基于運(yùn)動(dòng)單位動(dòng)作電位的表面肌電圖分解方法

瀏覽次數(shù)：307　發(fā)布日期：2026-1-23　來源：本站　僅供參考，謝絕轉(zhuǎn)載，否則責(zé)任自負(fù)

背景介紹

表面肌電信號分解是一種通過分析肌肉收縮產(chǎn)生的電信號來無創(chuàng)識(shí)別運(yùn)動(dòng)神經(jīng)元活動(dòng)的重要技術(shù)，在神經(jīng)康復(fù)、假肢控制及神經(jīng)肌肉疾病診斷等領(lǐng)域具有廣泛應(yīng)用前景。

傳統(tǒng)方法多基于盲源分離，如快速獨(dú)立成分分析（fastICA）和卷積核補(bǔ)償（CKC），雖在一定程度上能有效分離運(yùn)動(dòng)單元發(fā)放序列及其動(dòng)作電位，但其計(jì)算復(fù)雜、對噪聲和信號串?dāng)_敏感，且在多次分解中難以穩(wěn)定跟蹤同一運(yùn)動(dòng)單元，限制了其在實(shí)際臨床與實(shí)時(shí)系統(tǒng)中的應(yīng)用。

此外，BSS方法在信號復(fù)雜度高或多自由度運(yùn)動(dòng)時(shí)性能下降明顯。

因此，本研究提出一種基于運(yùn)動(dòng)單元?jiǎng)幼麟娢坏男滦头纸夥椒�，旨在提升分解�?zhǔn)確性、魯棒性和計(jì)算效率，為實(shí)現(xiàn)可靠的運(yùn)動(dòng)單元跟蹤與實(shí)時(shí)處理提供新途徑。

01論文摘要

本研究提出了一種基于運(yùn)動(dòng)單元?jiǎng)幼麟娢唬∕UAP）的表面肌電信號分解方法，在卷積核補(bǔ)償算法框架下，通過從MUAP重建MU濾波器，實(shí)現(xiàn)對EMG信號的高效分解。

該方法在模擬和實(shí)驗(yàn)數(shù)據(jù)集中均表現(xiàn)出優(yōu)越性能：在噪聲環(huán)境下（如SNR=20 dB）可識(shí)別更多運(yùn)動(dòng)單元（如模擬數(shù)據(jù)中達(dá)16.17±1.68個(gè)），且準(zhǔn)確率（RoA）顯著高于傳統(tǒng)CKC方法；在計(jì)算效率方面，直接使用MU濾波器（MUAP-direct）處理12秒信號僅需約1秒，遠(yuǎn)低于迭代方法的耗時(shí)。

實(shí)驗(yàn)部分涵蓋多自由度手腕運(yùn)動(dòng)與不同收縮水平的抓握任務(wù)，結(jié)果顯示該方法在復(fù)雜運(yùn)動(dòng)條件下仍能穩(wěn)定跟蹤運(yùn)動(dòng)單元，顯著提升了分解的可靠性與實(shí)用性。該方法為神經(jīng)解碼、康復(fù)評估及實(shí)時(shí)肌電解碼系統(tǒng)提供了新的技術(shù)支撐。

02研究方法

本研究在CKC算法基礎(chǔ)上構(gòu)建MUAP-based分解流程。首先對EMG信號進(jìn)行預(yù)處理（帶通濾波20–500 Hz、擴(kuò)展延遲），隨后通過CKC初步分解獲取運(yùn)動(dòng)單元發(fā)放序列（MUST），再采用峰值觸發(fā)平均法（STA）提取多通道MUAP。從MUAP中提取K個(gè)樣本（本研究測試K=10–60），通過四種方法重建MU濾波器：Centered Spike、Maximum PPV、Maximum Product和Centered Peak（圖3）。

結(jié)果顯示Centered Peak方法在識(shí)別數(shù)量與RoA上最優(yōu)。

在協(xié)方差矩陣選擇中，Current Cxx和Global Cxx性能顯著優(yōu)于Raw Cxx（圖4B）。MUAP提取方法中STA略優(yōu)于最小二乘法。

