Motor Unit Property Estimation and Clustering in Individuals with Spinal Cord Injury
2025 (English)Licentiate thesis, comprehensive summary (Other academic)
Sustainable development
SDG 3: Good Health and Well-BeingAlternative title
Motorenhetsuppskattning och klusterbildning hos individer med ryggmärgsskada (Swedish)
Abstract [en]
Spinal cord injury (SCI) often results in various alternations in muscle functions, including disrupted muscle activation patterns and impaired coordination. These changes can be quantitatively assessed using traditional electromyography. However, in vivo assessment of electrophysiological parameters of motor units (MUs) remains challenging, limiting our understanding of neuromuscular mechanisms underlying these alternations. High-density electromyography (HD-EMG) with decomposition algorithms offers new opportunities to investigate MU properties and firing behavior in vivo. Despite these advances, MU electrophysiological parameters – critical for MU recruitment, firing patterns, and MU synergies after SCI have not been thoroughly investigated. This thesis presented two studies addressing the gaps, focusing on MU parameter alterations and clustering post-SCI.
In the first study, we proposed an integrated approach combining HD-EMG and motor neuron modeling to estimate key MU electrophysiological parameters: soma size and inert period. These parameters are crucial for understanding MU recruitment and firing patterns. HD-EMG and ankle torque were collected simultaneously on tibialis anterior, soleus (SOL), and gastrocnemius medialis (GM) muscles during submaximal isometric dorsiflexion and plantar flexion tasks in both participants with SCI and able-bodied subjects. Comparisons between groups revealed a significantly longer inert period in the tibialis anterior muscle among individuals with SCI, suggesting delayed MU recovery times required for the MU to be re-excited, potentially leading to decreased firing rates. However, the limited number of decomposed MUs, particularly at higher contraction levels, restricted the ability to fully capture the differences between groups and across the SOL and GM muscles. Our analysis further demonstrated that the proposed approach could reliably estimate MU electrophysiological parameters in vivo, offering valuable insights for personalized assessment and monitoring of MU properties in clinical populations.
In the second study, we examined MU synergies and clustering in the synergetic ankle plantarflexors SOL and GM muscles during 20% and 50% maximal voluntary contraction and explored how these patterns were altered following SCI. To evaluate the shared neural drive, we calculated the coherence between the MUs between the SOL and GM muscles. Factor analysis was employed to extract MU modes for each muscle and the decomposed MUs were categorized into distinct functional groups based on their correlations with each mode. The results demonstrated significant coherence between the SOL and GM muscles in both groups, indicating a strong shared neural drive that facilitates their coordinated function. In the SCI group, the results showed significantly higher coherence in the delta frequency band at 50% maximal voluntary contraction compared to the control group, suggesting a disrupted muscle coordination after SCI. The clustering results showed a significantly reduced proportion of the shared cluster within GM muscle in the SCI group at 20% maximal voluntary contraction, indicating a disrupted MU clustering, potentially affecting motor coordination. As the contraction level increased, the control group exhibited a decrease in the proportion of the shared cluster and an increase in the proportion of the self cluster. In contrast, no significant changes were observed in the SCI group.
Together, these studies presented novel approaches to estimating MU properties and clustering in vivo, offering valuable insight into the MU electrophysiological parameters and MU synergies adaptation after SCI. These findings could inform the development of advanced rehabilitation strategies and enhance intervention outcomes.
Abstract [sv]
Ryggmärgsskada (SCI) leder ofta till förändringar i muskelfunktionen, till exempel olika muskelaktiveringsmönster och koordination. Dessa förändringar kan utvärderas kvantitativt med traditionell elektromyografi. Men in vivo-bedömningen av elektrofysiologiska parametrar för motoriska enheter (MU) är fortfarande en utmaning, vilket begränsar vår förståelse av de neuromuskulära mekanismerna. EMG-tekniker och metoder som EMG med hög densitet (HD-EMG) kan dela upp signalerna i individuella MU som ger nya möjligheter att undersöka MU egenskaper in vivo. Trots dessa framsteg har de elektrofysiologiska parametrarna för MU – som är avgörande för MU-rekrytering, avskedningsmönster och MU-synergier efter SCI – inte undersökts noggrant. Denna avhandling presenterar två studier som adresserar kunskapsluckor, med fokus på förändringar i MU-parametrar och klustring efter SCI.
