MEG和EMG的非线性动力学:稳定性和相似性分析
Armin Hakkak Moghadam Torbati1,2, Christian Georgiev1,2, Daria Digileva1,2
1Laboratory of Functional Anatomy, Faculty of Human Motor Sciences, Universite Libre de Bruxelles (ULB), 1070 Brussels, Belgium.
Brain sciences
|July 29, 2025
概括
这项研究揭示了非线性动力学分析,使用方法,如Lyapunov指数和相关性维度,捕捉稳定的内在大脑和肌肉活动在运动任务. 然而,这些非线性特征并不反映大脑肌肉的相似性,与线性方法不同.
科学领域:
- 神经科学是一个神经科学.
- 发动机控制器的控制器
- 非线性动力学是一种非线性动力学.
背景情况:
- 在持续的收缩过程中,感觉运动贝塔振荡对于运动控制和皮质肌肉连贯性 (CMC) 是至关重要的.
- 现有的脑肌相互作用的线性分析忽略了暂时β振荡中固有的非线性动态.
研究的目的:
- 为了探索在同度肌肉收缩期间β振荡的非线性动态.
- 将非线性动态与线性测量进行比较,以了解大脑肌肉相互作用.
主要方法:
- 磁脑电图 (MEG) 和电肌图 (EMG) 数据是在同位素捏刺任务中收集的.
- 计算了非线性特征 (利亚普诺夫指数,碎形维度,相关性维度) 和振幅包的线性相关性.
- 用变化系数 (CV) 评估信号爆发率,并用代用数据验证.
主要成果:
- 非线性测量 (LE,CD) 显示MEG和EMG的稳定,结构化动态,与代用数据有显著差异.
- 线性信封相关性,但不是非线性特征,捕获的MEG-EMG信号相似性.
- 相关性维度 (CD) 与MEG中的β爆率相关,与LE和FD不同.
结论:
- 非线性动力学分析捕捉到皮层和肌肉β活动中的内在,稳定的时间模式.
- 非线性特征不反映交叉模式的大脑肌肉相似性,使其与线性分析区别开来.
