🤖 AI

How does downsampling affect needle electromyography signals? A generalisable workflow for understanding downsampling effects on high-frequency time series

Dit artikel introduceert een generaliseerbare workflow die vormgebaseerde distortiemetrieken combineert met machine learning-classificatie om downsamplingstrategieën systematisch te evalueren, waarbij wordt aangetoond dat vormbewuste algoritmen effectief diagnostische informatie behouden in naald-elektromyografie-signalen terwijl ze de computationele belasting voor detectie van neuromusculaire ziekten bijna in realtime aanzienlijk verminderen.

Oorspronkelijke auteurs: Mathieu Cherpitel, Janne Luijten, Thomas Bäck, Camiel Verhamme, Martijn Tannemaat, Anna V. Kononova

Gepubliceerd 2026-07-30

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mathieu Cherpitel, Janne Luijten, Thomas Bäck, Camiel Verhamme, Martijn Tannemaat, Anna V. Kononova

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Dilemma van de Detective: Luisteren naar Spier-muziek

Om te begrijpen wat deze onderzoekers hebben gedaan, moeten we eerst begrijpen naar welke "muziek" ze luisteren. Wanneer je een spier beweegt, sturen je zenuwen elektrische vonken om de spier aan te sturen om samen te trekken. Een naald-elektromyografie (nEMG) test luistert naar deze vonken. Het is alsof je een microfoon in een spier plaatst om de kleine elektrische "pop" van een enkele motorunit (een zenuw en de spiervezels die deze aanstuurt) te horen. Deze geluiden zijn ongelooflijk snel en gedetailleerd, opgenomen met een snelheid van ongeveer 23.437,5 metingen per seconde.

Het probleem is dat deze hoeveelheid gegevens een zware last is voor computers. Als een arts een computerprogramma wil gebruiken om een ziekte in realtime te helpen diagnosticeren, moet de computer miljoenen van deze gegevenspunten verwerken. Het is alsof je een bibliotheek aan boeken probeert te lezen in één enkele seconde. Om dit mogelijk te maken, gebruiken wetenschappers downsampling. Denk bij downsampling aan het verkleinen van een foto met een hoge resolutie zodat deze op een klein telefoonscherm past. Je gooit wat pixels weg om het bestand kleiner en makkelijker te laden te maken. In de wereld van signalen betekent dit dat je alleen elke k-de meting behoudt en de rest weggooit.

Maar er is een risico. Als je te veel weggooit, kun je de specifieke "noten" verliezen die een arts vertellen of een spier gezond of ziek is. Sommige ziekten zorgen ervoor dat de elektrische signalen kort en grillig zijn, terwijl andere ze lang en golvend maken. Als je downsampling-methode die pieken afvlakt of de golven uitrekt, kan de computer in de war raken en een verkeerde diagnose stellen. De onderzoekers wilden de "sweet spot" vinden: het punt waar het bestand klein genoeg is om snel te zijn, maar nog steeds groot genoeg is om accuraat te blijven.

Het Experiment: Het Testen van de Krimpstralen

De onderzoekers gokten niet zomaar wat; ze bouwden een systematische workflow om vijf verschillende "krimpstralen" (downsampling-algoritmen) te testen op een dataset van echte spieropnames van 22 patiënten. Deze patiënten vielen in drie groepen: gezonde controles, mensen met myopathie (spierziekte) en mensen met ALS (een zenuwziekte).

Ze testten vijf verschillende manieren om de gegevens te verkleinen:

Decimate: De standaardmethode. Deze kiest elke k-de punt, maar gebruikt eerst een filter om hoogfrequente ruis te stoppen die anders zou veranderen in valse laagfrequente ruis (een beetje zoals een zeef gebruiken om de grote stenen op te vangen voordat je het zand erdoorheen giet).
MinMax: Deze methode kijkt naar brokken data en houdt alleen de hoogste en laagste punten aan, in een poging de "hoogte" van de golven te behouden.
M4: Een slimmere versie van MinMax die probeert de punten beter te verbinden, zodat de vorm er niet grillig uitziet.
LTTB (Largest Triangle Three Buckets): Een methode die probeert de algehele "oppervlakte" of vorm van het signaal te behouden door punten te kiezen die de grootste driehoeken vormen.
MinMaxLTTB: Een hybride die eerst de hoogste en laagste punten kiest en vervolgens de LTTB-methode op de rest toepast.

