文摘

分解肌电图(EMG)是一个关键的方法来调查运动单位可塑性。各种信号处理技术已经发展为高密度表面EMG分解,其中卷积内核补偿(子宫颈上皮)取得了高分解产生广泛的验证。最近,一个进步的FastICA脱落(PFP)框架还被应用于高密度表面EMG分解。在这项研究中,子宫颈上皮和亲民方法独立地应用于同一组高密度表面分解EMG信号。在64 - 91试验通道表面EMG信号记录从第一背侧骨间的9 (FDI)肌肉神经完整的主题,总共有1477个电机单位确定的两种方法,其中包括969常见的运动单位。平均而言,常见的电动机单位确定了从每个试验中,显示一个很高的匹配率%在放电瞬间。普通汽车的高度的协议单位的纯种犬和亲民党处理提供了支持证据分解精度的方法。从每个方法获得不同运动单元还表明,这两种方法的组合可能有可能进一步提高分解率。

1。介绍

运动单位(包含一个脊髓运动神经元,轴突,和肌肉纤维中枢)的最后共同通路是神经肌肉控制和提供了一个基本的结构框架为神经肌肉系统检查。运动单位可塑性是指运动单位适应或运动单位的物理和功能变化的活动,神经损伤,年龄、康复训练,和其他因素。运动单位可以以不同的方式评估包括塑性分析肌电图(EMG)和肌肉力量输出。各种EMG信号处理方法中,肌电图分解提供了一个独特的方法来观察脊髓运动神经元的行为和人类受试者通过监测其适应或改变运动单位招聘和解雇率。

肌电图分解与侵入性电极针(通常执行1- - - - - -5]。表面EMG分解的主要挑战来自大量的活跃的运动单元,类似的运动单位动作电位(MUAP)波形不同的电机单元,和沉重的MUAP叠加。与放大技术发展,高密度表面EMG依靠电极阵列(由数以百计的密集小探针)表面EMG分解已有显著的进步。各种信号处理技术使用高密度表面电极阵列提出了分解的目的(6- - - - - -9),其中卷积内核补偿(子宫颈上皮)取得了杰出的收益率高密度表面EMG分解(10- - - - - -12]。纯种犬的方法已经测试使用模拟和实验表面EMG信号(13- - - - - -15),包括“两个源”验证同时肌肉的肌电图记录(13]。

最近,我们开发了一个进步的FastICA脱落(PFP)框架为高密度表面EMG分解和这部小说框架模拟和实验测试表面EMG信号(16]。鉴于纯种犬和亲民的方法都是用于高密度表面EMG记录,它们可以应用于相同的数据集。这提供了一种评估策略分解两种方法的性能通过比较常见的运动单位的放电瞬间从独立的纯种犬和亲民分解。当前研究的目的是使用这种策略比较分解产生的两种不同的方法。我们假设在处理同一组高密度表面EMG信号,能取得比较高的协议分解结果,从而提供支持性的证据纯种犬的分解性能和亲民的方法。

2。方法

2.1。数据模型

不同于大多数其他盲源分离技术在表面EMG、亲民党和纯种犬使用移不变的模型来描述多通道表面EMG信号(10,16),它允许特定运动单位的MUAP形状在不同渠道不同,但共享相同的放电瞬间。假设活跃的运动单位记录的表面电极:,信号在每个通道可以被描述为

在子宫颈上皮,(1)也可以被视为一种convolutive线性定常多输入多输出(MIMO)模型,在那里代表了添加剂白色,零均值高斯噪声我通道。每个模型的输入是一个稀疏二进制(即运动单位放电模式。,我ts values are either 0 or 1) that indicates whether thej运动单位排放在一个特定时间。是的放电时间th运动单位,而代表了狄拉克δ函数。通道响应代表的波形运动单位的th通道;波形的长度。假设为每一个。

模型(1)可以重写以矩阵形式: 在哪里代表一个扩展样本向量的形式和是一个噪声向量。未知的矩阵包括所有的MUAPs检测到不同的表面电极(详情,请参阅[10,16])。

