不同支撑模式下自由式滑雪空中技巧运动员大脑感觉运动皮质区对下肢肌肉控制模式的研究

郭 峰，付彦铭，李 东，袁维帅，王 新*

（1.沈阳体育学院，辽宁 沈阳 110102；2.东北大学 理学院，辽宁 沈阳 110102）

平衡在维持人体站立、行走以及协调完成人体各种动作中具有重要的作用。作为技巧类运动员，通常需要更高的平衡控制能力来确保落地稳定性。而复杂多变的动作技术结构和雪面物理因素干扰，使得在“动作-平衡动态耦合”状态下，自由式滑雪空中技巧项目运动员落地平衡稳定控制难度更高，也是影响该项目运动员运动表现的关键因素和研究难点问题。对自由式滑雪空中技巧项目运动员平衡能力的评估以往多采用静态平衡能力进行评价（娄彦涛 等，2016；闫红光 等，2009，2012），但由于不同指标的敏感度不同，其评价结果存在差异。娄彦涛等（2016）选取COP在X轴、Y轴方向移动的速度、总距离、平均距离以及速度矩等作为评价指标，比较了自自由式滑雪空中技巧项目国家队和青年队运动员在睁、闭眼状态下单腿、双腿静态站立平衡过程中COP的差别，研究仅发现COP的移动速度指标存在统计学差异，而并未报告COP移动距离指标的差异。

人体的站立平衡是在大脑的控制下完成的，已有研究表明，大脑皮质在人体站立平衡过程中起到重要的调控作用，如当人体发生脑卒中时，其站立平衡控制能力减弱（Bonan et al.，2004）。经颅磁刺激（transcranial magnetic stimulation，TMS）研究表明，人体在站立平衡时，其大脑相关皮质区的皮质血流量显著高于其在坐位状态下的皮质血流量（Obata et al.，2009）。还有学者使用脑电（electroencephalography，EEG）技术发现人体在静态站立平衡控制任务中，不同频率段的脑波发生了显著变化（Percio et al.，2007；Thibault et al.，2014；Varghese et al.，2015）。这些研究说明，大脑皮质在人体站立平衡过程或者在身体姿势维持中可能起到了重要作用。但无论大脑皮质兴奋性、脑血流动力学，还是脑电频段的变化，都不能直接说明大脑皮质在平衡控制中的作用。为了建立人体在站立平衡过程中大脑皮质与肌肉之间直接的功能联系，Murnaghan等（2014）引入了大脑皮质-肌肉相干（corticomuscular coherence，CMC）的评价方法，它可以帮助我们直接了解人体在执行运动任务过程中大脑皮质对肌肉的控制情况。CMC是对某一频段的EEG信号和肌电（electromyography，EMG）信号的频谱进行相关分析的一种方法，通常选择EEG的β（13～30 Hz）和γ（31～45 Hz）频段进行分析（Campfens et al.，2013；Mima et al.，1999；Slobounov et al.，2009）。该评价方法已广泛应用于大脑皮质对肌肉控制的研究中，如运动性肌肉疲劳时神经肌肉控制发生的变化（张肃等，2016），脑卒中患者康复治疗过程中神经肌肉协调性的评价（Larsen et al.，2017；Von Carlowitz-Ghori et al.，2014），身体姿势控制中的神经机制研究（Liu et al.，2019）。

在运动实践中，为了提高平衡能力，自由式滑雪空中技巧项目运动员经常在高难度的平衡控制任务中进行训练，如以单腿站立于非平稳的气垫完成平衡控制。尽管长期的平衡专项训练提高了该项目运动员的平衡控制能力，但在复杂多变的环境条件下，运动员在腾空后的着陆过程中摔倒的现象依旧经常发生。虽然对自由式滑雪空中技巧项目运动员的平衡能力已进行了较多探究，但关于该项目运动员在复杂多变的环境下神经对肌肉的控制策略研究涉及较少。有研究表明，单腿测试能更好地揭示平衡稳定控制中存在的问题（刘波等，2007）。同时，软支撑模式影响感受器的信息输入，导致中枢神经系统接受的本体感觉信息不充分，可以用来分析被干扰的感觉成分在姿势平衡中的作用（Matsuda et al.，2008）。基于此，本研究采用CMC的评价方法探究自由式滑雪空中技巧项目运动员在不同的平衡控制难度任务下大脑皮质对下肢肌肉的控制机制，为训练提供科学的参考依据。