Voor elke methode probeerden ze de gegevens te verkleinen met verschillende factoren (factoren van 2, 5, 10, tot wel 1000). Vervolgens draaiden ze een computerprogramma (een Random Forest classifier) om te zien of het nog steeds het verschil kon zien tussen gezonde, myopathische en ALS-signalen nadat de gegevens waren gekrompen.

De Resultaten: Snelheid versus Vorm

De resultaten waren verrassend en zeer praktisch. De onderzoekers ontdekten dat de Decimate-methode de duidelijke winnaar was. Deze kon de gegevens verkleinen met een factor van 30 (slechts 1 van elke 30 metingen behouden) en nog steeds hetzelfde niveau van diagnostische nauwkeurigheid behouden als de originele, volledige gegevens. Dit resulteerde in een 60-voudige versnelling in de tijd voor extractie van kenmerken. In gewone mensentaal: de computer kon de spiersignalen 60 keer sneller analyseren zonder het vermogen te verliezen om de ziekte te herkennen.

De andere methoden, die ontworpen waren om de visuele vorm van het signaal "mooier" of perfecter te behouden, deden het echter minder goed.

De LTTB en MinMaxLTTB methoden konden de gegevens slechts verkleinen met een factor van 25 voordat de nauwkeurigheid begon te dalen.
De M4 methode faalde zelfs nog eerder, bij een factor van 20.
De MinMax methode liep ook vast op een factor van 25.

Waarom won de "lelijke" standaardmethode (Decimate)? De onderzoekers gebruikten een speciaal hulpmiddel genaamd SHAP-analyse om in de hersenen van de computer te kijken. Ze ontdekten dat de computer minder om de exacte "hoogte" of "vorm" van de pieken gaf (wat de fancy methoden probeerden te behouden). In plaats daarvan vertrouwde de computer sterk op de frequentie van het signaal — hoe snel de golven trilden — en hoe vaak het signaal de nullijn passeerde. De standaard Decimate-methode, met zijn anti-aliasing filter, behield deze frequentiedetails perfect. De fancy vormbehoudende methoden vervormden deze frequenties echter per ongeluk, waardoor de computer in de war raakte.

De "Myopathie" Bottleneck

Een interessant detail dat de studie aan het licht bracht, is dat de "Myopathische" groep (spierziekte) het meest gevoelig was voor krimp. De computer kon de gezonde en ALS-signalen behoorlijk wat inkrimpen, maar de myopathische signalen begonnen in de war te raken bij een factor van 30. Dit is logisch, omdat myopathische signalen vaak erg kort en grillig zijn. Als je de gegevens te veel verkleint, worden die kleine pieken verloren of samengevoegd. Dit suggereert dat artsen bij patiënten met spierziekten extra voorzichtig moeten zijn om de gegevens niet te agressief te verkleinen.

Wat dit betekent voor de toekomst

De studie concludeert dat we niet elke individuele datapunt nodig hebben om deze ziekten te diagnosticeren. Door de standaard Decimate-methode te gebruiken en de gegevens 30 keer te verkleinen, kunnen we de geautomatiseerde analyse 60 keer sneller maken. Dit is een enorme stap richting "bijna real-time" analyse, waarbij een computer een arts direct kan helpen terwijl deze nog de naald vasthoudt.

De auteurs merken echter voorzichtig op dat dit gebaseerd is op één specifieke dataset (EMGLAB) en één specifiek type spiercontractie (lage intensiteit vrijwillige beweging). Ze suggereren dat hoewel hun workflow een geweldig hulpmiddel is om andere signalen te testen, de specifieke "30x" regel kan veranderen als ze andere soorten spieractiviteit testen, zoals rustende spieren of maximale inspanning, die andere hoogfrequente aanwijzingen kunnen hebben. Ze benadrukken ook dat hoewel de computer sneller wordt, de uiteindelijke beslissing nog steeds een menselijke arts moet bevatten die naar het signaal kan kijken en kan zeggen: "Ja, dit ziet er nog steeds uit als een spierziekte voor mij."

