据2024年7月最新数据显示，我校电子与信息工程学院教师何金保于2024年发表在IEEE Transactions on Biomedical Engineering期刊上的论文“Enhanced Dynamic Surface EMG Decomposition Using the Non-Negative Matrix Factorization and Three-Dimensional Motor Unit Localization”被ESI归入工程领域中被引用次数前1%之列(ESI 1%高被引)，其中Web of Science库引用4次。

ESI检索页面

该论文针对表面肌电图(sEMG)信号分解在检测神经肌肉疾病和神经肌肉研究中重要性，特别是动态表面肌电信号分解在技术上更具挑战性。提出了一种新的动态表面肌电信号分解方法。首先采用线性最小均方误差估计，从使用非负矩阵分解（NMF）构造的特征向量矩阵中提取估计的发放时刻序列（EFT）。然后根据每个 EFT 的特定三维空间位置将其发放时刻分类给运动单元(MU)。利用模拟和实验记录的表面肌电信号对该方法的性能进行了评估。NMF的应用降低了非负性约束下随机模式的维度，同时尽可能保持信息的不变性。MU的三维空间信息通过解决动态收缩过程中MU与电极之间的相对运动问题，提高了分类的准确性。本文提出的分解算法将时空信息应用于动态表面肌电信号的分解，具有良好的性能和可靠性。图1是信号分解流程，图2是确定MU的空间位置方法。

图1表面肌电信号分解的流程

图2确定MU的三维空间位置方法