在线表面EMG分解的双源验证使用渐进的快速ICA剥离

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:

• 表面电肌图 (SEMG) 在线分解由于未知的运动单元 (MU) 活动而缺乏对真实实验数据的验证.
• 之前的研究依赖于模拟信号,限制了对SEMG分解方法的全面评估.

研究的目的:

• 通过同时记录肌内EMG (IEMG) 和高密度SEMG信号进行在线SEMG分解的全面验证.
• 评估在线SEMG分解的准确性和可靠性,通过将其与来自IEMG的基础真相参考进行比较.

主要方法:

• 采用同时使用IEMG和高密度SEMG记录的双源验证方法.
• 使用简化的渐进式FastICA剥离 (PFP) 方法分解IEMG以建立地面真实MU尖端列车.
• 从最初的SEMG信号中离线提取MU分离向量,用于在线提取MU尖列车.

主要成果:

• 在5名健康人群中,共发现了SEMG的549个MU和IEMG的92个MU.
• 所有从IEMG分解的MU都与在线SEMG分解的MU成功匹配.
• 在线阶段,共同发射事件的平均匹配率高达 (96 ± 1)%.

结论:

• 该研究使用实验数据为在线SEMG分解提供了强有力的验证.
• 分离向量有效地在实验性SEMG信号中连续和精确地跟踪相同的MU.
• 这项研究为在线SEMG分解提供了更全面的验证视角.