近日，信息科学与工程学院（人工智能学院）“计算智能科研创新团队”在生物医学信号处理与人工智能交叉领域取得最新进展，相关成果发表在《IEEE Journal of Biomedical and Health Informatics》（中科院1区TOP期刊，影响因子6.8）上，论文题目为“MS-cGAN: A Muscle Synergy-Constrained Conditional GAN for Multi-Channel sEMG Signal Generation”。该文章以枣庄学院为第一署名单位，李梅菊博士为第一作者。

在生物医学信号处理领域，如何解决高质量表面肌电(sEMG)数据稀缺问题一直是备受关注的挑战。本研究针对现有生成方法在多通道sEMG信号生成中存在的误差累积、通道间关系建模不足以及缺乏生理约束等问题，提出了一种肌肉协同约束的条件生成对抗网络(MS-cGAN)框架。该框架采用基于图卷积网络(GCN)的生成器架构，专门针对稀疏sEMG信号设计，通过图表示学习捕获复杂的通道间关系特征，避免了顺序生成导致的误差累积。这种肌肉协同约束的信号生成策略为解决医学信号数据稀缺问题提供了一种兼具数据有效性和生理保真度的新方案。

该成果是与利兹大学谢胜泉教授合作完成，得到了山东省重点联合基金项目（ZR2025MS1036）和山东省自然科学基金面上项目（ZR2025LZH001）等项目的资助。

论文链接：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=11361036

（文图/杨斌 编辑/陈烁如 审核/姬广华、杨振）