2.2。纯种犬和亲民的引入

纯种犬方法首先盲目估计之间的互关联向量一个运动单位的放电模式和肌电图测量。然后未知的混合矩阵一个(即。,the convolution kernel) is partially compensated by calculating an estimation of the discharge patterns of this motor unit using the estimated cross-correlation vector and the correlation matrix of the EMG signal. As the convolution kernel is compensated gradually a number of motor units can be estimated. More details on CKC processing can be found in [10]。

亲民党框架可以被视为一个逐渐扩大的过程组高峰列车。框架中,采用FastICA估计运动单位高峰列车。“剥离”程序是用来估计的MUAPs确定电机的单位和减去原始信号。这样一个过程可以缓和的影响已确定电动机单位FastICA收敛,所以更多的运动单位可以出现在处理残余信号。为了确保分解的可靠性,应用受限的FastICA评估新提取放电模式和纠正错误或错过了峰值。这些特性共同促进分解率。可以找到更多细节PFP处理(16]。

2.3。数据描述

表面EMG信号用于测试该框架从第一背侧骨间的收购(FDI)肌肉的9名健康受试者。程序被当地的机构审查委员会批准。所有受试者实验前应把他们的书面同意。受试者坐在直立在移动Biodex椅子(Biodex,雪莉,纽约)。一个标准的6自由度负载细胞(ATI Inc .,先端,NC)设置用于准确记录FDI肌肉的等长收缩力在食指绑架。标准程序以减少寄生力的贡献没有记录的肌肉如[17]。使用一个灵活的二维表面EMG信号记录64 -通道(8×8,个人记录探针直径1.2毫米,中心到中心的距离为4毫米)表面电极阵列(TMS国际BV、荷兰)。最大随意收缩(MVC)是首先测量;之后,每位受试者被要求生成一个FDI在不同收缩肌肉等长收缩力水平。受试者被要求保持力尽可能稳定至少3 s(最好超过5 s)。实际的百分比MVC为每个收缩被正常化之后计算力测量(平均力稳定时期)每个主题的MVC。荷兰国际BV Refa128放大器(TMS)是用来记录表面EMG信号。被采样的信号2千赫/通道,带通滤波器设置在10 - 500赫兹。完全91实验表面EMG信号(35 MVC±27%,范围:~ 1% ~ 100% MVC)被PFP和子宫颈上皮分解,分别。两个分解过程是相互独立的,他们是由两个不同的运营商。 The decomposition by CKC was first processed by an automatic program, and a manual motor unit selecting process was used to ensure the reliability of the results. In particular, recently introduced pulse-to-noise ratio (PNR) metrics [18)被用来评估运动单位识别的准确性和只有运动单位的内线≥30 dB(敏感性识别运动单位排放≥90%)保持而所有其他运动单位被丢弃。亲民党,人工监测使用受限的FastICA时被用来保证可靠性评估确认高峰列车。

2.4。数据分析

匹配率(先生)计算一般精确测量的匹配程度确定电动机单位两种分解方法。对于每一个常见的运动单位,两个分解之间的匹配率进行了计算 在哪里代表的排放数量的运动单位被分解技术(即确定。时间内,相应的排放的数量公差±1 ms)。和排放的总数是由子宫颈上皮和亲民,分别。注意,如果两个高峰列车被认为是“标准”训练,实际上是一个1-score测量(19]。在这项研究中,我们考虑一个运动单位作为一个常见的只有一个之间的两种分解方法高于90%。

互相关函数法引入[16)是用于促进识别耦合放电峰值列车的两个分解算法和计算。以下参数计算: 在哪里代表了互相关函数,代表了从子宫颈上皮th高峰火车确定,是th高峰火车从亲民党的识别。之间的最大互相关系数和。如果≥0.3,我们接受潜在存在高峰火车之间的耦合和。确定的“耦合”,使用的指标对应的脉冲序列和的值被用来确定两个高峰火车真的对应。为此,相应的延迟据估计,和在时间上保持一致。在这样一个时间转变,被计算为定义在(3)。

