表面肌電圖在腦卒中康復中的應用與研究進展

金佳然，朱玉連,2

表面肌電圖(surface electromyography,SEMG)是采用表面(即皮膚)電極放置在特定肌肉表面，通過記錄或采集單個或一組肌肉的肌肉活動或動作時的肌電信號，從而來反映神經肌肉的活動狀態。對于正常人或腦卒中患者的特定肌肉功能評定、康復評定[1-3]、體育科學中的疲勞判定[4-5]，對于特定肌肉檢測運動過程中的肌肉收縮情況[6]等方面均有重要價值。本文從肌電圖對于肌肉工作狀態、肌肉疲勞狀態的分析和對于康復治療效果三個方面進行了總結整理，論證了SEMG對于腦卒中患者臨床康復中的重要性以及對其研究進展進行了總結提出展望。

1 SEMG的簡介

1.1 SEMG的基本工作原理 肌肉的電生理學的激活預示著機械力學的力的產生。這種肌肉活動能夠被肌電圖所記錄下來，同時反映激活的程度：在一定的范圍內，肌電圖數據的數值越大，肌肉產生收縮的程度以及表現出的力量則越大[7]。肌電信號可通過表面電極或針式電極進行記錄和引導，前者稱之為表面肌電信號，所描繪出的數據圖為表面肌電圖(SEMG)，后者稱之為針肌電信號[7]。針電極因為其對人體具有侵入性，因此如非必要，臨床上更傾向于運用SEMG來進行對肌肉的檢測。盡管近年來組織化學、分子生物學、基因監測和影像學檢查飛速發展，但由于其檢測的多是肌肉的代謝產物，代謝狀況，以及形態上的變化，無法直觀的，即時的掌握肌肉的動態數據，因此上述技術仍難以取代肌電圖檢測[8]。

1.2 SEMG的常用分析指標 SEMG的分析包括時域分析和頻域分析，常用的分析指標有積分肌電值(integrated electromyography,IEMG)、平均肌電值(averaged electromyography,AEMG)、均方根值(root mean square value,RMS)，平均功率頻率(mean power frequency,MPF)和中位頻率(median frequency,MF)等，其中前三者屬于時域指標，后兩者屬于頻域指標。IEMG是指在一定時間內肌肉中參與活動的運動單位放電總量[9]。AEMG是一段時間內瞬間肌電圖振幅的平均，是反映sEMG信號振幅變化的特征性指標，與不同肌肉負荷強度條件下的中樞控制功能有關[10]。RMS是一段時間內瞬間肌電圖振幅平方平均的平方根，AEMG和RMS 的意義基本相同[11]。而總體上，相對時域指標而言，頻域指標的變異較小而更具有優勢[12]。

1.3 SEMG的優點與缺點 肌電圖的最大優勢在于其能夠很好地反映肌肉的激活程度，并且與肌肉力量高度相關，可以提供一個相對完善的關于肌肉力量的動態數據[1]。但缺點也是顯而易見的，如在信號采集方面，皮膚的電阻會受到汗液的影響而變化；又如在采集過程中也有可能被其他電信號所干擾，如心電信號，電子設備的電信號等[13]。對此，已有研究者做出相應措施，如心電干擾可以通過縮小兩個記錄電極之間的距離而減少[14]，每次實驗前利用酒精等在要貼電極的皮膚附近進行消毒從而減小皮膚電阻所帶來的影響[11]。這些措施能夠在一定程度上提高SEMG的實用性。這也是SEMG現在能夠在臨床如此廣泛應用的原因。

