一个用于解码行走过程中运动单位放电及相应踝关节力矩的有效框架

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》:A Validated Framework for Decoding Motor Unit Firings and Resulting Ankle Moments during Walking

【字体: 大 中 小 】 时间:2026年05月07日 来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering 5.2

编辑推荐:

   摘要: 理解中枢神经系统如何控制复杂的运动(如行走)仍然是一个根本性的挑战。尽管运动单位(Motor Units, MUs)在等长任务中的研究已经相当深入,但它们在功能性动态运动中产生关节力矩的作用仍不明确,部分原因是由

  

摘要:

理解中枢神经系统如何控制复杂的运动(如行走)仍然是一个根本性的挑战。尽管运动单位(Motor Units, MUs)在等长任务中的研究已经相当深入,但它们在功能性动态运动中产生关节力矩的作用仍不明确,部分原因是由于运动条件的非平稳性。填补这一知识空白对于在细胞层面研究神经控制机制、指导神经康复和机器人干预至关重要。我们开发了一个经过验证的框架,可以将高密度肌电图(HD-EMG)解码为行走过程中的单个运动单位脉冲列。我们评估了静态解码方法和一种能够持续跟踪时变动作电位的自适应算法,并将其结果与细线肌内肌电图(iEMG)进行了对比验证。随后,我们研究了不同行走速度下的神经机械延迟(Neuromechanical Delays, NMD),并建立了基于运动单位驱动的神经肌肉骨骼模型,以确定解码出的运动单位放电模式对生物力学的影响。五名健康成年人以不同速度行走,同时记录了HD-EMG、iEMG、动作捕捉数据以及地面反作用力。静态和解适应算法均得到了相似的运动单位脉冲列结果。自适应方法的一致性中位数更高,假阳性率更低,而静态方法的假阴性率更低。虽然统计学上不显著(p>0.05),但这些趋势表明自适应方法可能更能适应非平稳的运动条件。NMD随速度的增加而减小,表明神经信号到机械信号的传递更加协调。基于运动单位的模型复现的踝关节力矩的归一化均方根误差(RMSE)显著低于传统肌电图包络模型(p<0.05),且静态模型和自适应模型之间没有差异。运动单位驱动模型与实际测量到的关节力矩之间的高度匹配证实,解码出的神经驱动信号反映了功能性运动控制,而不是数值伪影。这项研究验证了行走过程中运动单位的解码方法,并为此类研究奠定了基础…
显示更多
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号