Dario Farina 綜述：過去20年間高密度表面肌電神經(jīng)提取應(yīng)用進(jìn)展
圖1 Dario Farina最新綜述。sEMG建模是理解肌電信號生成和解釋的關(guān)鍵，特別是用于教學(xué)、信號分析和可解釋性研究、信號處理、算法驗(yàn)證和估計(jì)不可測參數(shù)等應(yīng)用。其中一個(gè)重要應(yīng)用是，sEMG建模相關(guān)研究揭示了信號生成的復(fù)雜性，尤其是小運(yùn)動單位對總信號幅度的貢獻(xiàn)會隨著信號強(qiáng)度增加而減少，這不僅由于其相對幅度降低，還因?yàn)樾幼麟娢桓菀装l(fā)生幅度抵消。因此，從sEMG幅值難以用于獲取神經(jīng)驅(qū)動信息。另一個(gè)重要應(yīng)用是串?dāng)_，即通過容積傳導(dǎo)傳播到遠(yuǎn)離肌肉激活位置處所采集的sEMG。對sEMG建模研究揭示了串?dāng)_的復(fù)雜性，例如其頻域特性并不符合低通濾波的假設(shè)，進(jìn)一步說明容積傳導(dǎo)對信號傳播的影響。盡管早期的模型主要基于簡單的幾何形狀，如平面和圓柱體，這些模型雖做出了較大地簡化，但在教學(xué)和基礎(chǔ)研究中發(fā)揮了重要作用。
近年來，sEMG信號建模取得了顯著進(jìn)展，特別是在有限元建模（FEM）和神經(jīng)網(wǎng)絡(luò)的應(yīng)用。FEM模型通過優(yōu)化計(jì)算負(fù)載和簡化數(shù)值解算法，使得復(fù)雜模型的計(jì)算更加高效，并為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供了基礎(chǔ)。特別是基于MRI的有限元模型，能夠精確反映肌肉和周圍組織的真實(shí)形狀和電導(dǎo)特性（圖2）。例如，BioMime模型作為一種先進(jìn)的神經(jīng)網(wǎng)絡(luò)，能夠通過學(xué)習(xí)復(fù)雜的生物物理過程快速生成接近真實(shí)的sEMG信號，并在解剖學(xué)準(zhǔn)確的容積傳導(dǎo)中模擬運(yùn)動單位動作電位的傳播，包括串?dāng)_信號的影響。這些先進(jìn)模型不僅能夠作為實(shí)際sEMG記錄的數(shù)字孿生，通過與實(shí)驗(yàn)數(shù)據(jù)的匹配識別關(guān)鍵神經(jīng)肌肉屬性，還能為個(gè)性化醫(yī)療和更精確的電極設(shè)計(jì)提供支持。盡管復(fù)雜模型的計(jì)算成本較高，但它們能夠提供更深入的生物學(xué)和生理學(xué)理解，并有望推動sEMG技術(shù)在臨床應(yīng)用中的發(fā)展，例如提高運(yùn)動單位數(shù)量估計(jì)（MUNE）的準(zhǔn)確性和表面肌電技術(shù)的臨床轉(zhuǎn)化
圖2 sEMG的解析和數(shù)值模型示例，包括平面和圓柱體解析模型以及基于MRI的數(shù)值模型，涵蓋了從1947年到2023年的多個(gè)研究。
sEMG信號處理進(jìn)展
信號處理領(lǐng)域在過去幾十年中取得了顯著進(jìn)展，尤其是sEMG分解技術(shù)的發(fā)展。自2014年以來，sEMG分解算法在多種復(fù)雜條件下得到了廣泛驗(yàn)證，包括快速收縮和高同步性運(yùn)動單位的誘發(fā)收縮。這些驗(yàn)證不僅證明了分解技術(shù)的有效性，還揭示了其在不同肌肉解剖結(jié)構(gòu)中的適用性（圖3）。盡管仍存在一些局限性，如對深層和小肌肉運(yùn)動單位的解碼困難，但sEMG分解已成為研究人類運(yùn)動單位活動的有效工具。近年來，sEMG分解技術(shù)取得了顯著進(jìn)展，包括跨會話追蹤運(yùn)動單位、增加識別的運(yùn)動單位數(shù)量、在動態(tài)收縮中的應(yīng)用以及實(shí)時(shí)信號分解的實(shí)現(xiàn)�；诿ぴ捶蛛x算法的實(shí)時(shí)分解技術(shù)，能夠在幾十毫秒內(nèi)完成信號分解，該方案成為神經(jīng)接口（如假肢控制）的核心組成部分。隨著神經(jīng)網(wǎng)絡(luò)等新技術(shù)的應(yīng)用，sEMG分解的準(zhǔn)確性和魯棒性有望進(jìn)一步提高，推動其在臨床和研究中的更廣泛應(yīng)用。
圖3 通過HD-sEMG記錄的脛骨前肌在不同目標(biāo)力量下的運(yùn)動單位放電率編碼，追蹤了187個(gè)運(yùn)動單位在不同收縮力下的活動，并通過自然對數(shù)函數(shù)擬合了運(yùn)動單位放電率與力量之間的關(guān)系，揭示了運(yùn)動神經(jīng)元的輸入-輸出特性。
