一、肌電與肌氧：解碼肌肉功能的雙維度
在現(xiàn)代運(yùn)動(dòng)科學(xué)、康復(fù)醫(yī)學(xué)及神經(jīng)工程領(lǐng)域，對(duì)肌肉功能的評(píng)估正逐漸從單一指標(biāo)向多維度綜合觀測(cè)轉(zhuǎn)變。表面肌電圖（sEMG）與近紅外光譜技術(shù)（NIRS/肌氧）作為兩個(gè)重要的生物標(biāo)志物，分別從“神經(jīng)驅(qū)動(dòng)”和“代謝供能”兩個(gè)角度，為我們提供了觀察肌肉活動(dòng)的不同視角。

1. 表面肌電（sEMG）：神經(jīng)肌肉活動(dòng)的電信號(hào)反映
表面肌電技術(shù)通過(guò)記錄皮膚表面的生物電信號(hào)，反映中樞神經(jīng)系統(tǒng)對(duì)肌肉的募集策略和激活狀態(tài)。

• 主要功能：監(jiān)測(cè)肌肉激活時(shí)序、相對(duì)激活程度、疲勞趨勢(shì)以及運(yùn)動(dòng)單元的放電特征。
• 技術(shù)發(fā)展：傳統(tǒng)單通道或低密度肌電主要獲取局部平均信號(hào)，而高密度表面肌電（HD-sEMG）利用二維矩陣電極陣列，能夠呈現(xiàn)肌肉活動(dòng)的空間分布特征。這有助于研究者更細(xì)致地觀察激活區(qū)域、估算神經(jīng)傳導(dǎo)速度以及分析運(yùn)動(dòng)單元特性，提升了空間分辨率和信息豐富度。

2. 肌氧（Muscle Oxygen, SmO2）：肌肉組織氧合狀態(tài)的監(jiān)測(cè)
肌氧監(jiān)測(cè)基于近紅外光譜技術(shù)（NIRS），利用氧合血紅蛋白和脫氧血紅蛋白對(duì)特定波長(zhǎng)光吸收率的差異，非侵入式地測(cè)量肌肉組織中的血氧飽和度變化。

• 主要功能：反映肌肉微循環(huán)中的氧供需平衡情況，輔助評(píng)估局部氧化代謝能力。關(guān)鍵指標(biāo)包括肌氧飽和度（SmO2）、氧合血紅蛋白（O2Hb）和脫氧血紅蛋白（HHb）。
• 應(yīng)用價(jià)值：肌氧數(shù)據(jù)有助于展示運(yùn)動(dòng)過(guò)程中的代謝變化趨勢(shì)，輔助界定訓(xùn)練強(qiáng)度區(qū)間，監(jiān)測(cè)疲勞恢復(fù)過(guò)程，并在康復(fù)中為血管功能和組織灌注情況的評(píng)估提供參考。

同步分析的意義：肌肉疲勞是一個(gè)復(fù)雜的生理過(guò)程，涉及神經(jīng)傳導(dǎo)效率的變化以及局部血液循環(huán)和代謝產(chǎn)物的改變。單一模態(tài)觀測(cè)可能存在局限性，而sEMG與NIRS的同步采集與聯(lián)合分析，有助于從“神經(jīng) - 血管”耦合的角度更全面地解析肌肉功能，為評(píng)估提供更豐富的數(shù)據(jù)支持。

二、學(xué)術(shù)參考：多模態(tài)融合在下背部肌肉疲勞識(shí)別中的應(yīng)用
學(xué)術(shù)界近期發(fā)表的研究論文《Lower Back Muscle Fatigue Recognition Based on the Fusion-Information of Multi-Channel sEMG and NIRS Simultaneous Recordings》，探討了多模態(tài)同步分析在肌肉疲勞識(shí)別中的應(yīng)用潛力。該研究針對(duì)下背部肌肉疲勞這一常見(jiàn)現(xiàn)象，提出了一種結(jié)合多通道肌電與肌氧信息的分析思路。
 
