钮时，EEG线程停止数据写入。
以下方案已由休斯顿大学机构审查委员会审查并批准。所有受试者在参与前均收到、阅读并签署了知情同意书。

<table><tbody><tr><td>BrainAmp 放大器</td><td>Brain Products, Gmbh</td><td></td><td>数量：2</td></tr><tr><td>带 64 个电极的 actiCAP 脑电帽</td><td>Brain Products, Gmbh</td><td></td><td>数量：1</td></tr><tr><td>Brainvision MOVE 无线脑电系统</td><td>Brain Products, Gmbh</td><td></td><td>数量：1</td></tr><tr><td>DataLOG MWX8 EMG 数据采集单元</td><td>Biometrics, Ltd.</td><td></td><td>数量：1</td></tr><tr><td>SX230 EMG 电极</td><td>Biometrics, Ltd.</td><td></td><td>数量：8</td></tr><tr><td>R506 EMG 接地电极</td><td>Biometrics, Ltd.</td><td></td><td>数量：1</td></tr><tr><td>Opal 运动监测器（MARG 传感器）</td><td>APDM, Inc.</td><td></td><td>数量：11</td></tr><tr><td>用于无线数据传输的 Opal 转接站</td><td>APDM, Inc.</td><td></td><td>数量：2</td></tr><tr><td>Opal 无线接入点</td><td>APDM, Inc.</td><td></td><td>数量：2</td></tr><tr><td>红外光障套件 MK120</td><td>Velleman, Inc.</td><td></td><td>数量：5</td></tr><tr><td>Wixel 可编程 USB 无线模块</td><td>Pololu, Inc.</td><td></td><td>数量：6</td></tr><tr><td colspan="4">&lt;strong&gt;表 1. 设备&lt;/strong&gt;</td></tr></tbody></table>

同步头皮脑电图（eeg）、肌电图（emg）与全身分段惯性记录用于多模态神经解码

Simultaneous Scalp Electroencephalography (EEG), Electromyography (EMG), and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding

近期研究表明，大脑皮层上网络参与了双足人类行走的控制。部分证据包括我们之前的研究工作，证明在跑步机行走期间，可以从头皮脑电图（EEG）中以相对较高的解码准确率推断出步态运动学和肢体协调情况。这些结果为开发用于步态恢复和/或增强的非侵入性脑-机接口（BMI）系统提供了推动力，这也是康复研究的主要目标之一。迄今为止，关于步态过程中脑电活动解码的研究仅限于在受控环境中进行的跑步机行走。然而，要使BMI系统具备实际应用价值，必须能够适用于日常行走任务，例如在地面上行走和转向。在此，我们提出了一种新颖的实验方案，可在跑步机行走和地面行走任务期间，非侵入性地同步采集脑活动（EEG）、肌肉活动（肌电图（EMG））以及全身运动学数据（头部、躯干和肢体的运动轨迹）。通过在非受控环境中采集这些数据，可进一步了解从头皮EEG解码无约束步态及表面肌电信号的可行性。

