需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

呼吸肌表面肌电图的采集与半自动化分析

1.7K 次观看

⸱

DOI：

10.3791/67157

⸱

2025年1月24日

 ,  ,  ,  ,  ,  , 
1Keenan Centre for Biomedical Research, Li Ka Shing Knowledge Institute, Unity Health Toronto, 2Interdepartmental Division of Critical Care Medicine, University of Toronto, 3Faculty of Engineering Technology, Electrical Engineering, KU Leuven, 4Department of Rehabilitation Sciences, Faculty of Movement and Rehabilitation Sciences, Research Group for Rehabilitation in Internal Disorders, KU Leuven, 5Respiratory Rehabilitation and Respiratory Division, University Hospital Leuven, 6Department of Health Sciences, Nagasaki University Graduate School of Biomedical Sciences, 7Department of Medicine, Temerty Faculty of Medicine, Division of Respirology, University of Toronto, University Health Network, 8Toronto General Hospital Research Institute, University Health Network, 9Department of Physical Therapy, University of Toronto, 10KITE, Toronto Rehabilitation Institute, University Health Network

本文内容

摘要

本文介绍了一种记录和分析呼吸肌电图（EMG）信号的实验方案。该方案包括在多个呼吸肌上放置EMG电极的解剖学定位参考、从EMG信号中去除心电干扰、以及获取EMG信号的均方根（RMS）值和活动起始时间。

摘要

评估呼吸驱动因现有方法（如功能性磁共振成像（fMRI））具有侵入性和操作不便而面临挑战。肌电图（EMG）可作为呼吸驱动作用于肌肉的替代性指标，能够确定肌肉激活的强度和时序。强度反映肌肉激活的程度，而时序则指示肌肉活动的起始与终止时间，相对于特定事件（如吸气气流及其他肌肉的激活）而言。这些指标对于理解呼吸协调与控制至关重要，尤其是在不同负荷条件下或存在呼吸系统病理生理状态时。本研究阐述了一种在健康成人及患有呼吸系统疾病的患者中采集和分析呼吸肌EMG信号的实验方案。研究已获得伦理批准，内容包括受试者准备、电极放置、信号采集、预处理和后处理。关键步骤包括皮肤清洁、通过触诊和超声定位肌肉，以及电极安放以最大程度减少心电图（ECG）干扰。数据以高采样率和增益进行采集，并同步记录ECG和呼吸气流。预处理包括对EMG信号进行滤波和转换，后处理则涉及计算肌肉活动起始与终止时间相对于吸气气流的时间差。来自一名健康男性受试者在进行递增式吸气阈值负荷（ITL）任务时的代表性数据展示了该方案的应用。结果显示，在较高负荷下，膈外肌的激活时间提前且持续时间延长，同时伴随EMG强度的增加。该方案有助于对呼吸肌激活进行细致评估，为正常及病理生理状态下的运动控制策略提供深入见解。

引言

呼吸驱动（即呼吸中枢对呼吸肌的输出）由于评估方法具有侵入性且通常不切实际，因此难以评估，例如功能磁共振成像（fMRI）等方法。此外，位于脑干的呼吸中枢体积较小，难以精确定位，且易受生理噪声的影响1,2。呼吸驱动的测量非常重要，因为它与重要的临床结局（如呼吸困难，即呼吸窘迫的指征）密切相关 。肌电图（EMG）可作为呼吸肌呼吸驱动的替代指标3。通过肌电图信号的均方根（RMS），可利用呼吸肌EMG确定肌肉活动及其强度。此外，通过识别肌肉活动的起始和终止时间，可评估肌肉激活的时序（分别为EMG起始和EMG终止）1,2,3,4,5,6,7,8,9,10,11。

肌电（EMG）信号的幅值是指肌肉细胞收缩时产生的电位，反映了肌肉激活的程度12。EMG信号的幅值可能因多种因素而变化，包括肌肉收缩的强度、被募集的运动单位数量、电极放置位置、肌肉及皮下组织的移动，以及所测肌肉的特定特性12。

