區(qū)域大腦激活預(yù)測在真實環(huán)境中的步行表現(xiàn)的機制研究

01 研究背景

真實運動過程中的步態(tài)障礙在神經(jīng)系統(tǒng)疾病中很常見。然而，目前我們對真實世界中行走的神經(jīng)關(guān)聯(lián)以及大腦的哪些區(qū)域參與調(diào)節(jié)步態(tài)的穩(wěn)定性和表現(xiàn)知之甚少。作為了解帕金森病等神經(jīng)系統(tǒng)疾病中步態(tài)神經(jīng)控制如何受損的第一步，我們研究健康成年人早參與任務(wù)中的區(qū)域大腦激活如何預(yù)測在真實環(huán)境中的步行表現(xiàn)。

02 研究方法

2.1、被試

18名健康青年人（平均年齡±標準差 = 25±3,7名男性被試）既無神經(jīng)系統(tǒng)疾病，也無骨骼或步態(tài)障礙史，自愿參與，并獲得實驗知情同意權(quán)。

2.2、實驗流程

被試首先在實驗室房間中準備然后進入校園，在準備期間不記錄腦電信號，要求被試熟悉實驗設(shè)置。走出準備室后，會看到預(yù)先設(shè)好的步形路徑（200米），并按照他們自己喜歡的自然速度行走。

實驗包括三種情況，在這三種情況下，被試自然地沿著預(yù)先設(shè)定的路徑行走(單任務(wù)，ST)，同時與實驗者交談(雙任務(wù)1,DT1)或用智能手機發(fā)短信(雙任務(wù)2,DT2)。為了避免步態(tài)行為和記錄上的偏差，雙任務(wù)條件被隨機分配給不同的被試。被試在每種條件后休息5分鐘防止疲勞。在每個條件下，實驗者都跟蹤研究對象，記錄他們的步態(tài)行為。實驗只在沒有強風(fēng)和/或大雨的干燥日子進行。

2.3、數(shù)據(jù)采集與處理

使用64通道Waveguard腦電帽連續(xù)采集，采用EEGoPro放大器（ANT Neuro），采樣頻率為1KHz，原始信號在0.1-500Hz之間進行濾波，整個實驗期間阻抗值保持在5KΩ以下，參考電極為FCz。

被試在行走過程中背著裝有放大器的背包，將三星Galaxy S4迷你智能手機松緊帶固定在被試的下背部，通過AndroSensor應(yīng)用程序記錄其內(nèi)部加速度計和陀螺儀的數(shù)據(jù)，頻率為200Hz。兩個數(shù)字力敏傳感器作為觸點開關(guān)固定在被試的腳跟下，以檢測腳跟撞擊的次數(shù)。

圖1. 實驗場景圖

步態(tài)測量：

步態(tài)測量分析用基于MATLAB的iGAIT工具箱分析步態(tài)線性加速度數(shù)據(jù)。

腦電數(shù)據(jù)預(yù)處理：

用基于MATLAB的EEGLAB開源工具箱，全腦平均轉(zhuǎn)參考，帶通濾波為0.5-100Hz，然后50Hz Notch濾波，ICA去偽跡，插值壞導(dǎo)。分段時間是-200ms-1600ms。

基于興趣區(qū)電極區(qū)域的功率譜密度（PSD）：譜分析中，采用漢明窗為400ms，計算頻率為2-50Hz的PSD。感興趣的頻帶（FOI）選擇theta：4-7Hz，alpha：8-12Hz，beta：15-30Hz。定義三個興趣區(qū)（ROI）：PFC（前額葉）包括電極FP1，F(xiàn)PZ，F(xiàn)P2，AF7，AF3，AF8；布魯?shù)侣鼌^(qū)9,10,46也就是背外側(cè)和前額葉（被認為是與高級執(zhí)行官功能有關(guān)）；左側(cè)PPC包括電極P7,P5,P3,PO3,PO5,PO7和右側(cè)PPC（后頂葉皮質(zhì)）包括電極P8,P6,P4,PO4,PO6,PO8,覆蓋布魯?shù)侣鼌^(qū)7,19,37和39，即聯(lián)想視覺皮層，頂葉-枕葉-顳葉-角回，被認為是與高級認知功能有關(guān)（感覺運動整合）和觸覺、聽覺和視覺信息輸入之間的跨模態(tài)關(guān)聯(lián)。對于每個ROI，計算每個FOI、每個條件和每個受試者的ROI特定電極之間的平均PSD值。

圖2. 被試在不同條件下的全腦PSD活動

03 實驗結(jié)果

步態(tài)測量：分別計算每個被試在每種情況下的步態(tài)測量值，并估計不同情況之間的組間差異。

表1. 單任務(wù)和雙任務(wù)步態(tài)測量。每種情況的步態(tài)表現(xiàn)平均值(t SD)測量(N = 14)

（RMS：Root Mean Square（均方根）；RMSR；均方根標準化后）

結(jié)果表明：步態(tài)測量的平均步長和ml-RMSR每種條件沒有顯著變化，其它條件下都有統(tǒng)計學(xué)意義上的顯著性。

表2. 每個加速度RMSR方向的逐條件預(yù)測模型

圖3. 多元回歸模型觀測與預(yù)測的ver-RMSR值

圖4. 多元回歸模型觀察DT1期間的ver-RMSR值

圖5. 多元回歸模型觀察DT2期間的ml-RMSR值

上圖結(jié)果說明：特定區(qū)域和特定頻率的大腦激活可以預(yù)測自由定步幅行走和雙任務(wù)行走時的步態(tài)穩(wěn)定性。兩種步行條件(單任務(wù)步行和邊走邊交談)在θ和α頻段上均表現(xiàn)出相對ver-RMSR、速度和左頂葉PSD的正相關(guān)關(guān)系。另一方面，在β頻段，邊走邊發(fā)短信的ml-RMSR與左頂葉PSD呈負相關(guān)。因此，左側(cè)PPC似乎在真實世界的行走中起著普遍的作用，次要任務(wù)的類型可能與左側(cè)PPC的頻率特異性編碼相關(guān)。

04 結(jié)論

①在真實環(huán)境中行走時，左側(cè)PPC可能參與了感覺運動整合和步態(tài)控制的過程。

②頻率特異性編碼在不同的雙任務(wù)中起作用，并可能發(fā)展為神經(jīng)系統(tǒng)疾病在執(zhí)行這些類型的雙任務(wù)時步態(tài)缺陷的生物標志物。

05 參考文獻

Pizzamiglio,S., Abdalla, H., Naeem, U.,& Turner, D.L..(2018). Neural predictors of gait stability when walking freely in the real-world. Journal of NeuroEngineering and Rehabilitation, 15(1), 11.