PhysioMio: bilaterale en longitudinale HD-sEMG-dataset van 16 handgebaren van 48 beroertepatiënten

Waarom dit belangrijk is voor het leven na een beroerte

Na een beroerte kunnen eenvoudige handelingen zoals een overhemd dichtknopen of een kop vasthouden dagelijkse uitdagingen worden. Artsen en therapeuten doen hun best om mensen te helpen de functie van hand en arm te herstellen, maar moeten vaak steunen op wat zij zien en wat patiënten rapporteren. Het PhysioMio-project verandert dit door een grote, open wetenschappelijke dataset te leveren die onzichtbare spieractiviteit omzet in precieze, meetbare informatie. Dit kan onderzoekers helpen slimmere revalidatie-instrumenten te bouwen, gevoeliger ondersteunende apparaten te ontwikkelen en uiteindelijk meer gepersonaliseerde therapieplannen voor beroerteoverlevenden mogelijk te maken.

Spieren ‘luisteren’ via de huid

Elke bewuste beweging begint met kleine elektrische signalen in onze spieren. PhysioMio gebruikt een techniek genaamd oppervlakte-elektromyografie, die werkt als een zeer gevoelige stethoscoop voor spieren die op de huid wordt geplaatst. In plaats van één of twee sensoren wikkelde het team een band met 64 kleine, droge metalen contacten rond de onderarm. Deze hoge-dichtheid-setup legt een gedetailleerde kaart vast van hoe verschillende spiergroepen actief worden wanneer iemand probeert zijn hand en vingers te bewegen. Omdat de sensoren op de huid zitten, is de methode niet-invasief en veilig om herhaaldelijk toe te passen tijdens het herstel.

Een grote groep echte beroertepatiënten

De dataset is afkomstig van 48 mensen die een beroerte hadden en revalidatie ondergingen. Ze verschilden sterk in leeftijd, lichaamsgrootte en tijd sinds de beroerte, en weerspiegelen daarmee de diversiteit die in echte klinieken wordt gezien. Voor elke patiënt registreerden de onderzoekers tot 16 hand- en polsgebaren, waaronder rust, verschillende grijptypen (zoals knijpen en het vasthouden van een bal) en buigen van de pols in verschillende richtingen. Belangrijk is dat zij zowel de gezonde arm als de aangedane arm hebben vastgelegd en patiënten over meerdere sessies tijdens hun verblijf in de revalidatie volgden. Daardoor toont de data niet alleen hoe verschillend de aangedane arm is ten opzichte van de gezonde, maar ook hoe spieractiviteit in de tijd kan veranderen terwijl mensen herstellen.

Hoe de metingen werden verzameld

Tijdens elke sessie werd een flexibele elektrodeband zorgvuldig rond de onderarm geplaatst op een vaste positie, vooraf gedesinfecteerd om goede contactkwaliteit en hygiëne te waarborgen. Patiënten zaten comfortabel terwijl een getrainde onderzoeker elk gebaar demonstreerde en duidelijke instructies gaf. Zodra de patiënt de best mogelijke positie voor een gebaar had bereikt, markeerde een voetschakelaar het tijdsinterval van interesse, zodat de computer precies wist wanneer de beweging plaatsvond. Elke opname duurde ongeveer 10 tot 15 minuten en omvatte alle 16 gebaren. Later werden voor elk gebaar de centrale vier seconden van spieractiviteit uitgeknipt en opgeslagen in een standaard, efficiënt bestandsformaat. Naast de spiersignalen bevat de dataset informatie zoals leeftijd, geslacht, welke arm was aangedaan en hoeveel dagen waren verstreken sinds de beroerte, zodat onderzoekers spierpatronen kunnen koppelen aan het herstelverloop.

Zorgen dat de signalen betrouwbaar zijn

Om bruikbaar te zijn, moet een dergelijke dataset schone, betrouwbare metingen bevatten. Het team volgde strikte procedures vóór, tijdens en na elke opname. Ze controleerden de signaalkwaliteit met testcontracties, verminderden elektrische storing van het stroomnet en slaakten alle data veilig en anoniem op. Achteraf inspecteerden zij elke opname visueel en verwijderden sessies waarin veel elektroden faalden of het signaal te veel ruis bevatte. Daarna pasten ze wiskundige controles toe om de kwaliteit te bevestigen, zoals het vergelijken van de sterkte van spieractiviteit tijdens beweging met rust en het analyseren van de verdeling en verspreiding van de signalen over verschillende frequenties. Ten slotte trainden ze een eenvoudig computermodel dat met hoge nauwkeurigheid kon onderscheiden of een opname afkomstig was van een gezonde of een aangedane arm, wat verder bevestigde dat de dataset echte, betekenisvolle verschillen in spierfunctie vastlegt.

Wat dit opent voor toekomstige zorg

In praktische termen is de PhysioMio-dataset een gedetailleerd logboek van hoe beschadigde en gezonde spieren zich gedragen wanneer mensen na een beroerte proberen hun handen te bewegen. Omdat het publiekelijk beschikbaar en goed gedocumenteerd is, kunnen wetenschappers en ingenieurs wereldwijd het gebruiken om betere bewegingsdetectoren, slimmere revalidatierobots en meer objectieve tests van handfunctie te ontwerpen. In de loop van de tijd zouden dergelijke hulpmiddelen therapeuten kunnen helpen vroege tekenen van verbetering of problemen te zien en oefeningen op maat van elk individu af te stemmen. Voor beroerteoverlevenden kan dat betekenen: efficiëntere therapie, betere ondersteuning bij dagelijkse activiteiten en een duidelijker pad van ziekenhuiszorg terug naar zelfstandig leven.

Bronvermelding: Ilg, J., Oldemeier, A.C.R., Fieweger, M. et al. PhysioMio: bilateral and longitudinal HD-sEMG dataset of 16 hand gestures from 48 stroke patients. Sci Data 13, 19 (2026). https://doi.org/10.1038/s41597-026-06557-0

Trefwoorden: revalidatie na beroerte, elektromyografie, handfunctie, neuromusculaire herstel, ondersteunende technologie