2 SEMG在腦卒中患者臨床康復中的應用現狀

2.1 對于腦卒中患者肌肉工作狀態的分析 ①下肢及步態分析方面。腦卒中患者在恢復步行能力時，步態會有很多種不同形式，目前的評定方法主要是通過觀察或者量表評估進行分類與治療，缺少準確的定量評估，而SEMG就給我們提供了一種準確定量的分析方法。下肢方面曾有研究，通過對腦卒中后偏癱患者下肢股直肌和股二頭肌肌電積分值的觀察發現，偏癱患者膝關節痙攣以伸肌群為主，從而針對這一特性設計出不同的訓練方法[15]；通過應用SEMG儀記錄腦卒中患者從坐位到站位過程中下肢肌肉運動模式，發現患者從坐在椅子上到站起時偏癱側的脛骨前肌無或僅有較小的波幅出現并伴隨比目魚肌提早激動或者過度活動，健側的股四頭肌和脛骨前肌代償性的過度收縮以防止跌倒[16]；通過采集股四頭肌，脛骨前肌和比目魚肌的SEMG數據分析腦卒中后患者的肌肉活動從而分析出平衡功能的恢復情況[17]；最近又有研究人員發現部分腦卒中患者甚至老年人的步態傾向于更加“寬”的形式，遂其通過選取14名沒有受傷的年輕成年人，使其在跑步機上以1.25m/s的速度以4種(正常、窄，中等和寬)寬度的步態行走，以此為契機利用SEMG來采集臀中肌的活動情況數據，量化行走步態寬度和臀中肌活動之間的關系，得出臀中肌的活動情況與步態寬度的數值息息相關的結論，并且越寬的步態形式越能夠更好的動員臀中肌的肌肉活動[18]。這為臨床康復提供了新的思路。②上肢、軀干以及運動控制方面。上肢方面，曾有研究學者通過觀察和分析偏癱患者肱二頭肌、肱三頭肌在最大等長收縮過程中SEMG的肌電積分值驗證腦卒中偏癱患者肘關節痙攣以屈肌為主，提示腦卒中后偏癱上肢的康復治療應以訓練伸肌側肌力和抑制拮抗肌協同收縮為主[19]，學者朱燕對恢復期腦卒中患者肘屈伸肌的SEMG指標進行分析，結果顯示實驗組最大等長收縮力矩、峰力矩體重比均明顯低于對照組，得出即使臨床已無明顯障礙，但其患側上肢在生物力學各項指標上依然反應異常的結論[20]；在軀干方面，曾有學者對早期腦卒中患者的軀干屈伸肌群的表面肌電信號研究后發現，早期的坐位及步行能力低下者雙側豎脊肌前傾功能減退，雙側腹直肌后伸[21]，同時在陳奕雄等[22]的文章中也有提到肌電積分用于量化分析肌肉在單位時間內的收縮特性，與肌張力呈正相關，可以更客觀地反映軀干肌的情況；在運動控制方面，學者Cláudia等[23]在研究中通過肌電圖檢測腦卒中患者上肢的姿勢控制和運動相關的肌肉來分析主動肌和拮抗肌的激活比例從而對比正常人群和腦卒中患者的上肢運動控制方面的差異，在國內學者樊留博等[24]的研究中，利用SEMG分析腦卒中患者膝關節拮抗肌收縮過程，得出了進一步表明膝關節控制強化訓練能夠減輕患側下肢的肌張力，從而有效改善腦卒中偏癱患者的步行功能的結論。③吞咽。吞咽是一種復雜的反射性動作，吞咽的神經肌肉功能檢測在吞咽與吞咽障礙的評定中尤為重要。國外學者Vaiman等[25]發現，通過對表面肌電分析可以用于吞咽障礙的篩查和早期診斷,簡單可靠的評定吞咽障礙并對其病因加以鑒別；在國內近年來也有學者通過SEMG檢測人體頸部體表咬肌、口輪匝肌、頦下肌群、舌骨下肌群這四組吞咽相關肌肉的工作狀態，來探討SEMG對于腦卒中后吞咽障礙康復治療效果的作用，驗證了SEMG在吞咽方面的實用性[26]。④痙攣。肌肉痙攣是腦卒中患者常見的后遺癥之一，它會對單個肢體的功能恢復和肌力增加產生較為負面的影響。在國外，早年間已經有學者Sherwood等[27]嘗試利用SEMG評估脊髓損傷所導致的肌肉痙攣，而現在國內外SEMG已經越發頻繁的被使用，如國外學者利用SEMG來研究中樞神經系統損傷所導致的骨骼肌特性的變化[28]，國內的王玉昌等[29]也從骨骼肌放電角度利用表面肌電技術來探索痙攣型骨骼肌異常放電的具體情況，為以后量化痙攣狀態提供理論依據。

