近日，康复大学康复科学与工程学院陈茂启副教授与周平教授在康复科学TOP期刊IEEE Transactions on Neural Systems and Rehabilitation Engineering发表题为《High-Density Surface EMG Decomposition: Achievements, Challenges, and Concerns》的综述文章，并被评选为期刊特色文章（featured articles）。该综述系统地回顾与总结了高密度表面肌电分解的发展历史与重要进展，指出了现存的挑战以及值得商榷的问题，并提出“高密度表面肌电分解开源代码与数据共享”的倡议，旨在推动该技术从实验室研究向临床诊断、康复工程等领域的转化和应用。

研究背景

表面肌电分解可以无创地从混叠的肌电信号中获取单个运动单位的募集、发放信息和动作电位的波形信息，这些信息在神经肌肉系统的基础研究、临床疾病诊断、人体工效学、康复工程、运动科学等领域具有广泛的应用价值。由于表面肌电信号叠加严重、动作电位波形相似度高、信噪比低等特点，以模板匹配为核心的传统侵入式针肌电分解技术难以移植到表面肌电上，所以传统观念认为表面肌电是不适合分解的。

生物电放大器技术以及电极制作工艺的稳步提高所推动的高密度表面肌电的发展为表面肌电分解带来了希望。特别是，随着盲源分离技术的发展，研究者们逐渐意识到，高密度（多通道）表面肌电的分解可以看成是一个盲源分离问题。

研究概述

文章系统回顾了盲源分离技术逐步发展为高密度表面肌电分解主流方法的过程，一方面是肌电描述模型的发展，从最初基于瞬时混合模型的虽有益但不成功的尝试，到更加准确地描述表面肌电的卷积混合模型的提出，以及在此基础上发展出的基于卷积核补偿（Convolutional Kernel Compensation，CKC）的高密度表面肌电分解算法；另一方面是盲源分离技术局部收敛问题的解决，从最初直接应用FastICA分解表面肌电的局限性和不足，到跨越式提升FastICA分解性能的渐进式快速独立分量剥离算法（Progressive FastICA Peel-off，PFP）的提出，再发展出更加高效的基于核约束FastICA和相关约束FastICA的2CFastICA高密度表面肌电分解算法。值得关注的是，CKC和PFP算法的提出极大地推动了高密度表面肌电分解方法的研究和融合，文章对近年来以CKC或PFP核心技术为基础而衍生的一系列高密度表面肌电分解方法也进行了详细的论述。

高密度表面肌电分解示意图

PFP高密度表面肌电分解算法框架

PFP分解算法实现3次运动单位剥离过程的动图示例

基于当前表面肌电分解的研究现状，文章还讨论了当前表面肌电分解存在的几大亟待解决的技术瓶颈，包括1)信号可分性机制不明: 诸多因素影响信号的可分性及分解效果；2)非平稳表面肌电信号的分解的困境: 动态收缩场景中肌电信号不符合卷积模型假设；3)实时分解的应用局限性: 现有的在线运动单位识别技术严重依赖离线预分解结果，制约动态场景应用。文章指出，高密度表面肌电分解的进一步发展及落地应用仍需在这些技术瓶颈的突破上做出努力。

此外，文章讨论了当前高密度表面肌电分解发展和应用中存在的一些值得商榷的问题，特别指出了分解中可能存在的可靠性风险，包括部分研究中评价有效运动单位的信噪比相关指标计算透明度不足、分解的运动单位数量过高可能存在妥协（降低）部分运动单位的信噪比相关指标的接受阈值或存在重复的未完全分解的运动单位等问题。

最后，随着各种高密度表面肌电分解程序的开发日益增多，文章提出“开源代码与数据共享”的倡议，建议不同课题组对所开发的分解程序实现源代码和测试数据开放访问或共享，文章作者已经在这方面做出表率。文章指出，这种开放模式能有力地促进不同课题组之间的交流，相互促进，澄清疑问，共同应对挑战，从而推动高密度表面肌电分解的进一步发展和应用。

研究意义

文章系统回顾了高密度表面肌电分解的发展历程和关键技术进展，明确指出当前在信号可分性、非平稳处理及实时应用等方面的核心挑战，并提出开源共享的倡议，旨在推动该技术向临床康复、神经工程等实际应用转化。文章在总结成果的同时，为后续研究和技术落地提供了方向与平台，具有重要的学术与实践意义。

文章来源：M. Chen and P. Zhou, "High-Density Surface EMG Decomposition: Achievements, Challenges, and Concerns," in IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 33, pp. 1212-1219, 2025, doi: 10.1109/TNSRE.2025.3551630.

原文链接：《高密度表面肌电分解：成就、挑战与商榷》、《康复大学周平教授团队最新高密度表面肌电信号分解综述》