图5展示了在跑步机行走期间（方案第3部分）记录的10秒时间锁定的脑电图（EEG）、MARG和肌电图（EMG）数据。请注意，每个MARG传感器实际上记录了9个信号（三轴磁力计、陀螺仪和加速度计），但此处仅显示垂直加速度信号。图5中的原始数据包含伪迹，在进行分析和神经解码之前，必须在预处理过程中对这些伪迹进行处理。图5中EEG伪迹的示例包括约8.5秒处出现的眼电伪迹（眨眼）以及全程存在的低频运动伪迹。
图6 展示了在场地行走（1）协议期间，一次完整的地面行走循环（约35秒）。定性来看，由于受试者在转弯过程中头部和颈部产生额外运动，场地地面行走任务的数据比跑步机行走含有更多的伪迹。面部和颅部肌肉活动在颞区电极（标记为FT和T的通道）上尤为明显。 图1) 在 图6. 注意与跑步机行走相比，肌电图信号活动的增加图5），特别是在踝关节的拮抗肌对中。 图6 还显示了无线 EEG 数据采集过程中存在的次优事件，这些事件在数据处理时必须予以考虑。紧接在 4 之前th 触发信号时，EEG 数据呈现平坦直线，表明主机电脑与 EEG 系统之间的无线传输中断。该段数据必须从完整数据集（EEG、MARG 和 EMG）中剔除。
图7展示了一个完整的从坐到站以及从站到坐周期的数据。与其他数据类似，脑电图（EEG）中也存在运动伪迹，这些伪迹既出现在转换动作结束阶段，也出现在保持坐姿（或站姿）过程中头部稳定时。图8显示了一段包含从站立到行走以及从行走到站立转换的走廊行走数据。请注意，在听到开始和停止行走的音频提示后，肌电图（EMG）和加速度数据出现上升趋势。与此趋势同时发生的是脑电图数据中运动伪迹的出现与消失。图8还显示了大约在7秒时出现的EEG电极PO10连接不良的情况。这种现象在实验过程中偶尔可见，可能是由于EEG电极与头皮之间接触不良所致。在本次试验中，电极PO10的数据必须从分析中剔除。由于脑电图数据可实时观察，并且在每次试验前均会验证EEG电极的连接情况（方案步骤6.2），因此可在下一次试验前及时纠正电极连接不良的问题。
<table border="1">
 <tbody>
 <tr>
 <td>名称</td>
 <td>公司</td>
 <td>数量</td>
 </tr>
 <tr>
 <td>BrainAmp 放大器</td>
 <td>Brain Products, Gmbh</td>
 <td>2</td>
 </tr>
 <tr>
 <td>含64个电极的actiCAP 脑电帽</td>
 <td>Brain Products, Gmbh</td>
 <td>1</td>
 </tr>
 <tr>
 <td>Brainvision MOVE 无线脑电系统</td>
 <td>Brain Products, Gmbh</td>
 <td>1</td>
 </tr>
 <tr>
 <td>DataLOG MWX8 EMG 数据采集单元</td>
 <td>Biometrics, Ltd.</td>
 <td>1</td>
 </tr>
 <tr>
 <td>SX230 EMG 电极</td>
 <td>Biometrics, Ltd.</td>
 <td>8</td>
 </tr>
 <tr>
 <td>R506 EMG 接地电极</td>
 <td>Biometrics, Ltd.</td>
 <td>1</td>
 </tr>
 <tr>
 <td>Opal 运动监测器（MARG 传感器）</td>
 <td>APDM, Inc.</td>
 <td>11</td>
 </tr>
 <tr>
 <td>用于无线数据传输的 Opal 转接站</td>
 <td>APDM, Inc.</td>
 <td>2</td>
 </tr>
 <tr>
 <td>Opal 无线接入点</td>
 <td>APDM, Inc.</td>
 <td>2</td>
 </tr>
 <tr>
 <td>红外光障套件 MK120</td>
 <td>Velleman, Inc.</td>
 <td>5</td>
 </tr>
 <tr>
 <td>Wixel 可编程 USB 无线模块</td>
 <td>Pololu, Inc.</td>
 <td>6</td>
 </tr>
 </tbody>
</table>
表1. 仪器设备。
<table border="1">
 <tbody>
 <tr>
 <td>传感器</td>
 <td>位置</td>
 </tr>
 <tr>
 <td>头部</td>
 <td>眉毛上方前额中心</td>
 </tr>
 <tr>
 <td>躯干</td>
 <td>胸骨底部两胸肌之间</td>
 </tr>
 <tr>
 <td>腰部</td>
 <td>背部中心，腰椎弯曲最小处</td>
 </tr>
 <tr>
 <td>上臂1</td>
 <td>上臂外侧；腕部近端约10%至肘部</td>
