心理任务诱发皮层和脊髓振荡的共同调制

《Journal of NeuroEngineering and Rehabilitation》：Mental tasks induce common modulations of oscillations in cortex and spinal cord

　　

背景：脊髓运动神经元（Spinal Motor Neurons, MNs）的锋电位序列包含调节肌肉力的低频成分，以及不调节肌肉力的高频成分（>10 Hz）。这些高频成分在运动控制中的功能角色仍存在争议。研究人员调查了能够调节皮层振荡功率的心理任务是否会在不影响力输出的情况下，诱发脊髓运动神经元活动（>10 Hz）的相应调节。这种耦合将表明，某些高频成分不仅仅是力产生的副产品，也不间接促进运动控制，而仅仅是皮层振荡向脊髓运动神经元传播的反映。如果这些高频振荡的自发功率调节不影响力输出，它们可能作为神经接口应用（如运动增强或运动神经假体）的控制信号。方法：研究人员招募了15名人类参与者，记录了来自胫骨前肌的高密度肌电图（High-Density Electromyography, HD-EMG）信号以及脑电图（Electroencephalography, EEG）信号。从HD-EMG信号解码的脊髓运动神经元活动中计算累积锋电位序列（Cumulative Spike Train, CST）。参与者在持续足背屈的同时，执行足部运动想象、手部运动想象、心算或无特定心理任务。研究人员分析了EEG和CST信号之间的频带功率相关性，并评估了CST频带功率信号在线性分类器下的任务可区分性。结果：在肌内一致性（Intramuscular Coherence, IMC）峰值处，研究人员在两项独立分析中发现了CST与EEG之间具有统计显著性的功率相关性：第一，跨所有试验（无论心理任务）的相关性；第二，跨四种心理任务的相关性（肯德尔τ系数：τ_trial = 0.08 ± 0.10，τ_task = 0.33 ± 0.19；均值±标准差）。为评估CST作为控制信号的潜力，研究人员基于CST频带功率对心理任务进行分类，获得了略高于随机水平但具有显著性的分类准确率（30% ± 5%；随机水平为25%）。结论：这些结果显示，心理任务能够同时调节皮层和脊髓振荡的功率。这支持了如下观点：不参与持续力控制的皮层振荡可以向下传播至脊髓水平。研究人员进一步证明，心理任务可以从CST频带功率中分类，但分类性能受限于低信噪比。

论文解读：心理任务诱发皮层与脊髓振荡的共同调制

研究背景与问题

脊髓运动神经元（Spinal Motor Neuron, MN）的锋电位序列包含低频成分（调节肌力）和高频成分（>10 Hz，不直接调节肌力）。高频振荡（如beta频段13–30 Hz和gamma频段30–70 Hz）在运动控制中的功能角色一直存在争议。已有研究表明，这些振荡至少部分源自皮层，并通过皮层-脊髓通路向下传播，但尚不清楚其是否仅为力产生的副产品或具有独立功能。特别是，心理任务（如运动想象、心算）已知能调节皮层振荡功率，但能否在不影响正在进行的力输出的情况下，同步调制脊髓运动神经元的高频活动？如果存在这样的耦合，则意味着部分皮层振荡可无功能性地“泄漏”至脊髓，并可能为神经接口（如运动神经假体、运动增强）提供新的控制信号。

为此，研究人员设计实验，在持续等长足背屈（力输出恒定）的同时，要求参与者执行四种心理任务（足部运动想象、手部运动想象、心算、无任务），并同步记录高密度肌电图和脑电图，从HD-EMG中解码运动神经元活动，构建累积锋电位序列（Cumulative Spike Train, CST），分析其与EEG的功率共调制关系。

研究人员开展了什么研究

研究人员招募了15名健康参与者（11男4女，年龄21–47岁），来自德国弗莱堡大学伦理委员会批准的研究，参与者签署知情同意书。实验要求参与者以8%最大自主收缩力进行持续足背屈，同时执行四种心理任务（足部运动想象、手部运动想象、心算、无任务），每种任务重复84次。从胫骨前肌的HD-EMG信号中，使用盲源分离算法（Negro等开发）解码单个运动神经元锋电位，合并为CST。EEG采用61通道覆盖中央区、额区、顶区及颞区。通过源功率共调制（Source Power Comodulation, SPoC）方法，在5–74 Hz频带内（5 Hz宽，1 Hz步进）寻找EEG空间滤波器，使得滤波后EEG功率与CST功率协方差最大，并计算肯德尔τ系数评估相关性。同时使用收缩线性判别分析（sLDA）对CST频带功率特征进行单试次任务分类，评估区分能力。

