在神经肌肉系统中，运动神经末梢与肌纤维形成的神经肌肉接头往往集中分布在一条带状区域，这一特殊区域被称为肌肉支配区（Innervation Zone，IZ）。准确识别IZ的位置不仅有助于理解肌肉的形态学结构和运动控制机制，还在临床实践中具有重要意义。例如，在治疗肌张力障碍时，肉毒毒素注射若能够精确定位IZ，就能显著提高疗效并减少药物剂量；在表面肌电记录中，合理避开或标记IZ位置有助于获得更稳定、可靠的信号；在分娩过程中，掌握会阴肌肉的IZ分布则有助于降低括约肌损伤的风险。然而，IZ的估计过程往往受到多种神经生理因素的干扰，其中最为关键的包括运动单位的同步化程度以及肌肉是否存在单一或多个IZ。由于这些因素在实验环境下难以系统地操控和验证，如何在复杂的神经肌肉活动条件下准确识别IZ，成为亟需解决的科学与临床问题。

针对这一问题，来自康复大学周平教授团队开展了一项仿真研究（图1），成果发表于Biosensors期刊，题为Neurophysiological Factors Affecting Muscle Innervation Zone Estimation Using Surface EMG: A Simulation Study。研究者构建了包含120个运动单位的肌电仿真模型，模拟不同生理条件下的表面肌电信号采集与IZ估计过程。通过在模型中设置单一与双重IZ结构，并结合无同步、部分同步以及完全同步三种运动单位放电模式，研究团队系统分析了这些神经生理因素对IZ定位准确性的影响。结果显示：单 IZ 肌肉在所有同步状态下 IZ 估算均准确，双 IZ 肌肉仅在无同步时可估算至少一个 IZ，中度同步或完全同步（M 波）时会出现假 IZ 估算；结论指出，单 IZ 肌肉的 EMG 估算 IZ 受 MU 同步化影响小，但双 IZ 肌肉需警惕同步化导致的估算误差，尤其临床应用中需注意。

图1. 论文信息

本研究采用计算机仿真的方式系统评估不同神经生理因素对IZ估计的影响。研究团队构建了一个包含120个运动单位的运动单位池模型，模拟运动单位的募集与发放过程，并结合运动单位动作电位(MUAP)生成模型（图2），以重现肌肉在收缩时的电活动特征。电极设置方面，研究模拟了一个8×8的高密度表面肌电阵列，总计64个通道，电极间距为4 mm，排列方向与肌纤维走向平行（图3）。肌肉形态被简化为圆柱形结构，肌纤维总数为7万条，随机分布在运动单位领地内，神经肌肉接头则位于单一或双重IZ区域，以此模拟现实肌肉可能存在的不同生理因素。

高密度电极示例

图2. 纤维动作电位产生模型及检测系统。所有的肌纤维在圆柱体的不同深度h ( y轴)上均匀分布。一个左、右电流三极子起源于IZ，并沿z轴方向传播到纤维-肌腱末端消失

图3. 仿真电极矩阵由8列(平行于肌纤维方向)和8行的网格组成。(A) 单个IZ位于第4行。(B)两个IZ分别位于第2行和第3行之间以及第6行

在实验设计中，研究重点考察了两个核心变量：其一是肌肉是否存在单一IZ或双IZ；其二是运动单位的同步化程度，分别设置为无同步、15%同步（接近生理状态）以及完全同步（接近最大电刺激下的M波）。在信号处理阶段，研究通过差分方法获得沿肌纤维方向的表面肌电信号，并利用通道间的相关性分析与相位反转特征来估计IZ的位置。

“15% 同步化水平” 的含义是：在整体模拟中，每个运动单位有 15% 的脉冲会作为 “参考脉冲”；同时，其余活跃运动单位中，有 15% 的脉冲会被调整到与这些参考脉冲对齐。因此该同步化过程包含四个步骤：（1）在所有活跃运动单位中，选取一个运动单位作为参考运动单位（reference MU）；（2）随机选取该参考运动单位发放的 15% 的 MUAPs；（3）在剩余的活跃运动单位中，随机选取 15% 作为同步运动单位（synchronized MUs）；（4）针对参考运动单位中每一个被选中的 MUAP，调整所有同步运动单位中与其时间最接近的 MUAP 的时序，使其与参考 MUAP 完全重合。