1 研究对象与方法

1.1 研究对象

本研究以17名自由式滑雪空中技巧项目国家队运动员为研究对象（身高：167.8±8.9 cm；体重：62.3±10.2 kg；年龄：20.8±4.4岁；训练年限：7.2±1.1年）。受试者符合如下纳入标准：1）测试时身体没有关节损伤情况；2）实验前3个月没有发生过损伤；3）实验前24 h没有进行过大强度训练，没有饮酒和咖啡因摄入；4）在测试时未摄入神经或精神治疗类的药物。排除标准：上下肢以及腰、肩、颈和头部受过外伤者。实验前和所有受试者说明具体的实验过程，每一名受试者均签署知情同意书。

1.2 研究方法

1.2.1 实验设计

为了让受试者完成不同难度的平衡控制任务，要求受试者以单腿站立于硬/软支撑面平衡仪上完成静态站立平衡任务。在硬支撑条件下，受试者直接站立于平衡仪平面上；在软支撑条件下，受试者站在平铺于平衡仪上的5 cm厚的T-foam软垫上。

在站立平衡过程中采用睁眼方式，受训者双眼目视前方墙上的一个固定点，左/右侧单腿站立交替进行，每次站立持续时间为30 s。在站立平衡过程中，同步采集受试者的EEG和下肢肌肉的表面EMG信号。根据文献报道，下肢肌肉选取股内侧肌、腓肠肌外侧头、胫骨前肌（Jacobs et al.，2015）。硬/软支撑面、左/右腿站立按照随机原则进行。

1.2.2 实验器材与材料

64导联脑电记录仪（ANT Neuro，Enschede，荷兰）、便携式平衡仪（HUMAC Balance，美国）、软垫、脑电膏（GT50，格林泰克，武汉）、表面电极（申风，上海）、磨砂膏、砂纸、绑带。

1.2.3 测试流程与实验步骤

为了降低脑电电极的阻抗，实验开始前受试者先清洗头发，然后吹干头发。佩戴脑电帽，在下肢相关肌肉皮肤表面粘贴表面电极，连接肌电电极连线。为了防止肌电电极线抖动，将电极线捆绑在肢体表面，但不能影响下肢的运动。在实验开始前受试者进行10 min简单的热身活动，主要是上下肢的拉伸运动以及慢跑运动。热身休息5 min后，开始正式实验。受试者分别以左/右腿，在软支撑面和硬支撑面条件下完成睁眼状态的单腿站立平衡控制任务，每种条件下的平衡任务持续30 s。受试者单腿站立相对稳定后开始采集EEG信号，记录EEG数据30 s后，受试者方可落下另一腿从支撑平台下来。

1.2.4 数据采集与处理

1.2.4.1 平衡数据采集与处理

为了评价受试者在不同难度单腿站立平衡任务过程中身体平衡稳定性，令受试者站立在便携式平衡仪上。受试者按照要求站立于标准位置后，执行单腿站立平衡任务，同时开始记录数据，平衡数据的采样频率为100 Hz，采样时间为30 s。

为了评价受试者不同难度站立平衡任务过程中平衡稳定性变化，本研究选取了身体压力中心（COP）在X轴和Y轴上移动位移的标准差（Lemos et al.，2015），标准差越大说明受试者在该方向的平衡稳定性越差，标准差越小说明受试者在该方向的平衡稳定性越好，分别用SDCOPX和SDCOPY表示。X轴为站立平衡时身体的左右方向，Y轴为身体前后方向。同时，也选取了COP的移动轨迹长度（COP Length）来评价受试者的平衡稳定性（娄彦涛等，2016）。

1.2.4.2 EEG数据采集与处理

本研究采用多导联脑电仪eegoTMmylab采集受试者在站立平衡控制过程中的EEG信号。测试前，受试者佩戴好脑电帽后，在每一个电极点注射导电膏，通过调整导电膏的量使每一个电极点的电极阻抗都降到5 kΩ以下。EEG采样频率为2 000 Hz，带通滤波范围0.1～100 Hz。接地电极位于脑电帽FPz与Fz电极之间的位置，参考电极为脑电帽CPz点。

