基于脊髓牵张反射模型从肌电信号估计快速和慢速运动中的下行激活模式
通过拉伸反射模型从肌电信号估计快速和慢速运动中的下行激活模式
背景介绍
在运动控制领域，大脑的下行激活（descending activation）是肌肉激活的主要来源，但脊髓反射回路（spinal reflex loops）也在运动生成中扮演了重要角色。脊髓拉伸反射（spinal stretch reflex）是一种短延迟的反射机制，能够快速响应肌肉长度的变化，从而调节肌肉力量。然而，尽管脊髓反射在运动生成中的作用已被广泛研究，它在现代运动控制理论中的地位仍然不够明确。为了更好地理解脊髓反射如何与大脑的下行激活共同作用，Lei Zhang 和 Gregor Schöner 开展了一项研究，旨在通过肌电图（electromyographic, EMG）信号和运动学数据，直接估计下行激活模式。
这项研究试图解决的核心问题是：在快速和慢速运动中，大脑的下行激活模式如何与脊髓反射相互作用，从而生成不同的运动模式？ 通过建立一个简单的脊髓拉伸反射模型，研究者希望揭示下行激活的时间结构，并探讨其在不同运动速度下的变化。
论文来源
该研究由 Lei Zhang 和 Gregor Schöner 共同完成，他们来自德国波鸿鲁尔大学的神经计算研究所（Institute for Neural Computation, Ruhr-University Bochum）。论文于2024年12月6日首次发表在《Journal of Neurophysiology》上，标题为《Estimating Descending Activation Patterns from EMG in Fast and Slow Movements Using a Model of the Stretch Reflex》。
研究流程与结果
1. 研究设计与实验流程
研究分为两个主要部分：卸载任务（unloading task）和自主运动任务（voluntary movement task）。卸载任务用于校准脊髓拉伸反射模型，而自主运动任务则用于估计下行激活模式。
卸载任务
在卸载任务中，参与者需要保持手腕的特定姿势，对抗外部施加的扭矩。当外部扭矩突然移除时，手腕会自然移动到新的位置。研究者通过测量手腕角度和肌肉的EMG信号，来估计模型中的关键参数。具体步骤如下： - 实验设置：参与者坐在牙科椅上，右手前臂固定在支撑架上，手腕通过一个轻质操纵杆进行旋转。操纵杆连接到一个扭矩电机，可以施加不同水平的屈曲或伸展扭矩。 - 数据记录：记录手腕角度和屈腕肌（flexor carpi radialis, FCR）及伸腕肌（extensor carpi radialis, ECR）的表面EMG信号。 - 卸载过程：在参与者稳定手腕位置后，突然移除外部扭矩，记录手腕位置和EMG信号的变化。
自主运动任务
在自主运动任务中，参与者被要求以快速和慢速两种速度进行手腕的屈曲和伸展运动。研究者通过测量运动学数据和EMG信号，结合校准后的模型，估计下行激活模式。具体步骤如下： - 运动任务：参与者以快速（0.1-0.3秒）和慢速（0.6-0.9秒）两种速度进行40度的屈曲或伸展运动。 - 数据记录：记录手腕角度、角速度以及FCR和ECR的EMG信号。 - 模型反演：通过反演脊髓拉伸反射模型，估计下行激活模式。
2. 主要结果
卸载任务的结果
卸载任务的结果显示，随着外部扭矩的增加，卸载后的手腕位移和EMG信号的变化也相应增加。通过线性回归分析，研究者估计了模型中的关键参数，包括肌肉长度和肌腱长度变化对EMG信号的影响。结果表明，肌腱长度变化在屈腕肌和伸腕肌中的贡献不同，屈腕肌的肌腱长度变化较小，而伸腕肌的肌腱长度变化较大。
自主运动任务的结果
在自主运动任务中，研究者观察到下行激活模式在快速和慢速运动中的显著差异： - 慢速运动：下行激活模式呈现单调的斜坡状（ramp-like），从初始水平逐渐过渡到最终水平。 - 快速运动：下行激活模式在运动早期呈现非单调的“N形”变化，随后逐渐过渡到最终水平。
此外，研究者还发现，下行激活和肌肉激活在运动开始前约15%的时间内是同步的，但在运动开始后，两者逐渐分离，表现出不同的时间结构。这表明脊髓反射在运动生成中起到了重要的调节作用。
3. 结论与意义
该研究通过反演脊髓拉伸反射模型，成功地从EMG信号和运动学数据中估计了下行激活模式。研究结果表明，下行激活模式在快速和慢速运动中具有不同的时间结构，这反映了大脑在控制不同速度运动时的复杂策略。此外，研究还揭示了脊髓反射在运动生成中的重要作用，为理解运动控制的神经机制提供了新的视角。
这项研究的科学价值在于： - 方法创新：提出了一种直接从EMG信号估计下行激活模式的新方法，无需复杂的肌肉模型或手臂动力学模型。 - 理论贡献：揭示了脊髓反射在运动生成中的关键作用，为运动控制理论提供了新的实验证据。 - 应用潜力：该方法可以用于研究神经系统疾病患者的运动控制障碍，为康复治疗提供理论支持。
研究亮点
- 新颖的方法：通过反演脊髓拉伸反射模型，直接从EMG信号估计下行激活模式，避免了复杂的肌肉和动力学模型。
- 重要的发现：揭示了快速和慢速运动中下行激活模式的时间结构差异，表明大脑在控制不同速度运动时采用了不同的策略。
- 理论意义：强调了脊髓反射在运动生成中的重要作用，为运动控制理论提供了新的实验证据。
其他有价值的信息
研究者在附录中详细推导了模型反演的数学公式，并提供了数据可用性的声明。此外，研究得到了欧盟“地平线2020”计划的资助（Marie Skłodowska-Curie grant agreement no. 956003）。
这项研究通过创新的方法和深入的实验分析，为我们理解运动控制的神经机制提供了重要的新见解。