基于積分肌電值結(jié)合雙閾值的s-EMG活動(dòng)段的檢測(cè)

王立玲，楊 錚，劉 瑾

(1.河北大學(xué)電子信息工程學(xué)院，河北 保定 071000；2.河北大學(xué)附屬醫(yī)院，河北 保定 071002)

0 引言

在現(xiàn)實(shí)生活中，由于工作原因而導(dǎo)致身體某一部位長(zhǎng)期處于一特定姿態(tài)的人群，當(dāng)身體突發(fā)性運(yùn)動(dòng)或者超負(fù)荷負(fù)重時(shí)，很可能造成肌肉損傷，給家庭及社會(huì)帶來(lái)壓力.上肢肱二頭肌是我們?nèi)粘Ｉ钪薪?jīng)常使用的一塊肌肉，因傳統(tǒng)特征值表征肌肉疲勞時(shí)變化不明顯，反映不夠靈敏，很有可能在肌肉已經(jīng)發(fā)生疲勞時(shí)而未檢測(cè)出疲勞，造成肌肉損傷.因此，如何在肌肉受到損傷之前檢測(cè)出疲勞，防止由普通性肌肉疲勞進(jìn)一步惡化發(fā)展成肌肉損傷已成為當(dāng)今一個(gè)值得研究的問(wèn)題.

隨著肌肉不斷收縮會(huì)逐漸進(jìn)入疲勞狀態(tài)，肌肉疲勞研究對(duì)康復(fù)醫(yī)學(xué)領(lǐng)域有推動(dòng)作用.當(dāng)神經(jīng)肌肉活動(dòng)時(shí)，使用電極從人體骨骼肌表面獲得生物電信號(hào)稱為表面肌電信號(hào)(surface electromyography，s-EMG).它反映了神經(jīng)和肌肉的功能狀態(tài)，因此可以通過(guò)s-EMG來(lái)研究肌肉疲勞.肌肉在持續(xù)工作情況下會(huì)使其做功能力下降，這種現(xiàn)象就稱為肌肉疲勞.[1]

對(duì)于疲勞的機(jī)理，不同的學(xué)說(shuō)有不同的理解.目前關(guān)于運(yùn)動(dòng)性疲勞產(chǎn)生的機(jī)理主要有“衰竭學(xué)說(shuō)”“堵塞學(xué)說(shuō)”“內(nèi)環(huán)境失調(diào)學(xué)說(shuō)”“保護(hù)性抑制學(xué)說(shuō)”“突變理論”“自由基損傷學(xué)說(shuō)”等[2].肌肉疲勞主要是由發(fā)力過(guò)程中逐漸出現(xiàn)的鈣離子運(yùn)動(dòng)擾動(dòng)、磷酸鹽等代謝物的積累、肌細(xì)胞三磷酸腺苷的減少等因素使動(dòng)作電位傳導(dǎo)變化和肌纖維收縮力量下降所致.

相關(guān)研究表明，頻域中影響表面肌電信號(hào)頻譜變化的因素主要與神經(jīng)傳導(dǎo)速率、動(dòng)作電位持續(xù)時(shí)間有關(guān).在動(dòng)態(tài)收縮至疲勞的過(guò)程中肌肉溫度會(huì)升高，溫度會(huì)影響表面肌電信號(hào)使頻譜高頻成分增加，導(dǎo)致頻域相關(guān)特征參數(shù)變化不明顯.[3-4]時(shí)域中影響表面肌電信號(hào)幅值變化的因素主要與動(dòng)作單位數(shù)量、傳輸速度以及發(fā)放頻率有關(guān).在動(dòng)態(tài)收縮至疲勞的過(guò)程中肌肉力會(huì)增加，肌肉力增加會(huì)影響表面肌電信號(hào)幅值增加，導(dǎo)致時(shí)域相關(guān)特征參數(shù)在評(píng)估疲勞領(lǐng)域受到限制[5].為了解決時(shí)域、頻域相關(guān)參數(shù)指標(biāo)靈敏度較差問(wèn)題，提出了基于積分肌電窗口移動(dòng)平均值結(jié)合雙門限閾值活動(dòng)段檢測(cè)肌肉疲勞研究方法提取時(shí)域、頻域特征參數(shù)；由于動(dòng)態(tài)屈伸肘動(dòng)作的發(fā)力方式為周期性肌肉收縮，所以采用積分肌電窗口移動(dòng)平均值結(jié)合雙門限閾值的方法區(qū)分肌肉動(dòng)態(tài)收縮區(qū)和靜態(tài)收縮區(qū)，即不再以等時(shí)間間隔劃分表面肌電信號(hào)，而是以每個(gè)周期性收縮區(qū)為劃分依據(jù).利用肌肉動(dòng)態(tài)收縮區(qū)相關(guān)特征值的靈敏度波動(dòng)比(SVR指數(shù))來(lái)表征肌肉疲勞的靈敏度.

