発火時間からのモーターユニット発火率の時系列を推定する方法の比較

中枢神経系は、筋肉の緊張を調節するために運動ユニットの募集と発射を調節します。発火率の推定時間系列は、通常、筋電図（EMG）をその構成発火時間に分解し、その後、成分の衝動列をローパスフィルタリングすることにより実行されます。特に分解エラーの避けられない存在下で、さまざまな推定方法のパフォーマンスを調査していません。心電図（ECG）およびエレクトロシュールグラム（ENG）発火時系列の研究は、同様の問題を提示し、新しいシミュレーションモデルと発火率推定器を適用しています。ここでは、ENG/ECGシミュレーションモデルを採用して、既知のレートから派生した現実的なEMG発火時間を生成し、さまざまな発火率の時系列推定方法を評価しました。ENG/ECGにインスパイアされたレートの推定は、EMG分解エラーがない場合、非常にうまく機能しましたが、分解エラー率は1％の分解エラー率で容認できないほど劣化しました。典型的なEMG分解エラー率 - エキスパートマニュアルのレビュー後も3〜5％です。現実的な分解エラー率では、最適なスムージングウィンドウの持続時間が選択されたときに、より従来のEMGスムージングアプローチが最適に機能しました。この最適なウィンドウは、文献で一般的に使用されている400msの期間よりも長いことがよくありました。発火率の変調頻度が増加し、平均発火率が増加し、分解エラーが減少すると、最適な期間が減少しました。生理学的データに関するこれらのレート推定方法の例も提供されており、発火率の推定から計算された測定値への影響を示しています。

The central nervous system regulates recruitment and firing of motor units to modulate muscle tension. Estimation of the firing rate time series is typically performed by decomposing the electromyogram (EMG) into its constituent firing times, then lowpass filtering a constituent train of impulses. Little research has examined the performance of different estimation methods, particularly in the inevitable presence of decomposition errors. The study of electrocardiogram (ECG) and electroneurogram (ENG) firing rate time series presents a similar problem, and has applied novel simulation models and firing rate estimators. Herein, we adapted an ENG/ECG simulation model to generate realistic EMG firing times derived from known rates, and assessed various firing rate time series estimation methods. ENG/ECG-inspired rate estimation worked exceptionally well when EMG decomposition errors were absent, but degraded unacceptably with decomposition error rates of ⩾1%. Typical EMG decomposition error rates-even after expert manual review-are 3-5%. At realistic decomposition error rates, more traditional EMG smoothing approaches performed best, when optimal smoothing window durations were selected. This optimal window was often longer than the 400ms duration that is commonly used in the literature. The optimal duration decreased as the modulation frequency of firing rate increased, average firing rate increased and decomposition errors decreased. Examples of these rate estimation methods on physiologic data are also provided, demonstrating their influence on measures computed from the firing rate estimate.