マシンピラティスの説明で見る筋電図。その大きな波は、筋肉だけの働きだろうか。体幹の記録に心臓の電気が混ざる問題と、除去方法を比べた研究を読む。波形の再現性を示す数字と運動効果の違い、処理後のきれいな図でも深い腹筋の評価を即断できない理由、比較前に確かめたい測定条件を整理する。
お腹の筋肉を測ったはずの波形に、心臓の電気が混ざっていたらどう読むか。マシンピラティスの紹介画面で、大きな波形が現れる。「インナーマッスルが働いている」と説明されると、体の奥をそのまま見ている気になる。だが、体幹の表面で測る筋電図には、筋肉の電気活動に心臓の電気活動が混ざり、読み取りを難しくする問題がある。[1]
筋電図は心臓由来の電気信号も拾う。ここで扱うのは、心電図に相当する信号が筋活動の記録へ入り込む現象だ。大きく見える波のすべてを目的の筋肉の活動と扱う前に、その混入をどう処理したかを確かめたい。[1][18]
深い筋肉をどこまで捉えられるかという測定範囲の問いは、既存記事「インナーマッスルの筋電図は表面で測れる？波形と深い筋肉の見え方を研究で読む」に譲る。また、厚さの測定は「インナーマッスルの超音波測定はどこまで安定する？腹横筋の厚さと硬さを読む」の領分である。ここでは電気信号の出どころと、混ざった信号を分ける研究に焦点を絞る。
お腹の波形に、心臓の電気が同席する
表面筋電図は、筋肉の電気活動を体の表面から非侵襲的に測る方法である。体幹からの記録では、心臓の電気活動である心電図が混ざり、目的の筋電図をゆがめることがある。方法を比較したレビューは、この混入が信頼できる情報の取り出しを難しくすると位置づけている。[1]
ここでいうアーチファクトとは、目的の筋活動を評価する際に邪魔になる混入信号のことだ。心臓の電気が存在すること自体がおかしいのではない。体幹の筋肉を調べるという目的に対して、別の電気活動が紛れ込むために問題になる。腰部を含む体幹の表面記録で強い心臓信号の干渉を扱った研究も、この分離を課題としている。[18]
たとえば動画に筋電図の棒グラフが出ていたら、棒の高さを見る前に、それが何の信号から計算された値かを知りたい。心電図が混ざっていると、目的の筋活動から取り出したかった情報も影響を受ける。これは画面の見栄えの問題ではなく、何を測った数字なのかという問題である。[1]
「心拍が上がったから、お腹の筋肉もその分働いた」と結びつけるのは飛躍だ。心臓の活動が記録へ混ざることと、目的の筋肉の活動が増えることは別の説明である。混入を扱う研究が教えるのは、波形に現れた変化を、そのまま目的の筋肉の変化へ翻訳しない姿勢だ。[1][16]
レッスン紹介の短い動画では、測定条件より大きなグラフが目に入る。その場で研究の正しさを採点する必要はない。ただ、波の高さを読む作業には、その波の持ち主を確かめる作業が先にある。心臓も同じ画面に出演できるのである。[1]
初日の汗は、予約した人だけが持ち帰れる。
混ぜる前の信号が分かると、除去の腕を試せる
心臓の電気を除いたと言うだけでは、その処理の良し悪しは決まらない。元の筋電図をどの程度保てたかまで比べる必要がある。比較研究では、筋電図と心電図を人工的に組み合わせたデータを作り、処理後の信号を混ぜる前の筋電図と照合している。[1][6]
比較レビューで使ったのは、実際に上腕二頭筋から記録した筋電図と、正常な心調律または不整脈の心電図データを組み合わせた信号であった。混ざる割合をあらかじめ決めることで、取り戻したい筋電図という答えを用意したのである。腹筋運動を続けた人の成果を追った研究ではなく、信号処理の性能を評価する設計だ。[1]
この設計には読み方の利点がある。処理後の見た目が静かになったかだけでなく、既知の元信号に近づいたかを調べられる。雑音らしい部分を多く消せたように見えても、残したい筋電図まで変わっていれば、元の情報を正確に取り出せたとは言いにくい。実際、これらの研究は除去後と元信号の誤差や相関を成績に用いている。[1][16][18]
一方、この成績をそのままマシンピラティスの優劣へ置き換えることはできない。比べた対象は処理方法であり、受講者の長期的な運動成果ではない。人工的に混ぜた信号での高い再現性は、測定技術の根拠として読むべき数字である。運動を選ぶ際には、研究が答えた問いの主語を取り違えないことが大切だ。[1][6]