1 信號(hào)采集及預(yù)處理

利用NORAXON公司生產(chǎn)的MR3.6軟件，采用表面肌電信號(hào)采集儀對(duì)信號(hào)進(jìn)行采集，利用無(wú)線表面肌電信傳感器，使用一次性Ag/AgCl電極片，設(shè)定時(shí)間常數(shù)為0.05 s，采樣頻率為1 500 Hz，根據(jù)肌肉模型粘貼一次性電極片，電極片之間距離為20 mm.挑選8名健康受試者均無(wú)肌肉勞損病史，實(shí)驗(yàn)前24 h內(nèi)無(wú)參加激烈活動(dòng).每位受試者在實(shí)驗(yàn)前都接受實(shí)驗(yàn)通知并進(jìn)行實(shí)驗(yàn)動(dòng)作培訓(xùn)，實(shí)驗(yàn)地點(diǎn)為河北省數(shù)字醫(yī)療工程重點(diǎn)實(shí)驗(yàn)室.

受試者站立手握 1.5 kg啞鈴做屈伸肘動(dòng)作(周期力收縮)，直至疲勞不能繼續(xù)(約為2 min)，記錄右上肢肱二頭肌數(shù)據(jù).為了增加表面肌電信號(hào)的高頻分辨率，需要對(duì)表面肌電信號(hào)的高頻部分進(jìn)行預(yù)加重[6].測(cè)試者身體具體信息如表1所示.

表1 受試者身體信息

2 分析方法

2.1 數(shù)據(jù)分段

周期性收縮通過(guò)分割活動(dòng)段進(jìn)行數(shù)據(jù)分割，以每次收縮部分信號(hào)為一段，活動(dòng)段的分割采用移動(dòng)平均法，利用時(shí)間窗移動(dòng)(窗長(zhǎng)wlength=100點(diǎn)，窗移wshift=50點(diǎn))計(jì)算表面肌電信號(hào)瞬時(shí)移動(dòng)窗內(nèi)的積分肌電值.根據(jù)經(jīng)驗(yàn)設(shè)定雙閾值(Tstart，Tstop)，若積分肌電移動(dòng)平均值連續(xù)多次超過(guò)閾值Tstart，則認(rèn)為進(jìn)入活動(dòng)段；進(jìn)入活動(dòng)段后，若積分肌電移動(dòng)平均值連續(xù)多次低于閾值Tstop，則認(rèn)為活動(dòng)段結(jié)束.數(shù)據(jù)分段計(jì)算公式為

式中W為窗長(zhǎng)，n為移動(dòng)過(guò)程中某窗口.

端點(diǎn)檢測(cè)主要是為了自動(dòng)檢測(cè)出周期力收縮的起始點(diǎn)及結(jié)束點(diǎn).采用了雙門限比較法來(lái)進(jìn)行端點(diǎn)檢測(cè).雙門限比較法以短時(shí)積分肌電值特征作為分析指標(biāo).端點(diǎn)檢測(cè)流程見(jiàn)圖1.

2.2 時(shí)域分析

時(shí)域分析是直接在時(shí)間域中對(duì)表面肌電信號(hào)進(jìn)行分析的方法，具有直觀和準(zhǔn)確的優(yōu)點(diǎn).主要有積分肌電值(IEMG)、均方根值(RMS)、過(guò)零點(diǎn)數(shù)(ZC).積分肌電值用以評(píng)價(jià)肌肉是否發(fā)生疲勞，如采用積分肌電差值可以粗略估計(jì)肌肉疲勞時(shí)間；均方根值是用來(lái)描述肌電信號(hào)在一段時(shí)間內(nèi)的平均變化；過(guò)零點(diǎn)數(shù)是指表面肌電信號(hào)時(shí)間序列在幅值的變化過(guò)程中的正負(fù)值交替變化的次數(shù).[7-10]

