一種自適應反饋電針系統研究

摘 要： 針對傳統電針在治療過程中出現穴位電刺激適應現象，導致治療效果下降的問題，提出一種新型的自適應反饋的電針系統。在對人體在不同信號電針激勵下的響應進行研究建模的基礎上，采用自適應反饋算法，在DSP平臺上構建電針系統。通過與傳統電針系統的分析對比，該系統能過有效避免電刺激現象的產生。該系統能顯著提升電針治療效果，降低醫生工作量，具有臨床應用價值。

關鍵詞： 自適應反饋算法； 穴位電刺激； 電針灸； 肌電信號

中圖分類號： TN710?34 文獻標識碼： A 文章編號： 1004?373X（2015）24?0087?03

Research on an self?adaptive feedback electronic acupuncture system

XUE Fang， WANG Li

（Management Department， Xi’an Medical University， Xi’an 710021， China）

Abstract： Aiming at the problem that the traditional electric acupuncture （EA） has a declining therapeutic effect caused by adaption of acupoint electricity stimulation， a new?type self?adaptive feedback EA system is proposed. On the basis of the research and modeling of human response to different excitation signal， the adaptive feedback algorithm is used to build a EA system based on DSP platform. By comparison with the conventional EA system， the new system can effectively avoid the generation of electrical stimulation phenomenon. The system can significantly improve the therapeutic effect of electro acupuncture and reduce the workload of doctors. It has clinical application value.

Keywords： adaptive feedback algorithm； acupoint electricity stimulation； electric acupuncture； electromyography signal

0 引 言

現代電針技術是在針灸學發展的基礎上汲取信息技術、電子醫學理論，經臨床實踐逐漸產生的。電針依賴電流作用刺激穴位，在針上通以接近人體生物電的微量電流以治病的一種療法。但電針系統在治療過程中，會產生穴位電刺激適應現象[1?2]，即用相同的處方信號進行刺激，一段時間積累后，人體產生“耐針性”，治療效果下降。以往電針系統為避免該問題發生，醫生需要根據患者感受，結合以往工作經驗，手動調節電信號波形。一方面增大了醫生的工作量，另一方面由于不同患者“耐針性”差別較大，手動調整僅憑醫生經驗進行，沒有定量分析，精確度不夠且過程費時費力，縮短了治療期內的有效時間，使得治療效率低下。

表面肌電信號（Surface Electromyography，sEMG）是從人體表面通過體表電極記錄下來的神經肌肉活動時發放的生物電信號，被廣泛應用于假肢設計、康復醫療及運動員肌肉運動情況分析等領域[3?7]。針對傳統電針的穴位電刺激適應問題，本文在對人體肌電信號建模的基礎上，采用自適應反饋算法，構建一種智能電針灸系統。

1 系統工作原理

在電針治療過程中，通過提取sEMG信號來實時反映治療效果。為了保證人體肌電信號在合理范圍內可控，即不能出現“耐針性”，需要對人體在不同信號電針灸激勵下的響應進行研究建模，如圖1所示。

圖1 電針信號激勵人體響應建模

如圖2所示，本系統采用德州儀器TMS320F2812數字信號處理器[8]作為系統的核心，肌電信號通過處理器自帶的模擬/數字轉換器轉換后送入處理器。采集到的肌電信號經過分析后，與建模的響應數據庫進行比對，采用閉環控制算法，獨立控制兩路電針輸出A/B。同時治療過程中的數據可通過SCI接口送入計算機內部進行存檔。采用硬件處理電路與軟件控制程序相結合的方式實現。前者依據算法的數學模型設計電路，后者則將算法的數學模型編制成程序，并用數字信號處理器實現。系統同時實現兩路電針的控制，充分利用了該處理器的硬件資源。

圖2 自適應反饋電針系統結構圖

2 算法設計

設電針系統兩電極間人體等效電阻為Ri，輸出波形采用標準方波，其中A為幅度， T為周期， W為脈寬， 單個脈沖能量為[9]：

[e=A2WRi] （1）

其中[Ri]根據不同患者略有差異，通過改變A，W，T可產生不同的調制方式控制單個脈沖能量大小。

電針強度（EA Intensity，EAI）[10]定義為單位時間患者接收到的能量，如下：

[EAI=e×f] （2）

式中：f為電針頻率，電針劑量（EA Dose，EAD）定義為電針強度在治療時間上的積分：

[EAD=0tEAIdt] （3）

式中t為患者治療時間。對EMG信號的處理，采用AR參數模型，描述如下[11]：

[EMG（n）+k=1pakEMGn-k=w（n）] （4）

式中：EMG（n）為信號傳感器輸出信號，代表第n個采樣值；w（n）為輸入信號；p為AR模型階數；[ak]是AR模型第k個系數。EMG信號處理后，反映的電針免疫性（EA Immunity）與EAD、電針調制方式、患者個體[Ri]相關，其中[EMGmin]為安全區域下限曲線，[EMGmax]為安全曲線上限曲線。

