人工制造物适应性理想过被脊髓污染的EMG信号 穿皮刺激

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 信号处理 信号处理

背景情况:

• 电肌图 (EMG) 信号对于理解神经肌肉功能至关重要.
• 脊髓穿皮刺激 (scTS) 用于研究和治疗,但可以将文物引入EMG记录中.
• 准确的EMG分析需要有效地去除这些刺激诱导的人工物.

研究的目的:

• 描述来自scTS的EMG信号污染的性质和程度.
• 评估人工物适应理想过 (AA-IF) 技术用于scTS人工物清除的性能.
• 将AA-IF与经验模式分解巴特沃思选 (EMD-BF) 方法进行比较.

主要方法:

• scTS对五名脊髓损伤 (SCI) 的参与者进行了不同强度和频率的应用.
• 来自双臂 (BB) 和三臂 (TB) 肌肉的EMG信号被记录在休息状态和自愿激活期间.
• 快速里埃转换 (FFT) 分析了文物频率;AA-IF和EMD-BF技术用于文物去除和比较.

主要成果:

• scTS人工物污染了~2Hz宽频段,受刺激强度,肌肉激活状态和肌肉类型的影响.
• 工件污染的宽度随着scTS强度的增加而增加,并且与TB相比,在休息状态和BB肌肉中更宽.
• 与EMD-BF (75±6%) 相比,AA-IF保留了明显更多的未受污染的EMG信号的光谱含量 (96±5%).

结论:

• 该AA-IF技术准确地识别并从EMG信号中删除scTS诱导的工件.
• 在移除文物后,AA-IF在保留真正的EMG信号内容方面优于EMD-BF.
• 这种改进的文物删除提高了在存在scTS时EMG分析的可靠性.