2.3 頻域分析

頻域分析是從頻率角度分析表面肌電信號(hào)特征，方法是將時(shí)域信號(hào)經(jīng)過(guò)快速傅里葉轉(zhuǎn)換后，得到表面肌電信號(hào)頻譜或功率譜.頻域分析常用分析參數(shù)有平均功率頻率(MPF)、中值頻率(MF)、疲勞指數(shù)(FI).[11-12]MPF是指過(guò)功率譜曲線重心頻率，等于總功率除以總時(shí)間；MF是指骨骼肌收縮過(guò)程中肌纖維放電頻率的中間值，等于各個(gè)時(shí)間段的功率的平均值.MPF和MF用于量化表面肌電信號(hào)頻譜的偏移；FI是通過(guò)不同頻率功率的比例評(píng)估肌電信號(hào)功率譜的偏移情況，分子部分強(qiáng)調(diào)疲勞過(guò)程中功率譜低頻成分的增多，分母部分強(qiáng)調(diào)了功率譜高頻成分的減少.[13]

圖1 端點(diǎn)檢測(cè)流程

3 結(jié)果與討論

D.R.Rogers[14]提出了SVR指數(shù)，SVR指數(shù)用于評(píng)估目標(biāo)參數(shù)對(duì)疲勞程度靈敏度與集中性綜合效果.該參數(shù)分子為特征參數(shù)在整個(gè)疲勞過(guò)程中的變化范圍，分母可以衡量特征參數(shù)集中性.特征參數(shù)變化范圍越大，自身抖動(dòng)性越小，則該參數(shù)SVR指數(shù)值越大，即對(duì)疲勞的表征效果越好.對(duì)受試者各個(gè)肌電特征參數(shù)分別進(jìn)行歸一化后計(jì)算SVR指數(shù).

3.1 時(shí)域特征值分析結(jié)果

圖2為IEMG閾值窗口，圖3為活動(dòng)段閾值檢測(cè)時(shí)域圖.由圖2—3可以看出肱二頭肌隨著時(shí)間的推移，表面肌電信號(hào)幅度有增大的趨勢(shì).確定雙閾值(Tstart，Tstop)值，Tstart=0.040 0，Tstop=0.008 0.確定單閾值(Tstart)值，Tstart=0.040 0.圖2的IEMG窗口移動(dòng)過(guò)程中經(jīng)過(guò)閾值判斷找出圖3表面肌電信號(hào)收縮區(qū)的起止點(diǎn)位置，從而確定收縮區(qū)的個(gè)數(shù)(n=15).計(jì)算每一個(gè)收縮區(qū)的相關(guān)特征參數(shù)值并找出相關(guān)特征參數(shù)值與疲勞之間的對(duì)應(yīng)關(guān)系.

受試者右上肢肱二頭肌的每一收縮區(qū)RMS見(jiàn)圖4，受試者右上肢肱二頭肌的每一收縮區(qū)RMS和ZC見(jiàn)圖5—6.由圖4—6可以看出，受試者肱二頭肌在趨于疲勞過(guò)程中，能量、IEMG、RMS均增大.從靈敏性和集中性的角度來(lái)看，RMS指標(biāo)效果最好，然后是IEMG，最后是ZC.計(jì)算得到的SVR各指數(shù)為：

(1) SVRdouble threshold(IEMG)=5.682 2，SVRdouble threshold(ZC)=3.188 9，SVRdouble threshold(RMS)=5.994 4；

(2) SVRsingle threshold(IEMG)=4.574 1，SVRsingle threshold(ZC)=2.301 5，SVRsingle threshold(RMS)=4.734 2.

3.2 頻域特征值分析結(jié)果

受試者右上肢肱二頭肌每一收縮區(qū)的MPF、MF、FI見(jiàn)圖7—9.由圖7—9可看出，肱二頭肌在趨于疲勞過(guò)程中，受試者的表面肌電信號(hào)MPF、MF減小，F(xiàn)I增大.從靈敏性和集中性的角度看，MF最好，然后是MPF，最后是FI.計(jì)算得到的SVR各指數(shù)為：

(1) SVRdouble threshold(MPF)=7.638 3，SVRdouble threshold(MF)=7.829 3，SVRdouble threshold(FI)=2.366 2；

(2) SVRsingle threshold(MPF)=6.739 6，SVRsingle threshold(MF)=6.869 4，SVRsingle threshold(FI)=1.369 8.

表2和3分別為8名受試者相關(guān)時(shí)域和頻域指標(biāo)SVR.表4和5分別為8名受試者相關(guān)頻域和時(shí)域參數(shù)SVR均值和方差.圖10為時(shí)域和頻域內(nèi)相關(guān)特征值SVR進(jìn)行t檢驗(yàn)(Excel數(shù)據(jù)分析模塊).在a=0.05情況下，P<0.05，二者之間存在顯著性差異，說(shuō)明基于積分肌電窗口移動(dòng)平均值結(jié)合雙閾值法與基于積分肌電窗口移動(dòng)平均值結(jié)合單閾值法獲得的時(shí)域、頻域參數(shù)相比，具有顯著性高分辨靈敏度.