2.2 對于腦卒中患者肌肉疲勞程度的分析 肌肉疲勞作為慢性疲勞的其中一種表現形式，對腦卒中患者的治療、患者情緒的控制以及患者依從性也有著很大影響。臨床上常用肌力等評價疲勞,但疲勞與許多主觀因素有關。SEMG分析肌肉的IEMG、MPF 和MF 等指標較肌力更加的科學、客觀。通過SEMG肌肉數據的縱向對比，通過頻譜的變化從而分析出肌肉的疲勞情況，對于腦卒中患者的臨床康復領域有很重要的意義。有學者通過腦卒中患者與健康對照組的最大步行速度，步行距離，肌電圖和下肢次最大疲勞收縮活動(30%最大負荷)直到不能完成前后對比的數據從而發現，在使人疲勞的動態屈肌收縮中，臀部屈曲肌肉會表現出缺少調整的能力。對于一個給定的疲勞程度而言，腦卒中患者相對于神經完整的人來說步行能力的減弱更有深遠的影響，而且調節髖關節屈曲的肌肉運動的能力會出現下降的現象。結論強調了對于腦卒中人群來講，在日常鍛煉和活動中的監測肌肉運動中臀部肌肉活動的影響的重要性[30]；學者Riley等[31]在他們的研究中，通過對腦卒中患者疲勞后健側和患側上肢的肌電圖的數據分析，相比于健側，患側的前臂和肩膀附近的肌肉都表現出更弱的自主收縮能力。Riley等[31]認為腦卒中患者肢體的疲勞對于患側的影響更加明顯，特別是當用盡全力收縮肌肉或者單獨收縮某一塊肌肉時。

2.3 對于腦卒中患者康復效果的評價分析 進行所有治療的目的都是為了恢復患者生活自理能力和提升其生活質量。而傳統的評估方法大多是通過治療師進行量表評估，這很大程度上受到了檢測效度的主觀性和檢測結果的難以精確定量的限制。肌電圖具有與肌肉活動高度相關和能夠準確量化的優勢，目前應用肌電圖來進行康復效果的評價分析已經越來越多地受康復專業人員的關注。在國外，有學者在研究腦卒中后患者的步態恢復情況與肌肉活動改變的相關性時，作者通過對腦卒中患者步行時最大步行速度、擺動相和支撐相股二頭肌、股直肌和腓腸肌的肌電活動的對比(包括與健康對照組和自身健側兩方面)發現，隨著康復治療的進行，患者身體的靈活、步行的獨立性以及最大步行速度都有顯著的改善，從而判定患者的步行能力確實有實質性的進步[32]；在國內，有學者通過對腦卒中患者上肢活動的SEMG信號特征進行提取，發現不同Brunnstrom分期患者的三角肌中部肌和指總伸肌的MPF的變化趨勢存在顯著性差異，處于康復后期的患者活動過程中的MPF下降緩慢并且變化趨勢更接近于常人，說明康復訓練對腦卒中患者肌肉的耐疲勞能力有很好的治療效果[33]；學者張卉等[34]在其相關研究中通過SEMG記錄雙下肢肌肉的相關參數，驗證了一種新型康復設備對于下肢痙攣具有很好的療效；甚至在中醫方面，崔華鋒等[35]也利用SEMG來量化評估針刺治療對肌痙攣的治療作用。

3 SEMG的局限性與發展趨勢

3.1 SEMG的局限性 由于SEMG必須附著于皮膚從而測量肌肉的電信號，導致很難或者無法準確測量較小或者位置較深的肌肉的活動情況，在一定程度上限制了SEMG的作用；其次，由于SEMG在測量之前必須進行電極的佩戴，如何簡化流程，減少刺激也是今后值得繼續進行技術研究的方面；最后，肌電圖最大的不利因素在于肌肉產生的力不是數值而是通過頻譜或時譜的分析來得出肌肉活動的相關數據，許多因素如影響偵測的不可預測因素、肌肉本身的影響等都必須考慮進去。即使在等長收縮情況下，肌電圖與力的關系對于每個肌肉和幾何學情況都是不同的。如果把動態因素也考慮進來的話，情形將會更加的復雜[1]。

3.2 SEMG的發展趨勢 目前來看，SEMG的數據分析是處于不斷的發展之中的，如國外學者利用均方根值(RMS)提取出sEMG的特征值，用于研究sEMG和運動位移的關系，從而實現了手指和腕關節模型的控制[36]；國內學者吳冬梅等[37]也在其研究中比較了目前流行的幾種數據提取方法的優劣。除此以外，SEMG必然是向著能夠更精確的測量不同位置的肌肉的方向發展，關于這種儀器自身設計方面的進展則需要生物力學或者相關學科的學者進行進一步的開發；而目前關于SEMG半自動化甚至自動化的佩戴的研究，多在一些仿生手臂、康復機器人研究項目中提及[38]，技術層面還并不成熟；至于其無法直接測量肌肉力量以及為了在動態活動中收集肌肉力量的肌電圖數據等情況，新的嘗試已經在國外在不斷的開發，一種叫“crosstalk risk factor”(CRF)的技術曾被提及，這種技術能夠量化和緊密相關個體的串話干擾[39]，從而試圖解決上述問題。

