競走運動員功能內穩態的腦電α波分析

黃貝君，梁東梅，曹偉，劉承宜，董廣新，李捷

（1.華南師范大學 體育科學學院，廣東 廣州 510006；2.廣州體育學院 研究生部，廣東 廣州 510500；3.華南師范大學 教育科學學院，廣東 廣州 510631；4.廣東省體育局 科教宣傳與交流處，廣東 廣州 510105）

內穩態是生理學和運動生理學的經典概念之一，但表征方法的缺乏妨礙了其廣泛深入的應用。劉承宜等[1-4]將其發展為功能內穩態(function-specific homeostasis，FSH)，提出了項目內穩態(sport-specific homeostasis，SpSH)概念，建立了運動訓練的SpSH理論。FSH是維持功能充分穩定發揮的負反饋機制，具有簡潔、經濟和容易定量化研究等特征。FSH的品質包括功能的復雜性和功能發揮的穩定性，兩種品質相輔相成[2]；SpSH維持運動成績的充分穩定發揮[2]。運動成績表征了功能的復雜性；不同時間不同地點的比賽成績的變異系數(coefficient of variation，CV)則表征了功能發揮的穩定性[5]。運動成績越好，比賽成績的CV越低，SpSH的品質越高。我們發現SpSH可以用代謝組學[5]和功能磁共振成像(functional Magnetic Resonance Imaging，fMRI)[6]來表征。本研究探討 SpSH 的腦電波(electroencephalogram，EEG)表征方法。

自組織是內穩態的特征之一。Hake[7]用描述一個系統的宏觀有序程度的序參量和信息熵來表征大腦的自組織特征。李捷等[8]將序參量和信息熵用于競技狀態的研究，提出運動技能形成的機制是主體目標導向下的泛腦網絡自組織過程。EEG的α波反映了認知水平[9]、學習能力[10]、情感狀態[11]和競技水平[12]。李捷[13]對不同項目運動員的研究結果表明，不同項群高級運動員EEG α波優勢頻率呈現了歸一化的趨勢。周傳岱等[14]對261名殲擊機飛行員EEG α波的分析結果亦顯示其頻率漲落競爭結構中存在一主漲落成分。李捷[13]結合多年研究經驗，將運動員EEG α波10 Hz頻段的相對功率值作為表征運動員實時運動技能的序參量，發現優秀運動員具備較高的序參量水平(order parameter level，OPL)。近年來，這種方法得到進一步應用與發展[15-16]。

運動員 EEG α波頻段數據可以用序參量和信息熵分析。在此基礎上，本研究利用主成分分析(principal component analysis，PCA)的方法[5，17]，用 CV 表征 SpSH的穩定性，同時結合逐步判別分析提取競走運動員EEG的競技狀態信息，發現10 Hz確實為狀態優秀運動員的優勢頻率，OPL確實可以表征SpSH，支持了序參量理論與 SpSH理論的相容性。本研究還進一步根據表征SpSH的主成分(principal component，PC)發現了狀態優秀運動員的優勢腦區，為用EEG表征SpSH提供了理論基礎。

1 實驗對象與方法

1.1 實驗對象及測試時間

本實驗被測者為5名優秀競走運動員，均達到運動健將或國際運動健將標準。運動員身體健康，無嚴重的神經系統疾病史和精神病藥物服用史。2006年2月14日至2008年8月18日期間，在不同階段(指比賽前訓練期、重要比賽前1 d、比賽后訓練期)對5名受試對象共進行了56次測試。

1.2 測試方法及步驟

EEG信號采集方法及實驗操作步驟與文獻[13，15-16]一致。

1.3 數據處理

將儀器自動采集的測試數據轉換到個人電腦上，用Excel 2003進行管理，并使用SPSS 17.0 (Chicago，USA，2008)對實驗數據進行統計分析，在 Matlab 6.5(MathWorks，USA，2002)平臺上繪制相關圖形。運動員的OPL與熵值的相關性統計采用Pearson相關分析，對比分析采用Student’s T檢驗，顯著性水平為P<0.05，非常顯著性水平為P<0.01。

