区域大脑激活预测在真实环境中的步行表现的机制研究
01 研究背景
真实运动过程中的步态障碍在神经系统疾病中很常见。然而，目前我们对真实世界中行走的神经关联以及大脑的哪些区域参与调节步态的稳定性和表现知之甚少。作为了解帕金森病等神经系统疾病中步态神经控制如何受损的第一步，我们研究健康成年人早参与任务中的区域大脑激活如何预测在真实环境中的步行表现。
02 研究方法
2.1、被试
18名健康青年人（平均年龄±标准差 = 25±3,7名男性被试）既无神经系统疾病，也无骨骼或步态障碍史，自愿参与，并获得实验知情同意权。
2.2、实验流程
被试首先在实验室房间中准备然后进入校园，在准备期间不记录脑电信号，要求被试熟悉实验设置。走出准备室后，会看到预先设好的步形路径（200米），并按照他们自己喜欢的自然速度行走。
实验包括三种情况，在这三种情况下，被试自然地沿着预先设定的路径行走(单任务，ST)，同时与实验者交谈(双任务1,DT1)或用智能手机发短信(双任务2,DT2)。为了避免步态行为和记录上的偏差，双任务条件被随机分配给不同的被试。被试在每种条件后休息5分钟防止疲劳。在每个条件下，实验者都跟踪研究对象，记录他们的步态行为。实验只在没有强风和/或大雨的干燥日子进行。
2.3、数据采集与处理
使用64通道Waveguard脑电帽连续采集，采用EEGoPro放大器（ANT Neuro），采样频率为1KHz，原始信号在0.1-500Hz之间进行滤波，整个实验期间阻抗值保持在5KΩ以下，参考电极为FCz。
被试在行走过程中背着装有放大器的背包，将三星Galaxy S4迷你智能手机松紧带固定在被试的下背部，通过AndroSensor应用程序记录其内部加速度计和陀螺仪的数据，频率为200Hz。两个数字力敏传感器作为触点开关固定在被试的脚跟下，以检测脚跟撞击的次数。
图1. 实验场景图
步态测量：
步态测量分析用基于MATLAB的iGAIT工具箱分析步态线性加速度数据。
脑电数据预处理：
用基于MATLAB的EEGLAB开源工具箱，全脑平均转参考，带通滤波为0.5-100Hz，然后50Hz Notch滤波，ICA去伪迹，插值坏导。分段时间是-200ms-1600ms。
基于兴趣区电极区域的功率谱密度（PSD）：谱分析中，采用汉明窗为400ms，计算频率为2-50Hz的PSD。感兴趣的频带（FOI）选择theta：4-7Hz，alpha：8-12Hz，beta：15-30Hz。定义三个兴趣区（ROI）：PFC（前额叶）包括电极FP1，FPZ，FP2，AF7，AF3，AF8；布鲁德曼区9,10,46也就是背外侧和前额叶（被认为是与高级执行官功能有关）；左侧PPC包括电极P7,P5,P3,PO3,PO5,PO7和右侧PPC（后顶叶皮质）包括电极P8,P6,P4,PO4,PO6,PO8,覆盖布鲁德曼区7,19,37和39，即联想视觉皮层，顶叶-枕叶-颞叶-角回，被认为是与高级认知功能有关（感觉运动整合）和触觉、听觉和视觉信息输入之间的跨模态关联。对于每个ROI，计算每个FOI、每个条件和每个受试者的ROI特定电极之间的平均PSD值。
图2. 被试在不同条件下的全脑PSD活动
03 实验结果
步态测量：分别计算每个被试在每种情况下的步态测量值，并估计不同情况之间的组间差异。
表1. 单任务和双任务步态测量。每种情况的步态表现平均值(t SD)测量(N = 14)
（RMS：Root Mean Square（均方根）；RMSR；均方根标准化后）
结果表明：步态测量的平均步长和ml-RMSR每种条件没有显著变化，其它条件下都有统计学意义上的显著性。
表2. 每个加速度RMSR方向的逐条件预测模型
图3. 多元回归模型观测与预测的ver-RMSR值
图4. 多元回归模型观察DT1期间的ver-RMSR值
图5. 多元回归模型观察DT2期间的ml-RMSR值
上图结果说明：特定区域和特定频率的大脑激活可以预测自由定步幅行走和双任务行走时的步态稳定性。两种步行条件(单任务步行和边走边交谈)在θ和α频段上均表现出相对ver-RMSR、速度和左顶叶PSD的正相关关系。另一方面，在β频段，边走边发短信的ml-RMSR与左顶叶PSD呈负相关。因此，左侧PPC似乎在真实世界的行走中起着普遍的作用，次要任务的类型可能与左侧PPC的频率特异性编码相关。
04 结论
①在真实环境中行走时，左侧PPC可能参与了感觉运动整合和步态控制的过程。
②频率特异性编码在不同的双任务中起作用，并可能发展为神经系统疾病在执行这些类型的双任务时步态缺陷的生物标志物。
05 参考文献
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.