 </tr>
 <tr>
 <td>大腿1</td>
 <td>大腿外侧；髋关节与膝关节之间50%处</td>
 </tr>
 <tr>
 <td>小腿1</td>
 <td>小腿外侧；距膝关节远端75%处</td>
 </tr>
 <tr>
 <td>足部1</td>
 <td>足背中央</td>
 </tr>
 <tr>
 <td colspan="2">1上臂、大腿、小腿和足部传感器均双侧放置。</td>
 </tr>
 </tbody>
</table>
表2. MARG传感器位置。
<img alt="用于运动分析和脑电波记录实验的 EEG 和 EMG 示意图，显示传感器设置。" fo:content-width="6.5in" fo:src="/files/ftp_upload/50602/50602fig1highres.jpg" src="/files/ftp_upload/50602/50602fig1.jpg" data-altupdatedat="1787630408000" data-alt="图 1"> 
图 1. 受试者佩戴 EEG、EMG 和 MARG 惯性传感器进行数据采集的矢状面 (a) 和冠状面 (b) 视图。(c) EEG 电极在头皮上的位置拓扑图，使用 EEGlab Matlab 工具箱绘制14。(d) 移动式数据采集推车，内含主机 PC、手动触发器、EMG 蓝牙模块、MARG 无线接入点、EEG 无线接收器、放大器及电源装置。<a href="https://www.jove.com/files/ftp_upload/50602/50602fig1large.jpg" target="_blank">点击此处查看高清大图</a>。
<img alt="脑电图和肌电图数据采集系统中线程通信的流程图，过程示意图。" fo:content-width="6in" fo:src="/files/ftp_upload/50602/50602fig2highres.jpg" src="/files/ftp_upload/50602/50602fig2.jpg" data-altupdatedat="1787630408000" data-alt="图2"> 
图2. 自主设计的多线程数据采集软件算法流程图。 <a href="https://www.jove.com/files/ftp_upload/50602/50602fig2large.jpg" target="_blank">点击此处查看高清大图</a>。
<img alt="机器人导航路径示意图；红外传感器布置；用于分析的右、左、直行箭头路径。" fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig3highres.jpg" src="/files/ftp_upload/50602/50602fig3.jpg" data-altupdatedat="1787630408000" data-alt="图3"> 
图3. 实验区域行走（1）实验方案的示意图（俯视图）。当受试者到达入口锥体末端时，显示器上会呈现一个箭头（→、← 或 ↑）。若显示向右（→）或向左（←），受试者需分别沿红色或绿色环形路径行走，并依次通过四组红外传感器（IR1–IR4）。若显示直行（↑），受试者则沿蓝色线路走向显示器，在距离红外传感器组（IR5）约1米处时，屏幕上会再次显示第二个箭头（→ 或 ←）。在通过IR5传感器组后，受试者沿相应颜色（红色或绿色）路径完成环形路线，返回起始点。
<img alt="运动轨迹示意图，红外传感器，圆锥，起始点，显示屏；运动研究中的路径可视化。" fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig4highres.jpg" src="/files/ftp_upload/50602/50602fig4.jpg" data-altupdatedat="1787630408000" data-alt="图4"> 
图4. 实验场地行走（2）实验方案的示意图（俯视图）。 实验开始时，受试者在显示屏幕上看到一个箭头（<img src="/files/ftp_upload/50602/50602larr.jpg" alt="从右下指向左上的图形符号箭头，表示方向或运动。" fo:src="/files/ftp_upload/50602/50602larrhighres.jpg" data-altupdatedat="1787630408000" data-alt="左箭头">、<img src="/files/ftp_upload/50602/50602rarr.jpg" alt="静力平衡中的矢量；图示ΣF=0原理，用箭头表示力。" