Lempel-Ziv complexity of simultaneous surface electromyography and magnetomyography during muscle fatigue

이 연구는 이두근 피로 동안 sEMG 와 OPM 기반 MMG 신호의 램펠 - 지브 (Lempel-Ziv) 복잡도 분석을 통해, 기존 진폭 및 주파수 특성을 넘어 신경근 신호 조직의 변화를 포착할 수 있음을 확인하고 두 측정 모달리티가 유사하지만 모달리티 고유의 정보를 제공함을 규명했습니다.

핵심

이 논문은 **"피로한 근육이 어떻게 변하는지"**를 두 가지 다른 방법으로 들여다보고, 그 안에서 숨겨진 **'질서'**와 **'혼란'**의 변화를 분석한 연구입니다.

간단히 말해, **"근육이 지칠 때 전기 신호와 자기 신호가 어떻게 변하는지, 그리고 그 신호가 얼마나 '복잡한지'를 측정했다"**는 내용입니다.

이 연구의 핵심 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

---

1. 연구의 배경: 근육은 왜 피로할까?

우리가 팔을 들고 있는 것처럼 근육을 오래 유지하면, 근육은 지쳐갑니다. 이를 **근육 피로 (Muscle Fatigue)**라고 합니다.

• 전통적인 방법: 예전에는 근육이 피로해지면 신호의 **크기 (볼륨)**가 커지거나, **소리의 높이 (주파수)**가 낮아지는지 확인했습니다. 마치 라디오를 틀었을 때 소리가 커지거나, 목소리가 낮아지는 것처럼요.
• 이 연구의 새로운 시선: 하지만 신호의 크기나 높이만으로는 부족합니다. 이 연구는 **"신호의 패턴이 얼마나 복잡하고 예측 불가능한가?"**를 측정했습니다. 이를 '랜덤한 혼란'에서 '규칙적인 반복'으로 변하는 과정을 찾아낸 것입니다.

2. 두 가지 측정 도구: "전선"과 "나침반"

연구진은 근육의 활동을 측정하기 위해 두 가지 도구를 동시에 사용했습니다.

1. sEMG (피부 표면 전기 신호):
   • 비유: 피부 위에 붙인 **전선 (마이크)**입니다. 근육에서 나오는 전기 신호를 직접 잡습니다.
   • 특징: 오랫동안 쓰인 전통적인 방법이지만, 피부와 근육 사이의 지방층 때문에 신호가 약간 흐릿해질 수 있습니다.
2. OPM-MMG (광펌프 자기 신호):
   • 비유: 근육 바로 옆에 둔 초정밀 나침반입니다. 근육이 움직일 때 생기는 아주 미세한 자기장을 잡습니다.
   • 특징: 최근 개발된 첨단 기술로, 전선 없이도 근육의 움직임을 매우 선명하게 포착할 수 있습니다.

질문: "이 두 가지 도구가 근육이 피로해질 때 보여주는 신호가 서로 비슷할까?"가 이 연구의 핵심 질문입니다.

3. 실험 내용: 팔을 들고 있는 게임

연구진은 건강한 사람들에게 팔뚝 근육 (이두근) 을 두 가지 강도로 오래 쥐어짜게 했습니다.

• 쉬운 모드: 20% 힘으로 20 분간 팔을 들고 있음.
• 어려운 모드: 60% 힘으로 3 분간 팔을 들고 있음.

이때 두 개의 센서 (전선과 나침반) 가 동시에 근육의 신호를 기록했습니다.

4. 주요 발견: "혼란"에서 "규칙"으로

연구진은 기록된 신호를 분석하여 Lempel-Ziv (LZ) 복잡도라는 지표를 계산했습니다. 이를 비유하자면 다음과 같습니다.

• 피로하지 않은 상태 (초기): 근육 신호는 마치 재미있는 재즈 음악 같습니다. 즉흥적이고 예측하기 어려우며, 다양한 리듬이 섞여 있어 '복잡도 (Complexity)'가 높습니다.
• 피로한 상태 (나중): 근육이 지치면, 신호는 단조로운 드럼 소리처럼 변합니다. 같은 리듬이 반복되고, 예측 가능해지며, '복잡도'가 낮아집니다.

결과 1: 두 도구는 같은 이야기를 했습니다.
전선 (sEMG) 과 나침반 (OPM) 모두 근육이 피로해지면 신호가 단조로워지고 규칙적으로 변한다는 것을 똑같이 감지했습니다. 즉, 나침반도 전기 신호만큼이나 근육의 피로를 잘 알아챕니다.