消し方が違えば、よい方法の順位も変わる
比較レビューでは、ゲーティング、高域通過フィルタ、テンプレート減算、ウェーブレット変換、適応フィルタ、盲目的信号源分離という方法を実装して比べた。名前は専門的だが、読者が押さえたいのは、心電図の混入を扱う方法に複数の選択肢がある点である。[1]
この比較で評価した指標には、平均整流値と平均周波数が含まれる。前者は処理した筋電図の振幅を要約する指標、後者は周波数の特徴を要約する指標として使われた。両方について、元の筋電図との二乗平均平方根誤差が最も小さかったのはテンプレート減算だった。ここでの「よい」は、筋肉をよく鍛えるという意味ではなく、元の指標を再現する誤差が小さいという意味だ。[1]
別の自動除去法の研究は、独立成分分析を使って、混ざった記録から心電図に対応する成分を見つけて除く方法を検証した。独立成分分析は、混合信号を成分へ分けて扱うための解析法である。この研究では、心電図の成分を自動で検出する仕組みを組み合わせ、目視による検出や高域通過フィルタと比較している。[16]
周波数で信号を選別する高域通過フィルタだけを使った処理より、この独立成分分析に基づく処理のほうが、元の筋電図との相関が有意に高かった。したがって「フィルタをかけた」という説明だけでは、どの方法でも同じ情報が得られるとは扱えない。何と比べ、何を保てたかが必要になる。[16]
さらに、特異値分解を使った新しい方法の研究では、既存方法より体幹筋電図の再構成が良好だったと報告された。特異値分解も、信号を数学的に分けて扱う方法である。こちらの研究は、信号と雑音の比が異なる条件で検証し、単独の記録チャンネルに適用できる方法を提案している。[6]
レビューでテンプレート減算がよかったことと、別の比較で特異値分解が優れたことは、読む側が片方を消してよい食い違いではない。使ったデータ、比較した候補、成績の測り方と一緒に読む必要がある。個々の研究の順位を、どんな体幹測定にも通用する永久の順位表にしないことだ。[1][6]
比較の中身をもう少し見ると、特異値分解法の研究は、ゲーティング、高域通過フィルタ、テンプレート減算、独立成分分析を比較相手に置いている。新しい方法が優れていたという結論は、この候補群と検証条件の中での結果である。比較したのは、心電図が混ざった記録から筋電図を取り戻す処理である。[6]
信号対雑音比とは、目的の信号と雑音の強さの比を表す指標である。この比を変えて検証するのは、混入の程度が違う場面で、同じ方法の成績がどうなるかを見るためだ。特異値分解法では、その比に応じて分解後の成分をいくつ使うかを調整する校正曲線も提案した。単に決まった操作を加えるだけでなく、入力された信号の条件に合わせるという設計が含まれている。[6]
自動検出法の研究には、もうひとつ別の工夫がある。独立成分分析を行った後、どの成分が心電図に対応するかを自動で見つけた点だ。成分へ分ける作業と、取り除く成分を選ぶ作業は区別され、検出は目視と、除去後の成績は高域通過フィルタと比べられた。ひとつの「自動化」という説明の中にも、検証する段階がある。[16]
したがって、図の横に手法名が書かれていても、その名前だけを品質保証にする必要はない。何を入力し、何を選別し、どの結果を元信号と照合したのかまでつながれば、評価の筋道が分かる。レビューで平均整流値と平均周波数を別々に確かめたのも、処理の成績を具体的な出力へ結びつけるためだった。[1]
数字で読む心電図混入の除去
2010年の自動検出法では、模擬データ内の心電図成分に対する感度が100%、特異度が99%だった。対象は混入成分の検出である。[16]
同研究の比較相手は、遮断周波数30 Hzの高域通過フィルタだった。30 Hzはこの比較の処理条件である。[16]
2005年の模擬実験では、独立成分分析と30 Hzの高域通過フィルタを組み合わせた処理の時間波形の平均相関係数は0.97±0.08だった。[18]
同じ模擬実験で、周波数スペクトルの平均相関係数は0.99±0.06だった。筋肉が増えた割合を示す値ではない。[18]
2021年の特異値分解法は、信号対雑音比0〜20 dBに応じて使う成分数を調整する校正曲線を提案した。混入条件を変えて性能を調べた研究である。[6]
初日の汗は、予約した人だけが持ち帰れる。
1
2