實(shí)驗(yàn)數(shù)據(jù)采集采用OT Bioelettronica（Italy）的高密度電極陣列：第一實(shí)驗(yàn)使用3個(gè)8×8網(wǎng)格（ELSCH064NM3，電極間距10 mm），第二實(shí)驗(yàn)使用4個(gè)5×13網(wǎng)格（ELSCH064NM4，間距4 mm），信號經(jīng)EMG-USB2+放大器采樣（2048 Hz），并經(jīng)過帶通濾波與工頻濾波處理。受試者執(zhí)行等長收縮運(yùn)動(dòng)，包括手腕四方向運(yùn)動(dòng)及其組合，以及不同力量水平（10%–90% MVC）的抓握任務(wù)。所有實(shí)驗(yàn)均符合倫理審查（上海交通大學(xué)，批號B2020026）。

03實(shí)驗(yàn)結(jié)果

在模擬數(shù)據(jù)中，MUAP-refine方法在無噪聲及SNR=20 dB條件下識(shí)別MU數(shù)量最多、RoA最高。

隨著參與運(yùn)動(dòng)的MU組數(shù)增加，所有方法性能均下降，但MUAP-direct方法在六組MU激活時(shí)仍能識(shí)別半數(shù)以上單元（SNR=20 dB）。在噪聲達(dá)到0 dB時(shí)，MUAP提取與濾波器重建失敗率升高。

擴(kuò)展因子K=40時(shí)分解性能最佳。

時(shí)間成本方面，MUAP-direct僅需約1秒，而gCKC在K=60時(shí)需484.77±41.67秒。

在實(shí)驗(yàn)數(shù)據(jù)中，MUAP-based方法在手腕多自由度運(yùn)動(dòng)中識(shí)別MU數(shù)量（96±49）顯著高于傳統(tǒng)方法（15±7）。

在不同收縮水平實(shí)驗(yàn)中，該方法識(shí)別MU數(shù)達(dá)145±93，也遠(yuǎn)高于gCKC的51±26。運(yùn)動(dòng)單元發(fā)放率與扭矩信號的相關(guān)性分析進(jìn)一步驗(yàn)證了解碼的生理合理性。

總結(jié)與展望

本研究提出的基于MUAP的EMG分解方法在準(zhǔn)確性、魯棒性和計(jì)算效率方面均優(yōu)于傳統(tǒng)BSS方法，尤其在復(fù)雜運(yùn)動(dòng)與噪聲環(huán)境下表現(xiàn)突出。該方法通過MUAP直接重建濾波器，避免迭代計(jì)算，顯著提升實(shí)時(shí)處理能力，適用于臨床診斷、神經(jīng)康復(fù)和實(shí)時(shí)假肢控制。然而，該方法仍依賴于MUAP的獨(dú)特性，若MUAP形態(tài)相似（如再神經(jīng)支配肌肉），則可能影響識(shí)別精度。

未來工作需進(jìn)一步優(yōu)化MUAP提取與濾波器重建方法，結(jié)合更多樣化的數(shù)據(jù)集與侵入式驗(yàn)證（如同步記錄肌內(nèi)EMG），以提升方法的普適性與可靠性。此外，將該思路擴(kuò)展至其他分解算法（如fastICA）中，也是值得探索的方向。

原文鏈接：

https://doi.org/10.1186/s12984-025-01595-y

研究團(tuán)隊(duì)介紹：

本研究由上海交通大學(xué)機(jī)械工程學(xué)院振動(dòng)、沖擊與噪聲研究所的科研團(tuán)隊(duì)完成。團(tuán)隊(duì)負(fù)責(zé)人Chen Chen博士與Dongxuan Li博士共同主導(dǎo)了研究設(shè)計(jì)、數(shù)據(jù)采集與算法開發(fā)；Miaojuan Xia博士參與了抓握實(shí)驗(yàn)的數(shù)據(jù)采集與分析工作。該團(tuán)隊(duì)長期致力于神經(jīng)工程與康復(fù)工程領(lǐng)域，在高密度表面肌電信號處理、運(yùn)動(dòng)單元解碼及人機(jī)交互方面具有扎實(shí)的研究基礎(chǔ)。本研究依托國家自然科學(xué)基金支持，體現(xiàn)了團(tuán)隊(duì)在算法創(chuàng)新與實(shí)驗(yàn)驗(yàn)證方面的協(xié)同攻關(guān)能力，相關(guān)成果已發(fā)表于神經(jīng)工程與康復(fù)領(lǐng)域權(quán)威期刊。