Brain Oscillations in Sport: Toward EEG Biomarkers of Performance

主要寻找了关于运动的不同EEG生物指标。

1. UNIFIED BRAIN RHYTHMS AND CONTINUITY HYPOTHESIS BETWEEN WAKE AND SLEEP STATES

神经节律和睡眠与运动控制的很多重要功能有关，很多研究表明存在一种永久的编码和检索机制存在于睡眠和清醒之中。（Q1这个机制是什么，为什么可以用它来衡量我们的一致性）所以我们假定肯定有一个连续的节律出现在白天和晚上。比如举重运动员如果在前一个晚上被限制少睡3个小时，在白天测出的最大举重重量就会降低。

Slow-Wave Oscillation:

运动训练对大脑到身体的联系有很多的影响，包含接下来的夜晚以及之后的白天。所以我们也要将相关的EEG信号考虑进来。

SWA在白天认知功能或者记忆功能缺陷的时候，非快速眼动期间的（NREM） 慢波活动会相对减弱。有研究表明，如果受试者的手臂
在白天的固定不动，和左手不固定进行对比，发现他的运动表现能力就会恶化(伸手任务中手臂不协调，而且TMS-MEP减小) ，同时他在睡眠时的慢波震荡的功率降低。

FastSleepSpindles（睡眠梭状波）(13–15Hz)andNewMotorSequences

除了常见的慢波震荡之外，我们可以明显的观察到12hz左右的alpha峰，它对应了睡眠梭状波。研究表明快睡眠梭状波与巩固一个新的序列有很强的的相关性。比如Astill写的文章探索了睡眠梭状波在小学生技能学习中的表现。
实验设计：学习课程由 12 次试验组成，持续时间为 23 秒，中间间隔 20 秒。延迟的召回会议包括六次额外的试验，再次间隔 20 秒。在试验期间，参与者被要求用他们的非惯用手尽可能快地、尽可能准确地连续敲击计算机键盘上的五位数序列（例如，4-1-3-2-4）。
使用 E-prime（Psychology Software Tools Inc., Pittsburgh, USA）记录按键，并进行处理以得出每次试验的两个主要变量：（1）速度，即每 23 秒试验的正确序列数; (2) 准确性，即导致正确序列的按键点击相对于所有按键点击的百分比
对EEG进行纺锤波检测，主要使用了一个带通滤波器将9-15hz的波形滤出来，上阈值等于 S2、S3 和 S4 阶段振幅平均值的 4.5 倍，用于检测纺锤波（红色虚线）。较低的阈值用于定义每个主轴的开始和结束（点划线）。检测到的纺锤体显示为叠加在振幅时间进程上的红色轨迹。（快和慢是怎么划分开来？这个实验的步骤到底怎么样？只有PSG的时候采集了EEG数据吗？）

通过将所有睡眠梭状波进行提取，然后进行频谱分析，将他们分为快梭状波和慢梭状波。
结果：在训练之后小学生的速度以及准确率得到了提升，通过相关分析发现快梭状波密度高的儿童具有更高的速度以及准确率。

SharpWave-Ripple(SPW-R)

是其他的重要振荡，他和记忆巩固的过程有关。他被认为是连接预先存在和最近新得到的信息。

Prefrontal Cortex and Sport

研究发现在左后前额叶区域施加阴极电刺激会影响运动学习能力（关于高尔夫推杆任务）zhu,2015
目的：运动学习理论认为运动技能可以通过显式或者隐式获得，外显运动学习是有意识的，它利用工作记忆来管理学习的各种方面（比如语言指令的使用）。相比之下，内隐式学习的话他偏向于无意识（偏向于减少语言分析的参与），他比显式具有更高的神经效率，而且使人更有能力面对疲劳。（内隐任务和外显任务的区别到底是什么，为什么他比显式有更高的神经效率？）
主要方法：27 名健康人在训练阶段练习高尔夫推杆任务，同时在左侧 DLPFC 区域接受真正的阴极tDCS刺激或假刺激。他们的表现在另一天的测试阶段进行了评估。在训练阶段之前和之后以及测试阶段之前评估了语言工作记忆能力。