Kortom, het artikel laat zien dat soms minder meer is. Door op een slimme manier 97% van de gegevenspunten weg te gooien, kunnen we medische AI sneller en even accuraat maken, waarmee we een stap dichter bij instant, geautomatiseerde spierdiagnostiek komen.

Technische Samenvatting: Een Generaliseerbare Workflow voor het Begrijpen van Downsampling-effecten op Naald-elektromyografie-signalen

Probleemstelling
Geautomatiseerde analyse van naald-elektromyografie (nEMG) signalen is een veelbelovend instrument voor het detecteren van neuromusculaire ziekten (NMD's). nEMG-signalen hebben echter een hoge temporele resolutie (bijv. ~23 kHz) en heterogene bemonsteringsfrequenties, wat aanzienlijke computationele belastingen creëert voor op kenmerken gebaseerde machine learning (ML) modellen. Dit belemmert bijna real-time analyse en klinische implementatie. Hoewel downsampling een oplossing biedt om de computationele last te verminderen, blijft de impact ervan op de diagnostische signaalinhoud en classificatieprestaties onvoldoende begrepen. Eerdere studies in gerelateerde biomedische velden (EEG, ECG, oppervlakte-EMG) hebben heterogene resultaten laten zien, variërend van prestatievermindering tot verbetering, maar er bestaat nog geen gestandaardiseerde workflow om systematisch aanvaardbare niveaus van informatieverlies over verschillende downsampling-algoritmen en factoren te evalueren.

Methodologie
De auteurs stellen een vijfstaps generaliseerbare workflow voor om het door downsampling veroorzaakte informatieverlies in hoogfrequente tijdreeksen systematisch te evalueren. Deze workflow werd toegepast op de EMGLAB-dataset, die 22 patiënten bevat met drie diagnostische klassen: Controle, Myopathisch en Amyotrofische Laterale Sclerose (ALS).

Configuratie Definitie: Vijf downsampling-algoritmen werden getest: Decimate (uniforme subsampling met anti-aliasing filtering), MinMax, M4, Largest Triangle Three Buckets (LTTB) en MinMaxLTTB. Deze werden toegepast over 26 downsampling-factoren ( $k$ ), variërend van 2 tot 1000.
Berekening van Afstandsmetrieken: Voor elke configuratie werden afstandmetrieken berekend tussen de originele en de gedownsamplede signalen. Deze omvatten tijddomein-metrieken (RMSE, correlatiecoëfficiënten, zero-crossing rate, peak counts, skewness, kurtosis), frequentiedomein-metrieken (Log Spectral Distance) en informatie-theoretische metrieken (Normalized Compression Distance, Jensen-Shannon Divergence).
Classificatie Pipeline: Een gesuperviseerde classificatie-taak werd uitgevoerd met behulp van een pipeline bestaande uit tsfresh voor kenmerkextractie en een Random Forest-classifier. Prestaties werden geëvalueerd met behulp van balanced accuracy, per-class F1-scores, specificiteit, sensitiviteit en ROC AUC, waarbij gebruik werd gemaakt van 5 repetities van 3-voudige gestratificeerde groep-kruisvalidatie op patiëntniveau.
Ranking Model: Een paarwijzig ranking-model (XGBoost) werd getraind om afstandmetrieken te correleren met classificatieprestaties. Dit model voorspelde welke configuratie een betere nauwkeurigheid zou opleveren op basis van enkel de afstandmetrieken. SHAP (SHapley Additive exPlanations) waarden werden geëxtraheerd om te identificeren welke signaalkenmerken (bijv. frequentiegehalte versus amplitudeverdeling) het meest cruciaal waren voor de classifier.
Kenmerkruimte en Kostenanalyse: De studie analyseerde verschuivingen in kenmerkbelangrijkheid met behulp van k-means clustering en dimensionaliteitsreductie (MDS) om te visualiseren hoe de relevantie van kenmerken evolueerde met downsampling. Daarnaast werd de tijd van kenmerkextractie gemeten om de computationele snelheidswinst (speedup trade-off) te kwantificeren.