결과 2: 복잡도는 새로운 정보를 줍니다.
기존에 알던 '소리의 크기 (볼륨)'나 '높이 (주파수)'만으로는 설명되지 않는 부분이 있었습니다. 신호가 단순해지는 현상은 단순히 소리가 커지거나 낮아지는 것과는 별개의, 근육 신호의 '질서'가 무너지는 과정을 보여줍니다. 마치 재즈 밴드가 지치면 즉흥 연주를 멈추고 똑같은 리듬만 반복하는 것처럼, 근육도 지치면 다양한 조절 능력을 잃고 단순한 패턴만 반복하게 됩니다.

결과 3: 힘의 강도에 따른 차이

• 전선 (sEMG): 힘을 많이 쓸수록 (60%) 초기 신호가 더 복잡했습니다.
• 나침반 (OPM): 힘을 많이 써도 초기 신호의 복잡도는 크게 변하지 않았습니다.
  • 이는 나침반이 전기 신호와는 조금 다른 방식 (예: 근육의 깊이, 방향 등) 으로 정보를 포착하기 때문일 수 있습니다.

5. 결론: 왜 이 연구가 중요한가요?

이 연구는 **"근육이 지칠 때, 단순히 신호가 커지는 것뿐만 아니라, 신호의 '질서'가 무너진다는 것"**을 증명했습니다.

• 새로운 진단 도구: 앞으로 근육 피로를 진단할 때, 단순히 신호의 크기를 보는 것뿐만 아니라 **'신호의 복잡도'**를 함께 보면 더 정확한 정보를 얻을 수 있습니다.
• 첨단 기술의 검증: 아직은 전선 (sEMG) 이 더 익숙하지만, 나침반 (OPM) 기술도 근육의 피로를 매우 잘 감지한다는 것을 확인했습니다. 이는 앞으로 더 작고 편리한 웨어러블 기기를 개발하는 데 큰 도움이 됩니다.

한 줄 요약:

"근육이 지치면 마치 재즈 밴드가 단조로운 리듬만 반복하게 되는데, 우리는 전기 신호와 자기 신호 두 가지 도구로 이 '리듬의 단순화'를 똑같이 포착해냈습니다. 이제 근육 피로를 볼 때, 단순히 '소리 크기'만 보지 말고 '리듬의 복잡함'도 함께 봐야 합니다!"

기술 요약

논문 요약: 근육 피로 중 동시 측정된 표면 근전도 (sEMG) 와 광학 펌프 자성근전도 (OPM-MMG) 의 Lempel-Ziv 복잡도 분석

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 근육 피로 (Muscle Fatigue) 는 중추 및 말초 기전의 상호작용으로 발생하며, 표면 근전도 (sEMG) 신호의 진폭 증가, 주파수 저하 (Median Frequency 감소) 등 고전적인 지표로 잘 알려져 있습니다. 최근에는 신호의 시간적 구조를 정량화하는 '복잡도 (Complexity)' 기반 지표 (예: 엔트로피, 압축성 기반 측정) 가 피로 관련 변화를 포착하는 데 활용되고 있습니다. 특히 Lempel-Ziv (LZ) 복잡도는 신호의 규칙성과 반복성을 정량화하여 피로 진행에 따른 신호 조직화 변화를 감지하는 데 유용합니다.
• 문제: 광학 펌프 자성센서 (OPM) 를 이용한 자성근전도 (MMG) 는 sEMG 를 보완하는 비침습적 측정 기술로 부상하고 있습니다. sEMG 와 MMG 가 진폭 및 주파수 특성은 유사하게 보인다고 알려져 있으나, 신호의 복잡도 (Complexity) 기반 지표가 두 측정 모드 간에 일관된 피로 관련 역학을 보이는지, 그리고 MMG 가 sEMG 와 유사한 복잡도 정보를 제공하는지 여부는 명확하지 않았습니다.

2. 연구 방법론 (Methodology)