根据Jacobs等（2015）和Chen等（2018）的研究，本研究进行CMC计算时使用基于Matlab语言环境开发的EEGlab工具箱对EEG信号进行预处理：1）将EEG信号进行Butterworth四阶带通滤波，为了去除站立平衡过程中动作伪迹对EEG信号的影响，高通截止频率设置为5 Hz，为了去除高频噪音的影响，将低通截止频率设置为50 Hz，即对EEG信号进行5～50 Hz的带通滤波，另外，为了去除工频信号对EEG信号的影响，对50 Hz频率成分进行陷波处理；2）为了降低数据样本量，将EEG信号进行降采样处理，采样频率重新设置为250 Hz；3）根据肌电的激活时程，对EEG数据按照1 s的长度进行分段；4）鉴于站立平衡过程中的身体重心不稳会对个别通道EEG信号造成影响，对有严重干扰的EEG信号通道进行插值处理；5）将EEG数据转换为以双侧乳突连接的重参考数据；6）通过肉眼观察去掉有严重伪迹干扰的EEG数据段；7）对初步处理的数据进行独立成分分析（ICA），去掉EEG信号中的眼电、肌电、心电、动作伪迹等干扰成分；8）对数据使用阈值法再次去除伪迹，阈值标准为±80 μV，即EEG信号幅值＞80 μV或＜-80 μV的EEG分段都将被去掉。本研究最终所有受试者保留下来的无干扰的EEG分段数为24.5±3.2，为了进行CMC计算，最终选取每一名受试者无干扰的20段EEG数据进行CMC计算。

1.2.4.3 EMG数据采集与处理

根据文献报道本研究选取了受试者双侧下肢的股内侧肌（vastus medialis，VM）、腓肠肌外侧头（gastrocnemius lateralis，GL）、胫骨前肌（tibialis anterior，TA）作为目标测试肌肉。EMG信号通过脑电仪的肌电扩增口采集，ANT脑电仪最多可以提供6块肌肉的EMG信号采集。EMG信号采用双极记录方式，2个记录电极距离为1.5 cm，2个记录电极连线方向与肌纤维方向平行，EMG信号的采样频率为2 000 Hz，带通滤波范围为1～500 Hz。粘贴电极之前，先用磨砂膏打磨皮肤去除皮肤油脂和角质皮，用酒精擦拭干净。粘贴电极完成后，连接电极线，为了避免在站立平衡过程中电极线抖动引起EMG信号飘移，使用弹性绷带将电极线捆绑在大腿周围，捆绑时注意不影响关节活动。

为了进行CMC计算，将原始EMG信号进行如下预处理：1）对EMG信号进行带通滤波，滤波范围为5～50 Hz；2）然后对EMG信号进行降采样处理，采样频率降为250 Hz；3）对EMG信号进行全波整流；4）EMG与EEG信号同步分段，每段数据的长度同样为1 s。

为了观察在软、硬支撑面引起的不同难度站立平衡时下肢不同肌肉肌电活动水平的差别，将原始EMG信号进行预处理，带通滤波5～150 Hz，将原始EMG信号降采样为500 Hz，然后进行全波整流。将每一块肌肉的EMG信号进行标准化处理，即将在每一个条件状态下的平均肌电幅值除以各自肌肉在最大随意收缩（maximal voluntary contractions，MVC）时产生的最大EMG幅值。每块肌肉单独进行MVC测试，每次MVC测试持续时间为3～5 s。将峰值附近1 s时间窗内的EMG幅值求平均值用于标准化处理。所有EMG幅值都是最大EMG幅值的百分数，表示为EMGnormalized（%）。

1.2.4.4 CMC计算

将所有分段后的全部肌肉的EMG信号和全部通道的EEG信号进行傅里叶转换，分别求出每段EMG信号和EEG信号的功率谱密度，然后按照幅值平方法求EEG信号与EMG信号的CMC值，见公式1。

根据文献报道，在某一频率带内并不是所有的CMC都具有统计学意义（Chen et al，2018），因此，需要计算CMC的显著性标准阈值。本研究以0.05为统计学标准，其相干阈值（Coherence Threshold，CT）为CT=1-0.051/N-1，此处N为频谱估计时的窗口数，经过计算，CMC的阈值CT=0.078。本研究选择阈值以上CMC围成的面积作为分析数据（图1）。

