CMC计算方法介绍
- 0. 引言
- 1. 主要贡献
- 2. 方法
- 2.1 普通CMC
- 2.2 小波CMC
- 2.3 其余方法
- 2.4 预处理增强型CMC
- 3. 总结
- 欢迎来稿
论文地址:https://www.frontiersin.org/articles/10.3389/fnhum.2019.00100/full
论文题目:Corticomuscular Coherence and Its Applications: A Review
论文代码:无
0. 引言
作为皮层和肌肉之间功能连接的指标,CMC研究是近年来神经生理学的重点。虽然CMC代表了一种相干关系,但是关于相干性关系的计算方式却多种多样,也有很多学者对CMC的相干性关系计算方式进行了研究,包括:普通CMC、小波CMC、傅里叶CMC以及有向CMC等。
本文旨在给大家做一个简单的介绍,如果发现有趣的内容也可以联系作者进行后续添加。
1. 主要贡献
- 进行了CMC方法的
相关介绍
- 讨论了一些相关的
CMC方法
2. 方法
2.1 普通CMC
方法采用的是CMC的分析具体计算和实现见:皮层肌肉相干性(CMC)的介绍和实现
2.2 小波CMC
在普通CMC的基础上提出了小波CMC
,以增强运动皮层和肌肉的相对水平
,并观察时频域中的相干性
,根据时间的函数估计信号频谱特征
。小波分析
的一个主要优点是可以直观
、方便地
观察不同任务在不同时间的显著相干性。与传统的CMC分析结果相比,小波相干性在分析两个振荡神经信号
之间的临时活动时提高了精度
,并且擅长动态神经相互作用
。
Morlet小波族
是一种简单而适合谱估计的小波,尽管仍有许多小波可以选择。信号 x (u) 沿 Morlet 小波分解
,在频率 f 和时间 τ 下,可以通过以下公式计算:
其中,
ψ
τ
,
f
∗
(
u
)
ψ_{τ,f^*} (u)
ψτ,f∗(u) 是频率 f 处的正弦波
的乘积,其高斯函数以时间 τ 为中心,其标准差σ与频率 f 的倒数成正比。小波变换函数是由 x 与 Morlet 小波族的卷积给出的函数:
从小波变换函数可以看出,大脑皮层和肌肉之间两个信号
的小波交叉谱
如下:
其中δ是可以取决于频率的标量
。因此,小波相干性
可以定义如下:
2.3 其余方法
除了上述两种分析CMC的方法外,一些研究还报道了傅里叶相干性
和部分定向相干性
。比较傅里叶相干性与小波相干性,这两种方法都研究非平稳信号
,但小波分析的窗口大小是固定的
,它更适合振荡信号的频率
。因此,小波相干性比傅里叶相干性具有更准确的结果
。对于部分定向相干,该技术可以评估神经信息的流动方向,并指示皮层信号和肌肉信号与普通CMC分析相比在功能上是如何连接的。这是一种潜在的技术,因为目前的研究主要集中在两个信号或下行皮质脊髓通路之间的同步性上。
定向相干性是目前的主流方向,后续做相干性研究可能更偏向于这一点。。。。
2.4 预处理增强型CMC
文章:Enhanced EEG–EMG coherence analysis based on hand movements
本研究提出了一种改进
的相干性方法,以增强对脑电图-肌电图相干性的估计
。首先,我们根据EMG信号的突发点对同步脑电信号进行采样
。然后,在基于 EMG 爆发点再次采样 EEG 之前
,使用窗口函数执行
采样脑电图的移动平均值。脑电图信号被重新组装
以有效反映肌肉运动。最后,利用幅度平方相干性(MSC)
和小波相干性
计算了EEG-EMG相干性的估计。
3. 总结
到此,使用 CMC计算方法介绍 已经介绍完毕了!!! 如果有什么疑问欢迎在评论区提出,对于共性问题可能会后续添加到文章介绍中。
如果觉得这篇文章对你有用,记得点赞、收藏并分享给你的小伙伴们哦😄。
欢迎来稿
欢迎投稿合作,投稿请遵循科学严谨、内容清晰明了的原则!!!! 有意者可以后台私信!!