肌电图信号的时间特性是指相对于某一特定事件或动作（例如，相对于呼吸时的吸气气流）出现电活动的时间点13。起始时间表示肌肉激活开始的时刻，而终止时间则表示肌肉活动减弱、停止或进入放松阶段的时刻13。多个呼吸肌激活之间的时间关系有助于理解呼吸过程中肌肉协调与控制的机制。评估个体之间或随时间变化的时间模式的一致性或变异性，有助于识别与急性或慢性通气功能衰竭相关的生理及病理生理运动控制策略。

呼吸肌肌电图（EMG）的幅度和时序均与重要的临床结局相关12,13,14。静息状态下，膈肌产生大部分通气量15。当呼吸需求增加时，例如在运动或因肺部疾病（如慢性阻塞性肺疾病、间质性肺疾病或急性呼吸窘迫综合征）导致吸气负荷增加的情况下，膈外呼吸肌会增强通气，从而增加或补偿膈肌的收缩需求15。因此，除了膈肌EMG幅度增加外，膈外呼吸肌EMG的幅度也会增加。

呼吸辅助肌的激活可保护膈肌免于发生疲劳16。然而，呼吸肌的早期激活（起始）和持续激活与急性和慢性通气功能衰竭相关14,17,18。本研究的目的是描述一种用于获取和分析健康成人以及疑似或确诊呼吸系统病理生理患者呼吸肌肌电图（EMG）信号时序和幅度的实验方案。该方案包含从数据采集到量化EMG活动时序与幅度的既往已验证步骤13,19。

访问受限。请登录或开始试用以查看此内容。

方案

采用该技术的研究已获得加拿大安大略省多伦多市多伦多大学和圣迈克尔医院，以及比利时鲁汶市大学医院 Gasthuisberg 的伦理批准。本文描述了一项具体方案。有关呼吸肌的多种替代性表面肌电图（sEMG）方法的总体讨论已在其他文献中提出并报道12。

1. 受试者准备与表面肌电图电极的放置

  1. 为确保充分可视化，要求男性不穿衬衫，女性穿着运动文胸或单层背心。使用前开式病号服，以提供充分接触并保持受试者隐私。
  2. 若受试者头发较长，应将其向后扎起并用发夹固定，以便评估斜角肌和胸锁乳突肌。
  3. 将受试者置于坐位或半卧位。
  4. 若胸部或颈部毛发过多，应在表面肌电图（sEMG）电极放置区域剃除毛发。
  5. 为降低皮肤阻抗，需清除皮肤上的油脂和死皮。
    1. 使用酒精棉片擦拭皮肤，并在电极贴附前让酒精自然挥发（即风干）。
    2. 若皮肤较白，擦拭后可能轻微发红，但更重要的是确保电极贴附区域无明显污垢、油脂或干燥脱皮。然而，应避免过度摩擦，以防皮肤损伤。切勿将电极贴附于破损皮肤或其他皮肤病变区域。
  6. 通过体表标志、触诊和/或超声定位目标肌肉。
    注：超声在定位肋部膈肌时可能具有辅助作用20。图1展示了呼吸肌表面肌电图（sEMG）电极放置位置的示例。
  7. 将sEMG电极置于胸廓右侧，远离心脏，以降低心电图（ECG）信号的振幅，减少其对肌电信号的干扰。
  8. 将成对的肌电电极以2 cm的电极间距，沿肌纤维的纵向方向贴置于肌肉腹部中心。
    1. 对于肋部膈肌/肋间肌，定位前腋线和锁骨中线，并将成对电极垂直置于第七或第八肋间隙处、两线之间的区域。
    2. 对于斜角肌，定位颈部后三角，并将成对电极沿肌肉纵轴方向置于环状软骨水平。
    3. 对于胸骨旁肋间肌，定位第二肋间隙、胸骨右侧1–2 cm处，并将成对电极沿肌肉纵轴方向贴置。
    4. 对于胸锁乳突肌，定位胸骨上窝和乳突。通过将操作者的手置于受试者下颌左侧，并要求受试者轻柔地对抗手部进行等长左侧旋转，以凸显右侧胸锁乳突肌腹部。将成对电极沿肌肉纵轴方向置于肌腹中点。
  9. 某些肌电系统可能需要接地传感器。如需使用，应将接地传感器置于靠近呼吸肌的骨性结构上（例如锁骨、第7颈椎棘突）。
  10. 将肌电传感器导线夹连接至肌电电极。确保来自两个不同肌肉的肌电传感器导线（即使为无线系统）不相互重叠，以避免信号串扰或污染。
    注：同一传感器的导线可重叠，但不同传感器的导线不应重叠。
  11. 使用双面胶带将传感器底部固定于皮肤，以进一步固定肌电电极和传感器。
  12. 在传感器上方覆盖医用级低致敏性胶带，以进一步将每个传感器牢固固定于皮肤。避免施加过大压力，同时如前所述，确保不同传感器的导线不相互重叠。