图1 阈值以上CMC面积的确定方法Figure 1.Determination of CMC Area above Threshold

由于 β波频率带（13～30 Hz）和 γ波频率带（31～45 Hz）的带宽不同，所以，要对不同频率段CMC面积进行比较，需先进行标准化处理（Normalized Area Coherence，NAC），即将某一频段相干曲线面积值除以频率带的带宽长度。假设2个频率带的截止频率点表示为（f1～f2），根据Chen等（2018）的研究，标准化CMC面积（NAC（f1～f2））的计算方法如公式2所示，其中，f1和f2分别表示频率带的下限和上限，Δf代表频率分辨率。

为了将不同条件下的标准化相干系数进行量化比较，根据Jacobs等（2015）的报道并结合CMC脑电地形图的分布特征（图2），分别选择了两侧大脑半球对应腿部肌肉的感觉运动皮质区的电极（FC1、C1、CP1、Cz、FC2、C2、CP1）进行量化分析（图3）。在进行量化比较分析时，选取对侧的感觉运动皮质区电极点以及中央点Cz的CMC总和进行比较（Jacobs et al.，2015）。

图2 受试者在软支撑面条件下左腿单腿站立时γ波段与TA的CMC值在大脑头皮的地形图分布Figure 2.Topography of CMC between Gamma Band and TA during Left Leg Stance on Soft Support

图3 受试者站立平衡过程中下肢相关肌肉EMG信号和覆盖感觉运动皮质区电极点EEG信号Figure 3.EMG Signals from Lower Limbs and EEG Signals from Sensorimotor Cortex during Single-leg Standing

1.3 统计学分析

本研究使用Graph Pad 8.3.0对数据进行统计学分析，针对不同的研究目的，设计了不同的统计学分析方案。

首先，为了观察软/硬支撑面、支撑腿对身体压力中心（COP）的影响，设计了2×2的两因素重复测量方差分析，自变量分别为：支撑面（2水平：硬、软支撑平面）×站立腿（2水平：左腿、右腿）。经Kolmogorov-Smirnov法检验后，反映COP变异的指标SDCOPX和SDCOPY不符合正态分布，因此，采用了非参数检验法Friedman进行统计学分析，显著性标准α=0.05，数据使用平均值和95%IC表示。

为了观察软/硬支撑、支撑腿、肌肉对下肢肌肉EMG信号的影响，设计了2×2×3的三因素重复测量方差分析，自变量为：支撑面（2水平：硬、软支撑平面）×站立腿（2水平：左腿、右腿）×肌肉（3水平：TA、GL、MV）。Kolmogorov-Smirnov法检验后，标准化EMG幅值EMGnormalized（%）数据不满足正态分布。因此，在两组之间比较时采用了非参数检验法Wilcoxon，显著性标准α=0.05，数据使用平均值和95%IC表示。

采用三因素重复测量方差分析观察不同自变量对因变量CMC的影响，3个自变量分别为：支撑面（2水平：硬、软支撑平面）×肌肉（2水平：TA、GL）×频段（2水平：β、γ），由于VM的EMG幅值很低，而得到的CMC值非常低，没有达到显著性阈值的标准，所以没有观察VM肌肉的CMC，而主要观察了TA和GL两块肌肉的CMC。使用Turkey法进行两组之间的多重比较校正，显著性标准α=0.05。

2 结果

2.1 不同站立平衡任务下COP变化

COP变化的双因素重复测量方差结果显示，站立腿×支撑平面之间对 SDCOPX（F=2.871，P=0.096 4）、SDCOPY（F=0.702，P=0.406）、COP Length（F=0.179，P=0.672）均没有显著的交互作用。不同站立腿对上述3个COP指标也没有显著性的主效应（P＞0.05）。但是支撑面的特点对受试者站立平衡过程中COP的变化有显著性影响[SDCOPX（F=9.589，P=0.003 2），SDCOPY（F=18.01，P＜0.000 1）]。在软支撑面站立平衡过程中，左腿站立和右腿站立的COP的摆动程度显著大于硬支撑面（图4），可见，不同支撑面性质会显著影响身体的平衡稳定性，软支撑时引起身体平衡稳定性下降，身体平衡控制的难度明显增大。另外，在站立平衡中，受试者COP在身体前后方向（Y轴）发生的摆动要显著大于身体左右方向（X轴）发生的摆动（P＜0.001）。