1. 研究背景
下背部肌肉疲勞與腰痛及職業(yè)損傷密切相關(guān)。傳統(tǒng)的識(shí)別方法多依賴單一sEMG信號(hào)，可能受限于皮膚阻抗、信號(hào)串?dāng)_及深層肌肉信號(hào)捕捉難度等因素。此外，現(xiàn)有研究中對(duì)大肌群（如腰部）的高分辨率多模態(tài)同步觀測(cè)相對(duì)較少。

2. 研究方法：多通道混合傳感器陣列
研究團(tuán)隊(duì)設(shè)計(jì)了一套60通道混合sEMG-NIRS傳感器陣列。

• 布局設(shè)計(jì)：陣列采用交錯(cuò)布局，每個(gè)單元包含多個(gè)sEMG電極和NIRS探頭，旨在實(shí)現(xiàn)同一區(qū)域神經(jīng)電信號(hào)與血流動(dòng)力學(xué)信號(hào)的同步采集。
• 數(shù)據(jù)采集：sEMG采樣率設(shè)置為2050Hz，NIRS采樣率為11Hz，檢測(cè)范圍覆蓋皮下至深層肌群，嘗試克服傳統(tǒng)方法在深層肌肉信號(hào)獲取上的局限。

混合傳感器陣列的設(shè)計(jì)如圖1所示。


圖1.該研究開(kāi)發(fā)的60通道混合sEMG-NIRS陣列的整體結(jié)構(gòu)圖。該陣列能夠同時(shí)采集60通道的sEMG和60通道的NIRS信號(hào)，且sEMG電極與相應(yīng)的NIRS通道位置完全對(duì)齊。（圖片來(lái)自原文）

3. 算法模型：深度學(xué)習(xí)網(wǎng)絡(luò)的應(yīng)用
為了處理多模態(tài)數(shù)據(jù)，研究提出了雙流卷積混合注意力網(wǎng)絡(luò)（DCHANet）。

• 特征提�。悍謩e針對(duì)sEMG和NIRS的信號(hào)特性，設(shè)計(jì)了獨(dú)立的特征提取流，生成肌電特征圖（如MDF/RMS）和肌氧特征圖（如HbO/HbR）。
• 信息融合：引入注意力機(jī)制，嘗試融合兩種模態(tài)的特征，以捕捉神經(jīng)與血管活動(dòng)之間的關(guān)聯(lián)信息。

圖2. 基于sEMG-NIRS混合陣列識(shí)別腰背部肌肉疲勞的總體框架（圖片來(lái)自原文）


圖3. 該研究提出的疲勞識(shí)別模型DCHANet的具體架構(gòu)（圖片來(lái)自原文）

4. 研究結(jié)果
實(shí)驗(yàn)數(shù)據(jù)顯示，融合模型在疲勞識(shí)別任務(wù)中表現(xiàn)出一定的優(yōu)勢(shì)：

• 識(shí)別表現(xiàn)：在多級(jí)疲勞分類任務(wù)中，融合模型的準(zhǔn)確率數(shù)值較高（如在該研究的特定實(shí)驗(yàn)條件下，跨受試者三級(jí)分類準(zhǔn)確率約為96.80%）。
• 模態(tài)互補(bǔ)性：結(jié)果顯示，融合模型的識(shí)別效果優(yōu)于部分單一模態(tài)測(cè)試。研究指出，NIRS在反映深層肌群代謝變化方面具有特點(diǎn)，而sEMG在捕捉快速神經(jīng)驅(qū)動(dòng)變化上表現(xiàn)敏感，兩者結(jié)合有助于提升信息的完整性。
• 參考價(jià)值：該研究框架為腰痛的早期觀察、康復(fù)效果評(píng)估及人機(jī)工效分析提供了新的技術(shù)思路和數(shù)據(jù)支持。

三、我們的產(chǎn)品與服務(wù)：助力多模態(tài)科研與應(yīng)用
基于相關(guān)理論與技術(shù)發(fā)展趨勢(shì)，我們公司提供無(wú)線高密度表面肌電測(cè)試系統(tǒng)與近紅外光肌氧監(jiān)測(cè)系統(tǒng)，并致力于為用戶提供多模態(tài)同步采集的解決方案，支持科研探索與臨床應(yīng)用。