2. 信号采集

  1. 在数据采集软件中选择预设模板，然后点击打开。该模板将包含以下预设参数：肌电（EMG）信号使用高通滤波器（0.5–20 Hz），以减少低频伪影，便于实时可视化。
  2. 设置EMG信号的采样率至少为1 kHz。
  3. 将EMG信号的增益设置为1000。
  4. 设置模板以同步记录心电图（ECG）和呼吸气流信号。
  5. 根据实验方案采集表面肌电（sEMG）和心电图（ECG）数据，例如在机械通气患者进行自主呼吸试验期间。
  6. 完成实验方案后，停止记录并保存数据文件。
    注意：图2展示了软件界面截图，显示了应用的滤波设置。

3. 数据采集后的预处理

  1. 打开软件并确认用于分析肌电（EMG）信号的参数（双向高通滤波器设置为 5 Hz，使用最小均方（LMS）自适应滤波器去除心电（ECG）干扰，采用 0.02 s 移动窗进行均方根变换），然后点击 继续。
  2. 选择待分析的文件，然后点击 确定。
  3. 定义需分析的时间区间（若需分析文件的全部时长，则区间为从 0 s 至最大时间点），点击 选择范围并继续，然后点击 信号处理。
  4. 点击 分析 按钮以应用预选参数（见步骤 3.1）。查看已分析的 EMG 信号。点击 归一化至 1 按钮，以将 EMG 信号按其记录期间的最大值进行归一化显示。
  5. 点击 继续计算启停时间 按钮。系统将基于 EMG 信号的导数函数检测 EMG 活动的起始时间点。点击 启停分析 按钮。
  6. 选择需要显示的肌肉 EMG 信号。可在不同肌肉信号之间切换，以便直观检查所有记录的 EMG 信号。点击 停止查看并进入保存 按钮，然后点击 保存。
  7. 选择要保存的数据。可在保存前对信号进行降频处理（例如从 1000 Hz 降至 100 Hz）。点击 保存处理后数据，选择文件保存的计算机文件夹并命名文件，再次点击 保存 以确认。

4. 后处理

  1. 使用具备计算功能的软件（如 Excel、R、Python、Matlab）打开保存的文件。根据流量信号的开启和关闭时间确定每一次呼吸，并计算每次呼吸的 EMG 峰值 RMS 和 EMG 平均 RMS。
  2. 对于肌电图起始时间，计算 肌电图（EMG）起始与吸气气流起始（INSP，起始）之间的时间绝对差值（毫秒）：
    figure-protocol-1
  3. 计算肌电图偏移（EMG offset）与吸气流终止（INSP,offset）之间的时间差绝对值（单位：毫秒）
    figure-protocol-2
  4. 对于肌电图（EMG）起始时间相对于吸气时程的持续时间，计算 EMG 起始时间与吸气起始（INSP,onset）之间相对于吸气时间（Ti）持续时间的相对差异：
    figure-protocol-3
  5. 对于肌电图（EMG）偏移相对于吸气时间持续时间的情况，计算EMG偏移与INSP,offset之间相对于Ti持续时间的相对差异：
    figure-protocol-4
    其中，dP 是 EMG 起始与吸气流起始（INSP,起始）之间，或 EMG 偏移与吸气流偏移（INSP,偏移）之间的时间差。