2 結果及分析

2.1 運動員EEG α波序參量水平與頻率漲落熵特征

本研究結合前人多年來的研究[13，15-16]，選取世界優秀運動員EEG α波的優勢頻率10 Hz作為反映其競技狀態的序參量，其所對應的相對功率值即為OPL。

結果顯示，從整體情況看來，5名健將級、國際健將級運動員的優勢頻率為10 Hz(僅運動員H的優勢頻率為11 Hz)。10 Hz在頻率漲落競爭過程中出現功率最大值的幾率最高，是頻率漲落的優勢成分，11 Hz排在第2位，是準優勢成分，它通過競爭可以發展成優勢成分，也可能因其它成分競爭而變成為輔助漲落成分。優勢頻率代表了自組織系統中最有價值的信息，序參量和支配原理更說明系統中占優勢地位的序參量支配所有子系統的行為[14]。以運動員L為例，其EEG α波的頻率競爭，表現出了順應于運動員競技狀態的實時特點，反映了OPL的動態特性。

物理學用熵的概念來描述系統的無序程度。Shanon[18]將熵的概念引入到信息論中，Hake[7]進一步將其引入到協同學中。EEG α波信號經快速傅里葉變換后得到信號的功率譜，功率譜的信息熵就稱為功率譜熵。本研究采用相對信息熵值。對運動員OPL與熵值的相關性進行分析(N=55，其中 1次測試數據缺失)，得出其線性相關系數 R=-0.898(P<0.01)，其擬合線性方程為：Y=114.050 3-89.494 4 X。由此可知，運動員OPL和熵值之間表現出很明顯的相關規律，即熵值越高，大腦有序度越低，OPL越低。

2.2 運動員序參量水平的主成分分析

每位被試者每個導聯有 6個功率百分比值(8~13 Hz)，12個導聯共有72個變量。5名運動員不同時間段測試的56份數據作為56個狀態(樣本)，構成56×72矩陣。PCA獲得的前 9個 PC反映了原始變量91.861%的信息，它們分別主要由18、18、10、12、9、3、1、1和1個變量決定。本研究針對這9個PC展開分析。

SpSH的典型特征之一是穩定。反映運動員SpSH的 PC應該具有一定的穩定性，可以用同一對象不同時間測試的EEG α波數據的PC得分的CV來表征。

式中，s為標準差，x為平均數。CV反映的是數據的離散程度，分別將同一 PC上不同實驗對象分數的CV相加，求出每個PC得分的平均CV，運動員得分最穩定的是PC3，其它依次為第5、1、2、9、6、4、7、8。

對狀態優秀運動員(OPL≥60%)和狀態一般運動員(OPL<60%)各個PC得分的統計(見表1)顯示，其PC2與PC3得分之間存在非常顯著性差異(P<0.01)，與PC4得分之間存在顯著性差異(P<0.05)。以 PC3得分為縱軸，PC2得分為橫軸進行搭配，做 PC得分圖。圖 1顯示將 PC3與 PC2搭配時，狀態優秀運動員(OPL≥60%與 OPL≥65%)和狀態一般運動員之間(OPL<60%與 OPL<65%)出現了明顯的分界線，狀態優秀運動員集中于第3象限，狀態一般運動員散布于另外3個象限。且PC3與PC2提取出運動員全腦區除枕葉(O1、O2)、后顳葉(T5、T6)外其它腦區為 OPL的主要信息(96.64%)。

表1 運動員PC得分

圖1 運動員的PC得分圖

通過上面的分析可知，PC3和PC2反映了運動員的競技水平。同樣我們可以用每個運動員在 PC3和PC2得分的CV來反映運動員SpSH的穩定性差異。在圖2中，狀態優秀運動員在PC3(60%)得分的CV明顯低于狀態一般運動員，PC2(60%)、PC4(60%)得分的結果也類似。因此，狀態優秀運動員競技狀態的穩定性明顯比狀態一般運動員好，或者說，狀態優秀運動員的 SpSH品質高于狀態一般運動員。PC3(65%)、PC2(65%)與 PC4(65%)的數據進一步證實了狀態優秀運動員(OPL≥65%)競技狀態的穩定性也好于狀態一般運動員。這一結果說明OPL確實可以表征SpSH。

