使用机械肌图信号持续估计FES诱导的神经肌肉疲劳
IEEE journal of biomedical and health informatics
|June 17, 2025
概括
使用基于压力的机械肌图 (MMG) 的新可穿戴系统有效地监测功能电刺激 (FES) 治疗期间的肌肉疲劳. 这允许优化,闭环调整,以改善神经障碍患者的康复结果.
科学领域:
- 生物医学工程 生物医学工程
- 康复技术 康复技术 康复技术
- 神经科学是一个神经科学.
背景情况:
- 功能性电刺激 (FES) 增强神经创伤后的四肢功能,但需要精确的调制以防止肌肉疲劳.
- 标准电肌图 (EMG) 由于电干扰而与FES不兼容,阻碍了闭环控制.
- 机械力学图 (MMG) 为监测FES期间肌肉活动提供了一个无人工物替代方案.
研究的目的:
- 引入和验证一种新的MMG-FES系统,以优化中风后患者的治疗刺激.
- 评估基于压力 (P_MMG) 和基于麦克风 (M_MMG) 的MMG在检测FES诱导的肌肉疲劳方面的有效性.
- 开发和评估P_MMG驱动的模型,用于预测FES期间的肌肉力量能力.
主要方法:
- 开发一个集P_MMG和M_MMG传感器的可穿戴系统.
- 实施MMG衍生疲劳指数和前肌模型.
- 在对照和中风后的参与者身上执行一个异比FES疲劳协议,记录力和MMG信号.
主要成果:
- 基于压力的MMG (P_MMG) 平均值 (MV) 信号与FES诱导的疲劳期间的力量下降在控制组 (r=0.740) 和中风组 (r=0.928) 都有很强的相关性.
- P_MMG MV驱动模型准确地预测了力度的下降 (R2=0.741用于控制,R2=0.774用于冲击).
- 与P_MMG相比,基于麦克风的MMG (M_MMG) 与力量和疲劳的相关性较弱.
结论:
- 基于压力的MMG作为FES诱导的肌肉疲劳的强大,非侵入性指标.
- 一个P_MMG驱动的模型可以在FES期间持续估计肌肉力量能力.
- 集成的MMG-FES系统为优化康复治疗提供了闭环调制.