推杆任务：推杆是在平坦的草地上使用标准高尔夫推杆从 1.9 m 的距离将球推入球洞。
语言工作记忆测量：使用自动工作记忆评估 (AWMA) [26] 中的计数回忆任务测量言语工作记忆容量；参与者被展示了一系列形状，并被要求大声计算每组形状中红色圆圈的数量。之后，他们必须以正确的顺序回忆每组形状中红色圆圈的数量。计数召回任务的分数由 AWMA 程序得出。（工作记忆是什么，他的评估方法是什么？）
实验流程：实验在两个不同的日子分为训练阶段和测试阶段。 参与者被要求尽可能准确地推杆。 为了让参与者熟悉任务，完成了十次热身试验。 训练阶段包括 7 个练习块，每个块有 10 次试验。 测试阶段采用了 A-B-A 反转设计，（反转设计是什么）由 10 次试验的三个区块组成。 第一个和最后一个块（保留测试 1 和 2）旨在评估训练后两组的表现水平。 第二组推杆，即多任务测试，与第二个音调计数任务 [4] 一起进行，该任务要求参与者每 2 次监测和计数由计算机随机生成的高低音 s。 使用计数回忆任务在三种情况下测试了言语工作记忆能力：训练阶段之前、训练阶段之后和测试阶段之前。（看不懂这个实验流程）

刺激的设置：阴极接触放置在左侧 DLPFC 区域 (F3) 上，阳极接触放置在右侧眶上区域 (FP2) 上。对于真实刺激 (RS) 组，在整个训练阶段应用了 1.5 mA 的恒定电流和 30 秒的淡入/淡出，大约需要 15-20 分钟。对于假刺激 (SS) 学习组，刺激器在 1.5 mA 刺激 15 秒后自动关闭，30 秒淡入/淡出。

结论：在运动表现（即推杆得分）方面，RS 学习组在训练和测试阶段都比 SS 学习组表现更好。
RS 学习组在多任务测试（并发音调计数）中表现出比 SS 学习组更好的推杆性能，表明左侧 DLPFC 上的阴极 tDCS 促进了比 SS 学习组更隐含和自动的性能.

运动导航

除了巩固陈述性记忆之外，海马体和相关网络对于导航也至关重要，主要用来对自我位置进行控制(关于人类表演空间领域的任何任务)

Delta振荡

长期以来，人们一直认为 Delta 波段振荡反映了深度睡眠时期，然而，它们最近被证明既能提供刺激信息（Montemurro 等人，2008 年，提出了LPF的delta信号可以有效的调制）（刺激信息是什么？）又与注意力选择相关（Lakatos 等人，2008 年，研究表明当注意处在一个有节奏的流向中，那么delta波段就会随之产生），继Whittingstall 和 Logothetis (2009) 之后, δ 振荡可能代表由多单元活动 (MUA) 和网络状态代表的神经元池的兴奋性的周期性变化，并且可能放大（在高兴奋性阶段）或抑制（在低兴奋性阶段）输入信号。

theta振荡

theta振荡与NI核团脑区的调节有关，在之前的研究可以发现（1）NI 的电刺激诱发了大鼠海马中的 theta 振荡（Nuñez 等人，2006 年）); (2) NI 神经元投射到小脑絮状体中，以爆发强直模式放电，与猫眼睛的速度和位置完全相关（Cheron 等，1995）；(3) 兔子在眨眼跟踪调节期间，θ海马振荡与小脑中的振荡同步( Hoffmann and Berry, 2009 ; Wikgren et al., 2010 )。
theta振荡也和运动控制有关，在2015 Ofori的文章中提到，在弹道移动实验中（手臂平移实验），通过对运动学数据（角位移传感器），EEG,EMG数据进行采集,开始阶段会出现theta的功率降低，在动作开始的时候会有锁相，theta功率与动作的加速度有关。（相关分析）这表明theta波段功率的暂时增加和手部运动加速有关系。

