神經(jīng)支配區(qū)（IZ）是運(yùn)動神經(jīng)元末梢與肌纖維接觸的關(guān)鍵解剖部位，其準(zhǔn)確定位對基礎(chǔ)研究和臨床應(yīng)用（如指導(dǎo)肉毒毒素注射）至關(guān)重要。由線性陣列或通道矩陣記錄的表面肌電信號已被廣泛用于估計(jì) IZ 位置?；ハ嚓P(guān)分析、 RMS 幅度分析等現(xiàn)有方法大多依賴于雙極信號，易受噪聲影響，且處理單機(jī)信號的方法較少。因此，開發(fā)一種基于單高密度表面肌電 (EMG) 信號的、自動化且魯棒的 IZ 定位新方法尤為重要。

來自山東青島健康與康復(fù)科學(xué)大學(xué)康復(fù)科學(xué)與工程學(xué)院的周平團(tuán)隊(duì)在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》上發(fā)表了題為“A Novel Muscle Innervation Zone Estimation Method Using Monopolar High Density Surface Electromyography”的文章，提出了一種利用單高密度表面 (EMG) 信號，通過分析主成分分析 (PCA) 的第二主成分 (PC2) 系數(shù)來定位肌肉神經(jīng)支配區(qū)的新方法。其核心原理是，PC2 系數(shù)與不同通道的信號時(shí)間延遲近似線性相關(guān)，而 IZ 區(qū)域的通道具有最短的時(shí)間延遲。通過模擬和實(shí)驗(yàn)驗(yàn)證，該方法在信噪比（SNR ）低至 5dB時(shí)仍能保持80% 以上的準(zhǔn)確率，并且在特定通道被污染的情況下，表現(xiàn)出優(yōu)于傳統(tǒng)互相關(guān)和 均方根（RMS ）方法的魯棒性。在對 9 名健康受試者的實(shí)驗(yàn)中，該方法與互相關(guān)法的結(jié)果高度一致，平均差異僅為0.47 ± 0.4 個(gè)電極間距 (IED)。

文章信息

技術(shù)路線

圖1展示了整體技術(shù)流程：

1) 標(biāo)準(zhǔn)化：將 M×N 的 EMG 信號矩陣（M 個(gè)通道，N 個(gè)樣本）進(jìn)行零均值和單位方差處理；

2) 主成分分析 (PCA)：對標(biāo)準(zhǔn)化后的信號進(jìn)行 PCA 分解；

3) 提取 PC2 系數(shù)：提取第二主成分（PC2）對應(yīng)的系數(shù)向量；

4) 定位 IZ：對 PC2 系數(shù)沿電 極陣列行方向進(jìn)行樣條插值，插值曲線的最小值點(diǎn)即對應(yīng) IZ 的位置。

圖1. 基于主成分分析第二主成分的肌肉IZ估計(jì)框架

實(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證

仿真驗(yàn)證：采用 Fuglevand 運(yùn)動神經(jīng)元池模型和經(jīng)典表面 EMG 模型，模擬了 120 個(gè)運(yùn)動單位。采用40通道表面陣列（5x8，水平和垂直通道間距離為5 mm），測試了 IZ 位于不同行的 9 種情況（圖2A和表1）。同時(shí)研究在兩種不同情況下噪聲對結(jié)果的影響，如下所示：

    全局噪聲：測試了 SNR 為 20, 15, 10, 5 dB 的情況；

    局部污染：模擬了某一特定通道 (SNR = 0dB) 遠(yuǎn)差于其他通道 (SNR = 20dB) 的情況。

表1. 不同模擬中的模擬IZ位置

人體表面肌電實(shí)驗(yàn) ：選取9 名健康受試者 (28.9 ± 4.8 歲)，采集其肱二頭肌EMG信號。使用兩個(gè)高密度電極陣列（圖2B和2C），每個(gè)電極矩陣由64個(gè)通道組成，電極間距離（IED）為8mm，排列在5列乘13行的網(wǎng)格中（圖2B和2C）。清潔皮膚后，平行于纖維方向?qū)⒁粋€(gè)通道陣列放置在肱二頭肌的外側(cè)上，另一個(gè)通道陣列放置在內(nèi)側(cè)上，并用彈性帶固定。在肘部放置接地電極。受試者背部靠在靠背上，前臂放置（所有情況下均為右側(cè)）在定制的測力裝置上（圖2D）。

圖2. A：模擬電極矩陣，由具有5列（平行于肌纖維方向定位）和8行的網(wǎng)格組成。B：實(shí)驗(yàn)信號的兩個(gè)粘合劑2D矩陣的示意圖。C：用于實(shí)驗(yàn)記錄的高密度表面電極。D：實(shí)驗(yàn)裝置的說明

