FastICA-Comb：機能的電気刺激シナリオにおける自発的筋電図およびM波抽出のための新規アルゴリズム

科学分野:

• 生物医学工学
• 信号処理
• リハビリテーション技術

背景:

• 機能的電気刺激（FES）は、リハビリテーションにおける筋肉収縮に不可欠です。
• FES中の筋電図（EMG）信号は複雑で、自発的EMG（VEMG）およびFES応答（初期スパイク、M波）を含みます。
• これらの信号成分の正確な分離は、クローズドループFES制御およびFESメカニズムの理解に不可欠です。

研究 の 目的:

• 新規アルゴリズムFastICA-Combを開発および検証し、混合FES-EMG信号を分解すること。
• VEMG、M波、および初期スパイクを複雑なFES-EMGデータから高品質に分離すること。
• FastICA-Combのパフォーマンスを既存の信号分離メソッドと比較すること。

主な方法:

• FastICA-Combアルゴリズムは、1段階コムフィルターと2段階高速独立成分分析（FastICA）を組み合わせて、信号分解および分類を行います。
• このアルゴリズムは、信号源の独立性：初期スパイクと活動電位関連信号（VEMG、M波）に基づいています。
• 6人の健常者を対象に実験を実施し、実際の混合FES-EMGデータを収集および分析しました。

主要な成果:

• FastICA-Combは、コムフィルター、GS-PEF、EMD-notch、ブランキングウィンドウなどの従来のメソッドと比較して、優れたVEMGおよびM波抽出能力を示しました。
• このアルゴリズムは、シミュレートされた信号と実際の混合FES-EMG信号の両方で信号成分を分離するのに効果的であることが証明されました。
• 実験結果は、複雑なFES-EMGデータを分析する上でのアルゴリズムの有効性を検証しました。

結論:

• FastICA-Combアルゴリズムは、混合FES-EMG信号を分析するための効果的なツールを提供します。
• この高度な信号処理技術は、FES治療メカニズムの理解を深めることができます。
• 本研究の結果は、リハビリテーション成果の改善のための、より洗練されたクローズドループFESシステムの開発を支持します。