圖2 狀態優秀運動員與狀態一般運動員競技內穩態品質比較

以OPL≥60%和OPL<60%來區分狀態優秀運動員與狀態一般運動員，對上述9個PC數據做逐步判別分析，得到判別函數：Y=0.382 PC1+0.847 PC2+0.808×PC3+0.576 PC4。依據所得判別函數，由PC矩陣還原到原始矩陣，檢驗相應導聯相應頻段的功率值在區別運動員等級上的差別，得到判別函數判誤率為10.7%、正確率為89.3%，正確率較高。

由上述分析可知，競走運動員 SpSH品質主要在PC2、PC3、PC4中得以體現，即這3個PC提取了競走運動員的主要競技信息的狀態信息。PC2、PC3、PC4所主要解釋的變量數分別為18、10、12個，選取其共同度大于0.7的變量，即提取的3個PC對主要解釋變量的方差做出了70%以上的貢獻。

結果顯示，狀態優秀運動員(OPL≥60%)與狀態一般運動員(OPL<60%)在額葉(F3、F4)、中央區(C3、C4)、頂葉(P3、P4)、前顳葉(F7、F8)的 OPL具有非常顯著性差異(P<0.01)；在8 Hz頻段，狀態優秀運動員(OPL≥60%)在各個腦區的功率值百分比均低于狀態一般運動員(OPL<60%)，且具有顯著性或非常顯著性差異(P<0.05或P<0.01)；在9 Hz頻段，狀態優秀運動員在各個腦區的功率值百分比大多低于狀態一般運動員，且在右側中央區(C4)、右側頂葉(P4)、右側前顳葉(F8)具有顯著性差異(P<0.05)；在11 Hz頻段，狀態優秀運動員在各腦區的功率值百分比低于狀態一般運動員，且除枕葉(O1、O2)、左側后顳葉(T5)外，均具有非常顯著性差異(P<0.01)。

3 討論

1)通過PCA的方法，提取競走運動員EEG α波中表征運動員競技水平的PC2、PC3與PC4。結果顯示，在10 Hz頻段，狀態優秀運動員在各個腦區的功率值百分比均高于狀態一般運動員，且具有非常顯著性差異(P<0.01)，而在8、9和11 Hz頻段，各個腦區的功率值百分比均低于普通運動員，從而進一步證實了10 Hz為狀態優秀運動員EEG α波的優勢頻率。這一結果支持李捷[13]的研究發現，并證明OPL確實可以表征SpSH的品質。OPL描述了一個系統的宏觀有序程度，具有非常特殊的生理意義。

研究報道，經常參加體育鍛煉可以促進認知水平[9]、學習能力[10]及情感狀態[11]。規律的體育鍛煉會引起α波功率增高[19]。Dustman等[20]認為經常參加有氧運動者具有良好的認知功能且α波(8~10 Hz)的活動增強。Lardon等[21]發現高頻率運動者θ波功率降低，α-1波(9.5~12.5 Hz)的功率明顯增高。經常參加太極拳運動的中年婦女其α波功率的增高幅度也明顯高于初學者[22]。由此可見，長期不同形式的體育鍛煉均出現一致的EEG變化。

運動員 EEG α波優勢頻率(10 Hz)的形成在其功率變化中起到極其重要的作用，其振幅(OPL)顯著升高[23]。α波段頻率的功率分布可以用信息熵來表征，OPL越高，信息熵越小，統計學表明OPL與信息熵之間存在高度負相關(P<0.01)。α波OPL越高，認知水平越高、學習能力越強、情感狀態越佳。

2)本研究支持了序參量理論與 SpSH理論的相容性，還根據表征SpSH的PC2和PC3發現了狀態優秀運動員的優勢腦區。由上所述，在額葉(F3、F4)、中央區(C3、C4)、頂葉(P3、P4)、前顳葉(F7、F8)，狀態優秀運動員(OPL≥60%)與狀態一般運動員(OPL<60%)相比，其 EEG α波的 OPL具有非常顯著性差異(P<0.01)。運動員經過長期的運動訓練，會形成與運動技能相關的腦結構與腦功能活動模式。

本研究用PCA對運動員神經生理學的研究發現，用于描述大腦宏觀有序程度的序參量可以表征運動員的SpSH品質。狀態優秀運動員的OPL明顯高于狀態一般運動員，且其OPL的穩定性亦顯著好于狀態一般運動員，即其SpSH品質高。綜上所述，用運動員EEG α波序參量(優勢頻率10 Hz)反映其實時訓練適應狀態及表征其 SpSH品質是可行的。這一研究結果是否同樣適用于其他運動項目，尚有待于進一步研究。

本研究不但驗證了序參量理論與內穩態理論的相容性，還根據表征SpSH的PC2和PC3發現了狀態優秀運動員的優勢腦區，為用EEG表征SpSH提供了重要理論依據。

[1] Liu TCY，Liu Y Y，Wei EX，et al. Photobiomodulation on Stress[J]. Int J Photoenergy，2012：628-649.

