《Methods》：A novel methodological framework for the assessment of the neural control of the shoulder using high-density surface electromyography
编辑推荐：
肩部复杂功能的实现依赖于多块大小肌肉的协调激活，包括三角肌（deltoid）、胸大肌（pectoralis major）、斜方肌（trapezius）和背阔肌（latissimus dorsi）。然而，目前关于这些肌肉神经肌肉控制（neuromuscular
肩部复杂功能的实现依赖于多块大小肌肉的协调激活，包括三角肌（deltoid）、胸大肌（pectoralis major）、斜方肌（trapezius）和背阔肌（latissimus dorsi）。然而，目前关于这些肌肉神经肌肉控制（neuromuscular control）的详细了解仍然有限。本可行性研究旨在开发一种方法学框架，以研究较大浅表肩部肌肉的神经控制，该框架结合了六自由度测力台（six-degree-of-freedom load cell）、机械臂和高密度表面肌电图（high-density surface electromyograms, HDsEMG）。六名健康受试者在30°和65°外展角度下完成30%最大自主等长收缩（abduction, adduction, flexion, extension）。HDsEMG在整体激活水平、激活空间分布和运动神经元（motoneurone）水平进行分析。整体激活通过平均归一化均方根（root-mean-square, RMS）量化，空间分布通过地形图变异系数（coefficient-of-variation）评估。HDsEMG通过卷积盲源分离（convolutive blind source separation）算法分解为单个运动单位（motor unit, MU）脉冲序列。运动单位行为通过平均放电率和运动单位动作电位（motor unit action potentials, MUAPs）的空间分布表征。RMS图揭示了肌肉内和肌肉间动作特异性激活：斜方肌在所有任务中均有激活，而前、中、后三角肌、胸大肌和背阔肌主要在abduction、flexion和extension时激活。运动单位放电率呈现任务依赖性活动。MUAP空间分布显示阵列内存在不同的运动单位支配区域，提示跨动作的区域特异性招募策略。该方法学框架为无创评估浅表肩部肌肉单个运动单位活动提供了有前景的方法学途径，为将神经控制信息整合入肩部功能的生物力学模型提供了方法学基础。
肩部功能的神经肌肉控制是运动科学和康复医学领域的核心议题。肩部作为人体活动度最大的关节，其复杂运动依赖于三角肌、胸大肌、斜方肌和背阔肌等多块肌肉的精密协调。然而，传统研究方法在这一领域存在显著局限：双极表面肌电图（bipolar surface EMG）仅能提供局部信息，面临波形抵消（amplitude cancellation）和串扰（crosstalk）等问题，无法捕捉肌肉内部的功能分区特性，更难以触及运动单位层面的神经驱动机制。现有肩部生物力学模型多采用简化的肌肉开关激活假设或半任意定义的力学元件，缺乏对运动神经元行为的直接表征，这严重制约了模型预测准确性和临床转化价值。尽管高密度表面肌电图（HDsEMG）技术自1980年代发展以来，已在下肢肌肉运动单位研究中获得广泛应用，但上肢尤其是肩部主要运动肌的非侵入性运动单位行为数据极度匮乏——三角肌和背阔肌的运动单位研究几乎空白，胸大肌和斜方肌的相关研究也为数寥寥。这一知识缺口部分源于肩部评估方法的标准化不足以及缺乏经认证的金标准框架。
在此背景下，研究人员开发了一种创新性概念验证方法学框架，旨在整合六自由度测力台、机械臂与HDsEMG技术，系统探究四种等长肩部动作（abduction、adduction、flexion、extension）在两个关节角度下的神经控制特征。该研究成果发表于《Methods》期刊，为肩部神经力学建模和临床评估提供了重要的方法学基础。
研究的主要技术方法包括以下关键要素：受试者方面，纳入六名健康成年人（含一名女性），在严格控制的实验室条件下完成实验；实验装置采用定制测试夹具将受试者上臂固定于六自由度测力台，该测力台通过定制铝制联轴器与Kawasaki机械臂相连，以实现精确的位置定位和角度调整，实验时机械臂断电以消除电磁干扰；力反馈控制通过MATLAB开发的图形用户界面实现，呈现梯形力输出曲线视觉反馈，目标为30%最大自主等长收缩；HDsEMG记录使用OT Bioelettronica公司的二维 adhesive 电极阵列（三角肌和胸大肌采用64电极阵列，斜方肌和背阔肌采用96电极阵列），采样率2000Hz；信号处理涵盖20-900Hz带通滤波、坏通道剔除、单差分计算和归一化RMS振幅图生成；运动单位分解采用卷积盲源分离算法结合K均值聚类和人工编辑，仅保留轮廓值（silhouette value）>0.87的高质量运动单位；统计分析采用线性混合效应模型（linear mixed-effects model, LMM），以动作和肌肉为固定效应、受试者为随机效应，多重比较采用Tukey校正。