人工智能（AI）技術(shù)在sEMG信號分解中的應(yīng)用逐漸興起，展現(xiàn)出巨大的潛力（圖4）。一方面，AI增強(qiáng)的信號分解方法通過深度神經(jīng)網(wǎng)絡(luò)從經(jīng)典源分離技術(shù)中學(xué)習(xí)，并將其應(yīng)用于新數(shù)據(jù)，顯著提高了對噪聲的魯棒性，這主要得益于數(shù)據(jù)增強(qiáng)技術(shù)，例如在訓(xùn)練數(shù)據(jù)集中添加實(shí)驗(yàn)數(shù)據(jù)的噪聲版本，使神經(jīng)網(wǎng)絡(luò)對噪聲的敏感性降低。這種方法不僅可能解決手動檢查分解結(jié)果的繁瑣問題，還為未來的臨床應(yīng)用提供了新的思路。另一方面，無監(jiān)督神經(jīng)網(wǎng)絡(luò)也被引入sEMG分解，通過將信號映射到低維流形并施加約束來解決分解問題，無需依賴經(jīng)典算法的訓(xùn)練，為sEMG分解帶來了新的可能性。盡管AI在信號分解中的應(yīng)用仍處于早期階段，但其對sEMG信號分析的影響已經(jīng)十分顯著。未來，隨著數(shù)據(jù)增強(qiáng)和個(gè)性化模型的發(fā)展，AI有望進(jìn)一步提高sEMG分解的魯棒性和準(zhǔn)確性，推動該技術(shù)在臨床和研究中的廣泛應(yīng)用。
圖4 基于人工智能增強(qiáng)的肌電分解方法，通過訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)預(yù)測運(yùn)動單位活動、識別分解中的誤判，并補(bǔ)償信號非平穩(wěn)性，提升了肌電分解的準(zhǔn)確性和魯棒性。
sEMG的應(yīng)用
sEMG作為研究運(yùn)動單位的工具，在過去20年中取得了重要進(jìn)展，實(shí)現(xiàn)了從全局和基礎(chǔ)方法向非侵入性識別單個(gè)運(yùn)動單位的動作電位放電時(shí)間的轉(zhuǎn)變。這一進(jìn)展不僅推動了基礎(chǔ)生理學(xué)研究，還擴(kuò)展了sEMG信號與其他設(shè)備的接口應(yīng)用。肌電控制是其中一個(gè)重要領(lǐng)域，利用sEMG信號作為人機(jī)接口控制外部設(shè)備，如主動假肢。通過記錄截肢者殘余肌肉的sEMG信號，可以推斷用戶的運(yùn)動意圖，并將其轉(zhuǎn)化為控制假肢的命令。盡管肌電控制已應(yīng)用數(shù)十年，并在商業(yè)假肢中實(shí)現(xiàn)，但其臨床轉(zhuǎn)化仍面臨挑戰(zhàn)，如計(jì)算資源需求和信號魯棒性問題。
通過分解殘余的sEMG信號，研究人員能夠解碼脊髓損傷患者的運(yùn)動神經(jīng)元活動，這些活動在患者執(zhí)行手部任務(wù)時(shí)是受意志控制的。因此，解碼后的運(yùn)動神經(jīng)元活動原則上可以作為神經(jīng)接口，用于提取用戶的意圖并控制虛擬手或輔助設(shè)備，如外骨骼手套或功能性電刺激。如圖5所示，這種接口的準(zhǔn)確性足以將運(yùn)動神經(jīng)元活動與預(yù)期的手部動作精確關(guān)聯(lián)。盡管目前這一應(yīng)用僅處于概念驗(yàn)證階段，但初步結(jié)果顯示出巨大的潛力。
圖5 通過袖套電極陣列記錄脊髓損傷患者前臂肌肉的sEMG信號，盡管患者無可見運(yùn)動，但仍能檢測到肌電信號并分解出單個(gè)運(yùn)動單位活動，揭示了運(yùn)動神經(jīng)元放電與手部任務(wù)意圖的關(guān)聯(lián)。
通過在線估計(jì)單個(gè)運(yùn)動單位的放電時(shí)間，研究人員開發(fā)了基于肌肉神經(jīng)驅(qū)動的高級生物反饋系統(tǒng)。由于接收共同輸入的運(yùn)動神經(jīng)元群體具有線性輸出特性，可以從sEMG解碼運(yùn)動神經(jīng)元的輸出（即對肌肉神經(jīng)驅(qū)動的估計(jì)），進(jìn)一步估計(jì)相應(yīng)的共同輸入信號。這些生物反饋系統(tǒng)已用于證明中樞神經(jīng)系統(tǒng)無法獨(dú)立控制單個(gè)運(yùn)動神經(jīng)元，而是將共同突觸輸入分配給一組運(yùn)動神經(jīng)元。此外，皮質(zhì)振蕩活動（如β波和γ波）也通過共同投射傳遞到運(yùn)動神經(jīng)元群體，影響肌肉力的產(chǎn)生。下圖展示了一個(gè)模擬示例（圖6），表明可以從運(yùn)動神經(jīng)元群體的輸出中提取不同頻率的輸入信號。盡管與振蕩活動的接口在治療性生物反饋和人類增強(qiáng)方面具有潛在應(yīng)用，但目前的結(jié)果仍處于初步階段，存在諸多挑戰(zhàn)。令人欣喜的是，sEMG在神經(jīng)接口中的應(yīng)用在過去十年中引起了廣泛關(guān)注，其中不乏知名科技公司也積極參與其中。