I den första studien föreslog vi en integrerad metod som kombinerar HD-EMG och motorneuronmodellering för att beskriva viktiga elektrofysiologiska parametrar för MU:er: somastorlek och inert period. Dessa parametrar är avgörande för att förstå MU-rekryterings- och avskedsmönster. HD-EMG och ankelvridmoment samlades samtidigt in på tibialis anterior, soleus (SOL) och gastrocnemius medialis (GM) muskler under submaximal isometrisk dorsalflexion och plantarflexions rörelser hos både deltagare med SCI och friska individer. Jämförelser mellan grupper avslöjade en signifikant längre inert period i tibialis anterior-muskeln hos individer med SCI. Det indikerade att en förlängd återhämtningstid krävs för att MU ska återaktiveras, vilket potentiellt leder till minskade nerveimpulsfrekvenser. Den begränsade mängden identifierade MUs, speciellt vid högre muskelkontraktionsnivåer, begränsade dock möjligheten att helt upptäcka skillnader mellan grupperna och mellan SOL- och GM-muskler. Vår analys visade vidare att den föreslagna metoden på ett tillförlitligt sätt kan uppskatta elektrofysiologiska parametrar för MUs in vivo, vilket ger värdefulla insikter för individuell bedömning och övervakning av MU-egenskaper i kliniska populationer.
I den andra studien undersökte vi MU-synergier och klustring i de synergistiska plantarflexorerna SOL och GM-musklerna och undersökte hur dessa mönster påverkades av SCI. För att utvärdera den delade neurala driften beräknade vi koherensen mellan MUs i SOL- och GM-muskler. Faktoranalys användes för att extrahera MU-mode för varje muskel och de identifierade och uppdelade MU:erna kategoriserades i distinkta funktionella grupper baserat på deras korrelationer med varje mode. Resultaten visade signifikant koherens mellan SOL- och GM-muskler i båda grupperna, vilket tyder på en stark delad neural drift som underlättar deras koordinerade funktion. I SCI-gruppen visade resultaten signifikant högre koherens i deltafrekvensbandet vid en högre kontraktionsnivå jämfört med kontrollgruppen, vilket tyder på nedsatt muskelkoordination efter SCI. Klustreringsresultaten visade en signifikant minskad andel av det delade klustret inom GM-muskeln i SCI-gruppen vid en lägre nivå av muskelkontraktion, vilket tyder på nedsatt MU-klustring, vilket potentiellt påverkar motorkoordinationen. När kontraktionsnivån ökade visade kontrollgruppen en minskning av andelen av det gemensamma klustret och en ökning av andelen av det egna klustret. Däremot observerades inga signifikanta förändringar i SCI-gruppen.
Tillsammans presenterade dessa studier nya metoder för att uppskatta MU-egenskaper och klustring in vivo, vilket gav värdefulla insikter i de elektrofysiologiska parametrarna för MUs och anpassningen av MU-synergier efter SCI. Dessa resultat kan bidra till utvecklingen av avancerade rehabiliteringsstrategier och förbättra interventionsresultat.
Place, publisher, year, edition, pages
Stockholm, Sweden: KTH Royal Institute of Technology, 2025. , p. 41
Series
TRITA-SCI-FOU ; 2025:03
Keywords [en]
Motor neuron, motor neuron spike train, firing rate, HD-EMG decomposition, muscle synergy, motor neuron modelling.
Keywords [sv]
Motorneuron, Motorneuronfyrverkeriträning, avfyrningsfrekvens, HD-EMG decomposition, Muskel-synergi, Motorneuronmodellering.
National Category
Other Mechanical Engineering Other Medical Engineering
Research subject
Medical Technology
Identifiers
URN: urn:nbn:se:kth:diva-359352ISBN: 978-91-8106-183-3 (print)OAI: oai:DiVA.org:kth-359352DiVA, id: diva2:1932961
Presentation
2025-02-21, D37, Lindstedtsvägen 9, Stockholm, 10:00 (English)
Opponent
Supervisors
Note
QC 250130
2025-01-302025-01-302025-01-30Bibliographically approved
List of papers