研究结果部分，研究人员从三个分析层面展开：
**HDsEMG均方根振幅与变异系数**：图4a、4b展示了代表性受试者在30°和65°肩角下的RMS振幅地形图。Abduction时三角肌最活跃，尤其集中于array 2的前外侧区域，斜方肌尾侧区域亦有显著激活；adduction时背阔肌激活覆盖大部分阵列，胸大肌内侧尾侧有少量活动；flexion时激活主要位于三角肌前部和胸大肌；extension时三角肌后部区域显著活跃，背阔肌和斜方肌尾侧亦有明显激活。群组统计结果（图4c-d）显示，肌肉与动作存在显著交互作用（30°: F=20.030, p<0.001; 65°: F=28.213, p<0.001）。空间变异系数分析（图4e-f）同样显示显著的肌肉×动作交互作用（30°: F=2.790, p=0.007; 65°: F=2.789, p<0.001），extension时斜方肌的CoV显著高于其他肌肉，提示其激活空间异质性更大。
**运动单位放电行为**：图5至图8展示了代表性受试者在30°角各动作下的运动单位特征。Abduction时三角肌和斜方肌分别识别出30和19个运动单位；adduction时三角肌（5个）、胸大肌（16个）、斜方肌（2个）和背阔肌（13个）均有运动单位被识别；flexion时三角肌（20个）、胸大肌（21个）和斜方肌（16个）可见运动单位；extension时三角肌（9个）、斜方肌（10个）和背阔肌（12个）有运动单位活动。值得注意的是，各动作间存在明显的拮抗-主动肌激活模式，如在abduction时背阔肌和胸大肌未识别出运动单位，而在adduction时这些肌肉成为主要贡献者。表1汇总了所有肌肉、动作和肩角下的运动单位产出情况，总体而言30°角的运动单位识别数量多于65°角，且存在动作特异性和肌肉特异性的识别差异。
运动单位放电率的群组结果（图9a、9b）显示显著的肌肉×动作交互作用（30°: F=3.190, p=0.008; 65°: F=6.821, p<0.001）。三角肌在abduction、flexion和extension时的平均放电率显著高于adduction（p<0.001）；胸大肌在flexion时的放电率高于adduction（p<0.001）；斜方肌在abduction时的放电率高于adduction和flexion（p<0.05）。
讨论部分，研究人员首先阐述了该框架的方法学创新价值：首次采用非侵入性HDsEMG报告了三角肌和背阔肌的运动单位行为，并同步评估了四块浅表肩部肌肉在控制性等长动作中的运动单位活动。研究揭示了全局振幅、空间分布和运动单位分析三个层面信息的互补性——仅凭双极EMG振幅可能误读肌肉功能角色，如extension时三角肌和斜方肌的全局RMS振幅与背阔肌无显著差异，但前两者的运动单位放电率显著更高；abduction时三角肌与斜方肌放电率无显著差异，但前者运动单位呈前-外-后广泛分布，后者则集中于尾侧区域，提示空间招募策略的差异。
同一肌肉跨动作的比较显示，三角肌具有明显的动作依赖性调制：abduction、flexion和extension时的全局RMS振幅和放电率均高于adduction，且MUAP分布图显示flexion时前部区域主导、extension时后部区域主导，支持肌肉内功能分区化的存在。斜方肌在abduction时全局激活最大，但extension时的空间变异系数显著升高，提示其激活模式的动作特异性调整。胸大肌在flexion时激活最大，背阔肌仅在adduction和extension时识别出运动单位，这些发现共同表明多动作肌肉的调制不仅涉及激活水平调整，还包括动作特异性招募和速率编码策略。
方法学层面，该框架能够同时映射空间激活模式和运动单位领地及放电模式，为理解复杂肩部控制的神经策略提供有力工具。当前肩部肌骨模型多将肌肉视为单一力生成元件，而研究证据支持未来建模应考虑三角肌等肌肉的内部分区异质性，包括前、外侧、后部的分区特性及其随肌肉结构、力臂长度和动作的变化。研究也坦诚了若干局限性：样本量较小（n=6）且仅含一名女性，限制结果泛化性；仅调查两个中范围关节角度和30%MVC单一力水平；未进行可靠性和可重复性分析；运动单位未跨动作追踪，无法确定是否为相同运动单位在不同条件下被招募；专用设备的高成本可能限制部分实验室的全面采纳。
研究结论指出：本研究证明，在控制性等长动作中使用HDsEMG记录和分析主要浅表肩部肌肉的运动单位行为是可行的。该框架将运动单位分析与精确力测量相结合，为神经控制策略提供互补性见解。这些方法学进展可能支持未来开发更全面的肩部生物力学模型，使其不仅考虑解剖和力学特性，还纳入神经控制策略。
