實(shí)時(shí)解碼神經(jīng)控制信息：邁向運(yùn)動(dòng)單位驅(qū)動(dòng)的高密度肌電接口
背景介紹
隨著可穿戴神經(jīng)康復(fù)技術(shù)和智能假肢系統(tǒng)的發(fā)展，如何準(zhǔn)確感知人體意圖成為核心技術(shù)瓶頸。傳統(tǒng)的肌電驅(qū)動(dòng)方法由于受“幅度抵消”、電極位置變化等影響，在動(dòng)態(tài)任務(wù)（如行走、高收縮強(qiáng)度）中識(shí)別穩(wěn)定性較差。相比之下，深入解碼肌肉最小神經(jīng)控制單位——運(yùn)動(dòng)單位（Motor Unit, MU）的發(fā)放模式，能夠揭示更底層的神經(jīng)控制意圖，是實(shí)現(xiàn)高精度、生理一致的神經(jīng)-肌肉界面的關(guān)鍵。盡管已有方法在靜態(tài)條件下可對(duì)MU發(fā)放進(jìn)行離線解碼，但尚未實(shí)現(xiàn)在動(dòng)態(tài)或高收縮強(qiáng)度條件下的在線解碼與肌肉激活建模，限制了其實(shí)時(shí)應(yīng)用能力。
研究方法
本研究招募了兩名健康成年志愿者，旨在分別評(píng)估肌肉在日常行走與高強(qiáng)度收縮條件下的運(yùn)動(dòng)單位發(fā)放與肌肉激活狀態(tài)。整體研究框架如圖2。
在步行實(shí)驗(yàn)中，受試者以自然速度行走于平地，并配合完成三種不同推蹬力水平的任務(wù)（分別為最大自主收縮MVC的30%、40%、50%），用于訓(xùn)練解碼模型。研究者在其優(yōu)勢(shì)腿比目魚肌上粘貼一塊8×8電極陣列（共64通道，間距約10mm），借助荷蘭TMSi公司的SAGA 64+系統(tǒng)采集HD-sEMG信號(hào)，采樣頻率2048Hz。步態(tài)事件由運(yùn)動(dòng)捕捉系統(tǒng)與測(cè)力平臺(tái)同步記錄，以便精確對(duì)齊肌肉發(fā)放與下肢動(dòng)力學(xué)數(shù)據(jù)。
在高強(qiáng)度任務(wù)中，受試者完成不同角度下的踝關(guān)節(jié)背屈等長(zhǎng)收縮，目標(biāo)力水平分別為30%、50%、70%、90%MVC。HD-sEMG使用 256通道系統(tǒng)進(jìn)行采集，信號(hào)帶寬設(shè)置為20–500Hz，并對(duì)所有信號(hào)進(jìn)行了50Hz陷波濾波去除工頻干擾。每個(gè)任務(wù)重復(fù)4次，系統(tǒng)自動(dòng)記錄等長(zhǎng)力矩變化曲線，并與肌電信號(hào)對(duì)齊處理。
在信號(hào)處理與分析方面，研究者構(gòu)建了一種改進(jìn)的Fast ICA算法，即兩階段BSS方法：首先在低強(qiáng)度任務(wù)（粉色）中訓(xùn)練MU濾波器（圖3a），然后在高強(qiáng)度或步行數(shù)據(jù)（藍(lán)色）中通過殘差優(yōu)化方式對(duì)濾波器進(jìn)行自適應(yīng)與細(xì)化。每一個(gè)被成功識(shí)別的運(yùn)動(dòng)單位發(fā)放序列都被進(jìn)一步映射至一個(gè)二階肌肉抽搐響應(yīng)函數(shù)，其核心參數(shù)包括峰值幅度（Ac）與收縮時(shí)間（Tc），最終通過卷積獲得該MU的個(gè)性化激活動(dòng)力學(xué)曲線（圖3b）。研究者進(jìn)一步將數(shù)據(jù)分割為64個(gè)采樣點(diǎn)（約32ms）為窗口的偽在線處理流，使用事先訓(xùn)練好的分解參數(shù)進(jìn)行快速解碼，以驗(yàn)證方法的實(shí)時(shí)性能（圖3c）。
關(guān)鍵實(shí)驗(yàn)結(jié)果
在步行任務(wù)中，通過解碼MU發(fā)放并結(jié)合個(gè)性化抽搐響應(yīng)構(gòu)建的激活動(dòng)力學(xué)模型，預(yù)測(cè)出的踝關(guān)節(jié)力矩曲線與真實(shí)測(cè)量曲線擬合程度高達(dá)R²=0.89，顯著優(yōu)于傳統(tǒng)EMG包絡(luò)模型的R²=0.86（圖4）。這一結(jié)果說明該方法能更準(zhǔn)確地反映生理實(shí)際肌肉控制機(jī)制，并成功捕捉到個(gè)體在自然運(yùn)動(dòng)中的神經(jīng)驅(qū)動(dòng)模式。
