《Annals of Biomedical Engineering》：Improving the Clinical Utility of Lower-Limb Surface Electromyography (sEMG) by Quantifying and Correcting for Location Changes in Inter-Session Recordings
编辑推荐：
## 专业摘要翻译
**目的：** 表面肌电图（surface electromyography, sEMG）能够直接测量肌肉活动，为神经和肌肉骨骼疾病患者的康复评估提供支持。然而，由于sEMG对电极位置在多次记录之间的变化敏感，其更广泛的临床应用受到限制。
## 专业摘要翻译
**目的：** 表面肌电图（surface electromyography, sEMG）能够直接测量肌肉活动，为神经和肌肉骨骼疾病患者的康复评估提供支持。然而，由于sEMG对电极位置在多次记录之间的变化敏感，其更广泛的临床应用受到限制。为应对这一挑战并实现多会话sEMG应用，本研究开发了一种新型高密度表面肌电图（high-density sEMG, HDsEMG）算法，用于量化电极位置的变化并减轻其对常见时域和频域sEMG特征的影响。**方法：** 11名健康参与者在四块下肢肌肉上使用HDsEMG进行等长运动和动态运动。这些运动重复四次，每次以偏移后的位置重新贴放电极阵列。研究人员通过最小化空间映射的HDsEMG指标之间的误差来估计阵列位置的变化，并与地面真值三维（3D）扫描进行比较。最后，在选定电极上计算跨位置的相对特征差异，以评估会话间sEMG效应被减轻的程度。**结果：** 在81.7%的情况下，电极位置估计优于假设位置不变的估计，其中37.6%的移位被识别在距地面真值1 cm以内。根据地面真值和算法估计，跨位置最近电极之间的特征差异在统计上相似。相反，同一电极跨位置的特征差异显著更大，将等长最大包络振幅的平均差异从使用算法的15.9%增加到不使用算法的21.1%。**结论：** 应用该算法有效减少了由电极位置变化引起的会话间特征差异。该方法可促进更直接的跨会话特征比较，代表了朝向稳健sEMG测量用于肌肉骨骼和神经康复追踪迈出的有前景的一步。
## 论文解读文章
### 研究背景与问题提出
表面肌电图（surface electromyography, sEMG）作为一种非侵入性肌肉活动测量手段，在神经系统和肌肉骨骼疾病（如脑卒中）的康复评估中展现出重要潜力。通过从sEMG数据中提取的特征，研究人员能够对损伤程度进行分类、追踪康复进展并为康复方案提供依据。然而，sEMG的临床广泛应用受到若干因素制约，其中最关键的是电极位置敏感性——信号特性随电极在肌肉上的位置变化而显著改变，因此跨会话一致性的电极放置对于确保信号变化主要反映患者生理改变至关重要。SENIAM指南虽提供了标准化的电极放置建议，但其依赖触诊和解剖标志来定位肌腹，在肌张力异常或自主收缩能力受损的患者群体中准确性大幅下降。相关研究表明，认证的假肢矫形师在经胫骨截肢患者中仅能在28.8%的案例中将肌腹定位到超声识别位置的1 cm以内。此外，受COVID-19催化，脑卒中康复评估正从传统线下模式转向远程视频平台，但远程评估仅依赖屏幕观察的主观判断，缺乏客观量化手段。因此，如何减轻电极移位对sEMG信号的影响、实现纵向可靠的sEMG评估，成为该领域亟待解决的关键问题。已有研究多聚焦于假肢控制和手势识别中的分类器重校准，无法实现同一肌肉位置跨会话的特征值比较。少数利用高密度sEMG（high-density sEMG, HDsEMG）结合独立成分分析（independent component analysis, ICA）的工作仅处理了最大1.4 cm的平移移位且未包含旋转变化。基于此，研究人员提出两个假设：其一，利用HDsEMG的空间分辨率可开发算法精确确定跨会话的传感器位置变化；其二，通过该算法确定跨会话的最近电极可减轻电极移位对等长和动态运动sEMG特征的影响。
### 研究内容与总体结论
研究人员开发了一种基于梯度下降全局优化的HDsEMG移位估计算法，利用空间映射的肌电指标（平均绝对成对相关、平均频率、最大包络振幅）最小化误差来估计电极阵列的平移和旋转变化。研究纳入10名健康参与者，对四块下肢肌肉进行等长和动态运动记录，以3D扫描获取电极位置真值进行验证。结果表明，该算法在81.7%的案例中改善了电极位置估计精度，中位平均欧氏距离（mean Euclidean distance, μED）从3.00 cm降至1.22 cm，37.6%的移位被识别在1 cm以内。通过算法匹配的最近电极对之间，五个常用sEMG特征（平均频率、中位频率、峰值频率、积分肌电、最大包络振幅）的跨会话差异在统计上与基于3D扫描真值的结果相似，且显著小于同一电极直接比较的差异。该研究为跨会话sEMG特征比较提供了有效的校正工具，是朝向稳健sEMG测量用于脑卒中康复追踪的重要一步。