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" data-altupdatedat="1787630408000" data-alt="右箭头">、→、← 或 ↑）。根据所显示的箭头方向，受试者直接走向对应的红外传感器组，穿过传感器，绕圆锥完成U形转弯，然后返回起始点（图中所示为对应 <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="静力平衡中的矢量；图示ΣF=0原理，用箭头表示力。" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" data-altupdatedat="1787630408000" data-alt="右箭头"> 箭头的行走路径）。
<img alt="脑电图、加速度计和肌电图数据图表；用于分析神经活动、运动和肌肉信号。" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig5highres.jpg" src="/files/ftp_upload/50602/50602fig5.jpg" data-altupdatedat="1787630408000" data-alt="图 5"> 
图 5. 跑步机行走 10 秒期间的示例数据。 顶部面板显示来自国际 10-20 系统的 64 导联原始脑电图数据及其导联名称。中间面板显示来自 11 个 MARG 传感器的垂直方向加速度。底部面板显示 8 导联原始肌电图数据。 <a href="https://www.jove.com/files/ftp_upload/50602/50602fig5large.jpg" target="_blank">点击此处查看大图</a>。
<img alt="脑电图、前扣带回、肌电图数据分析；波形图；脑活动监测，神经生理学研究。" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig6highres.jpg" src="/files/ftp_upload/50602/50602fig6.jpg" data-altupdatedat="1787630408000" data-alt="图6"> 
图6. 来自“区域I”实验流程中一次循环（右箭头路径，图3）行走过程的示例数据。脑电图（EEG）、加速度和肌电图（EMG）数据的呈现方式与图5相同。 黑色竖条表示软件接收到触发信号的位置。第一个触发信号来自手动按钮，通过显示→箭头启动该循环。随后的四个触发信号来自受试者通过循环路径时经过的红外传感器IR1–IR4（图3）。<a href="https://www.jove.com/files/ftp_upload/50602/50602fig6large.jpg" target="_blank">点击此处查看大图</a>。
<img alt="脑电图、加速度计、肌电图分析；图表；关于站立-就坐周期中神经和身体活动的数据。" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig7highres.jpg" src="/files/ftp_upload/50602/50602fig7.jpg" data-altupdatedat="1787630408000" data-alt="图7"> 
图7. 从站立到就坐及从就坐到站立转换过程中的示例数据。 脑电图（EEG）、加速度和肌电图（EMG）数据的呈现方式与图5相同。垂直条表示用于启动站立和就坐动作的手动触发信号（及音频提示）。<a href="https://www.jove.com/files/ftp_upload/50602/50602fig7large.jpg" target="_blank">点击此处查看大图</a>。
<img alt="行走和站立期间的脑电图、加速度计和肌电图信号分析，图表显示数据趋势。" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig8highres.jpg" src="/files/ftp_upload/50602/50602fig8.jpg" data-altupdatedat="1787630408000" data-alt="图8"> 
图8. 走廊行走的示例数据，显示从站立到行走以及从行走到站立的过渡过程。 脑电图（EEG）、加速度和肌电图（EMG）数据的显示方式与图5相同。竖直条分别表示手动触发信号和开始与停止行走的音频提示。 <a href="https://www.jove.com/files/ftp_upload/50602/50602fig8large.jpg" target="_blank">点击此处查看大图</a>。