在高強(qiáng)度收縮任務(wù)中，改進(jìn)的兩階段BSS算法成功解碼出更多的運(yùn)動(dòng)單位發(fā)放事件。與傳統(tǒng)方法相比，新算法顯著提升了解碼出的運(yùn)動(dòng)單位多樣性，其募集閾值覆蓋范圍從20%至70% MVC，涵蓋了從慢肌型到快肌型多個(gè)MU類型（圖4）。雖然慢肌MU的代表性仍有待進(jìn)一步擴(kuò)展，但整體激活估計(jì)表現(xiàn)出更高的響應(yīng)速度與更強(qiáng)的生理一致性，為建模真實(shí)肌肉輸出提供了良好基礎(chǔ)。
在計(jì)算效率方面，偽在線處理結(jié)果顯示，每窗口（32ms）MU解碼耗時(shí)中位數(shù)僅2.17ms，激活估計(jì)耗時(shí)小于1ms，系統(tǒng)整體延遲遠(yuǎn)低于神經(jīng)-肌肉反應(yīng)時(shí)限（~100ms），具備實(shí)時(shí)運(yùn)行潛力。
此外，從神經(jīng)生理的角度也可以理解這些結(jié)果的合理性。比目魚肌和脛骨前肌的運(yùn)動(dòng)單位數(shù)量眾多且調(diào)控方式精細(xì)，能很好地體現(xiàn)神經(jīng)系統(tǒng)對(duì)不同任務(wù)條件的快速適應(yīng)能力。通過將MU視作“神經(jīng)控制的最小單位”，該研究揭示了神經(jīng)-肌肉界面在動(dòng)態(tài)任務(wù)中的“發(fā)放邏輯”，為今后的個(gè)體化康復(fù)和智能控制打下了堅(jiān)實(shí)基礎(chǔ)。
總結(jié)與展望：打造MU驅(qū)動(dòng)的智能神經(jīng)康復(fù)系統(tǒng)
本研究首次實(shí)現(xiàn)了在步態(tài)與高強(qiáng)度動(dòng)態(tài)收縮中，同時(shí)實(shí)時(shí)解碼運(yùn)動(dòng)單位發(fā)放事件及其激活動(dòng)力學(xué)，不僅提升了神經(jīng)驅(qū)動(dòng)建模的生理精度，也突破了傳統(tǒng)肌電驅(qū)動(dòng)方法的局限。該方法具備高精度、高響應(yīng)性和高泛化性三大顯著優(yōu)勢(shì)，具體體現(xiàn)在MU級(jí)別的神經(jīng)解碼顯著提高了運(yùn)動(dòng)意圖解析與力輸出預(yù)測(cè)的準(zhǔn)確性；系統(tǒng)整體延遲<9ms，滿足實(shí)時(shí)控制需求；模型適用于多種運(yùn)動(dòng)狀態(tài)，包括自然行走和極限收縮。
隨著算法優(yōu)化與計(jì)算平臺(tái)的持續(xù)發(fā)展，該方法有望與可穿戴肌電采集系統(tǒng)、智能外骨骼與假肢等設(shè)備融合，構(gòu)建出基于運(yùn)動(dòng)單位的智能控制閉環(huán)系統(tǒng)，在神經(jīng)假肢、人機(jī)接口設(shè)備中具有廣泛應(yīng)用。我們有理由相信，在不遠(yuǎn)的將來，從HD-sEMG中實(shí)時(shí)解碼MU發(fā)放模式，將成為連接生物信號(hào)與智能設(shè)備的核心技術(shù)，讓神經(jīng)工程技術(shù)真正貼合生理、貼近生活、服務(wù)大眾。
原文鏈接
Gogeascoechea, Antonio, et al. "Towards real-time decoding of motor unit firing events and resulting muscle activation during human locomotion and high-force contractions." 2024 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob). IEEE, 2024.