### 主要技术方法
研究人员招募10名健康参与者（3男7女，年龄28.75±5.9岁），在腓肠肌内侧（gastrocnemius medialis, GM）、胫骨前肌（tibialis anterior, TA）、半腱肌（semitendinosus, ST）和阔筋膜张肌（tensor fascia latae, TFL）上使用柔性64通道8×8、间距1 cm的HDsEMG阵列（HD10MM0808, OT Bioelettronica）记录肌电信号。参与者完成等长运动（最大跖屈、最大背屈、最大屈膝、最大髋外展）、30秒坐站测试（sit-to-stand, STS）和10次计时起立行走测试（timed-up-and-go, TUG），采样率2000 Hz。每次记录后移动电极阵列（最大平移4.25 cm，旋转?30°至30°），并使用3D扫描仪（Structure Sensor Pro）获取电极位置作为地面真值。移位估计算法对信号进行20–450 Hz带通滤波和60 Hz陷波滤波后，提取三种指标：平均绝对成对相关（Pearson相关系数）、平均频率（mean frequency, MNF，基于Welch周期图）和最大包络振幅（2 Hz低通包络）。利用Matlab 'GlobalSearch'全局优化器最小化重叠区域电极的加权均方根误差（root mean squared error, RMSE），权重分别为2.72（相关）、1.24（MNF）和1.00（包络振幅）。
### 研究结果
**EMG移位估计算法：** 对293个有效移位对中的263个进行等长数据验证（30个用于权重确定），结果显示81.7%的案例中算法估计的μED优于"位置不变"假设（图5左侧）。各肌肉的中位μED分别从3.16 cm、2.93 cm、2.79 cm、2.82 cm降至1.27 cm、0.99 cm、1.42 cm、1.22 cm（GM、TA、ST、TFL）。全部移位对的中位μED从3.00 cm（95%CI 1.08–1.36 cm）改善至1.22 cm。37.6%的移位被检测到1 cm以内（与电极间距相等），其中TA表现最佳（50.0%），GM、ST、TFL分别为32.5%、30.5%、34.9%。42个移位估计恶化，平均恶化幅度1.27 cm，6个移位对无差异。
**特征分析——等长运动：** 对于等长运动数据（图6），除峰值频率外，最近电极（Closest GT和Closest EMG）条件下的相对特征差异和跨多会话的平均归一化标准差均低于同一电极（Same Electrode）条件。Wilcoxon秩和检验显示，除峰值频率外，同一电极结果与两种最近电极结果在1%显著性水平上显著不同，而Closest GT与Closest EMG结果在统计上相似（中位数相等假设未拒绝）。
**特征分析——动态运动：** 动态运动数据（图7）呈现类似趋势但差异幅度略小。对于移位对分析，除峰值频率和积分肌电（integrated EMG, iEMG）外，同一电极结果与最近电极结果显著不同；Closest GT与Closest EMG之间统计相似。多会话分析中未见显著性差异，且峰值频率、iEMG和最大包络振幅的同一电极条件归一化标准差甚至低于Closest EMG结果。
### 讨论与结论总结
讨论部分指出，动态运动中肌肉在电极阵列下方的移动产生了一定"平均效应"，使得各电极在收缩过程中记录到来自多个肌肉位置的信号活动，这解释了动态特征差异中显著性较弱的现象。值得注意的是，TA在动态STS运动中移位检测表现优异（32.3%的移位在1 cm内），这归因于TA相对孤立的解剖位置及邻近胫骨形成的电学"死区"提供了有价值的空间标记。鉴于脑卒中后足下垂常见且TA在踝背屈中的关键作用，这一发现为追踪功能性恢复提供了重要前景。局限性方面，所有移位均在单次3小时采集会话内完成，尚未验证跨数周记录的性能；全局优化方法可能陷入局部最小值，且有16%的移位估计较原点假设更差。此外，当前健康人群的肢体几何假设（圆柱形）在截肢或肢体体积减小人群中可能不成立。未来计划包括纳入慢性脑卒中人群并增加间隔两周的二次记录会话，结合ICA分解技术确保跨会话比较同一信号成分。结论部分认为，该移位估计算法显著提高了跨会话sEMG特征比较的可靠性，将物理电极移位解析至1 cm以内的比例达到37.6%，经校正后特征差异与基于3D扫描真值的最近电极结果统计相似，为脑卒中患者康复进展的纵向追踪提供了稳健的神经肌肉功能量化工具。
