概念验证:在一个小的前性sEMG数据集上使用深度学习模型,区分上形肌与肌肌触发点
Hao-En Lu1, David Koivisto2, Zixue Zeng3
1Department of Radiology, University of Pittsburgh, Pittsburgh, PA 15213, USA.
概括
表面电肌图 (sEMG) 信号可以在患有肌肌痛综合征的患者中识别肌肌关节触发点 (MTrPs). 这项研究表明,单靠sEMG数据就能将MTrP受试者与健康个体区分开来,为非侵入性诊断工具铺平道路.
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.
- 疼痛管理 疼痛管理
背景情况:
- 肌肌关节疼痛综合征通常起源于肌肌关节触发点 (MTrPs).
- 针头EMG (iEMG) 检测到MTrPs的自发活动,但表面EMG (sEMG) 验证不一致.
- 需要使用非侵入性方法来识别MTrPs.
研究的目的:
- 为了确定sEMG信号本身是否可以区分MTrPs.
- 调查sEMG在识别隐藏的MTrP方面的歧视潜力.
- 为了比较不同的机器学习模型和信号处理技术用于MTrP检测.
主要方法:
- 从健康的对照组和肌肌关节疼痛患者中收集了sEMG信号.
- 一个自动化的算法细分了干预前和后的收缩数据.
- 一个1D卷积神经网络 (CNN) 被训练并使用交叉验证进行评估.
主要成果:
- 在干预前的sEMG信号上使用对对后勤损失实现了最佳主体级性能 (AUC 0.940).
- 仅隐性分析显示了最高的AUC (0.916) 与干预前和干预后的综合信号.
- sEMG数据显示有歧视性信息,用于区分MTrP受试者与对照者.
结论:
- 上梯形sEMG信号含有足够的信息来识别潜在的MTrPs.
- 这项概念验证研究支持使用sEMG进行非侵入性MTrP检测.
- 需要进一步进行大规模的验证研究.