主要关键技术方法（<250字）

1. **高密度肌电图分解与累积锋电位序列构建**：采用盲源分离（固定点算法加迭代聚类）从64电极HD-EMG中提取单个运动神经元锋电位，筛选SIL>0.85且平均发放率>5 Hz的单元，求和得CST。
2. **源功率共调制**：通过SPoC在EEG多通道上训练线性空间滤波器（10折交叉验证防过拟合），最大化滤波后EEG功率与CST频带功率（经力均、力标准差、CST发放率回归去混）之间的跨试次协方差。
3. **任务分类**：以CST频带功率（15–45 Hz，2 Hz步进）为特征，使用收缩LDA（Ledoit-Wolf收缩）进行10×10折交叉验证分类，并排除mu频段（8–13 Hz）以聚焦可向下传播的振荡。

研究结果

**代表性运动神经元活动**：从HD-EMG成功解码出2–35个运动神经元，其CST在任务时段呈现>10 Hz的频谱峰值（图2），验证了高频成分的存在。

**功率共调制分析**：
- **频带相关**：CST与EEG的试次相关性和任务相关性的组均值在beta频段（约24 Hz）和低gamma频段（约31 Hz）呈正值（图3a）。试次相关性显著大于零，提示自发波动；任务相关性表明心理任务同步调制两类信号。
- **IMC对齐相关**：以肌内一致性（IMC）峰值频率为中心对齐后，试次相关性（τ_trial = 0.08 ± 0.10）和任务相关性（τ_task = 0.33 ± 0.19）均显著高于宽带平均，且任务相关性在仅考虑三种双任务（排除无任务）时仍显著，排除单任务差异驱动。

**信噪比分析**：CST频带功率在beta和低gamma频段信噪比显著高于基线（IMC对齐后更明显），EEG信噪比在mu频段最高但CST在该频段极低，证实皮层mu振荡被脊髓网络滤除（图6）。

**分类结果**：基于CST频带功率的特征（CST-FB和CST-IMC）分类准确率均为30%（随机25%），显著高于随机水平。去除力及CST发放率等混杂因素后分类准确率无显著变化，表明任务效应独立于力输出。EEG分类准确率（35%）显著高于CST，但二者分类标签间存在部分一致性（部分参与者不确定性系数显著，图7b）。

**力输出分析**：心算任务中力均值略高于其他任务，但回归分析显示心理任务对CST频带功率的效应在控制力后仍显著（ΔR2_adj中位数0.013），且与力的边际关联显著，排除混杂或碰撞结构。CST-EEG功率相关大于EEG与力参数的相关，进一步支持振荡传播而非力中介。

**EEG ERD/S图**：双任务条件下（足部MI、手部MI、心算）在mu和beta频段出现事件相关去同步化（ERD），而无任务条件无明显变化，证实心理任务确实调制皮层振荡。

总结讨论与结论

讨论部分指出，研究发现的CST-EEG功率共调制支持皮层beta/低gamma振荡可向下传播至MNs而不参与持续力控制的假设。EEG空间模式显示来源位于初级运动或体感皮层足部区域，与皮层-肌肉一致性（CMC）的躯体定位一致。分类性能虽低（30%），但经用户训练或结合多肌肉信号有望提升，为神经接口提供新范式。局限性包括：beta频段双向信息流方向未定，不能排除共同亚皮层输入，以及爆发式振荡可能存在参数交叉调制等。

结论（翻译）：这些结果表明，心理任务能够同时调节皮层和脊髓振荡的功率。这支持了不参与持续力控制的皮层振荡可以向下传播至脊髓水平的观点。研究人员进一步证明，心理任务可以从CST频带功率中分类，但分类性能受限于低信噪比。