肌内肌电图的新应用可能有助于神经肌肉疾病的检测

　　

   

   

图像:该图说明了使用所提出的算法收集和处理iEMG信号用于诊断目的的潜力。来自一个人右臂的肌肉内信号被记录下来(如粉色点所示)。相邻的圆圈显示了针电极和信号记录设置的细节。然后处理信号波形(在笔记本电脑屏幕上)以提取特征(1-D CSLBP)，有效地捕捉不同神经肌肉疾病背后的差异。这个处理步骤的输出被提供给人工神经网络-机器学习方法-执行(二进制)分类。分类步骤由一条斜线平分两类的图形来描述，分别对应于肌病(绿色点)和神经病(橙色点)的信号。不同颜色的箭头分别指向肌病(绿色)和神经病(橙色)所对应的肌纤维横截面。为了美观，深色背景上有一层透明的神经元(浅棕色)，以传达神经肌肉疾病潜在原因的背景。    

图片来源:由V. Shenoy Handiru使用biorender.com创建。

一组研究人员开发了一种使用肌内肌电图(iEMG)检测神经肌肉疾病的有前途的新方法。在初步研究中，该自动诊断系统在三种肌肉类型中均表现出较高的准确性和较低的计算时间。

侵入性肌内肌电图已被证明是一种有效的工具，以确定神经肌肉异常，如肌病和神经病。肌病是一种肌肉纤维紊乱，而神经病则反映了周围神经的损伤，它们表现出不同的运动单元动作电位模式。为了促进对这些信号的解释，该团队基于一种名为1维中心对称局部二进制模式(I-D, CSLBP)的新特征开发了一个iEMG分类器框架，该特征增强了二进制(肌病和神经病)分类任务的性能。

来自肱二头肌、三角肌和股内侧肌的肌电信号。对25个个体进行了研究:10个健康对照，7个肌病对照，8个神经病对照。三种肌肉类型的分类准确率均超过92%，计算时间较短。

Suviseshamuthu博士表示:“这种高水平的准确性与短时间的测试相结合，表明了实时实施的潜力。”他补充说:“未来的研究需要测试实时肌电图系统的可行性，这将帮助临床医生对这些神经肌肉疾病做出快速、客观和准确的诊断。”