访问受限。请登录或开始试用以查看此内容。

结果

提供了一名男性受试者（22岁；体重：100 kg；身高：185 cm；BMI：29 kg/m2）的数据，其肺量测定和吸气肌力量正常（FEV1：4.89 L/s [预测值的97%]；最大吸气压：151 cmH2O [预测值的136%]）。该受试者采用先前描述的方案21,22,23，进行递增式吸气阈负荷（ITL）测试直至任务失败。数据采集系统的概览见 图1。受试者舒适地坐在椅子上，佩戴鼻夹，前臂置于可调节桌面上，头部中立位支撑于头颏托架上。受试者通过连接至双向无重复呼吸阀的口器进行呼吸，该阀门连接至加热式 pneumotach 和 ITL 装置。该 ITL 装置仅在吸气时施加负荷，呼气时无负荷。ITL 测试以热身负荷（-12 cmH2O）开始，随后每2分钟增加50 g负荷，直至...

访问受限。请登录或开始试用以查看此内容。

讨论

由于心电信号与肌电信号的频带存在重叠，从肌电（EMG）信号中去除心脏活动伪迹较为复杂。EMG信号的大部分频率范围在20至250 Hz之间，而心电（ECG）信号的频率范围为0 Hz至100 Hz。在某些分析中（例如时序分析），为确保EMG信号幅值和时序的准确性与可解释性，必须获得无ECG干扰的纯净EMG信号。最小均方（LMS）自适应滤波算法通过利用频率特征识别模式，在本应用中用于从ECG与EMG的混合信号中去除ECG的频率成分。研究确定，滤波器长度为70、步长为0.01时，可提供最小误差并获得最佳整体效果24。与EMG同步记录的ECG信号被用于持续调节有限冲激响应（FIR）滤波器的系数，从而使去除过程极为精确，并能适应测试过程中可能出现的心律变化。ECG滤波算法已预先设定，系统可自动识别ECG通道。双向滤波可最小化EMG信号起始时间检测中的时间偏移，用于消除相位失真，而相位失真在标准（单向）滤波方法中较为常见。

计算每块肌肉肌电图均方根（EMG RMS）的一阶导数函数。导数为正值或负值分别表示肌电图均方根值在增加或减少。通过应用导数函数...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明不存在任何需要披露的利益冲突。

致谢

AR 由加拿大卫生研究院（CIHR）博士后奖学金（#187900）资助，UM 由Mitacs（IT178-9 -FR101644）资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
可调节桌 亚马逊VIVO 电动高度可调 102 厘米 x 61 厘米站立式办公桌可实现躯干和咬嘴位置的精细调节
空气过滤器主要https://cardinalfilters.com/
模拟输出电缆 A-Tech Instruments Ltd.25针D型母头转16xBNC公头；16xRG-174 - 16根3英尺电缆连接肌电图设备（Noroxan）至数据采集系统（PowerLab）
ECG 生物放大器ADInstrumentsML138
台式机或笔记本电脑 N/AN/A数据采集系统的 EMG 信号采集能力 
用于 EMG 探头的双棒电极Noraxonhttps://shop.noraxon.com/products/dual-emg-electrodes
肌电图NoraxonNoraxon Ultium Myomuscle，配备8通道智能导联。https://www.noraxon.com/our-products/ultium-emg/
EMG电极双极电极N/A
气体分析仪ADInstrumentsML206