仿真結(jié)果

在全局噪聲場景中，圖3展示了在模擬電極陣列表面肌電信號的每一列中，當(dāng)神經(jīng)支配區(qū)（IZ）被模擬設(shè)定在第 4 行（Row4），通過PCA的第二主成分（ PC2）來估算肌肉 IZ 的示例， PC2 系數(shù)的空間分布特征（圖3 B和E，圖4 B和E）與樣條插值（圖3 C和F，圖4 C和F），直觀呈現(xiàn)了 IZ 的定位。其中行設(shè)置 SNR=20dB（理想噪聲），第二行設(shè)置 SNR=5dB（低噪聲），兩種條件可以作為對比，展示了 PC2 系數(shù)對 IZ 的定位能力。在 SNR=20dB 時(shí)，PC2 方法準(zhǔn)確率達(dá) 93.0%；即使在 SNR=5dB 時(shí)，準(zhǔn)確率仍保持在 80.8%。

圖4則是把神經(jīng)支配區(qū)（IZ）模擬設(shè)定在第 4 行和第5行之間，其余與圖3一致。

圖3. 在第4行模擬IZ時(shí)肌肉IZ估計(jì)的示例。A:當(dāng)信噪比為20dB時(shí)，由主成分解釋的方差。B：SNR為20dB時(shí)第2主成分系數(shù)的空間分布。C：當(dāng)SNR為20dB時(shí)，來自第3列的第2主成分系數(shù)的樣條插值。D：SNR為5dB時(shí)由主成分解釋的方差。E：SNR為5dB時(shí)第2主成分系數(shù)的空間分布。F：當(dāng)SNR為5dB時(shí)，來自第3列的第2主成分系數(shù)的樣條插值

圖4. 在第4行和第5行之間模擬IZ時(shí)的肌肉IZ估計(jì)示例。A：當(dāng)信噪比為20dB時(shí)，由主成分解釋的方差。B：SNR為20dB時(shí)第2主成分系數(shù)的空間分布。C：當(dāng)SNR為20dB時(shí)，來自第3列的第2主成分系數(shù)的樣條插值。D：SNR為5dB時(shí)由主成分解釋的方差。E：SNR為5dB時(shí)第2主成分系數(shù)的空間分布。F：當(dāng)SNR為5dB時(shí)，來自第3列的第2主成分系數(shù)的樣條插值

表 2 以 “準(zhǔn)確率” （即，IZ 定位準(zhǔn)確率，即 “估算 IZ 位置與真實(shí) IZ 位置一致” 的試驗(yàn)次數(shù)占總次數(shù)的比例，數(shù)值越高方法越可靠。） 和 “平均差異（IED，估算 IZ 位置與真實(shí) IZ 位置的平均差值，單位為 “電極間距，數(shù)值越小定位精度越高。本實(shí)驗(yàn)電極間距，8mm）” 為核心指標(biāo)，量化了三種方法（即，PCA：基于單極信號的第二主成分系數(shù)分析；Correlation：基于雙極信號的互相關(guān)分析；RMS：基于雙極信號的均方根幅度分析）在不同 SNR 下的表現(xiàn)，PCA的PC2方法在SNR 從 20dB 降至 5dB 時(shí)，準(zhǔn)確率從 93.0% 降至 80.8%，平均差異從 0.05 IED 增至 0.10 IED，下降幅度平緩。即使在 SNR=5dB（強(qiáng)噪聲）下，仍保持 80% 以上的準(zhǔn)確率，遠(yuǎn)超 RMS 方法（13.0%），互相關(guān)法在高 SNR（20dB）時(shí)準(zhǔn)確率略高（93.6% vs 93.0%），但低 SNR（5dB）時(shí)兩者差距縮?。?3.8% vs 80.8%），且平均差異僅差 0.02 IED（0.08 vs 0.10），說明 PC2 方法在全局噪聲下已接近傳統(tǒng)優(yōu)方法的性能。

表2. IZ估計(jì)精度和使用不同方法自動估計(jì)的IZ位置與真實(shí)IZ位置之間的平均差(IED)

在局部污染場景中，對比三種方法的抗干擾能力，是 PC2 方法魯棒性的關(guān)鍵驗(yàn)證。圖 5 展示了模擬 “列 3 中 Row3 通道嚴(yán)重污染（SNR=0dB）” 的場景。 PC2 系數(shù)最小值仍準(zhǔn)確指向 Row4（預(yù)設(shè) IZ 位置），未受 Row3 污染通道的影響。原因是 PC2 通過全局 PCA 分解，將局部噪聲視為 “異常方差”，不影響對 “時(shí)間延遲差異” 這一核心特征的提取。因此，在局部通道嚴(yán)重污染時(shí)，PC2 方法不受干擾，而互相關(guān)法、RMS 法均出現(xiàn)明顯偏差，凸顯其在實(shí)際采集環(huán)境中的適用性。

圖5. 當(dāng)一個(gè)通道（第3行）被模擬為比單極配置中的其他通道污染更嚴(yán)重時(shí)，IZ估計(jì)結(jié)果。A：第二主成分系數(shù)分析估計(jì)了第4行的IZ，與模擬輸入一致。B：互相關(guān)分析估計(jì)了第3行的IZ。C：RMS分析估計(jì)第4行和第5行之間的IZ

