定制神经肌肉动力学:为现实的sEMG模拟提供建模框架
Alvaro Costa-Garcia1, Shingo Shimoda2, Akihiko Murai1
1Research Institute on Human and Societal Augmentation, National Institute of Advanced Industrial Science and Technology (AIST), Kashiwa, Chiba, Japan.
PloS one
|June 12, 2025
概括
本研究介绍了一种模拟表面肌电图 (sEMG) 信号的计算模型. 该模型准确地复制真实sEMG数据,将肌肉纤维类型与信号特征联系起来,以便更好地了解神经肌肉控制.
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.
- 身体生理学 身体生理学
背景情况:
- 表面电肌图 (sEMG) 对于评估神经肌肉活动至关重要.
- 现有的模型往往缺乏对整个信号生成过程的全面模拟.
- 了解内部生理状态和外部sEMG信号之间的关系至关重要.
研究的目的:
- 开发一个先进的计算模型来模拟sEMG信号.
- 通过将模拟信号与实验数据进行比较来验证模型.
- 研究肌肉纤维类型对sEMG光谱特征的影响.
主要方法:
- 开发了一个五元计算模型,集成了运动控制,神经元,肌肉纤维,组织和电极.
- 在不同的力条件下,对同位素和同位素收缩进行了模拟.
- 模拟的sEMG信号与实验记录的肘部曲数据进行了比较.
主要成果:
- 该模型表明模拟和真实sEMG信号在时间和光谱领域之间存在很高的相似性.
- 在肌肉纤维类型分布和模拟信号的光谱变化之间发现了显著的相关性.
- 该模型成功地复制了不同收缩类型期间sEMG信号的关键特征.
结论:
- 开发的计算模型为模拟sEMG信号提供了一个强大的框架.
- 这些发现突显了肌肉生理学对sEMG信号特性的影响.
- 这项研究支持创建sEMG数据库,并推进神经肌肉生理学和运动控制的研究.