DOI: 10.1109/BioRob60516.2024.10719929
研究團(tuán)隊(duì)介紹
本文作者為Antonio Gogeascoechea、Mohamed Irfan Mohamed Refai、Utku S. Yavuz和Massimo Sartori。其中，Antonio Gogeascoechea、Mohamed Irfan Mohamed Refai與Massimo Sartori隸屬于荷蘭特文特大學(xué)（University of Twente）生物力學(xué)工程系；Utku S. Yavuz則隸屬于荷蘭特文特大學(xué)生物醫(yī)學(xué)信號(hào)與系統(tǒng)小組。
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
隨著可穿戴神經(jīng)康復(fù)技術(shù)和智能假肢系統(tǒng)的發(fā)展，如何準(zhǔn)確感知人體意圖成為核心技術(shù)瓶頸。傳統(tǒng)的肌電驅(qū)動(dòng)方法由于受“幅度抵消”、電極位置變化等影響，在動(dòng)態(tài)任務(wù)（如行走、高收縮強(qiáng)度）中識(shí)別穩(wěn)定性較差。相比之下，深入解碼肌肉最小神經(jīng)控制單位——運(yùn)動(dòng)單位（Motor Unit, MU）的發(fā)放模式，能夠揭示更底層的神經(jīng)控制意圖，是實(shí)現(xiàn)高精度、生理一致的神經(jīng)-肌肉界面的關(guān)鍵。盡管已有方法在靜態(tài)條件下可對(duì)MU發(fā)放進(jìn)行離線解碼，但尚未實(shí)現(xiàn)在動(dòng)態(tài)或高收縮強(qiáng)度條件下的在線解碼與肌肉激活建模，限制了其實(shí)時(shí)應(yīng)用能力。
圖1. 文章信息
荷蘭特文特大學(xué) Massimo Sartori 教授團(tuán)隊(duì)于2024年在IEEE BioRob會(huì)議上發(fā)布了一項(xiàng)開創(chuàng)性研究，首次提出一種可在線運(yùn)行的神經(jīng)肌肉控制框架，可同時(shí)解碼行走與高強(qiáng)度收縮過程中的MU發(fā)放事件與相應(yīng)的肌肉激活狀態(tài)。研究采用兩階段盲源分離（BSS）策略，從低強(qiáng)度任務(wù)中訓(xùn)練MU濾波器，并遷移適配于高強(qiáng)度動(dòng)態(tài)任務(wù)，同時(shí)結(jié)合每個(gè)MU的“抽搐響應(yīng)函數(shù)”（twitch response）構(gòu)建個(gè)性化激活動(dòng)力學(xué)模型。實(shí)驗(yàn)顯示，該方法在行走任務(wù)中預(yù)測(cè)踝關(guān)節(jié)力矩的相關(guān)系數(shù)達(dá)0.89，明顯優(yōu)于傳統(tǒng)肌電（EMG）方法（0.86）；同時(shí)，在90%最大自主收縮條件下，成功分解出多類型MU，具備亞10ms的低延遲運(yùn)行效率。該研究為MU級(jí)別的人體運(yùn)動(dòng)意圖識(shí)別與智能控制提供了強(qiáng)有力支撐，或?qū)⑼苿?dòng)未來高性能康復(fù)設(shè)備與神經(jīng)假體的發(fā)展。研究方法
本研究招募了兩名健康成年志愿者，旨在分別評(píng)估肌肉在日常行走與高強(qiáng)度收縮條件下的運(yùn)動(dòng)單位發(fā)放與肌肉激活狀態(tài)。整體研究框架如圖2。
圖2. 研究整體框架
在步行實(shí)驗(yàn)中，受試者以自然速度行走于平地，并配合完成三種不同推蹬力水平的任務(wù)（分別為最大自主收縮MVC的30%、40%、50%），用于訓(xùn)練解碼模型。研究者在其優(yōu)勢(shì)腿比目魚肌上粘貼一塊8×8電極陣列（共64通道，間距約10mm），借助荷蘭TMSi公司的SAGA 64+系統(tǒng)采集HD-sEMG信號(hào)，采樣頻率2048Hz。步態(tài)事件由運(yùn)動(dòng)捕捉系統(tǒng)與測(cè)力平臺(tái)同步記錄，以便精確對(duì)齊肌肉發(fā)放與下肢動(dòng)力學(xué)數(shù)據(jù)。
在高強(qiáng)度任務(wù)中，受試者完成不同角度下的踝關(guān)節(jié)背屈等長(zhǎng)收縮，目標(biāo)力水平分別為30%、50%、70%、90%MVC。HD-sEMG使用 256通道系統(tǒng)進(jìn)行采集，信號(hào)帶寬設(shè)置為20–500Hz，并對(duì)所有信號(hào)進(jìn)行了50Hz陷波濾波去除工頻干擾。每個(gè)任務(wù)重復(fù)4次，系統(tǒng)自動(dòng)記錄等長(zhǎng)力矩變化曲線，并與肌電信號(hào)對(duì)齊處理。
