過去20年間（2004-2024），從侵入式肌電（iEMG）到表面肌電（sEMG），從分立式電極到高密度電極，肌電信號(hào)的采集和分析技術(shù)取得了突破性進(jìn)展，其應(yīng)用范圍從監(jiān)測(cè)肌肉激活、估計(jì)肌纖維傳導(dǎo)速度擴(kuò)展到解碼神經(jīng)控制信息。英國(guó)帝國(guó)理工學(xué)院教授、電生理學(xué)家Dario Farina在2004年發(fā)表了一篇綜述，討論了表面肌電神經(jīng)控制策略的應(yīng)用、潛力以及局限性。當(dāng)時(shí)，sEMG采集和處理幾乎局限于提取信號(hào)的全局特征，例如幅度和功率譜，用于挖掘這些變量與生理機(jī)制相關(guān)性。盡管這些全局特征也在一些研究中被證實(shí)與神經(jīng)驅(qū)動(dòng)建立映射，但這些變量受到運(yùn)動(dòng)單位相對(duì)于電極位置的強(qiáng)烈影響，且在神經(jīng)驅(qū)動(dòng)可解釋性層面存在明顯局限性。在這篇綜述發(fā)表的后十年間（2004-2014），出現(xiàn)了許多關(guān)于使用sEMG測(cè)量神經(jīng)連接的研究，表面肌電分解技術(shù)也成為現(xiàn)實(shí)，然而這些技術(shù)所需信號(hào)質(zhì)量和通道數(shù)量要求較高，仍需全面驗(yàn)證。如今，得益于高密度肌電采集技術(shù)，表面肌電分解已成為一種成熟且經(jīng)過驗(yàn)證的技術(shù)，用于在各種條件下分析運(yùn)動(dòng)單位和肌肉的神經(jīng)驅(qū)動(dòng)。這篇文章是Dario Farina教授近期關(guān)于sEMG在過去20年（2004-2024）發(fā)展和應(yīng)用再次發(fā)表的綜述，重點(diǎn)關(guān)注sEMG在提取神經(jīng)控制策略方面的進(jìn)展。文章分為三個(gè)主要部分：sEMG建模、sEMG處理以及sEMG在神經(jīng)接口等方面的應(yīng)用。

sEMG建模是理解肌電信號(hào)生成和解釋的關(guān)鍵，特別是用于教學(xué)、信號(hào)分析和可解釋性研究、信號(hào)處理、算法驗(yàn)證和估計(jì)不可測(cè)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(hào)生成的復(fù)雜性，尤其是小運(yùn)動(dòng)單位對(duì)總信號(hào)幅度的貢獻(xiàn)會(huì)隨著信號(hào)強(qiáng)度增加而減少，這不僅由于其相對(duì)幅度降低，還因?yàn)樾?dòng)作電位更容易發(fā)生幅度抵消。因此，從sEMG幅值難以用于獲取神經(jīng)驅(qū)動(dòng)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(duì)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(duì)信號(hào)傳播的影響。盡管早期的模型主要基于簡(jiǎn)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(jiǎn)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(hào)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(jiǎn)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(hào)，并在解剖學(xué)準(zhǔn)確的容積傳導(dǎo)中模擬運(yùn)動(dòng)單位動(dòng)作電位的傳播，包括串?dāng)_信號(hào)的影響。這些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(shí)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(dòng)sEMG技術(shù)在臨床應(yīng)用中的發(fā)展，例如提高運(yùn)動(dòng)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。

信號(hào)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(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，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)?；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(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。

人工智能（AI）技術(shù)在sEMG信號(hào)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(hào)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(duì)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(duì)噪聲的敏感性降低。這種方法不僅可能解決手動(dòng)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(hào)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(hào)分解中的應(yīng)用仍處于早期階段，但其對(duì)sEMG信號(hào)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(dòng)該技術(shù)在臨床和研究中的廣泛應(yīng)用。

sEMG作為研究運(yùn)動(dòng)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(shí)別單個(gè)運(yùn)動(dòng)單位的動(dòng)作電位放電時(shí)間的轉(zhuǎn)變。這一進(jìn)展不僅推動(dòng)了基礎(chǔ)生理學(xué)研究，還擴(kuò)展了sEMG信號(hào)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(hào)作為人機(jī)接口控制外部設(shè)備，如主動(dòng)假肢。通過記錄截肢者殘余肌肉的sEMG信號(hào)，可以推斷用戶的運(yùn)動(dòng)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(hào)魯棒性問題。

通過分解殘余的sEMG信號(hào)，研究人員能夠解碼脊髓損傷患者的運(yùn)動(dòng)神經(jīng)元活動(dòng)，這些活動(dòng)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(dòng)神經(jīng)元活動(dòng)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(dòng)神經(jīng)元活動(dòng)與預(yù)期的手部動(dòng)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。

通過在線估計(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)用在過去十年中引起了廣泛關(guān)注，其中不乏科技公司也積極參與其中。

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(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，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.

Advictor

了解更多產(chǎn)品詳情，投稿發(fā)布

與合作，歡迎掃碼咨詢。