1. 國(guó)產(chǎn) Oct-HD 無(wú)線高密度表面肌電測(cè)試系統(tǒng)
作為國(guó)內(nèi)自主研發(fā)的高密度肌電采集系統(tǒng)，Oct-HD突破了傳統(tǒng)設(shè)備的通道限制，為大肌群及復(fù)雜動(dòng)作分析提供了有效的技術(shù)支持。

• 超大規(guī)模同步采集：?jiǎn)文�塊支持64通道高清采集，基于專利同步技術(shù)，系統(tǒng)最高可擴(kuò)展至512通道同步工作。這一規(guī)模使得全肢體甚至軀干肌群的精細(xì)化同步監(jiān)測(cè)成為可能，滿足了對(duì)大面積肌肉群（如背部、腿部）進(jìn)行高分辨率空間分析的需求。
• 多維數(shù)據(jù)融合：內(nèi)置九軸運(yùn)動(dòng)姿態(tài)傳感器（加速度/陀螺儀/磁力計(jì)），實(shí)現(xiàn)“肌電 + 運(yùn)動(dòng)學(xué)”同步分析，有助于更細(xì)致地解析動(dòng)作模式。。
• 智能分析生態(tài)：配套軟件提供神經(jīng)元分解、肌電地形圖、肌纖維傳導(dǎo)速率等高級(jí)分析功能。支持一鍵生成論文級(jí)圖表，無(wú)需編程即可輸出實(shí)驗(yàn)報(bào)告，助力多學(xué)科研究。
• 無(wú)線自由體驗(yàn)：采用藍(lán)牙5.0傳輸，擺脫線纜束縛，支持動(dòng)態(tài)運(yùn)動(dòng)場(chǎng)景下的真實(shí)數(shù)據(jù)采集。內(nèi)置全通道阻抗檢測(cè)，可實(shí)時(shí)評(píng)估電極接觸質(zhì)量。
• 開(kāi)放兼容：提供API接口，支持與腦電（EEG）、近紅外腦成像（fNIRS）、動(dòng)作捕捉系統(tǒng)等設(shè)備聯(lián)用，構(gòu)建多維數(shù)據(jù)模型。

 



2. Train.Red 近紅外光肌氧監(jiān)測(cè)系統(tǒng)

• 組織氧合監(jiān)測(cè)：基于近紅外技術(shù)，旨在監(jiān)測(cè)肌肉組織的血氧飽和度變化，檢測(cè)深度可覆蓋部分深層肌群。
• 代謝參數(shù)分析：系統(tǒng)提供多項(xiàng)代謝參數(shù)算法，輔助計(jì)算肌氧變化速率、恢復(fù)水平等指標(biāo)，為訓(xùn)練分區(qū)和疲勞監(jiān)測(cè)提供參考數(shù)據(jù)。
• 多場(chǎng)景適用：配備濾波算法，嘗試適應(yīng)從靜態(tài)康復(fù)到動(dòng)態(tài)運(yùn)動(dòng)等多種場(chǎng)景，減少運(yùn)動(dòng)偽跡對(duì)信號(hào)的影響。
• 合規(guī)認(rèn)證：產(chǎn)品符合相關(guān)質(zhì)量管理體系要求，數(shù)據(jù)可用于科研及康復(fù)輔助參考。

結(jié)語(yǔ)
肌肉活動(dòng)蘊(yùn)含著豐富的生理信息。我們的無(wú)線高密度表面肌電測(cè)試系統(tǒng)與近紅外光肌氧監(jiān)測(cè)系統(tǒng)，旨在為用戶提供多樣化的數(shù)據(jù)采集工具。通過(guò)多模態(tài)同步分析技術(shù)，我們希望能協(xié)助科研人員和應(yīng)用工作者更深入地探索人體運(yùn)動(dòng)機(jī)制，推動(dòng)相關(guān)領(lǐng)域的發(fā)展。

歡迎聯(lián)系我們，了解更多產(chǎn)品詳情與解決方案。

參考文獻(xiàn)：Huang J, Tian L, Cui H, Sun P, Liang Y, Fang P, Li G, Jiang N. Lower Back Muscle Fatigue Recognition Based on the Fusion-Information of Multi-Channel sEMG and NIRS Simultaneous Recordings. IEEE Trans Neural Syst Rehabil Eng. 2026;34:1506-1517. doi: 10.1109/TNSRE.2026.3672775. PMID: 41811718.