sEMG指标监测快速点击鼠标致指伸肌疲劳的适用性评价研究

王乐军，陆爱云，龚铭新，毋江波，董 菲，张 磊

1 前言

在计算机日益普及的今天，由长时间使用电脑引起的上肢肌肉骨骼系统疾病（musculoskeletal diseases in upper extremity）具有非常高的发生率。Pascarelli等［35］的研究发现，电脑使用者发生上肢肌肉骨骼系统疾病的比例约为15%。由使用电脑引起的上肢肌肉骨骼系统疾病包括肌腱炎、腕管综合征、前臂痛、交感神经系统机能失调等［45］。由于这些疾病是肌肉在长时间小负荷运动中累积而成的慢性劳损性损伤，其恢复是非常缓慢甚至是不可康复的，因此，对其的预防需引起高度重视［35］。

随着Windows等图形用户界面操作系统的普及和大量图形用户界面应用软件的广泛使用，电脑使用者操作鼠标的时间占使用电脑总时间的比例越来越大，在使用电脑过程中至少有1／3～2／3的时间在操作鼠标［28］。由于长时间使用鼠标过程中进行的动作具有较高的运动精度要求和较快的动作重复频率，是引起上肢肌肉骨骼系统疾病的最重要风险因素之一［9］。已有研究表明，肌肉在长时间内一直以特定水平负荷工作会选择性地引起特定阈值肌纤维的疲劳和过度使用，从而诱发与工作有关的骨骼肌肉系统疾病［19］。Veiersed等［42］通过研究证实，肌肉在长时间收缩而得不到足够放松时间情况下会导致骨骼肌肉系统疾病的发生。疲劳通过改变神经肌肉系统的中枢和外周部分而对运动机能具有非常重要的影响。监测长时间使用鼠标过程中的肌肉疲劳，特别是指伸肌群肌肉的疲劳对于预防发生上肢骨骼肌肉系统疾病具有非常重要的意义和作用［29］。

表面肌电信号是研究神经肌肉系统功能状况的有效方法，并已广泛应用到运动性肌肉疲劳的检测之中［12］。在利用表面肌电信号评估局部运动性肌肉疲劳方面，众多研究者从时域分析、频域分析、时频分析、非线性分析等不同分析角度进行了探索，总结出一些可以用来反映局部运动性肌肉疲劳的指标，如基于傅里叶变换计算的中值频率（MF）和平均功率频率（MPF）、基于定量递归分析（Recurrence quantification analysis，RQA）计算的确定性百分比（%DET）、基于非线性分析计算的Lempel-Ziv复杂度C（n）、基于小波分析计算的频段能量、中值频率（MDF）和平均功率频率（MNF）等［6，11，37］。但是，以前利用表面肌电信号诊断运动性肌肉疲劳的研究大都是针对较高运动负荷条件下进行的［13，46］，这些研究采用的分析方法和评价指标直接应用于肌肉在较低运动负荷条件下长时间运动引起的肌肉疲劳评定具有较大的不稳定性和较差的适用性［16，33，46］。在使用鼠标过程中，参与运动的相关肌肉以较低的运动负荷水平参与收缩，且不同肌肉的收缩方式也都各有特点，因此，如何利用表面肌电信号评定使用鼠标过程中不同参与肌肉的疲劳状况仍是一个需要解决的问题。