alpha振荡

α 节律主要表现为 10Hz 振荡的纺锤形发作，在放松的闭眼状态下支配大脑的自发活动。当眼睛睁开时，α 振荡的功率降低（阻滞反应）。当个体（以识别屏幕上的对象的角度）观察显示生物运动（例如拳击）的电影时，也会发生 mu 节律的 ERD（Gastaut 和 Bert，1954 年）。Mu 节律在放松状态下最大程度地表达在感觉运动区域（Pfurtscheller 和 Neuper，1994 年；Pfurtscheller 等人，1997 年），并在运动执行期间、触觉刺激和运动意象之前减少，这种情况被解释为 ERD（图6B）与参考 ERS ​​的振幅增强相反（图6C）。有趣的是，阳极经颅直流电刺激 (tDCS) 和运动意象的关联，这两种已知可增加运动皮层皮质兴奋性的条件（分别为Nitsche 和 Paulus，2001 年；Facchini 等人，2002 年），增加了 ERD 幅度在运动想象中（Cebolla 等人，2015 年），特别是在惯用手的水平上（春日等人，2015 年）。随着运动意象越来越多地用于运动技能训练（Schuster et al., 2011），能够诱导运动意象的tDCS的结合（Speth et al., 2015）)，由 mu 振荡记录控制的 VR 刺激和运动想象应该是提高 CNS 性能的未来途径。

神经效率假说

与“神经效率”假设一致，该假设表明在执行相同的认知任务时，智商 (IQ) 较高的个体的大脑活动低于亮度较低的个体（Dunst 等人，2014 年），同样的假设已扩展到专家和运动员的表现（Del Percio et al., 2009b , 2010 , 2011 ; Babiloni et al., 2010）。基于智商与上阿尔法 ERD 数量之间存在反比关系（Grabner et al., 2004)，有人提议使用经典的“逮捕反应”对眼睛张开进行量化，以量化不同参与者组的 alpha ERD 幅度。也就是说，与非运动员参与者相比，精英空手道运动员的大脑在“逮捕反应”时的 ERD 较少（Del Percio 等，2011）。这证实了同一组之前的实验表明，精英运动员在气手枪射击期间表现出的 alpha ERD 比非运动员少（Del Percio 等，2009a）。但是，必须谨慎地进行 alpha ERD 的推广，并且在很大程度上取决于实验条件。事实上，在身体摆动范式中，运动员表现出更大的 alpha ERD，反映了比非运动员更好的平衡控制。Del Percio 等人，2007 年）。
出现了不同的效果，可能是实验的范式不太一样。

阿尔法和体育锻炼

许多研究表明，锻炼的不同阶段与阿尔法节奏的调制之间存在关联。然而，研究结果非常不一致。虽然从休息到运动的过渡与 alpha 的增加有关（Nielsen 等人，2001 年；Rasmussen 等人，2004 年），但运动期间和之后的时期都与上升有关（Mechau 等人，1998 年） ; Rasmussen等人，2004 ; Bailey等人，2008 ; Schneider等，2009 ; 。麓等，2010 ;布鲁默等，2011 ;古特曼等人，2015年，罗伯逊和圣马力诺，2015年; Mierau等，2016）和向下变化（Kubitz and Mott, 1996 ; Mechau et al., 1998 ; Doppelmayr et al., 2008 , 2012 ; Schneider et al., 2009 ; Ludyga et al., 2015）。面对与运动相关的 alpha 节律行为的明显不一致的结果，以及静息状态 EEG 动力学复杂变化的存在（Goldberg 等人，2008 年），我们建议使用更好的控制范式将 alpha 振荡与特定的感觉、认知、或运动触发事件。

