深部功能性皮层肌肉耦合效应的构建与分析

基于摘要分析。本研究关注不同信号来源如何影响功能性皮层肌肉耦合，使用 EEG、高密度表面肌电（HD-sEMG）及其重建源信号构建四种信号源组合，在不同最大自主收缩水平的食指等长收缩任务中比较皮层肌肉相干性。核心贡献是考察脑与肌肉信号的源重建是否改变耦合指标，以及这种影响是否随用力水平变化。 方法上，研究采用非参数耦合模型，分析与手部运动相关的相干性峰值和相干性强度。摘要未说明四种组合的具体配置、脑与肌肉信号的源重建算法、相干性估计频段及参数；标题中的“深部”指向重建源信号的分析语境，不能据此理解为深度学习方法。 作者报告，在低用力水平下，EEG 与 HD-sEMG 信号重建显著提高了相干性峰值和相干性强度；随着用力水平增加，仅重建脑源信号表现出更明显的作用。作者还报告，相干性峰值与手指用力水平呈正相关。摘要未提供具体效应量、相关系数或显著性数值，因此无法评估这些变化的幅度与稳定性。 研究直接支持的是源重建对皮层肌肉相干性估计的影响，而非运动解码或 BCI 性能提升。被试构成与人数、具体收缩水平、采集与预处理流程、统计检验及实验协议尚未验证；复现前需核对源重建方法、各组合的比较条件及相干性指标定义。相干性指标提高本身也不足以确定其是否更准确地反映了真实生理耦合。