人體實(shí)驗(yàn)結(jié)果

為了驗(yàn)證仿真模擬結(jié)果的可靠性，選取9名健康被試進(jìn)行肱二頭肌MVC大自主收縮試驗(yàn)，結(jié)果發(fā)現(xiàn)基于PC2系數(shù)的IZ定位方法與傳統(tǒng)互相關(guān)法結(jié)果高度一致，平均差異僅 0.47 ± 0.4 IED，滿足臨床對 IZ 定位精度的需求，證明該方法在真實(shí)生理信號中有效。圖6展示了PC2方法（圖6A，D）和傳統(tǒng)相關(guān)分析（圖6B，E）方法定位IZ的位置比較接近。此外，圖7和圖8展示了當(dāng)局部通道存在信號干擾時(shí)，PC2 法不受影響，仍能穩(wěn)定定位 IZ；而互相關(guān)法易受局部干擾導(dǎo)致定位偏差，RMS 法穩(wěn)定性差，這一優(yōu)勢解決了臨床采集時(shí) “局部電極接觸不良、信號干擾” 等常見問題，提升了方法的實(shí)際應(yīng)用價(jià)值。

圖6. 從實(shí)驗(yàn)高密度表面肌電信號估計(jì)肌肉IZ的一個(gè)例子。A：第二主成分系數(shù)的空間分布。對于每一列，最小系數(shù)位于第5或第6行附近，并且系數(shù)沿著纖維方向逐漸增加。B：相鄰雙極信號之間的互相關(guān)系數(shù)的分布。C：雙極信號的均方根分布。D：第1列第2分量系數(shù)的樣條插值。E.第1列互相關(guān)系數(shù)的樣條插值。F：第1列的配對雙極信號的均方根值

圖7. 從第二基于主成分的分析獲得的IZ位置（行6）和從基于互相關(guān)的分析獲得的錯(cuò)誤位置（行8）的示例。A：第2列第2主成分系數(shù)的樣條插值。B：第2列互相關(guān)系數(shù)的樣條插值。C：來自第二列的通道處的單極表面EMG信號。注意第8行一小部分的信號中斷

圖8. 從應(yīng)用于實(shí)驗(yàn)性高密度sEMG的一列的不同方法估計(jì)的所有受試者的IZ位置的比較

本研究通過分析第二主成分系數(shù)（PC2），從單高密度表面肌電信號中開發(fā)了一種新的肌肉IZ估計(jì)方法，經(jīng)仿真與人體實(shí)驗(yàn)表明均有效。仿真中，信噪比（SNR）低至 5dB 時(shí)仍保持 80.8% 的準(zhǔn)確率；人體實(shí)驗(yàn)中，對 9 名健康受試者肱二頭肌大自主收縮（MVC）信號分析，與傳統(tǒng)互相關(guān)法結(jié)果高度一致，平均差異僅 0.47±0.4 個(gè)電極間距（IED，8mm），滿足臨床定位精度需求。在特定通道污染或局部信號干擾場景下，該方法表現(xiàn)出優(yōu)于傳統(tǒng)互相關(guān)法與均方根（RMS）法的抗干擾能力。此外，該方法具有創(chuàng)新性與實(shí)用性，實(shí)現(xiàn)基于單極 HD-sEMG 的 IZ 自動化定位，無需將信號轉(zhuǎn)換為雙極信號，避免轉(zhuǎn)換過程中的信息丟失；整個(gè)分析流程可通過 MATLAB 自動化實(shí)現(xiàn)，無需人工調(diào)整參數(shù)，適用于臨床批量數(shù)據(jù)處理，為 IZ 定位提供了高效、便捷的新工具。

未來可結(jié)合圖像分割技術(shù)，對 PC2 系數(shù)空間分布進(jìn)行多區(qū)域檢測，實(shí)現(xiàn)多 IZ 與復(fù)雜形態(tài) IZ 的識別；同時(shí)，構(gòu)建包含復(fù)雜 IZ 形態(tài)的仿真模型，擴(kuò)大訓(xùn)練數(shù)據(jù)維度，提升算法對非理想 IZ 結(jié)構(gòu)的適應(yīng)性。

原文信息鏈接

Huang C, Chen M, Zhang Y, et al. A Novel Muscle Innervation Zone Estimation Method Using Monopolar High Density Surface Electromyography. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2023, 31: 22-30.

DOI: 10.1109/TNSRE.2022.3215612

作者及單位介紹

該文章的作者為黃成軍、Maoqi Chen、Yingchun Zhang、Sheng Li、Cliff S. Klein和周平（通訊作者），其中，黃成軍就職于美國德克薩斯州休斯頓貝勒醫(yī)學(xué)院神經(jīng)科學(xué)系，Yingchun Zhang就職于休斯頓大學(xué)生物醫(yī)學(xué)工程系，Sheng Li就職于德克薩斯大學(xué)健康科學(xué)中心（休斯頓）物理醫(yī)學(xué)與康復(fù)系，Cliff S. Klein就職于廣東省工傷康復(fù)中心，周平與Maoqi Chen就職于青島大學(xué)健康醫(yī)學(xué)院 康復(fù)科學(xué)與工程學(xué)院。

關(guān)于維拓啟創(chuàng)

相關(guān)產(chǎn)品