beta 振荡

最近，在 Rolandic 节律中记录的低频 β 振荡被证明与交感神经活动对心率的调节有关（Triggiani 等，2015）
关于心率减慢与运动准确度之间关系的对比结果（Konttinen 等，1998 年；Tremayne 和 Barry，2001 年）要求在运动技能的准备阶段直接研究 EEG 节律。有趣的是，Pfurtscheller 等人通过将腿部快速运动的运动意象与 go/no-go 范式联系起来。(2013)证明，与不走图像相比，走图像的 beta ERD 比不走图像条件下更强，并且心率减速更小，然后是走加速。这些作者解释说，这种 Beta ERD 增加是由于与图像过程相关的脑力劳动增加所致。
go/no-go 范式：计算机屏幕显示了 go（绿色圆圈）和 nogo 实验（红色圆圈）的提示（持续时间 2 秒），在参与者的任务是执行或想象双脚跟随绿色圆圈的快速运动（背屈）（ MIgo ），或者如果出现红色圆圈，则停止运动任务（ MInogo ）。记录运动皮层的电极以及双腿胫骨前肌的EMG和心率。
分析：利用pearson相关分析分析 beta ERD 和 HR之间的相关性，并且对时频图进行观察。

结果： 在第一秒内的 go 和 nogo 条件下，EEG 中的反应模式略有不同，在MI实验中 400 ms 处具有最大量级的早期 Beta ERD

与运动相关的ERP

在使用涉及刺激辨别和注意力过程的任务的研究发现，长期参与运动和有氧健身与更高的能力有关，这在很大程度上反映在更大的 P3 振幅上，同时发现更短的P3延迟与更高的认知处理速度相关。也有研究表明同样的任务下，诱发电位的早期部分也出现了变化，比如更高的N1, P1, P2 ,N2幅值，以及更短的N2延迟。
Taddei研究了中年击剑运动员注意和执行处理的神经相关性
目的 ：为了评估评估了运动是否可以抵消众所周知的与年龄相关的执行处理下降。
方法 ：研究了中青年击剑运动员和非运动员。参与者 ( N = 40) 执行视觉运动任务，同时记录反应时间 (RT) 和事件相关电位。
结果 ：年龄较大的受试者的 RT 较慢，但准确性并未受到影响。在事件相关电位水平，老年受试者的P3 成分延迟，在试验中，P3 成分在与年龄无关的击剑运动员中得到增强。

汇总

步行研究与大脑活动的综合方法。

正常或跑步机行走期间的 EEG 记录（Gwin 等人，2010 年，2011 年；Cheron 等人，2012 年；Gramann 等人，2014a，b）为进一步研究涉及更高加速度和冲击的运动相比循环步行运动铺平了道路。 采用独立成分分析 (ICA) 方法，该方法已被 Gwin 等人用于步行研究。 (2010, 2011) 我们已经展示了在电极位置 C3-C4 的 mu-beta 和 gamma 振荡与各自的足跟撞击相关的对侧调制。（如何去除运动时的伪迹，仅有ICA?）

另一个已经开发的选项使用微型无线 EEG 系统，该系统由嵌入在耳朵周围的柔性印刷生物相容性聚酰胺中的 8 个电极组成（Debener 等人，2015 年））。该系统似乎避免了电极位移、运动信号污染、非平稳性和阻抗变化。

结论

面对运动表现中各种各样的干预参数，我们提出了一种通用的工作方法，可以应用于任何高度专业化的运动学科。这种未来的方法应该在技术平台内进行，假设 (1) 生物力学记录（3D 运动、力）、(2) 多个 EMG、(3) 高密度无线 EEG、(4) 眼球运动和 (5) 之间的完美同步) 来自自主神经系统的信号。根据教练团队的初步反馈，以第一次探索的方式定义和记录目标运动的优先级。然后将最佳表现者的最佳表现与较差的表现进行比较。Cheron 等人，2012 年；Bengoetxea et al., 2014 )，相关表现的 EEG 生物标志物将通过与外部或内部运动事件相关的 ERP 分析和持续的高密度 EEG 信号进行定义和量化，从而允许进一步的数学分析，如时间频率（ERSP 和ITC)（EEGLab 程序，（Delorme 和 Makeig，2004 年；Delorme 等人，2015 年））微观状态分析（CARTOOL）（Brunet 等人，2011 年），连贯性/方向性（Nolte 等人，2004 年；Cheron 等人，2015 年）。 , 2014 ) 以及 ERP、ERS、ERD 和 ITC 神经生成器 (swLORETA) 的逆向建模（Cebolla 等人，2011 年，2014 年）。