手套Medlinehttps://www.medline.com/jump/category/x/cat1790003
用于消毒阀门的消毒剂或操作规程 &和口件医学文摘数据库https://www.medline.com/product/MetriCide-28-Disinfectant/Disinfectants/Z05-PF27961?question=metricide
血氧仪探头ADInstrumentsML320/Fhttps://www.adinstruments.com/products/oximeter-pods
pneumotachADInstrumentsMLT3813H-Vhttps://www.adinstruments.com/products/heated-pneumotach-800-l-heater-controller
Powerlab 和 Labchart 数据采集系统ADInstruments公司https://m-cdn.adinstruments.com/brochures/Research_PowerLab
_Brochure_V2-1.pdf		采集口腔压力、心电图（ECG）、呼气末二氧化碳2、气流（用于计算呼吸频率、潮气量、每分通气量）以及肌电图。
单通道或双通道解调器的压力传感器Validyne.comWww.Validyne.Com/Product/Dp45_Low_Pressure_<呼吸驱动的评估因现有方法（如功能性磁共振成像，fMRI）具有侵入性和操作不便而面临挑战。肌电图（EMG）可作为呼吸肌驱动的替代性测量手段，用于确定肌肉激活的强度和时序。其中，强度反映肌肉激活的程度，而时序则指示肌肉活动的起始与终止时间相对于特定事件（如吸气流速及其他肌肉激活）的关系。这些指标对于理解呼吸协调与控制至关重要，尤其在不同负荷条件下或存在呼吸系统病理生理状态时。本研究介绍了一种在健康成人及患有呼吸系统疾病的患者中采集与分析呼吸肌EMG信号的实验方案。研究已获得伦理批准，内容包括受试者准备、电极放置、信号采集、预处理与后处理。关键步骤包括皮肤清洁、通过触诊和超声定位肌肉，以及电极安放以最大限度减少心电图（ECG）干扰。数据以高采样率和增益进行采集，并同步记录ECG和呼吸流速信号。预处理包括对EMG信号进行滤波和转换，后处理则涉及计算肌肉活动起始与终止时间相对于吸气流速的差异。来自一名健康男性受试者在进行递增式吸气阈值负荷（ITL）测试时的代表性数据显示，在较高负荷下，膈外肌的激活时间提前且持续时间延长，同时伴随EMG强度的增加。该方案可实现对呼吸肌激活的精细评估，有助于深入理解正常及病理生理状态下的运动控制策略。> 变磁阻传感器范围取决于被测人群，即患者或健康人（Www.Validyne.Com/Product/Cd280_Multi_Channel_Carrier_
Demodulator/；www.Validyne.com/Product/CD15_General_Purpose_Basic
_Carrier_Demodulator/)
硅胶口件Hans Rudolph https://www.rudolphkc.com/小口进食
表模型颏托Sacor Inc.Model 600700https://sacor.ca/products/head-chin-rest-table-model-with-white-chin-rest-cup
带采样口的双向T型无重复呼吸阀Hans Rudolph1410 小型
超声  GE Healthcare Vivid i BT12 心脏系统，配备呼吸功能和 12L-RS 线阵探头需要定位膈肌的附着区域等呼吸肌的解剖标志

