编辑推荐：
为评估表面肌电图（sEMG）能否用于评价面部表情肌的健康、功能或功能障碍，以及模式识别和人工智能在此方面的应用潜力，研究人员对 24 名参与者的 3 种面部肌肉进行研究。结果表明 sEMG 可区分不同面部肌肉活动，有助于口腔运动功能障碍的诊疗。
在人类的身体机能中，面部表情肌起着至关重要的作用。它不仅关乎我们日常的喜怒哀乐等情感表达，更是在说话、咀嚼、吞咽这些基本生理活动中扮演着不可或缺的角色。然而，面部肌肉的解剖结构复杂，个体肌肉的形态和位置差异大，且周围软组织情况各不相同，这给研究其功能带来了诸多困难。比如，在使用表面肌电图（sEMG）技术时，电极的精准放置就成为一个棘手的问题，因为肌肉、筋膜和皮肤的生理特点，以及可能存在的结构畸形，都影响着电极的固定和信号采集。同时，由于面部肌肉紧密相连，信号处理时容易出现肌肉串扰等干扰，使得对其功能的精确评估面临重重挑战。
为了解决这些问题，来自塞尔维亚诺维萨德大学医学院、诺维萨德大学技术科学学院，以及马来西亚马来亚大学的研究人员开展了一项关于面部表情肌电信号的研究。他们旨在探究 sEMG 能否用于评估眼轮匝肌（m. Orbicularis Oris）、颧大肌（m. Zygomaticus Major）和颏肌（m. Mentalis）这三种面部肌肉的健康状况、功能状态或功能障碍，同时考察模式识别和人工智能在相关任务中的应用可能性。最终，研究证明了 sEMG 在评估面部表情肌功能方面具有可行性，为口腔运动功能障碍的诊断和治疗提供了重要依据，这一成果发表在《BioMedical Engineering OnLine》杂志上。
在研究过程中，研究人员采用了多种关键技术方法。首先，通过便利抽样选取了 24 名年龄在 20 - 40 岁之间，无神经、肌肉或系统性疾病影响面部肌肉，且未进行正畸治疗或近期无面部手术的参与者。使用 BIOPAC MP36 设备采集面部肌肉在 5 种不同运动状态下的肌电信号，依据特定解剖标志精确放置电极。采集后，对信号进行滤波、标准化处理，随后进行特征提取，涵盖时域、频域和功率谱等多方面特征。最后，运用多种统计分析方法以及模式识别技术对数据进行深入分析。
下面详细介绍研究结果：
- 特征提取和初始幅度分析：对 24 名参与者的实验数据进行分析，比较三种肌肉在特定运动中的幅度值，并提取特征进行统计对比。结果显示，颧大肌、眼轮匝肌和颏肌在不同面部运动（如吞咽、噘嘴、抿嘴、发 “PA” 音、伸舌）中的平均幅度值不同，标准差反映了参与者之间肌肉反应的差异。从肌电信号包络图中能明显看出这些幅度差异。
- 统计分析：ANOVA 检验表明，肌肉间平均幅度值存在显著差异（F 统计量为 6.036，p 值为 0.015） 。Tukey’s HSD 检验进一步发现，颏肌和颧大肌的平均幅度值差异显著（p 值为 0.015），而颏肌与眼轮匝肌、眼轮匝肌与颧大肌之间无显著差异（p 值分别为 0.095 和 0.662）。此外，通过相关性矩阵、雷达图、箱线图等多种方式对其他特征进行分析，发现不同肌肉在不同任务中的特征表现各异。例如，“噘嘴” 动作在功率谱相关特征上总体值最高；不同肌肉在不同任务中的峰度、最大功率等特征也有不同表现；部分特征在参与者之间存在较高变异性，而部分特征则较为一致。主成分分析（PCA）聚类结果显示，参与者基于肌电信号特征可分为不同簇，不同肌肉和任务下簇的分布存在差异。通过 ANOVA F 值检验对特征进行排序，发现肌电信号的幅度、均方根（RMS）和高频带功率等特征在肌肉和任务预测中具有较高统计显著性。
- 模式识别示例：以 “吞咽” 和 “伸舌” 任务为例进行模式识别研究，使用线性判别分析（LDA）、逻辑回归和随机森林分类器进行分类。结果显示，不同肌肉在不同模型下的分类性能存在差异。如颏肌在所有模型下准确率均为 70% ，LDA 和逻辑回归的召回率为 100% 但特异性较低（40%），随机森林的召回率为 80% ，特异性为 60% ，精度为 66.67% ；眼轮匝肌中逻辑回归表现最佳，准确率 70% ，召回率 80% ，特异性 60% ；颧大肌中 LDA 和逻辑回归均取得高且平衡的结果，准确率、召回率、特异性和精度均为 80% ，随机森林相对表现较差。
研究结论和讨论部分指出，本研究证实了 sEMG 在区分不同面部肌肉活动方面的可行性，为其在临床和研究领域的应用提供了有力支持。虽然研究中分类模型的性能未达到文献中的水平，但通过对特征的预先排序等方法在一定程度上减少了肌肉串扰、电极放置差异等因素的影响。该研究成果具有重要的临床应用价值，可用于评估面瘫、面部麻痹或中风后面部功能障碍患者的肌肉活动，辅助制定个性化康复方案；还能帮助理解口腔运动中的肌肉协调，为牙科治疗提供参考。不过，研究也存在样本量较小、电极放置标准化困难、任务选择不够全面、特征选择和模式识别受样本和特征空间影响等局限性。未来需要进一步扩大样本量，改进研究方法，以完善对该领域的研究。
