论文部分内容阅读
神经肌肉疾病(NeuromuscularDisorder,NMD)是神经系统疾病中重要的常见病。由于NMD患者常表现出相似的临床症状,如肌肉萎缩、肌力减退、痉挛、运动失调等,对NMD的诊断和病理研究具有重要意义。肌电(Electromyography,EMG)信号能够在一定程度上反应神经控制和肌肉的功能,其本质是多个运动单位(MotorUnit,MU)激活产生的运动单位动作电位(Motor Unit Action Potential,MUAP)在检测电极处的叠加。表面肌电(Surface EMG,sEMG)由放在皮肤表面的电极测量,具有便捷、无创的优点。随着sEMG信号的获取和分析技术的发展,sEMG用于诊断研究NMD的病理得到广泛应用。然而,sEMG研究给出的诊断结果是由多种神经肌肉病变因素共同作用下叠加得到,仅能给出表面观测结果并推测可能的神经肌肉病变病因,不能给出具体的诊断结论。此外,单个表面肌电指标的诊断效力有限,多指标融合是神经肌肉病变诊断和发展的趋势。但了解诊断指标对神经肌肉病变的敏感性是多指标融合诊断应用的前提。基于此,本文搭建神经肌肉模型,采用模型正向仿真各种潜在类型的神经肌肉病变的肌电信号,用于检验sEMG检查这些病变类型的效能,从而帮助对真实数据的检查结果给与更准确的解读,并有助于提高对神经肌肉病变的诊断水平和对其病理机制的认识。本文的主要研究内容和研究成果总结如下:(1)研究了神经肌肉模型,采用第一骨间背侧肌(FirstDorsalInterosseous,FDI)的参数作为模型的默认参数,仿真得到健康人的sEMG信号。根据前人对NMD研究报导的结果,调整模型参数至异常水平或引入额外模型修正,仿真得到明确病因的神经肌肉病变信号。(2)对仿真获取的sEMG信号采用多种干扰相方法分析,在相同的神经肌肉病变程度下,用指标的Z分数变化程度来指示指标对神经肌肉病变的诊断效能。以聚类索引(Clustering Index,CI)方法为例,研究结果发现CI指标对MU数目减少、MUAP持续时间延长、MU发放同步性增加、MUAP幅度降低等病因的敏感度高,对MU发放率降低、募集阈值改变、大MU选择性丢失等病因的敏感度低。(3)对临床采集健康人和脑卒中患者的sEMG采用干扰相分析,分析指标给出实验分析结果。以CI分析为例,研究发现脑卒中患者偏瘫肌肉中发生复杂的神经或肌肉的变化。其中一部分偏瘫肌肉呈现出异常增高的CI指标,模型仿真结果认为偏瘫肌肉表现出MU数目减少、MUAP持续时间延长或MU发放同步性增加等病变;一部分偏瘫肌肉呈现出异常降低的CI指标,仿真结果认为偏瘫肌肉表现出MUAP幅度降低(肌纤维萎缩)等病变。本研究工作有助于在个体层面确定具体的神经肌肉病变病因,对患者个性化的诊断和治疗具有重要的指导意义。