开发用于恢复和康复双足行走的有效脑机接口（BMI）系统，需要准确解码用户的意图。本文介绍了一种新颖的实验方案和数据采集技术，可在多种行走任务和条件下，同步无创地获取神经活动、肌肉活动以及全身运动学数据。

同步头皮脑电图（EEG）、肌电图（EMG）与全身分段惯性记录用于多模态神经解码

近期研究支持脑-脊髓上神经网络参与双足人类行走的调控。部分证据包括……

以下实验的总体目标是扩展移动式脑成像框架的概念，以实现对人类在多种运动任务中脑-体动态关系的研究。该目标通过以下步骤实现：首先，在受试者身上佩戴脑电-肌电（E-E-G-E-M-G）和运动捕捉传感器作为第二步。三个数据采集系统通过定制软件和一个按钮触发装置实现同步，从而提供具有时间锁定的脑电-肌电（E-E-G-E-M-G）与运动捕捉数据集。接下来，受试者将在四种不同环境中完成九项特定的运动任务。为了捕捉多种运动过程中的脑-体动态，实验结果展示了通过脑电图（EEG）测量的运动任务期间的脑活动。该方法有助于回答神经假体学和脑机接口领域中的关键科学问题。例如，能否从头皮脑电图（EEG）中提取关于步态动力学或表面肌电图（EMG）模式的有用信息？与现有方法相比，该技术的主要优势在于，我们能够通过移动式装置无线采集脑电-肌电（E-EG-EMG）和运动捕捉数据，从而相较于传统数据采集技术，能够探索更多样的运动任务和环境。这些技术的应用还延伸至运动障碍和康复医学领域，因为这些方案基本能够揭示大脑活动的变化以及身体的适应性调整。今天，我的研究生将演示传感器的放置，或者JI osir将展示如何在志愿者身上放置肌电图（EMG）传感器。凯文·内森（Kevin Nathan）将在约翰（John）的协助下，将脑电图（EEG）传感器放置于受试者的头皮上。开始本方案前，首先记录受试者的身高、体重和年龄。然后调节跑步机速度，使其与受试者的偏好步行速度一致。接着，使用记号笔测量鼻根点（nasion）与枕外隆凸点（inion）之间的距离。将该距离的10%处标记为定位帽对齐的参考点，并将该距离的中点标记为头部的顶点（vertex）。现在将 EEG 帽戴在受试者头上，并与参考标志点对齐。将 FP1 与 FP2 电极之间的中点与 10% 距离标记对齐，将 CZ 电极与标记的头顶点对齐。通过在下巴下方系带固定帽具。接下来，从接地电极和参考电极开始，使用小型注射器向每个电极注入电解质凝胶，直至每个电极的阻抗低于25千欧姆，此时电极LED指示灯将变为绿色。最后，将电极连接至无线发射器，用于数据采集系统。随后，开始准备表面肌电图记录：首先剃除皮肤表面的毛发，然后使用异丙醇酒精垫进行清洁。然后，在每条腿的胫骨前肌、股内侧肌、股外侧肌、股二头肌、股四头肌和腓肠肌八个准备好的部位各放置一个电极。最后，在左手或右手腕部放置肌电图接地电极，并将所有肌电图电极连接到肌电数据记录单元。以进行运动捕捉的设置。首先使用魔术贴带或双面胶将标记传感器固定在受试者身上。将传感器安装在如下所列的位置。然后让受试者踏上跑步机，并在数据采集前如图所示连接安全背带。检查 EEG 和 EMG 信号，以确认电极放置位置正确、电极连接无误以及数据传输正常。然后通过运行 C++ 控制台应用程序开始数据采集。按下手动触发按钮以启动 EMG 记录，并发出音频提示（一声蜂鸣声）。开始实验时，指导受试者保持静止站立状态30秒。30秒后，按下触发按钮以启动行走。跑步机应缓慢加速至受试者预先设定的速度。让受试者步行五分钟。五分钟后，按下触发按钮，通过缓慢停止跑步机来启动从步行到站立的转换。停止后，受试者应保持站立姿势30秒。现在，按下队列按钮以停止数据采集试验并保存数据。在三种视觉条件下重复该实验，包括让受试者前方一定距离处注视一个黑色目标，以实时观察视频监视器上的腿部运动，并避免在跑步机上偏离对角线。接下来，进入行走实验区域。应按照图示放置五组红外接近传感器、圆锥体和电视屏幕，以搭建行走实验区域。