双面脑电电极信号相关性随运动特征变化的机制研究及其在运动伪迹去除中的应用

《Scientific Reports》：Dual-sided EEG electrode signals have varying correlations that depend on movement characteristics

本研究针对移动脑电图(EEG)记录中运动伪迹干扰严重的问题，通过机器人平台系统研究双面EEG电极在不同方向(X/Y/Z)、幅度(1-5mm)、频率(1-1.75Hz)和随机性运动下的信号特征。发现垂直运动导致负相关，所有相关性指标与运动幅度呈线性缩放关系，而随机运动降低双面信号相关性。这些发现为开发自适应去噪算法和优化双面电极设计提供了重要依据，将推动移动EEG在真实环境中的应用。

　　

在神经科学研究领域，移动脑电图(Electroencephalography, EEG)技术的出现使得研究人员能够在真实运动场景下记录大脑活动，为研究运动控制、认知过程等提供了全新视角。然而，移动EEG记录面临一个长期存在的挑战——运动伪迹。这些由电极与头皮相对运动产生的干扰信号，其幅度往往远超真实的脑电信号，严重影响了移动EEG数据的可靠性和解释性。

运动伪迹的产生机制复杂多样，主要包括电极-皮肤界面的电耦合变化和电缆摆动引起的摩擦电噪声。特别是垂直于电极表面的垂直运动，由于会引起接触压力和接触面积的动态变化，导致接触阻抗波动更为显著，因此产生的运动伪迹也更强。以往研究表明，运动伪迹具有方向依赖性，并随着运动频率或行走速度的增加而增强。

为了解决运动伪迹问题，研究人员已经开发了多种硬件和软件方法。硬件方面包括改进电极设计（如凝胶基Ag/AgCl电极、主动电极、柔性电极等）和增加辅助传感器（如加速度计、陀螺仪）。软件算法则涵盖高通滤波、回归滤波、盲源分离（如独立成分分析ICA）等方法。然而，这些方法各有局限性，要么会过度衰减神经信号，要么无法彻底清除伪迹。

近年来，一种创新性的双面EEG电极技术应运而生。这种电极能够同时记录头皮EEG和隔离的运动伪迹信号，为运动伪迹去除提供了新思路。该技术基于一个关键假设：受噪声污染的EEG数据与隔离的运动伪迹数据共享共同的噪声成分。虽然已有研究将双面EEG应用于障碍行走、不同速度行走和乒乓球运动等场景，并采用了复杂的信号处理流程，但双面电极信号在受控运动条件下的相互关系尚未得到系统表征。

为了解决这一知识空白，Jinfeng Li和Helen J. Huang在《Scientific Reports》上发表了他们的最新研究，系统探讨了运动方向、幅度、频率和随机性如何影响双面EEG电极信号的相关性。他们的工作为理解双面电极的信号特性提供了基础性见解，有望指导更简单有效的伪迹去除流程的开发。

研究人员采用了几项关键技术方法开展本研究：他们定制了双面EEG电极，使用针型Ag/AgCl主动电极作为底部电极，倒置的扁平型Ag/AgCl主动电极作为顶部电极；开发了机器人测试平台，通过编程控制机械臂系统性地驱动电极进行不同参数组合的运动；采用运动捕捉系统记录精确的电极运动轨迹；运用多种信号处理和分析方法，包括Pearson相关系数计算（经Fisher's Z变换）、功率谱密度(Power Spectral Density, PSD)分析、幅度平方相干性(Magnitude-Squared Coherence)计算以及时频分析(Time-Frequency Analysis)等。

方向效应

研究发现运动方向对双面电极信号相关性有显著影响。垂直方向(Z)运动导致顶部和底部电极信号相关性以及运动和顶部信号相关性为负值，与水平方向(X和Y)运动形成的正值形成鲜明对比。这种差异可能源于垂直运动中电极与导电织物相对距离的交替变化导致的阻抗波动，而水平运动中电极-织物距离保持相对一致。

幅度效应

所有相关性指标（顶部和底部信号相关性、运动与顶部信号相关性、运动与底部信号相关性）均随运动幅度增加而线性缩放。线性回归分析显示，除个别情况外，这些相关性指标与运动幅度存在显著线性关系。这一发现与先前研究中较大位移会降低EEG信噪比的观察结果一致。

频率效应

与预期不同，运动频率对时域相关性指标没有明显影响模式。然而，顶部和底部信号的幅度平方相干性峰值频率在81.25%的条件下与运动频率匹配，支持了基于频谱的噪声消除方法在EEG运动伪迹去除中的可行性。

随机性效应

增加运动随机性会降低顶部和底部电极信号的相关性。当运动被限制在水平主导方向时，相关性为正值；而在垂直主导方向时，相关性为负值。有趣的是，当存在垂直主导运动时，增加水平方向的随机性并不会进一步降低相关性，表明垂直运动对相关性的影响大于水平运动。

时频分析

时频分析显示，大振幅运动会引起低频功率（低于2Hz）增加。对于顶部和底部电极信号，3mm运动时开始出现低频功率爆发，5mm运动时变得更加明显。低频功率随着运动开始而增加，峰值功率大多出现在运动周期的25%和75%左右，对应最大运动速度的时刻。

该研究的讨论部分强调了这些发现对移动EEG实际应用的重要意义。方向依赖性表明自适应去噪算法可以结合方向特异性处理策略，特别是针对垂直运动的相位反转。幅度与相关性指标的线性关系提示可以根据检测到的位移水平实施动态伪迹阈值，提高日常活动中变化运动强度下的伪迹拒绝准确性。尽管利用运动方向和幅度对信号相关性的差异效应可能需要复杂的运动分割和分类，但顶部和底部信号始终共享与运动频率匹配的主导频率，这一发现支持开发更通用的频域去噪算法。

除了伪迹去除，本研究识别的方向和幅度特异性信号特征也可用于直接从运动污染的EEG信号预测运动特征。对于脑机接口(Brain-Computer Interface, BCI)系统，实施自适应和频域伪迹去除策略可以增强移动或运动相关应用中的鲁棒性。同时，利用基于伪迹的特征预测运动特征可能通过提供互补的运动相关信号进一步改善BCI性能。

研究也指出了若干局限性，如双面电极的不对称设计（顶部为扁平电极，底部为针型电极）导致两侧凝胶量不同；导电织物并非模拟人体皮肤电学特性的最佳材料；机械臂的加速度限制制约了较大运动幅度下可用的运动频率。

尽管如此，这项研究为双面EEG电极在实际移动EEG记录中的应用提供了重要见解。通过将实验台发现转化为优化硬件设计和算法，用于运动伪迹去除或运动特征预测，双面EEG技术有望弥合受控实验室记录与动态真实应用之间的差距，从而扩展移动EEG在研究和临床应用中的效用。

总之，这项研究系统评估了不同运动特性对双面EEG电极信号的影响，揭示了运动方向决定相关性符号、运动幅度（而非频率）线性缩放相关性、随机运动降低相关性的规律。这些发现深化了对双面EEG电极信号特征的理解，为开发去噪算法、基于伪迹的运动特征预测以及优化双面电极设计提供了理论基础，将推动移动EEG在真实环境中的性能提升和应用拓展。