在信號(hào)處理與分析方面，研究者構(gòu)建了一種改進(jìn)的Fast ICA算法，即兩階段BSS方法：首先在低強(qiáng)度任務(wù)（粉色）中訓(xùn)練MU濾波器（圖3a），然后在高強(qiáng)度或步行數(shù)據(jù)（藍(lán)色）中通過殘差優(yōu)化方式對(duì)濾波器進(jìn)行自適應(yīng)與細(xì)化。每一個(gè)被成功識(shí)別的運(yùn)動(dòng)單位發(fā)放序列都被進(jìn)一步映射至一個(gè)二階肌肉抽搐響應(yīng)函數(shù)，其核心參數(shù)包括峰值幅度（Ac）與收縮時(shí)間（Tc），最終通過卷積獲得該MU的個(gè)性化激活動(dòng)力學(xué)曲線（圖3b）。研究者進(jìn)一步將數(shù)據(jù)分割為64個(gè)采樣點(diǎn)（約32ms）為窗口的偽在線處理流，使用事先訓(xùn)練好的分解參數(shù)進(jìn)行快速解碼，以驗(yàn)證方法的實(shí)時(shí)性能（圖3c）。
圖 3. 肌電分解整體流程圖
關(guān)鍵實(shí)驗(yàn)結(jié)果
在步行任務(wù)中，通過解碼MU發(fā)放并結(jié)合個(gè)性化抽搐響應(yīng)構(gòu)建的激活動(dòng)力學(xué)模型，預(yù)測(cè)出的踝關(guān)節(jié)力矩曲線與真實(shí)測(cè)量曲線擬合程度高達(dá)R²=0.89，顯著優(yōu)于傳統(tǒng)EMG包絡(luò)模型的R²=0.86（圖4）。這一結(jié)果說明該方法能更準(zhǔn)確地反映生理實(shí)際肌肉控制機(jī)制，并成功捕捉到個(gè)體在自然運(yùn)動(dòng)中的神經(jīng)驅(qū)動(dòng)模式。
圖4. MU激活估計(jì)與踝關(guān)節(jié)力矩對(duì)比。左圖為5個(gè)步態(tài)周期中MU激活（初始與優(yōu)化）、EMG包絡(luò)及實(shí)際力矩；右圖為全周期擬合結(jié)果的決定系數(shù)（R²）
在高強(qiáng)度收縮任務(wù)中，改進(jìn)的兩階段BSS算法成功解碼出更多的運(yùn)動(dòng)單位發(fā)放事件。與傳統(tǒng)方法相比，新算法顯著提升了解碼出的運(yùn)動(dòng)單位多樣性，其募集閾值覆蓋范圍從20%至70% MVC，涵蓋了從慢肌型到快肌型多個(gè)MU類型（圖4）。雖然慢肌MU的代表性仍有待進(jìn)一步擴(kuò)展，但整體激活估計(jì)表現(xiàn)出更高的響應(yīng)速度與更強(qiáng)的生理一致性，為建模真實(shí)肌肉輸出提供了良好基礎(chǔ)。
圖5. 所提出的改進(jìn)算法與傳統(tǒng)方法的MU激活對(duì)比。藍(lán)色為改進(jìn)分解，粉色為傳統(tǒng)方法，灰色曲線表示歸一化等長(zhǎng)力矩。左圖為高強(qiáng)度收縮任務(wù)示例，右圖顯示兩種方法的MU募集閾值分布
在計(jì)算效率方面，偽在線處理結(jié)果顯示，每窗口（32ms）MU解碼耗時(shí)中位數(shù)僅2.17ms，激活估計(jì)耗時(shí)小于1ms，系統(tǒng)整體延遲遠(yuǎn)低于神經(jīng)-肌肉反應(yīng)時(shí)限（~100ms），具備實(shí)時(shí)運(yùn)行潛力。
此外，從神經(jīng)生理的角度也可以理解這些結(jié)果的合理性。比目魚肌和脛骨前肌的運(yùn)動(dòng)單位數(shù)量眾多且調(diào)控方式精細(xì)，能很好地體現(xiàn)神經(jīng)系統(tǒng)對(duì)不同任務(wù)條件的快速適應(yīng)能力。通過將MU視作“神經(jīng)控制的最小單位”，該研究揭示了神經(jīng)-肌肉界面在動(dòng)態(tài)任務(wù)中的“發(fā)放邏輯”，為今后的個(gè)體化康復(fù)和智能控制打下了堅(jiān)實(shí)基礎(chǔ)。
總結(jié)與展望：打造MU驅(qū)動(dòng)的智能神經(jīng)康復(fù)系統(tǒng)