圖6 通過模擬177個(gè)運(yùn)動神經(jīng)元接收共同輸入和獨(dú)立輸入的解碼過程，揭示了運(yùn)動神經(jīng)元群體對振蕩性輸入的線性響應(yīng)，并通過濾波重建了輸入信號的頻率成分。
總結(jié)與展望
在過去20年中，sEMG在神經(jīng)控制策略的研究中取得了顯著進(jìn)展，但仍存在一些挑戰(zhàn)。如sEMG在臨床神經(jīng)生理學(xué)中的應(yīng)用尚未標(biāo)準(zhǔn)化，傳統(tǒng)的侵入性EMG（如，同心針電極）仍然是診斷神經(jīng)肌肉疾病的主要方法。sEMG信號的濾波效應(yīng)使得一些臨床相關(guān)特征難以檢測，因此將其轉(zhuǎn)化為常規(guī)臨床評估和監(jiān)測工具仍是一個(gè)關(guān)鍵挑戰(zhàn)。此外，盡管sEMG在運(yùn)動醫(yī)學(xué)、神經(jīng)康復(fù)和職業(yè)醫(yī)學(xué)等領(lǐng)域有廣泛應(yīng)用，但其臨床轉(zhuǎn)化和采用仍然有限，部分原因是技術(shù)復(fù)雜性和缺乏廣泛的教育與推廣。未來，隨著技術(shù)的進(jìn)一步發(fā)展和標(biāo)準(zhǔn)化，sEMG將成為研究神經(jīng)肌肉控制不可或缺的工具，并在臨床醫(yī)學(xué)中實(shí)現(xiàn)更廣泛的應(yīng)用，這一技術(shù)的潛力無疑將在未來的科研和臨床實(shí)踐中得到進(jìn)一步挖掘。
參考文獻(xiàn)
D. Farina, R. Merletti, and R. M. Enoka, “The extraction of neural strategies from the surface EMG: 2004–2024,” J. Appl. Physiol., vol. 138, no. 1, pp. 121–135, Jan. 2025, doi: 10.1152/japplphysiol.00453.2024.
關(guān)于維拓啟創(chuàng)
維拓啟創(chuàng)（北京）信息技術(shù)有限公司成立于2006年，是一家專注于腦科學(xué)、康復(fù)工程、人因工程、心理學(xué)、體育科學(xué)等領(lǐng)域的科研解決方案供應(yīng)商。公司與國內(nèi)外多所大學(xué)、研究機(jī)構(gòu)、企業(yè)長期保持合作關(guān)系，致力于將優(yōu)質(zhì)的產(chǎn)品、先進(jìn)的技術(shù)和服務(wù)帶給各個(gè)領(lǐng)域的科研工作者，為用戶提供有競爭力的方案和服務(wù)，協(xié)助用戶的科研工作，持續(xù)提升使用體驗(yàn)。
相關(guān)產(chǎn)品
- Pak2在心臟應(yīng)激和肥厚相關(guān)室性心律失常中的保護(hù)作用研究
- 對完整RyR2-R2474S突變小鼠心臟的電壓和鈣信號的光學(xué)標(biāo)測研究
- Dario Farina 綜述：過去20年間高密度表面肌電神經(jīng)提取應(yīng)用進(jìn)展
- 利用雙因子技術(shù)穩(wěn)定血管再生并改善心梗后心功的研究
- 跨膜電阻儀CellzScope助力血腦屏障研究新突破
- 創(chuàng)新組織透明技術(shù)在無標(biāo)記腦成像的應(yīng)用
- 心肌補(bǔ)片通過調(diào)節(jié)CCR2-巨噬細(xì)胞生態(tài)位促進(jìn)心臟修復(fù)的研究
- 激光散斑血流成像在心冠動脈微循環(huán)研究的應(yīng)用
- 普瑞麥迪成為瑞士3Brain中國區(qū)戰(zhàn)略合作伙伴
- 中國毒理學(xué)會第十次全國青年科技大會通知&招商函
- OT Bioelettronic推出新品肌電分析系統(tǒng)novecento+
- 斯高-埃德線下聯(lián)合開放日邀請：心臟功能評價(jià)技術(shù)
- 北京眾實(shí)科技——深圳辦事處正式成立
- 斯高&埃德講座:mRNA增強(qiáng)的細(xì)胞療法促進(jìn)心臟修復(fù)再生
- 科圣科技拿下Diagnostic Biochips中國區(qū)總代理
- CNS 2025中國神經(jīng)科學(xué)學(xué)會第十八屆全國學(xué)術(shù)會議通知