• 실험 설계:
  • 참가자: 건강한 젊은 성인 (20% MVC 조건 12 명, 60% MVC 조건 6 명).
  • 과제: 이두근 (Biceps brachii) 을 대상으로 한 등척성 팔꿈치 굴곡 운동.
    • 조건 A: 최대 의도 수축 (MVC) 의 20% 로 20 분간 유지.
    • 조건 B: MVC 의 60% 로 3 분간 유지.
  • 측정 장비: sEMG (전극) 와 OPM 기반 MMG (QuSpin 사의 OPM 센서) 를 동시에 기록. 모든 데이터는 2343.8 Hz 로 샘플링 후 1000 Hz 로 재샘플링.
• 데이터 전처리:
  • 고역/저역 필터링 (30-200 Hz), 전원선 노이즈 제거, 아티팩트 제거, Z-score 정규화.
  • 5 초 구간 (Window) 단위로 분할하여 분석.
• 추정 파라미터:
  1. Lempel-Ziv (LZ) 복잡도: 이진화 (Binarization) 된 신호에 대한 압축 기반 복잡도 계산 (신호의 무작위성/규칙성 지표).
  2. 중앙 주파수 (Median Frequency): 스펙트럼 특성의 피로 지표.
  3. 제곱근 평균 (RMS): 진폭 기반 활성화 지표.
• 통계 분석:
  • 상관관계 행렬 (Correlation Matrix) 을 통한 파라미터 간 관계 분석.
  • 다중 선형 회귀 (Multiple Linear Regression) 를 통해 시간, 진폭 (RMS), 주파수가 LZ 복잡도에 미치는 독립적인 기여도 분석.
  • 선형 혼합 효과 모델 (Linear Mixed-Effects Models) 을 사용하여 20% 와 60% MVC 조건 간의 피로 역학 차이 비교.

3. 주요 결과 (Key Results)

• 피로 관련 역학의 일관성:
  • 두 조건 (20%, 60% MVC) 과 두 측정 모드 (sEMG, MMG) 모두에서 시간이 지남에 따라 LZ 복잡도가 점진적으로 감소하는 경향을 보였습니다. 이는 피로가 진행됨에 따라 신경근 신호 패턴이 더 규칙적이고 반복적으로 변함을 의미합니다.
  • 동시에 RMS 는 증가하고 중앙 주파수는 감소하는 고전적인 피로 패턴이 두 모드 모두에서 관찰되었습니다.
• 복잡도의 독립적 정보 가치:
  • 회귀 분석 결과, LZ 복잡도의 감소는 진폭 (RMS) 이나 주파수 변화만으로 완전히 설명되지 않았습니다. 시간 (Time) 변수가 LZ 복잡도의 유의한 예측 인자로 남았으며, 이는 복잡도 지표가 기존 진폭/주파수 지표로 설명되지 않는 신호 조직화의 추가적인 측면을 포착함을 시사합니다.
• 강도 의존성 및 모드별 차이:
  • sEMG: 60% MVC 조건에서 20% MVC 조건보다 높은 LZ 복잡도와 주파수를 보였습니다 (강도에 따른 민감도 존재).
  • OPM-MMG: sEMG 와는 달리, 강도 (20% vs 60% MVC) 에 따른 LZ 복잡도나 주파수의 유의한 차이가 관찰되지 않았습니다. 이는 MMG 가 특정 강도 구간에서 sEMG 와 다른 감도 특성을 가질 수 있음을 시사합니다.

4. 주요 기여도 (Key Contributions)

1. 다중 모달리티 비교: sEMG 와 OPM-MMG 를 동시에 측정하여, 근육 피로 중 신호 복잡도 (LZ) 가 두 모드 모두에서 일관된 시간적 역학을 보임을 최초로 규명했습니다.
2. 복잡도 지표의 유효성 입증: LZ 복잡도가 진폭 및 주파수 지표와 독립적으로 신경근 신호의 조직화 변화를 포착할 수 있음을 통계적으로 입증했습니다.
3. 모달리티별 특성 규명: sEMG 는 피로 강도에 민감하게 반응하는 반면, OPM-MMG 는 강도 의존적 변화가 덜 뚜렷함을 발견하여, MMG 의 기술적 한계나 물리적 특성 (센서 방향, 거리 등) 에 따른 차이를 제시했습니다.

5. 의의 및 결론 (Significance)

• 임상 및 재활 적용: 복잡도 기반 지표는 신경근 피로를 평가하는 데 기존 지표 (진폭, 주파수) 를 보완하는 강력한 도구로 활용될 수 있습니다.
• OPM-MMG 의 가능성: OPM 기반 MMG 는 sEMG 와 유사한 피로 관련 정보를 제공하므로, 비침습적이고 착용 가능한 신경근 모니터링 도구로서의 잠재력을 확인했습니다.
• 향후 과제: 강도 의존성 차이를 설명하기 위해 센서 기술의 정밀도 향상, 공간 분해능이 높은 다채널 측정, 그리고 개별 운동 단위 (Motor Unit) 수준의 분석을 결합한 후속 연구가 필요함을 강조했습니다.

결론적으로, 본 연구는 sEMG 와 OPM-MMG 가 근육 피로 중 신호의 복잡도 변화를 유사하게 포착함을 보여주었으며, 복잡도 기반 지표가 신경근 시스템의 시간적 조직화를 이해하는 데 필수적인 새로운 차원의 정보를 제공함을 입증했습니다.