在此，将受试者置于实验区域行走回路的起点，并按照之前所述方法开始数据采集。现在，按下触发按钮以启动行走实验。触发信号发出时，第一个方向箭头将显示在受试者对面的屏幕上。如果观察到向右或向左的箭头，受试者应从入口处的锥形标志退出，向该方向转90度，完成回路后返回入口处的锥形标志。如果观察到向上的箭头，受试者应继续从入口锥形标志直行前进。当受试者到达距离红外传感器约2米处时，应手动触发并给出方向箭头。受试者应穿过第一组红外传感器，随后完成相应的90度转弯以走完环路。在步行返回入口标志锥时，实验人员应推着装有主机PC的带轮推车，保持约三至五米的距离跟随受试者。为确保无线信号质量，受试者在到达入口标志锥时应继续行走。完成单圈环路后，应以随机顺序重复该流程，直至每个初始箭头方向均完成三圈环路。完成规定次数的循环后，按下手控触发按钮，提示受试者转为站立姿势。受试者应安静站立30秒。随后按主机电脑上的提示按钮终止数据采集。在受试者身后放置一把椅子，然后开始数据采集。受试者应在数据采集开始时安静站立 15 秒。15 秒后，按下手动触发按钮。听到提示音后，受试者应从站立姿势转换为坐姿，保持坐位姿势直至下一个音频提示。等待一个随机间隔，时间为5至15秒。然后按下手动触发器，发出从坐到站转换的提示。让受试者保持站立姿势，直至听到下一个音频提示。重复此步骤直至完成10次。完成10次由站到坐和由坐到站的动作。完成所有操作后，受试者应静立15秒。然后通过按下提示按钮结束数据采集。接下来，重复进行自主发起的由站立到坐下的动作以及由坐到站立的转换实验。此次不要向受试者提供触发转换的信号，而是让受试者自主发起转换，直至每种动作完成10次。在走廊行走测试中，将受试者和数据采集车置于一段长度为八分之一英里（约201米）的笔直走廊中央位置。数据采集的开始方式与跑步机行走实验相同。在最初的32秒静息期结束后，向受试者发出手动触发信号或蜂鸣声以启动行走。要求受试者持续行走五分钟。当受试者行进至距离走廊末端10米范围内时，应自行启动U形转弯，并继续向相反方向行走。五分钟后，按下手动触发按钮以停止行走。受试者应静立 30 秒，目视正前方。然后结束数据采集。接下来，开始第二次走廊实验。在随机行走 20 至 40 秒后，手动触发并发出音频提示，指示受试者停止行走。随后，受试者应保持站立状态，持续一段随机的短暂时间，时长为 5 至 15 秒。然后按下手动触发按钮，使受试者恢复行走。重复上述步骤，直至完成10次启停循环，随后结束实验。此处显示的是 treadmill walking 10秒期间采集的数据代表性结果。上方图显示了来自10-20国际导联系统的64通道原始脑电图（EEG）数据及通道名称，中间图显示了来自11个标记传感器的垂直方向加速度数据，下方图显示了8通道原始肌电图（EMG）数据。该图展示了在实验场地中行走一圈时的代表性数据。一个方案中，垂直的黑色条形表示触发信号。第一个触发信号来自呈现右箭头的按钮。最后四个触发信号来自红外传感器，即当受试者 traverses 环路时，依次经过红外传感器一至四。此处展示了从站立到坐下的转换以及从坐到站立的转换的示例数据。脑电加速和肌电图数据的呈现方式与第一幅图相同。垂直条表示用于启动站立和坐下的手动触发信号。最后，本图展示了在走廊中从站立到行走以及从行走到站立过渡期间的示例数据。行走任务。垂直条表示分别用于手动触发以及开始和停止行走的音频提示。需要注意的是，EEG 传感器和 EMG 传感器对运动伪迹敏感，因此我们必须确保传感器牢固且安全地固定在受试者身上。通过此方法，您可以应用其他技术，如独立成分分析或线性回归，以分离出脑电皮层信号与伪迹，从而能够从脑电图数据中提取肢体运动学参数或肌电图特征。该技术将使神经接口研究领域得以探究大脑如何与运动及运动意图相关联，并提供一种从头皮脑电图中提取步态信息的方法。

