87、医学领域的模型应用与肌电信号分解优化研究

医学领域的模型应用与肌电信号分解优化研究

1. 股骨骨折手术患者住院时长预测模型

在医疗资源管理方面，对股骨骨折手术患者住院时长（LOS）的准确估计至关重要。适度的 $R^2$ 能够辅助确定患者的住院时长估计值，这对于医院提前规划资源，如可用床位数量、医护人员安排以及手术室分配等决策过程具有重要支持作用。同时，对比两个模型还可作为评估所实施的诊断 - 治疗 - 援助路径（DTAP）效率的指标。

未来，该研究可能会引入其他类型的模型，尤其是非线性模型，如神经网络。非线性模型有望提供更精确的结果，通过与多元线性回归模型进行比较，能够确定哪种模型在预测住院时长方面更准确，为临床医生提供有价值的决策工具。

2. 复合肌肉动作电位分解研究

2.1 研究背景

在过去二十年里，从高密度表面肌电图（HDEMG）中识别运动单元（MU）放电备受关注，因为它能实现体内神经编码的无创追踪。不过，此前大多数研究局限于等长自愿收缩情况，此时 MU 异步放电，独立成分分析（ICA）方法可将表面肌电图分解为各个 MU 的贡献。

卷积核补偿（CKC）方法虽能处理病理震颤中较高水平的 MU 同步问题，但在外部刺激引起的不自主肌肉收缩情况下，其效果不佳。而且，CKC 等盲源分离（BSS）方法需要较长的 HDEMG 信号和多个 MU 放电才能实现足够的 MU 区分能力，因此不太适合分析单个复合肌肉动作电位（CMAP）。

2.2 CMAP 模拟

为了研究 CMAP 的分解，研究人员进行了一系列模拟：
- 肌肉模型 ：使用圆柱形体积导体模型模拟骨骼肌，肌肉纤维长 1