[EMGmax=fEAD，MS，RiEMGmin=kEAD，MS，Ri] （5）

EAI可通過EMG信號進行觀察，電針系統治療過程中，引起的患者EMG信號變化傳遞函數為：

[EMG=f2（EAD，MS，Ri）g（k，Z）] （6）

式中：EAD為劑量；MS為調制方式，治療過程中，保證EMG始終在[（EMGmin，EMGmax）]范圍內運行，隨著治療時間的延長，需要改變調制方式保證EMG在安全工作范圍。

整個系統根據處方信號的傳遞函數：

[g（K，Z）=0.997 56 di3.56] （7）

式中：[d]為治療過程處方信號的總劑量；i為實時電針強度。[EMGmax和EMGmin]曲線圍成的面積即是安全工作區，必須保證EMG信號在治療過程中，始終在該區域內運行。

不同調制方式下EMG的響應特性不同，四種激勵方式的有效信號特征如表1所示。

表1 不同激勵信號的特征

脈寬調制（Pulse Width Modulation） 引起神經和肌肉興奮的脈沖寬度為0.03～1 ms，為頻率變化對肌電信號的影響：

[ΔWM=logW+0.038 307] （8）

幅度調制（Aplitude Modulation）幅度與刺激強度成正比：

[ΔAM=A23.125 8] （9）

系統中的增益可調，設Ka=Kb=Kc=1。

[EMGi=EMG0+ΔFM+ΔWM+ΔAM]

[e=EMGi-EMG0=EMGi+ΔFM+ΔWM+ΔAM =eb-ec] （10）

式（10）要消除誤差e，必須使得產生誤差的原因ec與補償誤差的方法eb相當，具體控制如表2所示。

表2 三種調節方式比較

在實際使用過程中，可根據患者的不同情況進行動態選擇。

3 系統軟硬件設計

如圖3所示，構建一個實時反饋環路，環路中包括傳感器部分，負責對肌電信號的實時采集，并送入數字信號處理器（Digtal Signal Processor，DSP）。數字信號處理器作為控制整個環路運行的中樞大腦，對傳感器送入的反饋信息和數據庫中的數學模型，采用自適應反饋算法，得到滿足患者要求的調制信號，該信號經過放大器放大后，驅動電針產生滿足患者需要的激勵波形。

圖3 系統軟、硬件方案框圖

系統的軟件設計采用基于RTOS的任務調度系統實現，并將系統需要的各個任務進行分解為：采樣任務，算法任務，調制任務，通信任務和指令接受任務等。利用RTOS進行統一調度管理，保證了硬件資源利用的最大化，軟件流程如圖4所示。

圖4 軟件系統流程圖

4 結 語

本文設計并實現一個基于自適應反饋算法的電針治療系統，該系統能夠獨立對兩個患者進行并行治療。在患者進行電針治療的過程中，系統實時獲取患者的肌電信號，根據自適應反饋算法對該信號進行分析比對，自動調整電針系統的電信號波形，避免傳統電針治療設備長時間使用過程中的“耐針性”問題，同時能夠提高治療效率，方便定量分析，節約人力，積累原始臨床數據。

參考文獻

[1] 楊育霞，雍明超.電針治療儀安全性問題及對策[J].中國針灸，2009，29（4）：339?341.

[2] 汪燦華，畢圣昭，何揚名，等.嵌入式音樂電針治療儀音樂處方設計與療效評估[J].世界科學技術：中醫藥現代化，2014，16（10）：2278?2281.

[3] KHEZRI M， JAHED M. A neuro?fuzzy inference system for sEMG?based identification of hand motion commands [J]. IEEE Transactions on Industrial Electronics， 2011， 58（5）： 1952?1960.

[4] LI Dapeng， ZHANG Yaxiong. Artificial neural network prediction of angle based on surface electromyography [C]// Proceedings of the 2011 international conference on control， automation and systems engineering. Singapore： IEEE， 2011： 1?3.

[5] PARK K， KWON S， KIM J. Bimanual shoulder flexion system with surface electromyography for hemiplegic patients after stroke： A preliminary study [C]// Proceedings of the 2011 IEEE International Conference on Rehabilitation Robotics. Zurich： IEEE， 2011： 1?5.

[6] 李慶玲.基于sEMG信號的外骨骼式上肢康復機器人系統研究[D].哈爾濱：哈爾濱工業大學，2009.

[7] 尤波，劉意，趙汗青，等.人體肌電信號的生理層模型[J].計算機仿真，2015（1）：367?371.

[8] 劉廣哲.基于TMS320F2812的光電經緯儀自動調焦系統設計[J].儀表技術，2015（4）：48?49.

[9] 黃東勉.淺談影響針刺刺激量的因素[J].中國熱帶醫學，2007（12）：2357?2358.

[10] 王頻，楊華元，胡銀娥.電針刺激量量化方案探討[J].中國針灸，2009（5）：417?420.

[11] 趙漫丹，李東旭，范才智，等.基于肌電信號層級分類的手部動作識別方法[J].北京生物醫學工程，2014，33（5）：490?496.

[12] 曹鵬，黃華，何揚名，等.調制中頻生物電剌激的探討與設計[J].測控技術，2014，33（7）：23?26.

[13] 湯烈，葛良全.一種濾除表面肌電信號中工頻干擾的新型方法[J].現代電子技術，2015，38（4）：30?34.