Večkanalni površinski elektromiogram (EMG) nudi neinvaziven vpogled v električno delovanje skeletnih mišic. Z njegovo pomočjo lahko spremljamo mišično aktivacijo in sodelovanje mišic pri opravljanju različnih gibov ter sklepamo o stanju in lastnostih živčnomišičnega sistema pri ljudeh. V zadnjih dveh desetletjih so bile razvite metodologije za računalniško dekompozicijo površinskih signalov EMG v prispevke posameznih motoričnih enot (ME) in s tem razpoznavo živčnih kod, s katerimi možgani upravljajo skeletne mišice. Kljub izjemnemu napredku in številnim novim nevrofiziološkim spoznanjem, ki ga je ta metodologija omogočila, ima identifikacija ME še vedno naslednje omejitve:

1. V primerjavi z nekaj sto ME, ki so aktivne v posamezni mišici, je število ME, razpoznanih iz signalov EMG, relativno nizko. To vodi do nižjega odstotka razpoznane energije signalov EMG (običajno od 20 % do 40 %) in zmanjšuje reprezentativnost razpoznanih ME ter z njimi povezanih nevronskih kod.
2. Pri identifikaciji ME iz signalov EMG pogosto naletimo na združene vlake impulzov ME, ki jih z matematičnimi postopki ni mogoče ločiti, zato jih navadno v postopku analize izločimo. S tem izločimo tudi znatno količino koristnih informacij.
3. Združeni vlaki impulzov ME odražajo skupne anatomske lastnosti (npr. velikost in lokacijo v mišici) razpoznanih ME. Te skupne lastnosti povzročijo podobne oblike akcijskih potencialov motoričnih enot (APME) in preprečujejo razlikovanje ME. Vendar ni znano, v kolikšni meri ME s skupnimi anatomskimi lastnostmi pripadajo istim funkcionalnim grozdom v različnih eksperimentalnih pogojih.
4. Izzivi združevanja ME se znatno povečajo pri dinamičnih kontrakcijah, kjer se oblike APME v signalih EMG spreminjajo s spreminjanjem geometrije mišic. To znatno poveča kompleksnost identifikacije ME, tudi število identificiranih ME je bistveno manjše v dinamičnih kot v izometričnih skrčitvah. Zaradi teh razlogov je bila večina študij ME izvedena v izometričnih skrčitvah in nato uporabljena kot indikator prilagoditev človeškega motoričnega sistema na različne pogoje. Ni znano, v kolikšni meri se gruče ME ohranjajo med izometričnimi in dinamičnimi skrčitvami in kako se le te spreminjajo s časom.
5. Nelinearne prenosne funkcije motoričnega nevrona zmanjšujejo učinkovitost trenutno predlaganih tehnik linearnega gručenja. Nelinearne tehnike so bile predlagane zunaj skupnosti za identifikacijo ME, vendar do sedaj niso bile sistematično testirane na večjih populacijah ME.
6. V rezultatih identifikacije ME obstaja precejšnja pristranskost glede na biološki spol, pri čemer je velika večina študij narejena na moški populaciji. Identifikacija ME pri ženskah je bolj zahtevna in ta razlika med spoloma še ni dovolj raziskana.
7. Več najpogosteje preučevanih skeletnih mišic daje sorazmerno majhno število natančno identificiranih ME. Zato te mišice še niso bile temeljito raziskane na ravni ME. Večina študij obnašanja ME iz površinskih signalov EMG je bila izvedenih na mišicah, ki jih je razmeroma enostavno dekomponirati.
8. Trenutni postopki identifikacije ME so polavtomatski in še vedno zahtevajo obsežno naknadno obdelavo z ročnim ali računalniško podprtim urejanjem pred samo analizo. To zahteva veliko energije in časa človeške
   ga operaterja, kar postavlja pod vprašaj objektivnost analize. Oba dejavnika močno omejujeta eksploatacijo znanstvenih rezultatov in prenos tehnik dekompozicije v zrelo tehnologijo.

V tem projektu raziskujemo in odgovarjamo na naslednja raziskovalna vprašanja:

1. Kateri so ključni dejavniki, ki prispevajo k združitvi ME pri dekompoziciji signalov EMG v različnih skeletnih mišicah, pri različnih bioloških spolih in v različnih pogojih (hotene ali izzvane, izometrične ali dinamične skrčitve)?
2. Za koliko lahko povečamo število identificiranih ME, če upoštevamo združene ME, tudi v mišicah s tradicionalno nizkim številom razpoznanih ME?
3. Kako je anatomsko pogojeno združevanje ME povezano s funkcionalno sklopljenostjo ME?
4. Kako se funkcionalno združevanje ME spreminja v različnih kontraktilnih pogojih (izometrične in dinamične, hotene in izzvane kontrakcije), pri različnih mišicah (distalne in proksimalne) in pri različnih bioloških spolih (ženske in moški)?
5. Katere nelinearne tehnike, vključno z globokimi nevronskimi mrežami, je mogoče uporabiti za funkcionalno gručenje ME, vključno z združenimi ME, ter kako učinkovite so te metode v različnih eksperimentalnih pogojih?
6. V kolikšni meri lahko analiza združenih ME zmanjša potrebo po ročnem urejanju ter ob tem hkrati poveča robustnost dekompozicije signalov EMG na šum, debelino maščobnega tkiva in različne eksperimentalne pogoje?

Projekt izvajamo raziskovalci s Fakultete za elektrotehniko, računalništvo in informatiko (UM FERI) Univerze v Mariboru, Slovenija in Znanstveno-raziskovalnega središča Koper (ZRS Koper), Slovenija. Sodelujemo tudi z zunanjimi partnerji iz Univerze Loughborough (LU), Leicestershire, Velika Britanija, in Imperial College London (ICL), Velika Britanija.