图4. MU同步示意图，以其中4个MU所放行的MUAP序列为例进行了说明。将随机选择的同步MUs ( MU120、MU115、MU85)的部分脉冲时序调整为与参考MU 50的随机选择脉冲一致。此过程重复120次，使池中每个MU作为参考MU

仿真结果表明，对于单一IZ的肌肉，不论在何种同步化条件下，表面肌电估计的结果均与模型设定的真实IZ位置保持一致，显示出IZ估计方法的稳定性和可靠性（图5）。通过计算干扰相表面肌电相邻通道间的相关系数进一步证实这一结论，三种同步条件下均在3-4行之间的相关系数最小（图6展示两种同步条件）。然而，在双IZ肌肉的模拟中，情况则更为复杂。当运动单位之间不存在同步时，估计结果能够较为准确地捕捉到至少一个IZ的位置。如图7所示，可以观察到第6行和第7行对所有列的相关系数最小，表明IZ大致位于第6-7行之间，至少有一个IZ可以被估计。但一旦引入同步化，无论是15%的部分同步还是完全同步，估计结果往往会出现明显偏差，甚至生成与真实情况不符的“假IZ”（图8）。在M波模拟中同样观测到了类似现象，提示强同步化可能导致双IZ肌肉的表面肌电信号产生相位抵消与叠加效应，从而产生错误的IZ定位。

图5. 从单个IZ肌肉的模拟表面肌电图中识别出IZ位置的样本。 (A)无MU同步下的干扰表面肌电。(B) 15% MU同步水平下干扰相表面肌电。(C) M波

图6. 所有8列(对于单个IZ模拟)相邻通道表面肌电信号之间的相关系数。(A)对于无MU同步下的干扰相表面肌电。(B) 15% MU同步水平下的干扰相表面肌电

图7. (A)所有8列(对于双IZ仿真，没有MU同步)的相邻信道信号之间相关系数的例子，(B)对于每一列，在所有十次重复中相关系数最小的相邻行对的计数

图8. 双IZ、15%的同步水平的IZ位置例子，(A)模拟的差分肌电信号。(B)所有8列(表明IZ位于第4列和第5列之间)的相邻通道信号之间的相关系数

进一步的可视化分析揭示了这一机制（图9）。在双IZ且存在同步化的条件下，MUAP在不同支配区起始传播的波形往往发生正负相位的重叠与抵消，使得在某些电极通道间出现“假性极小值”或“相位反转”。这些信号特征在传统算法中会被误判为IZ位置，最终导致偏差。相比之下，单IZ肌肉由于信号传播方向单一，即使存在同步化也不易出现类似的干扰，因此估计结果更加鲁棒。

图9. 从模拟的双IZ条件下M波中识别出IZ位置的例子。(A)差分MUAPs的分布。模拟的两个IZ分别位于第2行和第6行与第7行之间。(B)所有MUAP求和产生的M波

随着高密度表面肌电和计算建模方法的发展，肌肉支配区的识别正逐渐摆脱传统经验的限制，迈向基于仿真与数据驱动的精准分析。本研究通过系统模拟揭示了运动单位同步化和多IZ结构对支配区定位的影响，提醒研究者和临床人员在应用传统方法时应保持谨慎。这不仅是一项技术探索，更是推动肌电信号从“记录现象”走向“理解机制”的重要一步。对于肉毒毒素注射、康复训练评估以及电极布置等应用场景，研究成果提供了新的科学依据，也为未来实现更精准、更个性化的干预开辟了可能。

当然，本研究也存在一定局限。模拟环境与真实生理条件仍有差距，例如肌纤维分布的不均质性、复杂的解剖结构和电极接触状态等，都可能影响IZ定位结果。此外，本研究采用的估计方法仍基于传统的线性分析，尚未结合更复杂的非线性特征与人工智能算法。未来研究可引入高密度肌电分解、单运动单位追踪以及超声、MRI等多模态手段进行验证，同时发展更智能化的IZ定位工具，从而推动这一方法在康复医学、运动训练和神经疾病干预中的临床应用。

作者进一步提出，随着高密度表面肌电分解技术的发展，获取单个运动单位的成分信息并据此推断IZ分布，或将成为提高IZ定位准确性的有效途径。这一工作不仅揭示了IZ估计的潜在陷阱，也为临床上的肉毒毒素精准注射、康复训练评估以及肌电采集方法优化提供了新的思路。

原文链接

研究团队介绍

关于维拓启创

相关产品