肌少症表面肌电图的系统综述：涉及肌肉、信号处理技术、显著特征及人工智能方法

背景介绍

肌少症是一种与年龄相关的骨骼肌质量与功能进行性下降的综合征，影响约1–29%的老年人口，尤其是社区居住的老年人中女性患病率可达30%。其主要表现包括肌肉力量下降、肌肉质量减少及身体功能衰退，常伴随生活品质下降、残疾风险增加和死亡率上升。

目前诊断肌少症的金标准方法如双能X射线吸收法（DXA）、磁共振成像（MRI）和手握力测试，虽可靠但成本高、需专业设备与人员，且不便携，限制了其在早期筛查和长期监测中的应用。

因此，近年来研究者开始探索非侵入性、可穿戴的替代工具，其中表面肌电图（sEMG）因其能实时捕捉肌肉电活动、反映神经肌肉功能变化而备受关注。sEMG尤其适用于早期肌少症的检测，因其能在肌肉质量明显下降之前识别神经肌肉活动模式的异常。

本文旨在系统回顾sEMG在肌少症诊断与评估中的应用，涵盖所研究的肌肉、信号处理技术、特征提取方法以及人工智能与统计分析策略，以推动该领域标准化与临床转化。
 

 
论文摘要

本研究遵循PRISMA指南，系统检索了2014年至2024年12月期间PubMed、Scopus和IEEE数据库中关于sEMG用于肌少症诊断与评估的文献。初检获198篇，去除重复后剩余145篇，最终纳入18篇进行深入分析。综述发现，sEMG在肌少症研究中应用逐渐增多，尤其在2020年后呈现明显上升趋势。

研究多聚焦下肢肌肉（如股外侧肌、腓肠肌、胫骨前肌等），采用等长收缩（如最大自愿收缩）和动态任务（如起立-行走测试）进行信号采集。常用设备包括无线sEMG系统（如BTS FreeEMG 1000）、高密度sEMG（如OT Bioelettronica的Sessantaquattro）以及集成可穿戴传感器。信号处理以带通滤波（常为10–500 Hz）、归一化和特征提取（如均方根、中值频率）为主；人工智能方法中支持向量机（SVM）和随机森林（RF）分类器表现最佳，准确率可达96%以上。

然而，研究间方法学异质性较大，缺乏统一协议，限制了结果的可比性与临床推广。未来需开展多中心、大样本研究，制定标准化采集与处理指南，并推动sEMG与可穿戴设备的融合，以实现肌少症的早期识别与长期监测。
 

 
研究方法

本研究采用PRISMA-S框架进行系统性文献检索与筛选，关键词涵盖“surface electromyography”“sarcopenia”“muscle strength”等，检索范围包括Scopus、PubMed和IEEE数据库。纳入标准为：2014–2024年间发表、使用sEMG评估肌少症相关参数、以人为研究对象；排除非英文、全文不可及、与非骨骼肌相关的研究。

最终纳入的18篇研究中，部分采用了高密度sEMG设备，如OT Bioelettronica（Italy）的Sessantaquattro系统（型号为64通道半可弃式电极网格），该设备在多通道信号采集与空间分辨率方面表现优异，适用于精细分析肌肉激活模式。

信号采集前，皮肤经剃毛、酒精清洁处理，电极沿肌纤维走向放置于肌腹，避免肌腱与神经支配区。信号预处理常用Butterworth带通滤波器（如20–450 Hz）去除噪声与运动伪影，并进行最大自愿收缩归一化以提升跨被试可比性。特征提取涵盖时域（如均方根、积分肌电）、频域（如中值频率）及时频域（如小波熵）指标，部分研究进一步采用主成分分析或最小冗余最大相关性进行特征选择。人工智能模型包括支持向量机、随机森林、K近邻等，通过交叉验证评估分类性能。
 
                                                                

 
实验结果

纳入研究的肌肉以下肢为主（尤其是股外侧肌、腓肠肌外侧头、胫骨前肌），上肢（如肱桡肌）与核心肌群（如多裂肌）亦有涉及。常用运动任务包括等长收缩（如手握力测试）和动态活动（如5米步行、30秒起立测试）。

