运动单位指数估计(Motor Unit Number Index,MUNIX)是一种监测神经变性疾病患者神经支配状态的较为敏感的生物标志物,具有操作简单,无创,对受试者具有良好的耐受性等优点。对于MUNIX结果的解释,令人满意的重复性是必不可少的。本课题通过128通道的高密度表面肌电图(High-density Surface Electromyography,HD-s EMG)信号来探讨通道数目和放置位置对MUNIX可重复性的影响。主要工作如下:(1)深入分析国内外运动单位估计方法研究现状,确立了课题研究方向,旨在提高不同条件下MUNIX方法的重复性。在了解肌电信号的产生机理的基础上,利用高密度表面肌电电极采集电刺激下的复合肌肉动作电位(Compound Muscle Action Potential,CMAP)信号和不同肌力等级下的表面干扰模式(Surface Interference Pattern,SIP)信号。(2)根据复合肌肉动作电位信号和表面干扰模式信号的特性,分析了肌电信号的多种干扰。通过带通、陷波滤波以及去除基线漂移的工作,消除复合肌肉动作电位信号的伪迹,实现了对原始肌电数据进行消噪处理,保证了用于MUNIX计算的数据的准确性和有效性。(3)针对高密度肌电信号的空间可塑性特点,获取多方面空间状态的肌电信息,引入复合肌肉动作电位幅值加权的算法,选取不同个数的通道和对应的权值。定义单通道MUNIX和多通道加权平均MUNIX,并对其进行对比分析,计算不同通道个数加权后的MUNIX值。(4)选择变异系数来定义MUNIX的重复性指标。通过组内/组间变异系数,利用双边t检验对变异系数结果进行显著性分析。并参考复合肌肉动作电位和神经支配区的区域分布,对比包含不同通道个数和肌肉表面不同位置的重复性。结果表明增加通道个数或选择靠近神经支配区位置的通道会显著增加MUNIX的重复性结果。本文提出了一种基于CMAP加权的MUNIX重复性提高算法,探讨了影响MUNIX变异性的两个潜在原因,通道个数和位置,并给出了实用的提高MUNIX方法重复性的建议。本文利用高密度的表面肌电图为提高重复性提供了新的视角,提出的多通道MUNIX方法可以作为一种可靠的神经退行性变评估工具。