3所示。结果

图1显示了一个示例放电瞬间的运动单位确定的等长收缩的大约18%的MVC。红色的火车表示结果的纯种犬,和蓝色的亲民党的结果。在这个例子中,19个共同运动单位被确定,其放电模式是在图保持一致。黑点代表几个位置不一致的放电瞬间生成的两种方法。此外,还发现了两种不同的运动单元,每个方法分别如图。

九十一试验受试者被处理信号持续时间范围从3.2到11.2 (,匹配率的计算。总共有1477个电机单位确定的两种方法,其中包括969常见的运动单位。平均而言,常见的电动机单位确定了从每个试验中,显示一个很高的匹配率%。我们没有观察到明显的依赖常见的汽车的数量单位和收缩的匹配率水平。除了常见的电动机单位占大多数的分解产生,这两种方法还发现了一个相对较小的许多不同的电机单元,如显示在图1,4种不同的运动单位被确定的两个方法。在91次试验,有不同的电机单元识别/试验的两种方法。

4所示。讨论

纯种犬和亲民的方法都是用于高密度表面EMG分解,利用盲源分离方法基于稀疏移不变的模式。运动单位放电的稀疏的假设模式保证了算法可以获得足够的信息来单独的电机单元。不像大多数其他的分解方法主要依靠MUAP模板匹配,这两个算法(即关注底层的放电模式。肌电图信号,稀疏的组件)。关键两个算法的迭代规则也有一个类似的结构。由于这些相似之处,这两种方法实现高协议高密度表面EMG分解,证明了在这个研究。

当比较纯种犬和亲民的分解产生方法,我们只专注于运动单位放电瞬间,MUAP波形的可以使用飙升引发估计平均(实际上,亲民党分解过程中,MUAP波形已经出现)。因此,如果高协议可以实现两种方法之间的运动单位放电瞬间,MUAP波形的高协议也可以预期。

除了大多数常见的运动单元,这两种方法还发现了一个相对较小的部分不同的运动单位。这可能是由于亲民党和子宫颈上皮方法之间的差异,如在成本函数和运动单位搜索策略(在处理基于局部收敛问题梯度算法)。例如,纯种犬作用于原始信号和每次的初始值是正确选择(在运动单位放电瞬间),确保算法能收敛到可靠的结果。此外,子宫颈上皮采用概率策略,通过多次盲目运行算法(例如,100)和gram - schmidt正交化的分离向量允许有足够的概率的算法找到那些困难的收敛解,最后整合所有的结果。相反,项目采用不同的通货紧缩策略。当新的解决方案,该算法使用信息从已确定或验证电机单元的放电模式估计MUAP火车和减去他们的原始信号,然后采用FastICA残余信号搜索其他运动单位。这样减轻了通货紧缩战略的影响已确定电动机单位FastICA收敛,所以额外的运动单位可以出现。然而,这可能导致累积误差问题;即早期估计误差会累积和放大后过程中(这就是为什么限制FastICA用于确保高峰列车)的准确性。

基于考虑到子宫颈上皮表面EMG分解被广泛验证在不同的情况下13- - - - - -15),普通电机的高度的协议单位之间的分解结果的准确性在一定程度上支持亲民党分解(和子宫颈上皮分解)的准确性。进一步确认的准确性亲民党分解,同时肌肉的肌电图记录是必要的,所以两个源可以执行验证。

最后,值得注意的是一些组件可以结合其他方法之一。例如,亲民党可以使用概率策略(如用于纯种犬)在每个迭代中实现更多的解决方案。纯种犬可以采用MUAP估计和运动单位脉冲序列类似于约束FastICA验证机制。这种纯种犬和亲民的组合方法需要进一步的调查和可能潜在的增加分解产生。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项研究得到了国家自然科学基金资助下的中国81271658,美国国立卫生研究院的美国卫生和人类服务部在格兰特R01NS080839和斯洛文尼亚的研究机构(项目j2 - 7357)。