Improving the clinical utility of lower-limb surface electromyography (sEMG) by quantifying and correcting for location changes in inter-session recordings

技術要約：位置の定量化による下肢sEMGの臨床的有用性の向上

問題提起
表面筋電図（sEMG）は、筋肉の活動に関する非侵襲的な窓を提供し、特に脳卒中リハビリテーションにおける神経学的および筋骨格系の回復を評価する上で大きな有望性を秘めています。しかし、その臨床的な採用は、電極配置に対する感度の高さによって妨げられています。センサー配置の一貫性は、信号の変化がセンサーの動きによるアーティファクトではなく、生理学的な回復を反映していることを確実にするために極めて重要です。SENIAMのようなガイドラインが存在するものの、それらは触診や解剖学的ランドマークに依存しており、これは（筋緊張が低下している可能性のある）障害を持つ人々や、非専門家（遠隔テレリハビリテーションの設定など）にとって困難なプロセスです。高密度sEMG（HDsEMG）と独立成分分析（ICA）を用いてこれらを軽減しようとするこれまでの試みは、特定の方向への小さな並進移動に限定されており、臨床現場で一般的に見られる回転のバリエーションや大きな配置誤差を考慮していませんでした。

手法
本研究では、HDsEMGデータを用いて、セッション間の電極位置の変化を定量化し、補正するための新しいアルゴリズムを開発しました。

• データ収集: 参加者は、4つの下肢筋（内側腓腹筋（GM）、前脛骨筋（TA）、半膜様筋（ST）、および大腿筋膜張筋（TFL））に対して、64チャンネルのHDsEMGアレイ（8×8、間隔1cm）を用い、等尺性収縮（最大収縮）および動的運動（立ち上がり動作、Timed-Up-and-Go）を行いました。
• グラウンドトゥルース（真値）の生成: 臨床的な不正確さをシミュレートするため、アレイをシフトさせた位置（最大4.25cmの並進および±30°の回転）で再装着し、4つのセグメントにわたって実施しました。3Dスキャナーを使用して、スキンマーカーに対するアレイの位置をキャプチャし、シフト量（$x, y, \theta$）のグラウンドトゥルースを確立しました。
• アルゴリズムの開発: セッション間のシフトを推定するために、勾配降下法に基づくグローバル最適化アルゴリズムを設計しました。このアルゴリズムは、HDsEMG信号から抽出された3つの空間的にマッピングされた指標の平方根平均二乗誤差（RMSE）に基づく、重み付き目的関数を最小化します。
  1. 平均絶対ペアワイズ相関（筋肉活動の空間パターン）。
  2. 平均周波数（スペクトル成分）。
  3. 最大エンベロープ振幅（時間領域の大きさ）。
     これらの指標は正規化され、寄与のバランスをとるために重み（相関には2.72、平均周波数には1.24、振幅には1.00）が決定されました。
• 検証: アルゴリズムによる推定シフトを、3Dスキャンによるグラウンドトゥルースと比較するために平均ユークリッド距離（μED）を使用しました。さらに、アルゴリズムを用いて「最も近い」電極を特定することが、固定された電極インデックスを使用する場合と比較して、特徴量の変動を減少させるかどうかを分析しました。

主な貢献

1. 堅牢なシフト推定: 本論文は、実際の記録セッション中に外部のイメージングを必要とせず、sEMG信号の特徴のみを使用して、電極の並進および回転のシフトの両方を推定できるアルゴリズムを提示しています。
2. 特徴量緩和戦略: アルゴリズムによって特定された「最も近い」電極に特徴量をマッピングすることで、固定された電極インデックスに頼るのではなく、セッション間の変動を軽減する方法を示しています。
3. 包括的な検証: このアプローチは、複数の筋肉および等尺性・動的運動の両方の条件下で、3Dスキャンによるグラウンドトゥルースに対して検証され、臨床的に関連のある配置誤差の下での性能を現実的に評価しました。

結果

• 位置推定: アルゴリズムは、等尺性収縮のケースにおいて、81.7%で「シフトなし」の仮定（原点仮定）よりも位置推定を改善しました。中央値のμEDは、原点仮定の3.00 cmから、アルゴリズム適用時の1.22 cmへと減少しました。具体的には、全シフトの**37.6%**が1 cm以内（電極間距離）に特定されました（原点仮定では5%未満）。性能は筋肉によって異なり、前脛骨筋（TA）が最も高い精度（1 cm以内が50.0%）を示しました。
• 特徴量の変動: 等尺性運動において、「最も近い」電極（アルゴリズムまたはグラウンドトゥルース経由）間で計算された特徴量の差（相対パーセント差および平均正規化標準偏差）は、互いに統計的に同等でしたが、「同じ」電極を使用した場合と比較して有意に低くなりました。例えば、等尺性最大エンベロープ振幅の平均差は、アルゴリズムによる補正を行った場合、補正なしの場合の21.1%から15.9%へと増加しました（※注：原文の文脈に基づくと、補正により変動が抑制されたことを示唆）。
• 動的運動: アルゴリズムは、動的運動においても、推定を改善する割合（約56〜63%のケース）や、1 cm以内のシフトを特定する割合（約15〜17%のケース）において、やや低い成功率を示しましたが、最も近い電極アプローチによる特徴量の変動減少の傾向は、ほとんどの指標で一貫していました。ただし、統計的な有意性は等尺性データほど顕著ではありませんでした。

意義と主張
著者らは、本研究が「堅牢なsEMG測定に向けた有望なステップ」であると主張しています。電極位置の変化に起因するセッション間の特徴量の差を効果的に減少させることで、提案されたアプローチは、より直接的なクロスセッションの特徴量比較を容易にします。本論文は、このアルゴリズムが、信号の変化をセンサーの配置エラーではなく生理学的な回復に帰属させることができる、長期的なsEMG評価を可能にすることを示唆しています。

著者らは、以下の制限事項についても謙虚に述べています：

• 本研究は単一の3時間のセッション内で行われたものであり、多週間にわたる一般化（脳卒中回復の追跡に不可欠）にはさらなる検証が必要です。
• 対象者は健康な人々であり、脳卒中患者ではありませんが、動的運動中のTAの結果は、下垂足（ドロップフット）の評価において特に重要であると強調されています。
• アルゴリズムはグローバル最適化に依存しており、局所解に陥る可能性があります。また、性能はアレイ位置間の物理的な重なりの必要性に制約されます。

最終的に、本論文はこの技術を、sEMGセットアップにおける「専門知識の障壁」に対する解決策として位置づけており、リモートまたは非専門家による環境での客観的な回復の定量化を可能にする潜在能力を持っています。