Normalising electromyograms without maximal voluntary contractions

मानव मांसपेशियां बिजली की एक भाषा बोलती हैं। जब हम हिलने-डुलने का निर्णय लेते हैं, तो हमारा मस्तिष्क रीढ़ की हड्डी के माध्यम से मोटर न्यूरॉन्स को संकेत भेजता है, जो बदले में मांसपेशी तंतुओं (मांसपेशियों के रेशों) में विद्युत आवेग प्रवाहित करते हैं। यह गतिविधि त्वचा की सतह पर सूक्ष्म वोल्टेज परिवर्तन उत्पन्न करती है, जिसे इलेक्ट्रोमयोग्राफी (EMG) के रूप में जाना जाता है। वैज्ञानिक लंबे समय से शरीर के नियंत्रण को समझने, तंत्रिका और मांसपेशी स्वास्थ्य का आकलन करने, और उपयोगकर्ता के इरादे के प्रति प्रतिक्रिया करने वाले बायोनिक अंगों को डिजाइन करने में मदद करने के लिए इन संकेतों का उपयोग करते आए हैं। हालाँकि, इस विद्युत भाषा को पढ़ना कठिन है। त्वचा पर रिकॉर्ड किए गए संकेत का आकार कई चीजों पर निर्भर करता है: त्वचा कितनी मोटी है, इलेक्ट्रोड मांसपेशियों से कितनी दूर हैं, और व्यक्ति की स्थिति कैसी है। विभिन्न लोगों या विभिन्न दिनों के बीच मांसपेशियों की गतिविधि की तुलना करने के लिए, शोधकर्ताओं को आमतौर पर एक सामान्य संदर्भ बिंदु खोजने की आवश्यकता होती है। पारंपरिक रूप से, इसका अर्थ है किसी व्यक्ति को अपनी पूरी क्षमता से मांसपेशी को सिकोड़ने (स्क्वीज करने) के लिए कहना, जो एक 'फुल स्केल' के रूप में कार्य करता है।

यह मानक अभ्यास, उपयोगी होने के बावजूद, महत्वपूर्ण बाधाओं के साथ आता है। किसी व्यक्ति से उनके पूर्णतम प्रयास की मांग करना हमेशा संभव नहीं होता है। यह चोट से पीड़ित व्यक्ति के लिए दर्दनाक हो सकता है, बीमारी से उबर रहे रोगी के लिए थकाऊ हो सकता है, या किसी ऐसी न्यूरोलॉजिकल स्थिति वाले व्यक्ति के लिए बहुत कठिन हो सकता है जो मांसपेशियों को पूरी तरह से सिकोड़ने की क्षमता को सीमित करती है। इसके अलावा, स्वस्थ लोगों के लिए भी, प्रेरणा या थकान के आधार पर अधिकतम प्रयास का परिणाम दिन-प्रतिदिन भिन्न हो सकता है। वर्षों से, वैज्ञानिक उस कठिन, कभी-कभी असंभव लगने वाले अधिकतम प्रयास पर निर्भर किए बिना इन मांसपेशी संकेतों को सामान्य (normalize) करने का तरीका खोज रहे हैं। ग्रिफिथ यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने अब एक नई विधि प्रस्तावित की है जो अधिकतम प्रयास की आवश्यकता को पूरी तरह से हटाते हुए, स्वयं विद्युत संकेत के आकार (shape) को देखकर उसकी शक्ति निर्धारित करती है।

शोधकर्ताओं ने मांसपेशियों के संकेतों के व्यवहार के बारे में एक सरल अवलोकन से शुरुआत की। जब मांसपेशी बहुत कम सक्रिय होती है, तो विद्युत संकेत शांत होता है और एक केंद्रीय बिंदु के आसपास केंद्रित होता है। जैसे-जैसे मांसपेशी अधिक कठिन कार्य करती है और अधिक तंतु सक्रिय होते हैं, संकेत अधिक मुखर हो जाता है और फैल जाता है, जिससे वह तीव्रता में अधिक विविध हो जाता है। टीम ने परिकल्पना की कि यह फैलाव, या संकेत के वितरण की "चौड़ाई", एक अंतर्निर्मित पैमाने (रूलर) के रूप में कार्य कर सकती है। किसी व्यक्ति को अधिकतम तक पहुँचने के लिए कहने के बजाय, वे केवल यह माप सकते हैं कि किसी कार्य के दौरान संकेत कितना चौड़ा होता है और उस चौड़ाई का उपयोग यह अनुमान लगाने के लिए कर सकते हैं कि मांसपेशी अपने अधिकतम के सापेक्ष कितनी कठिन कार्य कर रही है।