4 結論

SEMG作為一種無創性的量化肌肉活動狀態指標，越來越多的被臨床工作者以及研究學者所重視。SEMG在具有很多獨特的優點之外也存在著些許的不足，隨著越來越多的學者的研究，相信其會為患者的康復治療提供越來越大，越來越準確的評估，為更優化的制訂患者的康復方案和療效做出貢獻。

[1] Disselhor st-klug C,Schmitz-Rode T,Rau G. Surface electromyography and muscle force:Limits in sEMG-force relationship and new approaches for applications[J]. Clin Biomech,2009,24(3):225-235.

[2] Meekins GD,So Y,Quan D. American Association of Neuromuscular & Electrodiagnostic Medicine evidenced-based review: use of surface electromyography in the diagnosis and study of neuromuscular disorders[J]. Muscle Nerve,2008,38(4):1219-1224.

[3] Gerdle B,Henriksson-Larsén K,Lorentzon R,et al. Dependence of the mean power frequency of the electromyogram on muscle force and fiber type[J]. Acta physio lscand,1991,142(4):457-465.

[4] Vercruyssen F,Missenard O,Brisswalter J. Relationship between oxygen uptake slow component and surface EMG during heavy exercise in humans: Influence of pedal rate[J]. J Electromyogr Kinesiol,2009,19(4):676-684.

[5] Bazzucchi I,Riccio ME,Felici F. Tennis players show a lower coactivation of the elbow antagonist muscles during isokinetic-exercises[J]. J Electromyogr Kinesiol,2008,18(5):752-759.

[6] 黃萍,齊進,鄧廉夫,等. 正常青年人自然步態下肢肌的表面肌電圖分析[J]. 中國組織工程研究,2012,16(20):3680-3684.

[7] Roberto M,Dario F. Analysis of intramuscular electromyogram signals[J]. Philosophical Transactions of the Royal Society A,2009,367(1887):357-368.

[8] 崔麗英,劉明生. 十年來我國臨床神經電生理學研究進展:肌電圖與腦誘發電位[J].中國現代神經疾病雜志,2010,10(1):74-76.

[9] Cram JR,Kasman GS,Holtz J .Introduction to Surface Electromyo-Graphy[M]. V1.Maryland :An Aspen Publishers,1998,317-375.

[10] 鄭潔膠,胡佑紅,俞卓偉. 表面肌電圖在神經肌肉功能評定中的應用[J].中國康復理論與實踐,2007,13(8):741-742.

[11] 穆景頌,倪朝民. 表面肌電圖在腦卒中康復評定中的應用[J].中國康復,2009,24(1):26-26.

[12] Josef K,Gerold R,Andreas K. Reliability of surface elect romyographic measurements[J].Clinical Neurophysiol,1999,110(4):725-734.

[13] 潘文平,范建中. 表面肌電圖在康復醫學中的一些應用[J].中國康復,2011,26(1):59-60.

[14] 吳文,黃國志,劉湘江. 表面肌電圖用于腰椎間盤突出癥療效評定的研究[J] .中華物理醫學與康復雜志,2002,24(9): 551-553.

[15] 孫棟,戴慧寒,蔡奇芳,等. 腦卒中偏癱患者股直肌和股二頭肌的表面肌電信號特征[J]. 中國康復醫學雜志,2008,23(3): 256-257.

[16] Cheng PT,Chen CL,Wang CM,et al. Leg muscle activation patterns of sit-to-stand movement in stroke patients.[J]. Am J Phys Med Rehabil,2004,83(1): 10-16.

[17] Peters S,Ivanova TD,Teasell R,et al. Is the Recovery of Functional Balance and Mobility Accompanied by Physiological Recovery in People With Severe Impairments After Stroke[J]. Neurorehabilitation and Neural Repair,2014,28(9):847-855.