通過(guò)展開(kāi)肌肉疲勞實(shí)驗(yàn)研究，從不同閾值算法上對(duì)肌肉疲勞靈敏度方面進(jìn)行分析，得出研究結(jié)果如下：

(1) 從積分肌電窗口移動(dòng)平均值結(jié)合單閾值法獲得時(shí)域、頻域參數(shù)指標(biāo)SVR上來(lái)看，其表征肌肉疲勞靈敏性較差，從積分肌電窗口移動(dòng)平均值結(jié)合雙閾值法獲得的時(shí)域、頻域參數(shù)指標(biāo)的SVR上來(lái)看，其表征肌肉疲勞靈敏性較好.

表2 單/雙閾值法頻域指標(biāo)SVR

表3 單/雙閾值法時(shí)域指標(biāo)SVR

表4 頻域指標(biāo)SVR均值表

表5 時(shí)域指標(biāo)SVR均值表

圖10相關(guān)特征值SVR的t檢驗(yàn)

(2) 從通過(guò)積分肌電窗口移動(dòng)平均值結(jié)合不同閾值法得到時(shí)域、頻域參數(shù)指標(biāo)的SVR的t檢驗(yàn)的P值來(lái)看，基于積分肌電窗口移動(dòng)平均值結(jié)合雙閾值法具有顯著性高分辨靈敏度.

(3) 從時(shí)域、頻域參數(shù)指標(biāo)的SVR的均值大小來(lái)看，無(wú)論是通過(guò)積分肌電窗口移動(dòng)平均值結(jié)合單閾值法還是通過(guò)積分肌電窗口移動(dòng)平均值結(jié)合雙閾值法得到頻域參數(shù)指標(biāo)的SVR：頻域指標(biāo)中有SVRFI

(4) 從受試者適用性上來(lái)看，8名受試者均滿足結(jié)果(3)的關(guān)系.因此，該試驗(yàn)方法具有適用性特性(適用性).

(5) 從受試者個(gè)體差異上來(lái)看，8名受試者所測(cè)得的時(shí)域、頻域參數(shù)的靈敏性各不相同，造成這種現(xiàn)象的原因可能是不同受試者肌肉形態(tài)和組織結(jié)構(gòu)不同(個(gè)體差異性).

(6) 從頻域參數(shù)的一階擬合k值來(lái)看，無(wú)論是通過(guò)積分肌電窗口移動(dòng)平均值結(jié)合單閾值法還是通過(guò)積分肌電窗口移動(dòng)平均值結(jié)合雙閾值法得到時(shí)域、頻域參數(shù)指標(biāo)：8名受試者的MF、MPF均是隨著時(shí)間推移變小、FI變大的趨勢(shì)；RMS、IEMG均是隨著時(shí)間推移變大、ZC變大的趨勢(shì)(趨勢(shì)性).

(7) 從積分肌電窗口移動(dòng)平均值結(jié)合雙閾值法分割數(shù)據(jù)區(qū)間來(lái)看，在TstopTstart可對(duì)應(yīng)數(shù)據(jù)段為動(dòng)態(tài)收縮區(qū).

4 結(jié)束語(yǔ)

巴甫洛夫?qū)W派提出一種“保護(hù)性抑制”學(xué)說(shuō)，認(rèn)為肌肉疲勞是大腦皮層保護(hù)性抑制結(jié)果.隨著疲勞加深，為了減少消耗，中樞神經(jīng)系統(tǒng)的發(fā)放頻率降低，導(dǎo)致運(yùn)動(dòng)神經(jīng)元發(fā)放沖動(dòng)頻率隨之減小.中樞神經(jīng)對(duì)運(yùn)動(dòng)神經(jīng)元控制的精度也降低，導(dǎo)致了運(yùn)動(dòng)單位間活動(dòng)的同步化程度增強(qiáng)，體現(xiàn)為時(shí)域、頻域相關(guān)特征值發(fā)生變化.

在頻域分析中采用基于積分肌電窗口移動(dòng)平均值結(jié)合門限閾值法提取時(shí)域、頻域參數(shù)作為評(píng)價(jià)疲勞的新指標(biāo)，該指標(biāo)能夠更好地表征肌肉疲勞變化.

綜上所述，由于該方法具有顯著性高分辨靈敏度，因此具有將表面肌電信號(hào)的細(xì)微特征信息放大、便于識(shí)別的效果.