图4 受试者在软、硬支撑面条件下左/右单腿站立平衡过程中COP在X和Y轴移动距离的变异程度以及平均位移变化Figure 4.Variability of COP on X and Y axis and Average COP Displacement during Right/Left Leg Standing on Firm/Soft Support Surface

图5 受试者左、右单腿站立时两种支撑面对下肢肌肉EMG活动的影响Figure 5.Effect of Two Support Surfaces on EMG Activities from Right/Left Lower Limb Muscles during Static Standing Balance

2.2 不同站立平衡任务下下肢肌肉EMG变化

从图5中可以看出，在不同支撑面上站立时下肢肌肉的肌电活动发生了显著性变化。受试者在软支撑面上站立时TA和GL的EMG幅值显著增加（P＜0.05），VM的EMG幅值在左腿站立时显著增加（P＜0.05），而在右腿站立时并没有显著性变化。

2.3 不同站立平衡任务下CMC

图6为受试者左/右腿分别在硬支撑面和软支撑面条件下站立平衡过程中，大脑不同电极位置点（C1、C2、FC1、FC2、CP1、CP2、Cz）与下肢 TA 和 GL 肌肉之间的CMC平均曲线变化情况。可以看出，在站立平衡控制过程中，具有意义的CMC主要集中在β波段（13～30 Hz）和高频段的γ波段（31～45 Hz）。

图6 不同站立平衡任务下所有受试者不同电极位置CMC平均曲线Figure 6.Averaged CMC Curves from Different Electrodes during Different Standing Balance Tasks in all Subjects

为了将不同支撑面条件以及不同频率段的CMC进行统计分析比较，本研究将CMC进行了进一步的标准化处理，指标为NAC。对于NAC来说，支撑面×肌肉×支撑腿之间没有显著的交互作用（F=0.744，P=0.389），但支撑面、肌肉、支撑腿之间存在显著的主效应（P＜0.05）。进一步分析发现，β波段在软支撑单腿站立过程中产生的NAC，LTA显著高于RTA（P＜0.05）；在硬支撑单腿站立过程中，LTA显著高于LGA（P＜0.05）。在软/硬支撑面之间比较时，β波段表现为软支撑时的相干系数高于硬支撑，但仅在RGL表现出显著性差异（P＜0.05）（图7A）。

图7 受试者在不同支撑面条件下单腿站立平衡时不同站立腿之间NAC的比较Figure 7.Comparisons of NAC between Right and Left Leg Muscles during Standing on Respectively Firm and Soft Support Surface

γ波段在软支撑面单腿站立过程中RTA显著高于LTA（P＜0.05），而在硬支撑面单腿站立过程中RTA显著高于LTA（P＜0.05）；在软/硬支撑面之间比较时，表现为硬支撑高于软支撑条件，但主要表现为TA上有显著性差异（P＜0.05）（图7B）。

对不同频段下对应的NAC进行比较分析发现，无论是在软支撑平面条件下还是硬支撑平面条件下，都表现为γ波段对应的NAC值高于β波段，且在TA和GL都有显著性差异（图8）。

图8 受试者在不同单腿站立平衡任务下β波和γ波NAC变化Figure 8.Changes of NAC in β and γ Band during Different Standing Balance Tasks

3 分析

3.1 不同站立平衡任务下COP变化

Adlerton等（2003）将平衡能力定义为维持身体重心在水平支撑面上的稳定能力。因此，身体平衡和身体稳定性通常是同一种表述方法。身体压力中心（COP）是评价平衡过程中身体稳定性的一个重要指标，该指标已经广泛应用于平衡稳定性的评价之中（Ageberg et al.，2001）。

