《Biomedical Signal Processing and Control》：Optical microphone-based deep learning techniques for voice disorder diagnosis
编辑推荐：
本文聚焦于辅助外骨骼如何改变人体上肢运动协调机制这一前沿问题。研究团队利用功能性肌肉网络分析，探究了健康受试者在穿戴名为“Flexos”的职业外骨骼前后，执行静力性和负载搬运任务时的肌肉间神经同步性变化。结果表明，外骨骼总体上保持了肌肉网络的频谱组织与双侧对称性，同时显著减轻了受试者的肌肉用力（某些肌肉减少达42%），且用力减少与外骨骼改变肌肉在局部解剖回路中的中心性程度相关。该研究首次将功能性肌肉网络作为量化辅助设备对神经-肌肉协同影响的新型生物标志物，为未来外骨骼设计朝着更符合人体生理、优化辅助性能的方向发展提供了方法论支持。
在工业制造、物流搬运乃至康复医疗等领域，能够增强人体力量的“钢铁战衣”——外骨骼机器人——正变得越来越普及。它们被设计用来减轻人类的肌肉负担，防止职业劳损，或帮助行动不便者恢复运动功能。然而，一个潜在的担忧也随之而来：这些辅助我们的机器，是否会干扰我们身体自身精妙的“指挥系统”？也就是说，它们提供的机械助力，会不会打乱大脑与肌肉之间固有的、协调的“对话”节奏，从而导致不自然的、非生理性的运动模式？这个问题，对于评估外骨骼的安全性、舒适度和最终有效性至关重要。
传统上，科学家们通过分析“肌肉协同”来评估运动模式。这好比将复杂的肌肉激活序列分解成几个基础的“运动模块”，观察这些模块在时间上的组合变化。这种方法能很好地捕捉运动在时域的特征。然而，运动协调的奥秘不仅藏在“何时”激活，也藏在“如何同步”上。大脑通过神经元群的节律性振荡来协调不同肌肉，这种同步性可以在频域中被捕捉到，表现为肌肉信号之间的相干性。将每块肌肉视为一个节点，将肌肉间的相干性连接视为边，就构成了一个“功能性肌肉网络”。这个网络反映了神经驱动下肌肉功能连接的拓扑结构，被认为是揭示运动协调神经基底的有力工具。
那么，当一个外骨骼介入，部分接管了肌肉的工作时，这个由大脑构建的“肌肉社交网络”会发生怎样的改变？是基本结构得以维持，还是被彻底重塑？为了回答这个核心科学问题，来自意大利巴里理工大学的研究团队在《Biomedical Signal Processing and Control》期刊上发表了一项开创性研究。他们首次将功能性肌肉网络分析应用于上肢外骨骼的评估，探究了外骨骼在支撑日常活动时，对健康受试者肌肉协调的神经生理学影响。
为了开展这项研究，研究人员主要运用了以下几项关键技术方法：首先，他们使用名为“Flexos”的主动式上肢外骨骼原型，该设备重8公斤，通过系列弹性驱动器为肩关节屈曲提供主动助力，并采用基于重力补偿和角速度反馈的扭矩控制策略。其次，研究招募了9名健康男性受试者，让他们在执行双侧静力性任务（保持90度肩屈曲持物）和负载搬运任务时，分别在不穿戴和穿戴外骨骼两种条件下进行。关键的实验数据采集依赖于高密度表面肌电（EMG）系统，同步记录了双侧肱二头肌（lBIC）、三角肌前束（aDEL）和中束（mDEL）、胸大肌（mPEC）以及斜方肌上部（uTRA）共10块肌肉的电活动。最后，也是核心的分析方法，是基于图论的功能性肌肉网络构建与量化。他们对预处理后的肌电信号计算肌间相干性（IMC），通过非负矩阵分解提取主要的相干性模式（即频率成分，C1和C2），进而构建肌肉节点之间的连接矩阵，并计算了介数中心性（BC）和聚类系数（CC）等网络拓扑指标，以量化网络的全局与局部特性。
研究结果揭示了外骨骼对肌肉网络多层次的影响：
4.1.1. 静力性任务：在全局层面，无论是否穿戴外骨骼，肌肉网络的频谱组织（激活主要集中在α频带1-10 Hz）和双侧对称性都得以保持。全局的BC和CC没有显著变化，这表明外骨骼没有破坏整体运动协调的神经框架。在局部层面，出现了三个关键变化：其一，肌间相干性向更低频率（α频带）偏移，提示对侧耦合增强；其二，连接性的增减与设备辅助逻辑相符，例如，获得更多辅助的三角肌连接性减少（-3），而辅助较少的斜方肌连接性增加（+2）；其三，左侧斜方肌在C1成分中的BC显著降低，而双侧斜方肌在C2中的CC显著降低。
4.1.2. 负载搬运任务：与静力性任务类似，全局网络结构在两种条件下高度相似（C1成分中13/15的连接一致）。在局部指标上，仅左侧胸大肌在C1中的CC因穿戴外骨骼而显著降低。同样，肌间相干性在α频带的强度（C2）因外骨骼而显著增强。
4.1.3. 肌肉协同：作为对比，传统的肌肉协同分析显示，在两种任务条件下，穿戴外骨骼与不穿戴时的肌肉协同模式高度相似（多数协同的相似性具有统计学显著性）。这验证了外骨骼在时域上基本保持了原有的运动模块结构。
4.2. 与肌肉激活减少的相关性：外骨骼有效降低了大多数目标肌肉的激活强度（肌肉努力，ME），降低幅度在等长任务中最高达49%（右侧胸大肌）。相关性分析发现了一个关键联系：在负载搬运任务中，肌肉努力（ME）的降低程度与网络指标BC（C2成分）的降低程度呈显著正相关（R = 0.652, p = 0.041）。这意味着，那些从外骨骼中获得辅助越多、从而自身发力越少的肌肉，其在局部肌肉网络中的“中心枢纽”地位也丢失得越多。
在结论与讨论部分，研究者强调，本研究的主要贡献在于首次将功能性肌肉网络作为评估上肢外骨骼神经生理学影响的工具。研究假设得到验证：一个设计良好的、旨在维持生理运动模式的辅助设备，不应显著改变肌肉网络的全局拓扑特性。本研究的结果正是如此，外骨骼保持了网络的谱组织和对称性。同时，局部网络指标（如BC和CC）的变化，以及它们与肌肉努力减少的相关性，揭示了外骨骼如何精细地重新分配神经驱动下的肌肉“职责”：被辅助的肌肉从网络的中心角色“退居二线”，而其他肌肉（如斜方肌）可能承担了更多的稳定或补偿角色，其连接性反而增强。这些局部变化与已知的肌肉协同知识一致，并提供了互补的、频域视角的洞察。
尽管样本量有限，但这项研究证明了功能性肌肉网络能够量化辅助设备如何调节神经相干性和肌肉协调性，可作为传统时域分析（肌肉协同）的有力补充。该方法为未来外骨骼的设计提供了新的指导原则：不仅要减轻肌肉负担，还应致力于最小化对内在神经肌肉协调模式的干扰，从而走向更具实用性、可穿戴性和优化辅助效果的设计。这项研究开辟了一条利用神经生理学生物标志物来客观评估和优化人机交互效果的新途径。
