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(hào)處理進(jìn)展
信號(hào)處理領(lǐng)域在過(guò)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(lái)，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(dòng)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(duì)深層和小肌肉運(yùn)動(dòng)單位的解碼困難，但sEMG分解已成為研究人類運(yùn)動(dòng)單位活動(dòng)的有效工具。近年來(lái)，sEMG分解技術(shù)取得了顯著進(jìn)展，包括跨會(huì)話追蹤運(yùn)動(dòng)單位、增加識(shí)別的運(yùn)動(dòng)單位數(shù)量、在動(dòng)態(tài)收縮中的應(yīng)用以及實(shí)時(shí)信號(hào)分解的實(shí)現(xiàn)。基于盲源分離算法的實(shí)時(shí)分解技術(shù)，能夠在幾十毫秒內(nèi)完成信號(hào)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(dòng)其在臨床和研究中的更廣泛應(yīng)用。

圖3 通過(guò)HD-sEMG記錄的脛骨前肌在不同目標(biāo)力量下的運(yùn)動(dòng)單位放電率編碼，追蹤了187個(gè)運(yùn)動(dòng)單位在不同收縮力下的活動(dòng)，并通過(guò)自然對(duì)數(shù)函數(shù)擬合了運(yùn)動(dòng)單位放電率與力量之間的關(guān)系，揭示了運(yùn)動(dòng)神經(jīng)元的輸入-輸出特性。

圖4 基于人工智能增強(qiáng)的肌電分解方法，通過(guò)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)運(yùn)動(dòng)單位活動(dòng)、識(shí)別分解中的誤判，并補(bǔ)償信號(hào)非平穩(wěn)性，提升了肌電分解的準(zhǔn)確性和魯棒性。

圖5 通過(guò)袖套電極陣列記錄脊髓損傷患者前臂肌肉的sEMG信號(hào)，盡管患者無(wú)可見(jiàn)運(yùn)動(dòng)，但仍能檢測(cè)到肌電信號(hào)并分解出單個(gè)運(yùn)動(dòng)單位活動(dòng)，揭示了運(yùn)動(dòng)神經(jīng)元放電與手部任務(wù)意圖的關(guān)聯(lián)。

通過(guò)在線估計(jì)單個(gè)運(yùn)動(dòng)單位的放電時(shí)間，研究人員開(kāi)發(fā)了基于肌肉神經(jīng)驅(qū)動(dòng)的高級(jí)生物反饋系統(tǒng)。由于接收共同輸入的運(yùn)動(dòng)神經(jīng)元群體具有線性輸出特性，可以從sEMG解碼運(yùn)動(dòng)神經(jīng)元的輸出（即對(duì)肌肉神經(jīng)驅(qū)動(dòng)的估計(jì)），進(jìn)一步估計(jì)相應(yīng)的共同輸入信號(hào)。這些生物反饋系統(tǒng)已用于證明中樞神經(jīng)系統(tǒng)無(wú)法獨(dú)立控制單個(gè)運(yùn)動(dòng)神經(jīng)元，而是將共同突觸輸入分配給一組運(yùn)動(dòng)神經(jīng)元。此外，皮質(zhì)振蕩活動(dòng)（如β波和γ波）也通過(guò)共同投射傳遞到運(yùn)動(dòng)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(dòng)神經(jīng)元群體的輸出中提取不同頻率的輸入信號(hào)。盡管與振蕩活動(dòng)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(guò)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(guò)模擬177個(gè)運(yùn)動(dòng)神經(jīng)元接收共同輸入和獨(dú)立輸入的解碼過(guò)程，揭示了運(yùn)動(dòng)神經(jīng)元群體對(duì)振蕩性輸入的線性響應(yīng)，并通過(guò)濾波重建了輸入信號(hào)的頻率成分。

總結(jié)與展望
在過(guò)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(hào)的濾波效應(yīng)使得一些臨床相關(guān)特征難以檢測(cè)，因此將其轉(zhuǎn)化為常規(guī)臨床評(píng)估和監(jiān)測(cè)工具仍是一個(gè)關(guān)鍵挑戰(zhàn)。此外，盡管sEMG在運(yùn)動(dòng)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(lái)，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(wú)疑將在未來(lái)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(guó)內(nèi)外多所大學(xué)、研究機(jī)構(gòu)、企業(yè)長(zhǎng)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(jìng)爭(zhēng)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