Belangrijkste Resultaten

Algoritme Prestaties: Op de EMGLAB-dataset vertoonde Decimate (met anti-aliasing filtering) de hoogste veerkracht, waarbij de classificatieprestaties behouden bleven tot een downsampling-factor van 30. Vormbewuste algoritmen (LTTB, MinMaxLTTB, MinMax) bereikten hun kritieke punten van prestatievermindering bij factoren van 25, terwijl M4 aanzienlijk eerder degradeerde (factor 20).
Kritische Beperkende Factor: De Myopathische klasse was het meest gevoelig voor downsampling en fungeerde als de beperkende factor voor alle strategieën. Dit is klinisch plausibel, aangezien myopathische motor unit actiepotentialen (MUAP's) vaak een korte duur en polyfasisch zijn, wat hogere bemonsteringsfrequenties vereist om ze te kunnen resolveren.
Signaalkenmerken: SHAP-analyse onthulde dat de classificatieprestaties sterk afhingen van het behoud van frequentiedomein-kenmerken (specifiek Log Spectral Distance en Zero Crossing Rate), in plaats van strikte preservatie van de amplitudeverdeling (skewness/kurtosis). Dit suggereert dat vormbewuste algoritmen, die prioriteit geven aan amplitude-extremen, mogelijk niet de specifieke signaal eigenschappen behouden die nodig zijn voor NMD-diagnose in deze context.
Computationele Trade-off: Downsampling bood aanzienlijke computationele winsten. De optimale configuratie (Decimate bij factor 30) bereikte een ~60-voudige versnelling in de tijd van kenmerkextractie zonder statistisch significant verlies in balanced accuracy vergeleken met het originele signaal. De tijd van kenmerkextractie nam exponentieel af tot een factor 50, waarna de winsten plateau bereikten.
Stabiliteit van de Kenmerkruimte: Bij lage downsampling-factoren (tot 5) waren de trajecten van kenmerkbelangrijkheid vergelijkbaar tussen de algoritmen. Daarboven divergeerde Decimate significant van de vormbewuste methoden. Hoge downsampling-factoren verhoogden de variantie van de kenmerkbelangrijkheid over de kruisvalidatie-folds, wat wijst op een verminderde modelstabiliteit.

Significantie en Claims
Het artikel beweert een gat in de literatuur te vullen door een gestandaardiseerde, reproduceerbare workflow te bieden om de balans te vinden tussen datareductie en modelprestaties in hoogfrequente tijdreeks-toepassingen. De auteurs stellen dat hun bevindingen praktische richtlijnen bieden voor het selecteren van downsampling-configuraties die bijna real-time nEMG-analyse mogelijk maken zonder de diagnostische bruikbaarheid op te offeren.

Specifiek demonstreert de studie dat:

Oversampling Hypothese: De resultaten suggereren dat standaard nEMG-signalen mogelijk overgesampled zijn voor de specifieke taak van geautomatiseerde classificatie met tsfresh en Random Forest, aangezien de diagnostische prestaties stabiel blijven zelfs wanneer de effectieve Nyquist-frequentie wordt teruggebracht naar ~390 Hz (door een factor 30 downsampling).
Algoritme Selectie: In tegenstelling tot de intuïtie dat het behoud van de visuele vorm (via LTTB/MinMax) essentieel is, vonden de studie dat uniforme decimatie met anti-aliasing filtering de diagnostische informatie-inhoud beter bewaarde voor deze specifieke dataset en kenmerkenset.
Klinische Implementatie: De workflow vormt een fundament voor het ontwikkelen van klinisch inzetbare nEMG-analyse pipelines die voldoen aan de eisen voor real-time verwerking.

Beperkingen en Toekomstige Richtingen
De auteurs erkennen bescheiden dat hun resultaten specifiek zijn voor de EMGLAB-dataset, die slechts matige vrijwillige contractiegegevens onder gecontroleerde omstandigheden bevat en geen rustsegmenten of real-world klinische ruis bevat. Daarom kunnen de geïdentificeerde optimale factoren niet generaliseerbaar zijn naar alle nEMG-modaliteiten of datasets met verschillende bemonsteringsfrequenties. De studie roept op tot validatie op onafhankelijke datasets en deskundige klinische beoordeling van gedownsamplede signalen voordat bredere klinische aanbevelingen kunnen worden gedaan. De workflow wordt voorgesteld als een algemeen hulpmiddel dat kan worden aangepast om andere signaalvormende technieken (bijv. compressie) te evalueren en kan worden toegepast op andere hoogfrequente biomedische tijdreeksen.