本研究结果显示，受试者无论左腿还是右腿站立，其在软支撑平面上站立平衡时COP的波动显著高于硬支撑面，说明对于受试者来说在软支撑平面站立时平衡控制难度更大。从COP在不同方向轴的变化来看，受试者COP在身体前后方向摆动的程度显著要高于左右方向。主要原因可能与人体在站立时COP投影主要位于踝关节之前，身体重力作用使得身体有向前倾的趋势，而机体为了防止身体向前倾倒，会加大身体在前后轴方向上的平衡控制，导致身体前后轴上的波动更大（Winter，1995）。闫红光等（2009，2012）对我国优秀男子自由式滑雪空中技巧项目运动员的静态平衡能力进行了分析，结果发现，男子运动员在睁眼双腿站立时身体重心在身体前后（Y轴）方向移动的距离要大于在身体左右（X轴）方向移动的距离。这与本研究得出的结果相近。图4C中COP在水平支撑面上移动的总距离在软、硬支撑时并没有体现出差异，而其COP摆动的程度（标准差）却存在显著性差异。Lemos等（2015）使用COP变化的标准差来评价受试者身体在双脚不同站立宽度下平衡稳定性的差别，获得了较好的评价效果。Sakamoto等（2018）使用COP的变异程度来评价身体平衡稳定性，变异程度越高，说明身体重心摆动越明显。

3.2 不同站立平衡任务下下肢肌肉EMG活动变化

Borg等（2007）研究表明，踝关节周围的肌肉在维持人体站立平衡中有重要作用，看似简单的站立姿势，涉及复杂的肌肉动力学问题。人体在静态站立时由于重力作用使得身体有向前倾斜的趋势。在矢状面上调节身体平衡主要依靠跖屈肌（对抗重力向后拉身体），如腓肠肌和比目鱼肌。Borg等（2007）采用测力平板和EMG同步评价人体站平衡过程中下肢肌肉的活动，研究发现，在双腿站力平衡中身体前后方向COP变化曲线与经过低通滤波后的腓肠肌EMG信号的相位高度相关。因此，他们认为身体前后方向的COP变化与腓肠肌EMG活动密切相关。Giulio等（2009）研究发现，受试者在双脚站立时，身体前后方向的摆动程度与下肢踝关节背屈角度呈高度正相关，同时与腓肠肌的EMG活动强度呈负相关。Masani等（2013）研究发现，胫骨前肌与足的内翻/外翻有关。Lemos等（2015）使用EMG结合COP的研究方法，观察了人体在双腿站立平衡过程中腓肠肌活动对身体左右方向COP的影响，结果发现，随着双脚站立宽度逐渐变小，在身体左右方向上的COP移动的幅度明显增加，同时伴随着胫骨前肌EMG活动水平增加。提示，胫骨前肌激动活动与身体左右方向的平衡控制密切相关（McCullough et al.，2011）。本研究结果显示，受试者的腓肠肌和胫骨前肌在维持站立平衡过程中积极放电，这与这两块肌肉在维持踝关节不同方向的平衡功能密切相关，且受试者在平衡控制难度增加的情况下，这些肌肉的电活动增强。提示，机体为了适应新的平衡条件，大脑中枢会增强神经冲动，加强这些肌肉的活动，从而保证身体在较高的平衡控制难度下维持平衡。

3.3 不同站立平衡任务下CMC变化

人体姿势的平衡控制是在中枢神经系统参与下完成的，众多研究表明，大脑皮质在人体站立平衡过程中起到重要的调控作用（Obata et al.，2009；Percio et al.，2007；Thibault et al.，2014；Varghese et al.，2015）。在这个控制过程中涉及到多个大脑皮质功能区的参与，如感觉运动皮质区、视觉皮质区等。运动皮质区作为直接投射到脊髓的通路，对下肢肌肉具有直接调控作用，而踝关节周围的肌肉能够提供感觉信息到大脑的躯体感觉区，进而协助身体调整平衡控制（Loram et al.，2005），而CMC可以直接反映大脑皮质对下肢肌肉的控制情况。

