초록
신경질환의 진단에 있어서 근육군에서의 세동전위나 양성예각파와 같은 탈신경전위를 관찰함으로써 신경의 이상유무와 손상부위를 예측할수 있는데 이는 임상의의 주관적인 경험에만 의존하여 구별되고 있으며 검사과정 중 정상인에게서도 나타날 수 있는 종판전위가 탈신경전위로 오인되어 진단에 혼선을초래할 수 있다. 따라서 본 연구는 탈신경전위와 종판전위를 정량적으로 구별할 수 있는 알고리듬을 수립하는데 필요한 매개변수들을 추출함으로써 신경손상의 진단과 병변의 국소화에 정확성을 향상시키고자 하였다. 본 연구에서는 여러 종류의 신경손상을 보이는 10명의 환자들에 대한 근전도 검사를 실시하여 탈신경전위인 양성예각파나 세동전위, 그리고 종판전위를 검출하였다. 이들 신호로부터 지속시간, 면적, 기울기, 첨두시간 진폭, 양첨두지 진폭, 음첨두치 진폭 및 첨두치 비율 그리고 상(phase)의 여덟가지 매개변수를 구하고 각 파형에서의 값들을 비교하였다. 그 결과, 두 종류의 탈신경전위와 종판전위의 구분에 공통적으로 좋은 결과를 제공하는 매개변수는 기울기, 첨두치간 진폭, 양첨두치 진폭 그리고 첨두치간의 비율로 나타났다. 본 연구를 통해 구해진 매개변수들의 특성은 근전도 분석의 자동화를 위한 알고리듬의 수립에 응용되어질 수 있을 것이며 보다 정량화된 근전도 분석을 통해 진단의 정확성을 향상시켜 줄 것이다.
During the electromyographic evaluation for the diagnosis of neuropathy, presence for site of lesion could be predicted by a detection of denervation potentials such as fibrillation potentials or positive sharp waves in a group of muscles. Unfortunately, since denervation potentials are distinguished by examiner's experience, it is possible to make mistake identifying endplate spikes as a denervation potential. The aim of the study was to extract parameters to make an algorithm for quantitative distinction between denervation potentials and endplate spikes. It will help to minimize the examiner's bias and to localize the site of lesion thus increase the reliability on EMG diagnosis. There types of signals, endplate spike, fibrillation potential and positive sharp wave were obtained from the EDB(extensor digitorum brevis) muscle using then neuropathic patients. Eight parameters such as duration, area, slope, peak-to-peak amplitude, positive peak negative peak amplitude, ratio of positive to negative peak amplitude, and number of phase were extracted and compared. As a results, peak-to-peak amplitude, positive peak amplitude, ratio of positive to negative peak amplitude showed statistically significant differences between endplate spikes and denervation potentials. It was concluded that those parameters could be used to establish an algorithm which will improve the accuracies in automated quantitative EMG diagnosis.