[2] 劉承宜，袁建琴，付德榮，等. 以賽帶練的內穩態研究[J]. 體育學刊，2008，15(5)：81-84.

[3] 劉承宜，朱平. 低強度激光鼻腔內照射療法[M].北京：人民軍醫出版社，2009：384-413.

[4] 劉承宜，任占兵. 生理經濟學[J]. 華南師范大學學報：自然科學版，2011(2)：1-6.

[5] 李江華，劉承宜，徐曉陽，等. 2006年多哈亞運會短距離游泳男運動員代謝組學研究[J]. 體育科學，2008，28(2)：42-46.

[6] 梁東梅，劉承宜，邱麗華，等. 不同級別中國象棋運動員腦功能成像研究[J]. 體育科學，2010，30(8)：69-72.

[7] Hake H. Principles of brain functioning：a synergetic approach to brain activity，behavior and cognition[M].Berlin：Spriger-Verlag，1996.

[8] 李捷，梁慈民，李鵬，等. 運動技能形成的神經生理機制新探[J]. 體育科學，1993，13(6)：84-87.

[9] Klimesch W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis[J]. Brain Res Rev，1999，29(2-3)：169-195.

[10] Schabus M，H?dlmoser K，Gruber G，et al. Sleep spindle-related activity in the human EEG and its relation to general cognitive and learning abilities[J]. Eur J Neurosci，2006，23(7)：1738-1746.

[11] Petruzzello S J，Landers D M. State anxiety reduction and exercise: does hemispheric activation reflect such changes?[J]. Med Sci Sport Exer，1994，26(8)：1028-1035.

[12] Travis F，Blasdell K，Liptak R，et al. Invincible Athletics program：aerobic exercise and performance without strain[J]. Int J Neurosci，1996，85(3-4)：301-308.

[13] 李捷. 運動技能形成自組織理論的建構及其實證研究[D]. 北京：北京體育大學，1999.

[14] 周傳岱，翟怡娟，劉月紅，等. 261名殲擊機飛行員腦波α頻段漲落圖特征的研究[J]. 航天醫學與醫學工程，1998，11(1)：11-14.

[15] 林麗雅，李捷，張莉. 高原訓練對運動員賽前自組織狀態影響的神經生物學分析[J]. 北京體育大學學報，2004，27(9)：1206-1208.

[16] 王曉軍，李捷. 不同水平射擊運動員腦電α波測試結果的比較[J]. 體育科研，2009，30(1)：89-91.

[17] Ringnér M. What is principal component analysis?[J]. Nat Biotechnol，2008，26(3)：303-304.

[18] Shannon C E. A mathematical theory of conmunication[J]. Bell Syst Tech J，1948，17：379-423，623-656.

[19] Hatfield B D，Vaccoro P，Brown E，et al. Electrocortical (EEG) relaxation response in high and low cognitively anxious persons as a result of cardiovascular exercise stress[C]//Proceedings of the 1984 Olympic Scientific Congress，Eugene，OR，1984.

[20] Dustman R E，Emmerson R Y，Shearer D E.Physical activity，age，and cognitive neuropsychological function[J]. J Aging Phys Activ，1994(2)：143-181.

[21] Lardon M T，Polich J. EEG changes from long-term physical exercise[J]. Biol Psychol，1996，44：19-30.

[22] Liu Y，Mimura K，Wang L，et al. Physiological benefits of 24-style Taijiquan exercise in middle-aged women[J]. J Physiol Anthropol Appl Human Sci，2003，22：219-225.

[23] Intriligator J，Polich J. On the relationship between background EEG and the P300 event-related potential[J].Biol Psychol，1994，37(3)：207-218.