本研究发现，受试者在难度较高的软支撑面单腿站立平衡过程中，对侧大脑半球感觉运动皮质区对应的CMC值显著高于硬支撑面条件，这种显著性差异主要发生在腓肠肌外侧头。而且γ波段的CMC值高于β波段，主要发生在胫骨前肌，这可能与非稳定状态下肢肌肉的工作性质有关。另外，左/右腿之间的同一块肌肉的CMC并不一致，鉴于双侧下肢相关指标并未表现出完全的对称性，我们认为其原因可能是因为下肢肌肉的传入信息反馈或下肢下行控制功能不同，从而引起左/右腿CMC反应不同。从文献上来看，很少有学者探究不同平衡控制难度对人体站立平衡时CMC的影响。我们只发现Jacobs等（2015）观察了健康受试者双脚站立时站立宽度、软/硬支撑面、睁/闭眼对大脑运动皮质区β频率段与下肢胫骨前肌、腓肠肌外侧头之间的CMC的影响。他们发现，在睁眼状态下双腿宽支撑站立时CMC值显著高于窄支撑，但是他们并未发现人体在软支撑面和硬支撑面站立平衡时CMC值之间存在差异，这可能与本研究的平衡站立方式不同有关。在本研究中，支撑面的平稳性不同对大脑β波频率段EEG与右腿腓肠肌外侧头EMG之间的CMC有显著性的影响，对大脑γ波频率段EEG与左/右腿腓肠肌外侧头EMG之间的CMC都有显著性的影响，这从大脑神经控制的角度直接证明了腓肠肌在调节身体姿势摆动中的作用。Masani等（2003）研究发现，腓肠肌与控制不同速度下身体姿势摆动有关系。本研究中，不同支撑面引起的不同难度平衡控制过程对腓肠肌的CMC有显著影响。提示，大脑皮质对来自腓肠肌传入的感觉信息的处理或者大脑皮质对腓肠肌的控制在高难度平衡控制时变得更加突出。

尽管不同支撑面诱发不同难度的平衡控制对胫骨前肌的CMC没有显著影响，但本研究中在单腿站立平衡控制过程中胫骨前肌对应的CMC超过阈值水平，另外，EMG数据也表明在站立平衡过程中胫骨前肌的电活动较强，说明胫骨前肌在平衡控制过程中是具有重要作用的。Day等（2013）认为，胫骨前肌在身体平衡控制过程中对纠正较大的后向摆动位移时起到瞬时调节作用，另外，在身体摆动过程中胫骨前肌可能起到关节位置输入反馈源的作用。Giulio等（2009）研究发现，在人体站立平衡过程中，胫骨前肌可能是一个更好的本体感觉输入源，胫骨前肌肌肉长度的变化可能在提供本体感觉信息中起到了重要作用。他们发现，深层的胫骨前肌拉长长度与身体COP呈显著负相关，说明深层胫骨前肌越拉长，身体越平稳，且这种关系比例在整个站立过程中占80%以上。他们认为，在站立平衡过程中深层胫骨前肌被动拉长为大脑提供了重要的本体感觉，进而加强大脑对机体的稳定调节。这些本体感觉输入到大脑感觉运动皮质区，大脑感觉运动皮质区再根据传入的肌肉本体感觉发出传出指令，去控制相关肌肉的活动来维持身体平衡。大脑皮质在感觉整合中的作用会引起感觉运动皮质和肌肉之间的偶联。本研究结果显示，大脑在处理不同性质支撑面引起下肢肌肉产生的不同本体感觉信息时改变了大脑感觉运动皮质区和控制肌肉之间的偶联通信。

已有研究表明，β波段EEG信号会出现在感觉运动皮质区对相关肌肉的运动控制中，β波节律活动主要产生于初级运动皮质区，并且β波节律活动与机体维持稳定状态下的肌肉输出力量有关（张肃 等，2016；Baker et al.，1997；Conway et al.，1995）。Ignacio等（2012）指出，大脑传出的运动指令会产生β波频率带的皮质-肌肉偶联。但目前EEG的β波频率带在运动控制中的功能机制尚不明确。学者们普遍认为，EEG的β波频率段与恒定的力量输出有关，或者说与运动任务的特点有关（动力性或静力性运动）。Divekar等（2013）研究发现，β波频率段主要与静力性运动有关。但这些研究都是针对上肢肌肉探究β波频率段CMC变化，很少有学者观察下肢肌肉是否存在β波频率段CMC。本研究发现，受试者在单腿站立静态平衡过程中存在有生理意义的β波频率段CMC，推测其可能与站立平衡过程中肌肉工作特征有关。本研究中优秀自由式滑雪空中技巧项目运动员能够完成30 s的单腿静态站立平衡任务，在这30 s中某些时间段内受试者表现出比较平稳的站立平衡，有些时间段内表现为相对较大的身体摆动，在平稳的站立平衡过程中踝关节没有发生明显的运动，肌肉处于一种近似于静力性的等长收缩的过程，所以产生了β波频率段的CMC。

