Fractal analysis of muscle activity patterns during locomotion: pitfalls and how to avoid them.
Fractal analysis of muscle activity patterns during locomotion: pitfalls and how to avoid them.
复制标题
运动过程中肌肉活动模式的分形分析：陷阱以及如何避免它们
DOI：
10.1152/jn.00360.2020
复制
发表时间：
2020
影响因子：
2.5
通讯作者：
Akay T
中科院分区：
文献类型：
--
作者：
Santuz A;Akay T
依赖于时间的生理数据集通常难以客观地解释。生物信号，如肌电图，脑电图，或单神经元记录可以使用各种线性和非线性方法解释。每种分析技术都旨在解释肉眼可能可见或不可见的不同数据特征。在这里，我们使用基于机器学习的线性分解从小鼠在正常和机械扰动运动期间的后肢肌电活动中提取运动基元（肌肉协同作用的时间依赖性系数）。我们着手研究计算参数和数据质量对分形分析的两个非线性度量的影响：Higuchi分形维数（HFD）和Hurst指数（H）。HFD和H都被证明是异常敏感的外部扰动运动引起的运动基元的变化。我们讨论了潜在的陷阱，可能会出现从分形分析使用的替代数据的基础上的例子。我们的结论给出了一些简单的，数据驱动的建议，以减少误解的机会时，指标，如HFD和H被应用到任何生物信号包含元素的periodicity.NEW &值得注意的是，尽管缺乏共识，如何进行分形分析的生理时间序列，许多研究依赖于这种技术。在这里，我们阐明了使用Higuchi分形维数和赫斯特指数的潜在陷阱。我们暴露并建议如何解决这些方法的缺点时，适用于正常和扰动运动的数据相结合，在体内记录和计算方法。
Time-dependent physiological data sets are often difficult to interpret objectively. Biosignals such as electromyogram, electroencephalogram, or single-neuron recordings can be interpreted using various linear and nonlinear methods. Each analysis technique aims at the explanation of different data features that might be visible or not to the naked eye. Here, we used linear decomposition based on machine learning to extract motor primitives (the time-dependent coefficients of muscle synergies) from the hindlimb electromyographic activity of mice during normal and mechanically perturbed locomotion. We set out to investigate the effects of calculation parameters and data quality on two nonlinear metrics derived from fractal analysis: the Higuchi’s fractal dimension (HFD) and the Hurst exponent (H). Both HFD and H proved to be exceptionally sensitive to changes in motor primitives induced by external perturbations to locomotion. We discuss the potential pitfalls that might arise from fractal analysis by using examples based on surrogate data. We conclude giving some simple, data-driven suggestions to reduce the chance of misinterpretations when metrics such as HFD and H are applied to any biological signal containing elements of periodicity.NEW & NOTEWORTHYDespite the lack of consensus on how to perform fractal analysis of physiological time series, many studies rely on this technique. Here, we shed light on the potential pitfalls of using the Higuchi’s fractal dimension and the Hurst exponent. We expose and suggest how to solve the drawbacks of such methods when applied to data from normal and perturbed locomotion by combining in vivo recordings and computational approaches.
登录
查看更多内容
影响因子：
25
作者：
Mathis, Alexander;Mamidanna, Pranav;Bethge, Matthias
通讯作者：
Bethge, Matthias
人类步态信号的非线性分析
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
Atefeh Goshvarpour;A. Goshvarpour
通讯作者：
A. Goshvarpour
在存在或不存在肌梭感觉反馈的情况下小鼠运动模式的模块化组织
DOI：
10.1113/jp277515
发表时间：
2019
期刊：
The Journal of Physiology
影响因子：
--
作者：
Santuz A;Akay T;Mayer WP;Wells TL;Schroll A;Arampatzis A
通讯作者：
Arampatzis A
影响因子：
64.8
作者：
Lee, DD;Seung, HS
通讯作者：
Seung, HS
DOI：
10.1073/pnas.0500199102
发表时间：
2005-02-22
影响因子：
11.1
作者：
d'Avella, A;Bizzi, E
通讯作者：
Bizzi, E