इस विचार का परीक्षण करने के लिए, टीम ने सात स्वस्थ वयस्स्कों से एक स्थिर साइकिल (stationary bicycle) चलाते समय मांसपेशियों की गतिविधि को विभिन्न गति और शक्ति स्तरों पर रिकॉर्ड किया, जो एक हल्की वार्म-अप से लेकर एक पूरी ताकत वाली स्प्रिंट तक विस्तृत था। उन्होंने रेंज को व्यापक बनाने के लिए कुछ जंपिंग कार्यों को भी शामिल किया। प्रत्येक सत्र के लिए, उन्होंने पहले पारंपरिक "अधिकतम" की गणना की, जिसमें किसी भी कार्य के दौरान व्यक्ति द्वारा उत्पन्न सबसे मजबूत संकेत को पाया गया। फिर, उन्होंने उसी डेटा पर अपनी नई विधि लागू की। इस नए दृष्टिकोण ने कच्चे विद्युत संकेत को लिया, शोर (noise) को हटाया, और इसे समय के छोटे, ओवरलैपिंग स्लाइस में विभाजित किया। प्रत्येक स्लाइस में, शोधकर्ताओं ने दो चीजें मापीं: संकेत की शक्ति में कितना परिवर्तन हुआ और उन शक्तियों के वितरण की चौड़ाई कितनी थी। उन्होंने इन दो मापों का उपयोग यह भविष्यवाणी करने के लिए किया कि अधिकतम प्रयास क्या रहा होगा, जिससे प्रभावी रूप से बिना किसी प्रतिभागी से अपना सब कुछ झोंकने के लिए कहे, एक सामान्यीकृत पैमाना तैयार हुआ।

परिणाम आश्चर्यजनक रूप से पारंपरिक पद्धति के करीब थे। जब शोधकर्ताओं ने अपने नए अनुमानों की तुलना मानक अधिकतम-प्रयास मापों से की, तो औसत अंतर केवल छह प्रतिशत से थोड़ा अधिक था। दूसरे शब्दों में, नई विधि ने मांसपेशियों के प्रयास की तीव्रता की उच्च सटीकता के साथ भविष्यवाणी की, जो पारंपरिक दृष्टिकोण की तरह ही गतिविधि के उतार-चढ़ाव को पकड़ लेती है। यह विधि विभिन्न साइकिलिंग स्थितियों में लगातार काम करती रही, कम-शक्ति वाले पेडलिंग से लेकर अधिकतम स्प्रिंट तक। यह देखने के लिए कि क्या यह दृष्टिकोण बाइक के नियंत्रित वातावरण के बाहर काम कर सकता है, टीम ने एक स्वतंत्र प्रतिभागी पर चलने, दौड़ने, स्क्वाट करने और कूदने के कार्यों के दौरान इसका परीक्षण किया। हालांकि अधिक जटिल गतिविधियों में त्रुटि दर थोड़ी अधिक थी, जो औसतन लगभग बारह प्रतिशत थी, फिर भी विधि ने मांसपेशियों की गतिविधि की सापेक्ष तीव्रता को सफलतापूर्वक पकड़ा।

अध्ययन बताता है कि यह वितरण-आधारित तकनीक उन स्थितियों के लिए एक व्यावहारिक विकल्प प्रदान करती है जहाँ अधिकतम प्रयास संभव नहीं है। यह क्षेत्र (field) में उपयोग किए जाने वाले पहनने योग्य उपकरणों (wearable devices) के लिए विशेष रूप से मूल्यवान हो सकता है, जहाँ एक जटिल अंशांकन (calibration) प्रक्रिया स्थापित करना अव्यवहारिक है, या नैदानिक मूल्यांकन में शामिल रोगियों के लिए जो सुरक्षित रूप से अधिकतम संकुचन (contraction) नहीं कर सकते। शोधकर्ताओं ने उल्लेख किया कि उनकी विधि त्रुटि के सभी स्रोतों को समाप्त नहीं करती है, जैसे कि इलेक्ट्रोड प्लेसमेंट में अंतर, लेकिन यह हर माप सत्र के लिए एक आदर्श अधिकतम संदर्भ खोजने के बोझ को हटा देती है। मांसपेशी संकेत के प्राकृतिक सांख्यिकीय गुणों पर भरोसा करके, टीम ने प्रदर्शित किया है कि अधिकतम दबाव मांगे बिना मांसपेशियों के प्रयास को मापना संभव है।

हालांकि निष्कर्ष उत्साहजनक हैं, लेखक इसे मौजूदा सभी विधियों के विकल्प के बजाय एक नए विकल्प के रूप में प्रस्तुत करने में सावधानी बरतते हैं। सत्यापन मुख्य रूप से स्वस्थ वयस्कों पर किया गया था, और टीम स्वीकार करती है कि यह पुष्टि करने के लिए कि क्या यह दृष्टिकोण न्यूरोलॉजिकल चोटों वाले लोगों या विभिन्न प्रकार के मांसपेशी संकुचनों के लिए सही है, और अधिक काम की आवश्यकता है। इस पद्धति के लिए संकेत की गुणवत्ता सुसंगत सुनिश्चित करने के लिए विशिष्ट रिकॉर्डिंग उपकरण और सेटिंग्स की आवश्यकता होती है। फिर भी, अध्ययन मांसपेशियों की गतिविधि को मापने के एक सरल, कम बोझिल तरीके के लिए एक स्पष्ट मार्ग प्रदान करता है। यह सुझाव देता है कि "यह मांसपेशी कितनी कठिन कार्य कर रही है?" का उत्तर स्वयं संकेत के भीतर छिपा है, जिसे अंतिम, थका देने वाले प्रयास की आवश्यकता के बिना पढ़ा जा सकता है।