摘要
高密度表面肌电图（HD-sEMG）能够无创地分析运动单元（MU）的行为，在康复、病理生理评估和辅助技术中具有重要作用。然而，现有的处理流程仍然依赖专家干预，特别是在肌束电位编辑以及运动单元传导速度（MUCV）估计的通道选择方面。本研究开发并验证了一种自动化流程，用于分析等长斜方肌收缩期间采集的HD-sEMG信号中的运动单元。该流程集成了基于盲源分离（BSS）的分解、自动源验证与肌束电位选择、放电率（DR）估计、募集阈值（RT）估计，以及MUCV的自动通道选择。首先在包含八名操作者手工编辑的肌束电位序列的公开数据集上进行验证。所提出的方法匹配了135个参考运动单元中的106个，匹配运动单元之间的总体中位一致率为0.98。敏感性分析支持了预定义参数的鲁棒性。随后，利用自建的采集设备，对九名健康志愿者在四次试验中从前庭骨前肌（TA）采集的276个HD-sEMG信号进行了完整流程评估。所得运动单元参数在生理上是合理的，组内追踪显示即使在重新放置电极后，运动单元特性仍具有很高的可重复性。验证仅限于健康志愿者，尚需在临床人群中进行进一步评估。这些结果支持了在保持HD-sEMG运动单元分析质量的同时降低操作者依赖性的可行性。
