PhysioMio：来自48名中风患者的16种手势双侧纵向高密度表面肌电(HD-sEMG)数据集

为何这对中风后生活至关重要

中风后，扣钮扣或端杯子这样的简单动作可能变成日常难题。医生和治疗师努力帮助患者恢复手臂功能，但他们通常只能依赖观察和病人主诉。PhysioMio项目通过提供一个大型、开放的科学数据集改变了这一点，它将皮肤下看不见的肌肉活动转化为精确可量化的信息。这有助于研究人员开发更智能的康复工具、更灵敏的辅助设备，并最终为中风幸存者制定更个性化的治疗方案。

通过皮肤聆听肌肉

每一个自主动作都始于肌肉中的微弱电信号。PhysioMio使用一种称为表面肌电图的技术，它像一个放在皮肤上的高度灵敏的肌肉听诊器。团队没有只用一两个传感器，而是在前臂绕上一圈由64个小型干式金属接触点组成的带子。这种高密度布置绘制出不同肌群在尝试移动手和手指时的详细激活图。因为传感器贴在皮肤上，方法属于非侵入性，并且可以安全地在恢复期间反复使用。

来自真实中风患者的大规模样本

该数据集来自48名正在康复中的中风患者。样本在年龄、体型和发病时间上差异很大，反映了真实临床中的多样性。对于每位患者，研究人员记录了多达16种手腕和手势动作，包括静息、几种抓握方式（如捏握和握球）以及不同方向的手腕弯曲。重要的是，他们同时记录了健康肢体和受累肢体，并在患者康复住院期间进行了多次随访记录。这意味着数据不仅展示了受损肢体与健康肢体的差异，还能反映随恢复过程肌肉活动如何随时间变化。

如何采集这些测量值

每次会话中，柔性电极带被小心地放置在前臂的固定位置，事先消毒以确保良好接触和卫生。患者在舒适的坐姿下，一名受过训练的研究员示范每个手势并给出明确指示。当患者达到该手势的最佳姿势时，脚踏开关标记了感兴趣的时间区间，使计算机能准确知道动作何时发生。每次记录约持续10到15分钟，涵盖全部16个手势。随后，每个手势中心的四秒肌电活动被截取并以一种标准且高效的文件格式保存。除肌电信号外，数据集中还包含年龄、性别、哪只手受累以及自中风以来经过的天数等信息，便于研究人员将肌肉模式与恢复过程关联起来。

确保信号可靠的措施

为了有用，此类数据集必须包含干净且可靠的测量值。团队在每次记录前、记录中和记录后都遵循严格程序。他们通过测试收缩来检查信号质量，减少电网干扰，并对所有数据进行安全且匿名的存储。之后，他们对每次记录进行目视检查，剔除那些许多电极失效或信号过于嘈杂的会话。接着使用数学方法进行质量验证，例如比较运动期间与静息期间的肌电强度，并分析信号在不同频率上的分布和扩散。最后，他们训练了一个简单的计算模型，该模型能够高精度区分记录来自健康肢体还是受损肢体，进一步证明了数据集中确实反映了真实且有意义的肌肉功能差异。

这为未来护理打开的可能性

从日常角度看，PhysioMio数据集是一本详尽的日志，记录了中风后当人们尝试移动手时受损与健康肌肉的行为。由于它是公开且文档完备的，全世界的科学家和工程师都可以利用它来设计更好的运动检测器、更智能的康复机器人以及更客观的手功能评估工具。随着时间推移，这些工具可以帮助治疗师更早发现改善或问题，并为每位患者定制练习方案。对于中风幸存者而言，这可能意味着更高效的治疗、更好的日常活动支持，以及从住院护理回归独立生活的更清晰路径。

引用: 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

关键词: 中风康复, 肌电图, 手功能, 神经肌肉恢复, 辅助技术