Надежное и объективное определение характеристик вызванного моторного потенциала (ВМП) – латентности возникновения, амплитуды от пика до пика, длительности и морфологии волновой формы – имеет фундаментальное значение для клинической нейрофизиологии, но в современной практике оно во многом зависит от суждений оператора. Математические алгоритмы обработки сигналов предлагают прозрачную, детерминированную и воспроизводимую альтернативу. Мы представляем, описываем и систематически оцениваем полный математический алгоритм для идентификации характеристик ВМП, состоящий из трех этапов: определение начала координат на основе TKEO, оператора энергии Тайгера-Кайзера, применяемого к предварительно обработанному сигналу с адаптивным порогом k∙σ_baseline; оценка смещения преобразования Гильберта – отслеживание амплитудной огибающей с использованием критерия возврата к базовой линии; и морфологическая классификация путем подсчета значимых пересечений нуля для присвоения меток монофазного, двухфазного или многофазного сигнала. На этапе проверки маркеров отклоняются тесты, в которых обнаруженные признаки не превышают минимальный уровень шума. При значении SNR, равном 3,0, производительность снижается, а задержка MAE увеличивается с 1,4 мс (SNR ≥ 5) до 9,7 мс (SNR < 3). Точность морфологической классификации составляет 94% для исследований с высоким SNR и снижается до 61% для исследований с очень низким SNR. Математический алгоритм обеспечивает клинически приемлемую точность для MEP при высоком и среднем уровнях SNR и служит интерпретируемым эталонным стандартом с нулевыми затратами на обучение. Его режимы отказов хорошо охарактеризованы, зависят от SNR и предсказуемы – свойства, которые делают его базовым компаратором для оценки более продвинутых методов автоматизированного анализа.