一个具有良好适用性的评定运动性肌肉疲劳sEMG指标应具备反映疲劳的敏感性、稳定性、可重复性等特点［46］。其中，反映疲劳的敏感性是指某个指标可以较好地反映出测试肌肉在收缩过程中的疲劳发生发展情况；稳定性指反映疲劳的指标与疲劳发展程度之间函数关系（一般为线性关系）的确定性；可重复性指重复测试中计算提取出的同一指标值是非常接近的。快速点击鼠标作为鼠标操作过程中重复率较高的动作之一，在诱发上肢肌肉骨骼系统病痛中占有重要比重。但是，目前尚未有研究对快速点击鼠标诱发指伸肌疲劳的sEMG监测方法进行过研究。本研究从点击鼠标动作入手，通过对快速点击鼠标动作过程中指伸肌表面肌电信号时域指标RMS，基于短时傅里叶变换计算的中值频率MF和平均功率频率MPF，基于小波包分析计算的中值频率MDF和平均功率频率MNF，基于非线性分析计算的Lempel-Ziv复杂度C（n）等指标从上述3个评价角度进行对比分析，以探索在监测由快速点击鼠标引起的指伸肌疲劳方面适用性最优的表面肌电信号分析方法和评定指标，从而为预防由长时间使用电脑引起的上肢肌肉骨骼系统病痛的监测指标提供参考，此外，也为其他低负荷高频率动作引起的肌肉疲劳评价提供方法建议。

2 研究对象、方法与步骤

2.1 研究对象

10名健康青年志愿者，其中男性7名，女性3名，年龄25.42±1.81岁，身高170.57±5.38cm，体重63.14±6.62kg。身体健康状况良好，实验前24h内未进行剧烈的体力活动，未长时间使用电脑，上臂肌肉无疲劳状况。精神状态良好，无睡眠不足，精神萎靡等不良状态。受试者在日常使用电脑过程中皆使用右手操作鼠标。实验前所有受试者皆了解实验程序并同意自愿参加本实验。

2.2 实验程序

每位受试者共进行两次实验，实验前受试者进行充分的休息，两次实验间隔3h以上，以避免前面的实验对后面实验产生影响。在实验室温度为20℃～26℃的条件下进行测试。实验前先让受试者了解实验流程并熟练掌握实验中相关测试仪器的操作。

测试开始前受试者以最适宜的姿势坐在电脑前，左手放在电脑桌上，右手轻握鼠标。电脑桌的高度为85cm，座椅高度为38cm。以安装有Microsoft Windows XP2操作系统和点击鼠标实验软件的ACER AM3850计算机作为实验平台。利用TJ-Motion 2.0同步触发器同步触发表面肌电测试仪和实验软件的计时系统，待实验软件提示实验开始时，受试者以最快的速度点击实验软件内的“请点我吧”静态按钮90s。在实验过程中实验工作人员对受试者进行言语鼓励以使受试者始终保持最快的速度点击鼠标。在此过程中实验软件会持续侦测每次按钮被点击的事件并每隔15s记录一次受试者点击按钮的次数。将Brog10级主观感觉疲劳评定表［10］悬挂于测试电脑屏幕的左侧，在实验过程中嘱咐受试者每隔15s报告一次主观疲劳感觉分数。记录点击鼠标过程中受试者右侧指伸肌的表面肌电信号。点击鼠标实验软件的主界面如图1所示。

采用双电极引导法记录受试者点击鼠标过程中右侧指伸肌的表面肌电信号。一对探测电极分别置于肱骨外上髁和肱骨外上髁至桡骨茎突1／3距离处［18］。放置电极前用75%酒精棉球清理皮肤表面，以减小阻抗。表面肌电信号的采集使用ME3000P4肌电信号记录和分析系统（芬兰Mega公司产品），采样频率1000Hz。采集到的sEMG信号另存为ASCII文件后作为后期分析的数据源。

图1 实验软件主界面示意图Figure 1.Main Interface of Experimental Software

2.3 数据的处理与分析

首先，将90s快速点击鼠标过程中采集的sEMG信号按等时间间隔（15s）划分为若干段。对划分的每段sEMG，分别计算均方根振幅RMS、基于傅里叶功率谱转换计算中值频率MF和平均功率频率MPF，基于小波包分析计算中值频率MDF和平均功率频率 MNF，基于非线性分析计算Lempel-Ziv复杂度C（n），其中，采用小波包分析对sEMG进行分解时，选择Dauechies（db6）小波基函数进行小波包分解和重构，在此基础上，计算中值频率MDF和平均功率频率MNF。Lempel-Ziv复杂度定义的实质是时间序列随其长度的增长出现新模式的速度，反映该序列接近随机的程度。Lempel-Ziv复杂度的计算根据Kaspar和Schuster设计的复杂度C（n）算法［27］进行，其数值介于0～1之间。