信号处理方面，Butterworth带通滤波（10–500 Hz）使用最广泛，特征提取以均方根、积分肌电、中值频率等为主。在人工智能分类方面，SVM在Leone等人（2022）的研究中取得最佳性能，准确率达96.7%；RF在Hung等人（2023）的研究中也达到96.37%的准确率（图6a）。

统计分析显示，肌少症患者与健康对照组在sEMG特征上存在显著差异，如肌电振幅下降、频率成分左移、肌肉协调性降低等。部分研究还发现，高密度sEMG指标（如肌肉收缩强度、收缩动态）与年龄、体力活动水平显著相关，可用于区分不同肌少症风险群体。尽管分类模型表现良好，但各研究在样本量、任务协议、特征集等方面存在差异，影响了结果的一致性与泛化能力。
 

 
总结与展望

sEMG作为一种非侵入性、可实时监测肌肉活动的技术，在肌少症早期识别与进展监测中展现出重要潜力。本综述表明，通过结合适当的信号处理与人工智能方法，sEMG能够有效区分肌少症患者与健康人群，且部分便携设备已支持家庭环境下的长期监测。然而，当前研究仍面临若干挑战：缺乏统一的电极放置标准、运动任务协议与信号处理流程；样本规模普遍较小，且多为横断面设计，限制了纵向变化分析的可靠性；多数模型尚未在真实临床场景中得到验证。

未来研究应致力于：制定标准化的sEMG采集与处理指南；开展多中心、大样本队列研究，增强模型泛化能力；推动sEMG与惯性传感器、力传感等多元数据融合，构建全方位肌肉功能评估系统；开发基于边缘计算或云平台的实时分析工具，以支持临床决策与居家健康管理。最终，sEMG有望成为肌少症筛查、诊断与干预评估的重要辅助工具，促进老年人肌肉健康管理的个性化与精准化。

原文链接

https://doi.org/10.3390/s25072122

研究团队介绍
 
本综述由意大利国家研究委员会微电子与微系统研究所的跨学科团队完成。团队核心成员包括Alessandro Leone、Anna Maria Carluccio、Andrea Caroppo、Andrea Manni与Gabriele Rescio。该团队长期致力于将微电子、传感器技术与人工智能方法应用于健康监测与老年医学领域，尤其在利用生理信号（如表面肌电sEMG）进行肌肉功能评估方面具有深厚的研究基础与工程经验。在本研究中，团队系统性地回顾并分析了sEMG在肌少症诊断中的应用，相关工作获得了欧盟Next Generation EU “Age-It” 项目的资助，体现了其研究的前沿性与社会重要性。

关于瑞鸿安
 

 
意大利OT总代理

瑞鸿安(广东）科学设备有限公司总部坐落于中国广州，主要经营各类实验室仪器、分析仪器以及最新的运动健身、体能测试、体能训练、体能恢复、生物医学、运动心理学、运动生理学、运动训练学、康复医疗、人体工程学、机器人技术、脑机接口可用性测试等产品，并提供设计、安装、培训、科研等全方位服务，以及实验室的建设。公司现在主要代理和经销着OT Bioelettronica公司研发的各类高密度矩阵肌电、穿戴式无线肌电、无线表面肌电等采集分析系统。

为什么选择OT
OT Bioelettronica是生物电信号采集领域，特别是高密度肌电领域的全球领导者和标准制定者之一。研究者选择该系统的原因非常明确：
1.专业性与可靠性： 其设备是专门为科研和临床研究设计的，提供工业级的可靠性和信号保真度。
2.高通道数支持： 为HD-EMG研究提供了必要的技术基础。
3.完整的生态系统： 从电极、放大器到采集软件，提供了一个完整且经过优化的解决方案，确保了从数据采集到后期处理的流程顺畅。
4.学术认可度： 在全球顶尖的神经力学和生物力学实验室被广泛采用，其数据质量在学术界享有很高的声誉，在世界顶刊上发表了1000余篇专业论文，这增加了研究结果的可信度和可重复性。
 
产品推荐

本实验由意大利OT公司研发的sessantaquattro无线高密度肌电采集系统完成，该设备最大可达64通道的高密度矩阵式肌电记录系统。可以观察肌肉局部席位的电生理活动特性。在无创研究神经-肌肉电生理信号传导、疲劳负荷评价、肌电模式识别和肌纤维类判读方面具有无与伦比的优势。可广泛用于体育训练、运动选材、康复指导、仿生假肢设计、机器人等研究领域。