基于肌电信号的人体-机器接口实现躯干肌肉精准激活的创新研究

推荐：本研究针对神经疾病患者躯干控制障碍的康复需求，开发了结合表面肌电(EMG)和惯性测量单元(IMU)的躯干-机器接口(BoMI)。通过LSTM神经网络生成个性化运动轨迹，引导用户通过视觉反馈激活目标肌群，实验显示EMG模式相似性指数达0.82±0.13，相关系数0.95±0.03，为精准化躯干康复训练提供了新范式。

　　

躯干控制障碍是卒中、脊髓损伤等神经系统疾病的常见后遗症，严重影响患者的平衡能力和日常生活功能。尽管上肢康复技术取得显著进展，但针对躯干肌肉的精准干预手段仍存在巨大空白。传统基于运动的康复系统难以解决肌肉激活异常等核心问题，而单纯肌电反馈又面临认知负荷高、多肌肉协调困难等挑战。

意大利的研究团队在《Informatics in Medicine Unlocked》发表创新研究，首次将表面肌电(EMG)与惯性测量单元(IMU)结合，构建了面向躯干康复的人体-机器接口(BoMI)。该系统通过长短期记忆网络(LSTM)建立EMG-运动学映射关系，将预设的肌肉激活模式转化为可视化运动轨迹，使患者通过追踪屏幕光标自然诱发目标肌群活动。研究证实该接口能精准引导躯干肌肉激活，平均相似性指数达0.82±0.13，为临床康复提供了可量化、个性化的新型训练方案。

关键技术方法包括：1) 使用Xsens IMU和OT Bioelettronica EMG系统同步采集躯干运动与肌电信号；2) 采用双层LSTM网络(256神经元/层)建立EMG-运动轨迹预测模型；3) 通过动态时间规整(DTWD)等指标评估EMG模式相似性；4) 6名健康受试者完成20次轨迹追踪任务验证系统有效性。

【传感器数据采集与处理】
研究采用 sternum 定位的IMU测量躯干俯仰/偏航角，配合四通道表面EMG记录腰椎竖脊肌(ES)和腹外斜肌(EO)活动。信号经30Hz高通滤波消除心电干扰，150ms窗口计算均方根(RMS)值，实现100Hz实时同步处理。

【躯干-光标映射】
通过仿射变换将躯干角度θ=[α,β]^T映射至二维屏幕，其中矩阵H经校准确定，使最大活动范围(ROM)适配显示区域。该设计允许用户通过前屈/侧倾控制光标移动。

【轨迹生成算法】
相比传统回归方法，LSTM模型能更好捕捉EMG与运动的时序关系。在合成数据测试中，输入力-位置-速度(FPV)组合的模型预测误差最低(MSE=0.014±0.022)。人体实验显示生成轨迹与真实运动的平均相关系数达0.95，证实模型有效性。

【实验验证】
受试者追踪EMG驱动的光标轨迹时，右侧ES肌激活任务表现最优(SI=0.89)。相关性分析揭示躯干速度误差与EMG相似性显著负相关(r=-0.97)，证实运动控制精度直接影响肌肉激活质量。

该研究突破传统EMG生物反馈的局限，创新性地将肌肉激活编码为运动学任务，通过"动作引导激活"的新范式降低认知负荷。LSTM模型对个体神经肌肉特征的自适应能力，为制定个性化康复方案奠定基础。未来通过扩展肌肉监测范围、整合自适应难度调节，该系统有望成为改善卒中患者躯干功能的有力工具。值得注意的是，当前健康受试者的结果需在临床人群中进一步验证，且样本量较小可能影响结论普适性。研究为开发下一代智能康复系统提供了重要技术框架，其核心创新在于实现了肌电-运动-视觉反馈的闭环整合。