另外，在本研究中发现γ波段的CMC普遍高于β波段的CMC值。Jacobs等（2015）研究发现，β波频率段的CMC与站立支撑时的物理因素有关，而与生理性因素（睁/闭眼）无关。他们认为，CMC与身体摆动动力学之间的关系可能在其他频率带会更明显，如γ频率带（31～45 Hz），但是他们没有真正观察γ波段的CMC，仅仅提出了一种推测。本研究证实了软、硬支撑面对站立平衡时的CMC是有显著性影响的，且这种影响在γ波段更为明显。Omlor等（2007）指出，高度集中的注意力会增加大脑的γ波段成分，EEG的γ波段与动力性肌肉收缩过程中的认知有关。另外，一些研究表明，在动力性肌肉收缩的过程中本体感觉反馈也是产生γ频段脑波的主要原因（Omlor et al.，2007；Tecchio et al.，2008）。大脑皮质 γ波段的EEG-EMG偶联在与躯体感觉相关的任务中起到重要作用。Omlor等（2007）研究认为，人体在动力性力量输出期间，大脑感觉运动皮质区会产生γ频段的脑波，主要是为了整合视觉和本体感觉信息进而保证大脑皮质产生正确的运动指令。在本研究的30 s单腿平衡控制过程中，受试者并非始终维持一个完全稳定的平衡状态，存在稳定平衡状态被破坏而又突然被纠正的过程，在这一过程中，受试者的踝关节产生较明显的运动，此时踝关节周围的肌肉并不是一种等长收缩，而是一种“不明显”的动力性收缩，本研究中高采样率的EEG捕捉到了该情况发生时大脑神经元的活动。此外，本研究受试者在完成单腿站立平衡时需要高度集中注意力，时刻注意努力保持自身的平衡，所以存在较强的γ波段CMC值。另外，本研究发现，γ波段与腓肠肌之间的CMC值在软支撑条件时显著低于硬支撑条件时，这可能与在软支撑条件下本体感觉输入受扰有关。Matsuda等（2008）发现，软支撑模式会影响人体本体感受器的信息输入，导致中枢神经系统接受的本体感觉信息不充分。目前，关于人体运动时γ波段CMC产生机制较为复杂，且影响因素较多。Schoffelen等（2005）发现，运动前的准备过程会影响γ波段CMC的参与比例；Omlor等（2007）研究发现，γ波段CMC与视觉、认知（注意/警觉）、躯体感觉等信息的快速整合有关；Andrykiewicz等（2007）和Chakarov等（2009）研究发现，γ波段CMC受力量水平的影响，在特定的动力性力量输出范围内才出现了较强的γ波段CMC。因此，本研究中软支撑条件下γ波段CMC值低于硬支撑时的CMC可能也与在两种不同支撑面上注意水平以及踝关节输出力量水平不同有关。

4 结论

自由式滑雪空中技巧项目运动员在难度较高的软支撑面上完成站立平衡任务时，下肢肌肉的EMG活动显著增加，提示，在增大平衡控制难度时大脑中枢发出的神经冲动增强。从反映大脑感觉运动皮质区对下肢肌肉直接控制情况来看，在软支撑站立平衡过程中，对侧大脑半球感觉运动皮质区β波对应的CMC高于硬支撑面条件，且主要体现在对腓肠肌的控制上，而γ波对应的CMC在硬支撑时高于软支撑。γ波段CMC显著高于β波段，这可能与不同支撑模式平衡控制过程中下肢肌肉的工作性质以及注意力有关。受试者在软支撑条件下γ波段CMC值低于硬支撑时的CMC值，可能与软支撑条件下本体感觉输入受扰有关。

5 研究不足

本研究以自由式滑雪空中技巧项目国家队运动员为研究对象，在进行CMC分析时，个别肌肉的CMC并没有表现出一致性的变化规律，其可能与优秀运动员的个性化特征有关。每一名优秀运动员都有可能形成自己独特的神经调控方式，对优秀运动员进行个体化的神经控制研究是今后研究的重点。另外，本研究未对受试者下肢优势侧进行科学的实验评估，可能对结果有一定的影响。