機器人輔助療法在中風神經康復中廣泛應用。機器人可通過精準檢測患者的表面肌電（EMG ）信號，實現如開關控制、比例控制、基于肌電模式識別的控制，以同步輔助患者完成握拳等動作訓練。然而由于中風患者神經損傷，肌肉經常出現痙攣現象（不自主的肌肉僵硬或收縮），干擾了機器人對EMG檢測的準確性，進而導致輔助康復受限。

機器人輔助療法

中風后肌肉痙攣

在醫療美容領域，A 型肉毒桿菌毒素（BoNT-A，即常說的 “瘦臉針”“除皺針” 核心成分）是應用泛的微創美容材料之一，核心原理是通過暫時阻斷神經與肌肉間的信號傳遞，減少肌肉過度活動，從而改善因肌肉運動過度導致的外觀問題。研究發現，A型肉毒桿菌毒素（BoNT-A）是治療中風后痙攣的有效方法，那么其對中風患者運動檢測是否有影響呢？

來自康復大學的周平團隊在 2024 年第 17 屆國際康復工程與輔助技術大會上發表了題為《Effect of Botulinum Toxin Type A on EMG-based Motion Detection: a Pilot Study on Post-Stroke Patients》的文章，揭示了 A 型肉毒桿菌毒素（BoNT-A）可通過降低中風后患者的肌肉痙攣程度，提升基于（EMG）的運動檢測準確性（平均提高 9.5±3.5%），進而可能改善機器人輔助中風康復的人機交互體驗。

圖 1. 論文信息

本研究共招募了4名中風后偏癱且伴隨中重度痙攣的患者（MAS評分2–3），所有受試者均接受了臨床常規的BoNT-A注射治療。在治療前及治療后兩周分別對患者的屈指淺肌（flexor digitorum superficiali, FDS）進行了常規的功能性測量：通過Fugl-Meyer手功能評分（FMA-C）來評估手部運動能力，用改良Ashworth量表（MAS）量化痙攣程度，并使用握力計檢測手部的收縮力。這些臨床指標為BoNT-A的干預效果提供了基礎參考。

研究人員利用HD-EMG技術進行數據采集，采集設備為TMSi公司（荷蘭）研發的SAGA高密度肌電采集系統（圖2）。他們在患者的屈指淺肌表面貼附了一塊64通道（8*8）柔性電極陣列，電極直徑4mm，間距4mm，能夠捕捉到極為精細的肌電信號。實驗過程中，患者坐在桌前，肘部和肩關節保持在指定角度，手臂放松。研究人員指導受試者通過自主等長收縮¹完成手部閉合動作（方式為握棒球），并盡可能穩定保持 5 秒以上。為避免受試者出現精神疲勞和肌肉疲勞，在連續兩次動作之間有充足的休息。

注1：等長收縮（isometric contractions）：指肌肉在收縮過程中長度保持不變，但產生張力的收縮形式，如保持特定姿勢時的肌肉活動，文中 “握棒球并穩定保持” 即屬于此類收縮。

圖2. 使用SAGA設備進行高密度肌電信號采集實驗設置

研究人員通過視覺檢查確定運動起始與終止（真值），將每個試次分為運動前、運動中（自主收縮）、運動后三段，每段再分為400ms 無重疊分析窗，運動中窗標記為 “收縮”，運動前 / 后窗標記為 “休息”。同時采用運動檢測算法來標記EMG的“收縮”和“休息”。該方法基于振幅的閾值法，即分析400ms的EMG信號均方根（RMS），幅值超過閾值，就判定為運動，否則視為靜息。這一方法雖常用于健康受試者的運動檢測，卻對痙攣患者來說存在問題：因為在痙攣的作用下，即便患者處于靜息狀態，也常常出現自發放電，從而被誤判為運動。研究人員對運動前、運動中（自主收縮）、運動后三個階段的準確性采用 0.25、0.5 和 0.25 的權重進行加權平均，以此估算該次實驗的整體運動檢測準確性。通過微調閾值，可得到BoNT-A的干預前后兩次實驗的運動檢測準確性。

實驗結果表明，BoNT-A治療不僅減輕了痙攣，所有 4 名患者治療后 MAS 評分均降低（圖3），還顯著改善了動作檢測效果。如圖4所示，四名受試者的檢測準確率平均提升約9.5% ± 3.5%，其中兩名患者的改善具有統計學意義（p < 0.05）。

圖3. 卒中受試者人口統計學資料以及BoNT-A治療前后功能性測量得分

圖4. BoNT - A治療前后運動檢測準確率

治療前，患者在實際休息階段的肌電信號中常夾雜大量“偽動作”（痙攣），超過四分之一的信號窗口被誤判為運動；治療后，這類痙攣信號顯著減少，運動檢測算法誤判比例下降至20%以下（圖5）。換言之，BoNT-A幫助肌電信號在休息階段變得更加“安靜”，讓系統更容易識別真正的動作意圖（圖6）。

圖5. 受試者S1在BoNT-A治療前( A )和治療后( B )所有分析窗口的RMS值分布情況。微調后的閾值對應于運動檢測中的精度，如水平方向灰色虛線所示

圖6. 受試者S1的運動檢測結果。檢測到運動的分析窗口以灰色背景顯示。( A ) BoNT - A治療前的代表性結果。( B ) BoNT - A治療后的代表性結果。CH n 表示第n個通道

隨著BoNT-A抗痙攣治療與高密度肌電技術的結合不斷深入，基于EMG的運動意圖識別正從“模糊的信號捕捉”走向“清晰、魯棒的人機交互”。本研究通過對比治療前后的肌電信號變化，驗證了BoNT-A不僅能緩解痙攣，還能讓肌電信號“安靜”下來，使運動與靜息的界限更加清晰，從而顯著提升了動作檢測的準確性。

這一發現為康復機器人“讀懂”患者的運動意圖提供了新的生理學支持。以往中風患者在使用肌電控制系統時，常常因為痙攣帶來的自發放電而出現“誤觸發”，讓訓練過程既不自然，也不高效。而在BoNT-A干預后，系統能夠更準確地識別真正的隨意收縮，康復機器人也就能更順暢地與患者互動，訓練過程因此變得更安全、更可靠。更重要的是，這項研究為未來“藥物+技術”的模式提供了范例。BoNT-A不僅是單純的抗痙攣手段，更可能成為智能康復的“助推器”，幫助肌電接口減少噪聲干擾，讓人工智能和機器人更精準地發揮作用。正如研究團隊所強調的，這不僅是一項關于藥物的研究，更是推動中風康復走向智能化、個性化的一次探索。

原文鏈接

研究團隊介紹

關于維拓啟創

相關產品