隨著老齡化進程加快，老年人群肌肉功能退化問題日益突出。肌肉力量的下降不僅影響日常生活自理能力，還顯著增加跌倒風險，進而帶來巨大的經濟、社會和心理負擔。事實上，衰老的過程因人而異，它受器官功能、生理變化、生活方式和環境等多重因素影響，導致部分老年人能夠保持較好的活動能力，而另一些人則出現明顯的肌力下降和功能障礙。肌少癥，即肌肉質量與功能的喪失，正是不健康老化的重要表現之一。在這一背景下，實現更早期、更精準的評估與干預，、高效的檢測手段成為當前的重要課題。

圖1. 文章信息

本研究共招募16名健康受試者，根據年齡劃分為兩組（H1為年輕組，H2為年長組）。實驗任務為以自發速度完成3次“坐下站起”（STS）動作，目標肌肉為股直肌（Rectus Femoris, RF），該肌在STS過程中為主要激活肌群。采用TMSi公司（荷蘭）研發的無線高密度肌電采集系統進行信號記錄。電極陣列為4×8，共32通道，電極直徑為4 mm，中心間距為8.57 mm。信號采樣頻率設定為1000 Hz。采集完成后，數據通過Wi-Fi協議實時傳輸至筆記本電腦或移動終端。信號記錄與處理界面由TMSi Polybench軟件提供。

本研究采用典型相關分析（Canonical Correlation Analysis, CCA）作為主要分析方法。CCA是一種多元統計方法，通過構建兩組變量的線性組合（典型變量），變量間的相關性，從而揭示數據的內在結構。研究者將 HD-sEMG 信號矩陣與其延遲版本作為兩組變量，通過求解特征值問題提取具有自相關值和最小互相關值的源信號。該方法可按相關系數對信號源排序，篩選出最能反映肌肉電活動特征的成分。

圖2. 在STS測試期間進行高密度表面肌電信號采集的實驗設置

實驗結果顯示，老年組在平均CCA相關系數方面明顯高于年輕組（見圖3左）。這一結果說明老年人在完成STS動作過程中，肌電呈現出更強的一致性和規律性，信號組織性更高。

在CCA相關系數的標準差方面，老年組則明顯低于年輕組（見圖3右）。年輕組的標準差為 0.16 ± 0.04，而老年組為 0.091 ± 0.06，該差異也達到顯著水平（P < 0.0001）。較低的標準差意味著老年人肌電信號中的不同信號源之間差異較小，分布更集中，提示其肌肉活動模式更為單一、空間變異性更低。

圖3. H1 (年輕)和H2 (老年)組平均CCA相關系數（左）及其標準差（右）的箱線圖

圖4展現了在CCA算法提取出的31個典型信號源中，老年組在多個分量上的相關系數數值均集中分布于較高水平，曲線平穩，波動性小；而年輕組的數值變化則更加分散，呈現更強的動態性和多樣性。

圖4. 青年( H1 ) "上"和老年( H2 ) "下"組31個估計源的CCA相關系數

上述現象在神經肌肉生理層面上具有明確解釋。首先，隨著年齡增長，肌肉結構和神經控制機制會發生明顯變化。老年個體中I型肌纖維（慢收縮、耐疲勞型）比例相對升高，而II型肌纖維（快收縮、爆發力型）數量逐漸減少，導致整體肌肉反應速度和可調性下降。這種肌纖維構成的變化直接影響了電活動信號的時空特征，使得不同運動單位發放的動作電位（MUAP）波形趨于一致，進而提高了信號之間的相關性。其次，衰老也會造成神經支配肌肉的運動單位數量減少，個別神經軸突再支配原本“空置”的肌纖維，形成較大的運動單位。這一現象使得肌肉在進行簡單動作（如STS）時，能夠被更少的運動單位激活，從而導致中可觀測到的源信號數量減少、信號間差異縮小，體現為CCA相關系數標準差顯著下降。此外，這種“高相關、低變異”的信號特征可能代表肌肉控制的“簡化”或“收斂化”趨勢，意味著在應對外部任務時，老年肌肉系統選擇更保守、固定的協同激活方式。雖然這種模式在完成靜態或重復性任務時仍能保持穩定，但對動態任務或突發擾動的適應性顯著下降，正是老年人跌倒風險升高的深層神經肌肉機制之一。

隨著高密度肌電與智能算法的深度融合，肌肉老化評估正在從“經驗判斷”向“數據驅動”轉變。本研究以其簡潔的評估流程、敏感的算法特征與臨床適配的設備形式，展現出HD-sEMG在老年康復、肌肉健康監測與個性化干預中的巨大潛力。正如作者所言，“這不僅僅是一項肌電研究，更是對未來老齡社會健康管理的一次嘗試”。

盡管本研究初步驗證了HD-sEMG結合CCA方法在評估肌肉老化方面的有效性，但仍存在一定局限，包括樣本量較小、動作任務單一、算法于線性建模，以及缺乏與肌肉結構評估手段的交叉驗證。未來研究需在受試者數量與年齡層級拓展、任務多樣化、非線性分析方法引入及多模態數據對比等方面進一步深化，以提升方法的泛化能力和臨床適用性。

原文鏈接

研究團隊介紹

關于維拓啟創

相關產品