参考文献

  1. Vaporidi, K., et al. Respiratory drive in critically ill patients. Pathophysiology and clinical implications. Am J Respir Crit Care Med. 201 (1), 20-32 (2020).
  2. Ciumas, C., Rheims, S., Ryvlin, P. fMRI studies evaluating central respiratory control in humans. Front Neural Circuits. 16, 982963(2022).
  3. Domnik, N. J., Walsted, E. S., Langer, D. Clinical utility of measuring inspiratory neural drive during cardiopulmonary exercise testing (CPET). Front Med (Lausanne). 7, 483(2020).
  4. Hudson, A. L., et al. Activation of human inspiratory muscles in an upside-down posture. Respir Physiol Neurobiol. 226, 152-159 (2016).
  5. Hodges, P. W., Gandevia, S. C. Pitfalls of intramuscular electromyographic recordings from the human costal diaphragm. Clin Neurophysiol. 111 (8), 1420-1424 (2000).
  6. Nguyen, D. aT., et al. Differential activation of the human costal and crural diaphragm during voluntary and involuntary breaths. J Appl Physiol (1985). 128 (5), 1262-1270 (2020).
  7. Hudson, A. L., Gandevia, S. C., Butler, J. E. Common rostrocaudal gradient of output from human intercostal motoneurones during voluntary and automatic breathing. Respir Physiol Neurobiol. 175 (1), 20-28 (2011).
  8. Epiu, I., et al. Inspiratory muscle responses to sudden airway occlusion in chronic obstructive pulmonary disease. J Appl Physiol (1985). 131 (1), 36-44 (2021).
  9. Sinderby, C., et al. An automated and standardized neural index to quantify patient-ventilator interaction. Crit Care. 17 (5), R239(2013).
  10. Neural offset time evaluation in surface respiratory signals during controlled respiration. Estrada, L., Sarlabous, L., Lozano-Garcia, M., Jane, R., Torres, A. Annu Int Conf IEEE Eng Med Biol Soc, 2019, 2344-2347 (2019).
  11. Luo, Y. M., Moxham, J. Measurement of neural respiratory drive in patients with COPD. Respir Physiol Neurobiol. 146 (2-3), 165-174 (2005).
  12. Jonkman, A. H., et al. Analysis and applications of respiratory surface EMG: Report of a round table meeting. Crit Care. 28 (1), 2(2024).
  13. Rodrigues, A., et al. Semi-automated detection of the timing of respiratory muscle activity: Validation and first application. Front Physiol. 12, 794598(2021).
  14. Parthasarathy, S., Jubran, A., Tobin, M. J. Cycling of inspiratory and expiratory muscle groups with the ventilator in airflow limitation. Am J Respir Crit Care Med. 158 (5 Pt 1), 1471-1478 (1998).
  15. De Troyer, A., Boriek, A. M. Mechanics of the respiratory muscles. Compr Physiol. 1 (3), 1273-1300 (2011).
  16. Laghi, F., et al. Diaphragmatic neuromechanical coupling and mechanisms of hypercapnia during inspiratory loading. Respir Physiol Neurobiol. 198, 32-41 (2014).
  17. Parthasarathy, S., Jubran, A., Laghi, F., Tobin, M. J. Sternomastoid, rib cage, and expiratory muscle activity during weaning failure. J Appl Physiol (1985). 103 (1), 140-147 (2007).
  18. Parthasarathy, S., Jubran, A., Tobin, M. J. Assessment of neural inspiratory time in ventilator-supported patients. Am J Respir Crit Care Med. 162 (2 Pt 1), 546-552 (2000).
  19. Dacha, S. R. A., Louvaris, Z., Janssens, L., Janssens, W., Gosselink, R., Langer, D. Effects of inspiratory muscle training (IMT) on dyspnea, respiratory muscle function and respiratory muscle activation in patients with COPD during endurance cycling. Eur Respir J. 54 (Suppl 63), PA2199(2019).
  20. Bellissimo, C. A., Morris, I. S., Wong, J., Goligher, E. C. Measuring diaphragm thickness and function using point-of-care ultrasound. J Vis Exp. 201, e65431(2023).
  21. Basoudan, N., et al. Scalene and sternocleidomastoid activation during normoxic and hypoxic incremental inspiratory loading. Physiol Rep. 8 (14), e14522(2020).
  22. Basoudan, N., Shadgan, B., Guenette, J. A., Road, J., Reid, W. D. Effect of acute hypoxia on inspiratory muscle oxygenation during incremental inspiratory loading in healthy adults. Eur J Appl Physiol. 116 (4), 841-850 (2016).
  23. Melo, L. T., et al. Prefrontal cortex activation during incremental inspiratory loading in healthy participants. Respir Physiol Neurobiol. 296, 103827(2022).
  24. Dacha, S., et al. Comparison between manual and (semi-)automated analyses of esophageal diaphragm electromyography during endurance cycling in patients with COPD. Front Physiol. 10, 885(2019).
  25. Hermens, H. J., Freriks, B., Disselhorst-Klug, C., Rau, G. Development of recommendations for SEMG sensors and sensor placement procedures. J Electromyogr Kinesiol. 10 (5), 361-374 (2000).
  26. Petersen, E., Sauer, J., Graßhoff, J., Rostalski, P. Removing cardiac artifacts from single-channel respiratory electromyograms. IEEE Access. 8, 30905-30917 (2020).
  27. Hutten, G. J., van Thuijl, H. F., van Bellegem, A. C., van Eykern, L. A., van Aalderen, W. M. A literature review of the methodology of EMG recordings of the diaphragm. J Electromyogr Kinesiol. 20 (2), 185-190 (2010).
  28. van Leuteren, R. W., Hutten, G. J., de Waal, C. G., Dixon, P., van Kaam, A. H., de Jongh, F. H. Processing transcutaneous electromyography measurements of respiratory muscles, a review of analysis techniques. J Electromyogr Kinesiol. 48, 176-186 (2019).
  29. Jonkman, A. H., Juffermans, R., Doorduin, J., Heunks, L. M. A., Harlaar, J. Estimated ECG subtraction method for removing ECG artifacts in esophageal recordings of diaphragm EMG. Biomed Signal Process Control. 69, 102861(2021).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

呼吸肌表面肌电图的采集与半自动化分析
联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。