[18] Kubinski SN,McQueen CA,Sittloh KA,et al. Walking with wider steps increases stance phase gluteus medius activity[J]. Gait Postur,2015,41(1):130-135.

[19] 楊堅,張穎. 表面肌電圖在神經肌肉病損功能評估中的應用[J].中國臨床康復,2004,8(22):4580-4581.

[20] 朱燕,齊瑞,張宏,等. 恢復期腦卒中患者肘屈伸肌群最大等長收縮的表面肌電圖研究[J]. 中國康復,2006,21(1): 308-310.

[21] 劉世文,槐洪波,劉然,等. 早期腦卒中患者軀干屈伸肌群表面肌電研究[J]. 中國康復醫學雜志,2006,21(1):57-60.

[22] 陳奕雄,劉初容,曾盼堅,等. 腦卒中后軀干肌活動能力的研究進展[J].中國康復理論與實踐,2013,19(10):942-944.

[23] Silva CC,Silva A,Sousa A,et al. Co-activation of upper limb muscles during reaching in post-stroke subjects: An analysis of the contralesional and ipsilesional limbs[J]. Journal of Electromyography and Kinesiology,2014,24(5):731-738.

[24] 樊留博,劉寶華,朱靖,等. 膝關節控制訓練治療腦卒中后痙攣性偏癱表面肌電圖分析[J]. 浙江中西醫結合雜志,2015,25(2):152-154.

[25] Vaiman M. Standardization of surface electro myography utilized to evaluate patients with dysphagia[J]. Head Face Med,2007,6(3):26-40.

[26] 韓婕,閻文靜,戴玲莉,等. 表面肌電圖在腦卒中吞咽障礙患者康復療效評估中的應用研究[J].中國康復醫學雜志,2013,28(6):579-581.

[27] Sherwood AM,Priebe MM,Graves DE. Consistency of multi-channel surface EMG recordings: application in spinal cord injured subjects[J].Electrophysiol Kinesiol,1997,7(5):97-111.

[28] Michael Brun Jensen,José Alberto Biurrun Manresa,Ken SteffenFrahm,et al. Analysis of muscle fiber conduction velocity enablesreliable detection of surface EMG crosstalk during detection ofnociceptive withdrawal reflexes[J]. BMC Neuroscience,2013,14(5):265-269.

[29] Zwarts MJ,Bleijenberg G,Engelen BG. Clinical neurophysiology of fatigue[J]. Clinical Neurophysiology,2008,119(1):2-10.

[30] Rybar MM,Walker ER,Kuhnen HR,et al. The stroke-related effects of hip flexion fatigue on over ground walking[J]. Gait Posture,2014,39(4):1103-1108.

[31] Riley NA,Bilodeau M. Changes in upper limb joint torque patterns and EMG signals with fatigue following a stroke[J]. Disability and Rehabilitation,2002,24(18):961-969.

[32] Den Otter AR,Geurts AC,Mulder T,et al . Gait recovery is not associated with changes in the temporal patterning of muscle activity during t readmill walking in patient s with post-stroke hemiparesis[J]. Digest of the World Core Medical Journals,2006,117(1):4-15.

[33] 萬澤明. 腦卒中患者上肢肌肉表面肌電信號分解與疲勞研究[D]. 中國科學院大學.2013.

[34] 張卉,沈玄霖,周菁,等. MOTOmed智能訓練治療脊髓損傷下肢痙攣的療效觀察及肌電圖分析[J]. 生物醫學工程與臨床,2015,19(2):156-159.

[35] 崔華峰,于曉華,郭麗,等. 腦卒中后肌痙攣的針刺治療及肌電圖評價[J]. 長春中醫藥大學學報,2014,30(6):1067-1070.

[36] Reddy NP,Gupta V. Toward direct biocontrol using surface EMG signals: control of finger and wrist joint models[J].Med Eng Phys,2007,29(3):398-403.

[37] 吳冬梅,孫欣,張志成,等. 表面肌電信號的分析和特征提取[J]. 中國組織工程研究與臨床康復,2010,14(43):8073-8076.

[38] 鄒曉亮. 面向仿生手臂的表面肌電圖信號采集與系統處理研究[D]. 吉林大學. 2011.

[39] Keshwani N,McLean L. A differential suction electrode for recording electromyographic activity from the pelvic floor muscles:crosstalk evaluation[J]. J Electromyogr Kinesiol,2013,23(2):311-318.