simultaneous-scalp-electroencephalography-eeg-electromyography-emg

Research

科研

JoVE Journal

Behavior

行为

同时头皮脑电图（EEG），肌电图（EMG）和全身分部惯性录制多模态神经解码

我们采用脑磁图（MEG）和脑电图（EEG）来绘制参与简单感觉刺激处理的脑区。...

同步 MEG 与 EEG 的功能定位映射

我们介绍一种从接受有创癫痫监测的患者中采集皮层脑电图信号以用于研究目的的方法。我们展示了如何使用BCI2000软件平台进行数据采集、信号处理和刺激呈现。具体而言，我们演示了SIGFRIED——一种基于BCI2000的实时功能性脑图谱绘制工具。...

记录人类颅内脑电图（ECoG）信号用于神经科学研究与实时功能性皮层定位

我们采用脑磁图和脑电图（MEG/EEG），结合磁共振成像（MRI）获取的解剖学信息，来绘制与听觉注意相关的皮层网络动态图谱。...

利用同步脑磁图/脑电图与基于解剖约束的最小范数估计绘制皮层动态：以听觉注意为例

来源： Papadelis, C., et al., 利用同步脑磁图与脑电图检测发作间期高频振荡作为儿童癫痫的生物标志物。 J. Vis. Exp. (2016)。...

同步脑电图与脑磁图识别易发生癫痫的脑区

在研究运动障碍的神经机制时，监测直立姿势下运动任务期间的大脑活动具有重要价值。本文展示了一种结合功能性近红外光谱成像与肌肉及运动学活动连续监测的技术方案，用于四种类型运动任务中的脑功能研究。...

运动任务期间同步监测运动学与肌电图的感官及运动脑区功能近红外光谱成像

经颅磁刺激、肌电图和三维运动捕捉是研究人类神经肌肉功能的常用无创技术。本文介绍了一种同步采集这三种工具所产生的数据的方案，同时还创新性地加入了虚拟现实刺激呈现与反馈。...

用于研究人类运动控制的多功能实验平台：结合经颅磁刺激、肌电图、运动捕捉与虚拟现实技术

本文介绍了一种脑电图-功能磁共振成像（EEG-fMRI）多模态成像方法，即时空fMRI约束的脑电图源成像方法。该方法采用条件激活的功能磁共振成像子图（或先验信息），以提高脑电图源定位的空间特异性，并减少错误结果。...

同步脑电图与功能磁共振成像记录及整合分析用于动态皮层活动成像

本研究介绍了一种同步记录自由活动大鼠脑部局部场电位、心电图、肌电图和呼吸信号的方法。该技术可降低实验成本并简化数据分析，有助于深入理解大脑与外周器官之间的相互作用。...

自由活动大鼠皮层局部场电位、心电图、肌电图与呼吸节律的同步记录

本文介绍了一种利用同步视频、脑电图（EEG）和心电图（ECG）记录小鼠脑部和心脏生物信号的实验方案。同时，我们还描述了分析所得EEG-ECG记录数据的方法，用于检测癫痫发作、EEG频谱功率、心脏功能及心率变异性。...

同步视频-脑电图-心电图监测用于识别癫痫小鼠模型中的神经心脏功能障碍

本文提供了一种简单易行的方案，通过使用 readily available...

在同步脑电图与功能性磁共振成像期间可靠获取脑电图数据

脑磁图（MEG）与高密度脑电图（HD-EEG）很少被同时记录，尽管二者可提供相互验证且互补的信息。本文展示了同步记录MEG与HD-EEG的实验设置，以及分析这些数据的方法，旨在定位药物难治性癫痫患儿的致痫区和功能重要脑区。...

药物难治性癫痫患儿术前评估中的电磁源成像

学习同步采集头皮脑电图、肌电图与全身惯性运动数据的多模态神经解码方法，用于研究人类行走过程中的脑体动力学，为神经假肢与康复医学提供新思路。

同步头皮脑电图（EEG）、肌电图（EMG）与全身分段惯性记录用于多模态神经解码

探索更多视频