本研究首次實(shí)現(xiàn)了在步態(tài)與高強(qiáng)度動(dòng)態(tài)收縮中，同時(shí)實(shí)時(shí)解碼運(yùn)動(dòng)單位發(fā)放事件及其激活動(dòng)力學(xué)，不僅提升了神經(jīng)驅(qū)動(dòng)建模的生理精度，也突破了傳統(tǒng)肌電驅(qū)動(dòng)方法的局限。該方法具備高精度、高響應(yīng)性和高泛化性三大顯著優(yōu)勢(shì)，具體體現(xiàn)在MU級(jí)別的神經(jīng)解碼顯著提高了運(yùn)動(dòng)意圖解析與力輸出預(yù)測(cè)的準(zhǔn)確性；系統(tǒng)整體延遲<9ms，滿足實(shí)時(shí)控制需求；模型適用于多種運(yùn)動(dòng)狀態(tài)，包括自然行走和極限收縮。
隨著算法優(yōu)化與計(jì)算平臺(tái)的持續(xù)發(fā)展，該方法有望與可穿戴肌電采集系統(tǒng)、智能外骨骼與假肢等設(shè)備融合，構(gòu)建出基于運(yùn)動(dòng)單位的智能控制閉環(huán)系統(tǒng)，在神經(jīng)假肢、人機(jī)接口設(shè)備中具有廣泛應(yīng)用。我們有理由相信，在不遠(yuǎn)的將來，從HD-sEMG中實(shí)時(shí)解碼MU發(fā)放模式，將成為連接生物信號(hào)與智能設(shè)備的核心技術(shù)，讓神經(jīng)工程技術(shù)真正貼合生理、貼近生活、服務(wù)大眾。
原文鏈接
Gogeascoechea, Antonio, et al. "Towards real-time decoding of motor unit firing events and resulting muscle activation during human locomotion and high-force contractions." 2024 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob). IEEE, 2024.
DOI: 10.1109/BioRob60516.2024.10719929
研究團(tuán)隊(duì)介紹
本文作者為Antonio Gogeascoechea、Mohamed Irfan Mohamed Refai、Utku S. Yavuz和Massimo Sartori。其中，Antonio Gogeascoechea、Mohamed Irfan Mohamed Refai與Massimo Sartori隸屬于荷蘭特文特大學(xué)（University of Twente）生物力學(xué)工程系；Utku S. Yavuz則隸屬于荷蘭特文特大學(xué)生物醫(yī)學(xué)信號(hào)與系統(tǒng)小組。
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
- 從干細(xì)胞到神經(jīng)細(xì)胞——調(diào)控子如何 “繪制” 神經(jīng)系統(tǒng)的多樣性
- 陣列式表面肌電信號(hào)（SEMG）的分析與應(yīng)用優(yōu)勢(shì)
- 帕金森病患者的腦 - 體交互：雙任務(wù)表現(xiàn)研究揭示新機(jī)制
- 實(shí)時(shí)解碼神經(jīng)控制信息：邁向運(yùn)動(dòng)單位驅(qū)動(dòng)的高密度肌電接口
- A-M SYSTEM 2100刺激器的基礎(chǔ)操作知識(shí)介紹
- 高分辨率微電極陣列系統(tǒng)（HD-MEA）一次性捕捉海馬多種神經(jīng)元的電信號(hào)
- 抗炎生物可降解藥物貼片對(duì)術(shù)后心房顫動(dòng)的預(yù)防作用
- 青少年非自殺性自傷的疼痛神經(jīng)機(jī)制：前額葉氧合的fNIRS研究
- 斯高&埃德線上講座預(yù)告：(心肌)細(xì)胞力學(xué)表征與應(yīng)用
- 維拓啟創(chuàng)助力2025表面肌電論壇在杭成功召開
- Axon pCLAMP數(shù)據(jù)采集軟件新增Minis Search功能
- 北京普萊克松plexon誠(chéng)聘神經(jīng)科學(xué)設(shè)備銷售代表
- 第五屆(2025)中國(guó)藥理學(xué)會(huì)安全藥理學(xué)年會(huì)第一輪通知
- 瑞沃德今日講座：光遺傳工具改造與腺苷熒光探針開發(fā)
- 普萊克松誠(chéng)聘電生理、行為學(xué)、雙光子等技術(shù)工程師
- 維拓啟創(chuàng)邀您相約2025表面肌電論壇
Copyright(C) 1998-2025 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com