为排除不同受试者sEMG指标的个体差异，对以上计算的sEMG指标进行标准化处理。取每位受试者第1段信号的指标值分别作为该受试者该指标的标准值，对截取的每段sEMG计算出的指标值进行标准化处理，标准化处理公式为:

其中，X′i为第i段sEMG计算的指标X的标准化值，Xi为第i段sEMG计算的指标X原始值，X1为第1段sEMG计算的指标X原始值。

此外，计算sEMG各分析指标与运动持续时间、RPE、点击鼠标频率的相关关系，以观察90s快速点击鼠标实验过程中sEMG各分析指标随运动持续时间、RPE、点击鼠标频率指标的变化规律。

对于以上计算的表面肌电信号各分析指标，对其评价由快速点击鼠标引起前臂肌肉疲劳的敏感性、稳定性和可重复性3个方面进行比较分析:

1.反映疲劳的敏感性:一个指标反映疲劳的敏感性可以通过实验中随时间的变化产生显著性线性改变的实验数据所占的比例来衡量［46］。在具体计算上，首先，根据每个指标数据的平均值随运动持续时间的变化情况确定该指标随运动持续时间的延长和疲劳程度的加深产生的线性变化规律（递增或递减），之后对每位受试者的实验数据统计出相对于前一个运动阶段内指标值产生相应改变规律（增大或减小）的运动阶段所占的比例，以此作为评价该指标反映疲劳的敏感性指标。

2.稳定性:对于在运动过程中疲劳随时间线性变化的情况，变异性（Variability）可通过实际值与线性拟合值之间残差的均方根来反映［46］。稳定性是与变异性相反的一个概念，在具体计算时，首先计算实际值与线性拟合值之间残差的均方根，之后将1.0与残差均方根相减，计算所得的差用来反映指标的稳定性情况。

为了实现不同指标值之间的可比性，首先，对每位受试者各指标的具体数值进行标准化处理［32，46］。之后以时间为自变量，以标准化后的指标值为因变量进行线性拟合，计算1.0与实际值和线性拟合值残差均方根的差，以此作为评价稳定性的参考值。

3.可重复性:可重复性通过组内相关系数ICC的大小来进行评估［14］。首先，分别计算受试者的组内方差SSWS和组间方差SSS，之后计算受试者的组内均方差MSWS与组间均方差 MSS，则ICC＝（MSS-MSWS）／［MSS＋（k-1）×MSWS］，其中，k为重复测试的次数。

数据的处理与分析在MATLAB 2009Ra环境下编程实现。

2.4 数据的统计分析

采用KS检验（Kolmogorov-Smirnov test）对各分析数据进行正态性检验。

不同时间阶段内点击鼠标频率的差异性采用单因素方差分析进行，不同时间阶段内主观疲劳感觉（RPE）、sEMG各分析指标的差异性采用多个相关样本非参数检验的Friedman方法进行。sEMG各分析指标与点击鼠标持续时间、RPE的相关关系采用Spearman相关系数进行，差异的显著性水平定为0.05。数据的统计分析工作在SPSS 13.0软件环境下完成。

3 研究结果

3.1 点击鼠标频率和主观疲劳感觉评分随运动持续时间的变化规律

通过图2和图3主观疲劳感觉评分和点击鼠标频率随运动持续时间的变化曲线看，随着点击鼠标持续时间的延长，受试者主观疲劳感觉评分逐渐增加，而点击鼠标频率逐渐下降。采用单因素方差分析对不同时间阶段内点击鼠标频率的差异性进行检验，结果发现，时间因素对点击鼠标频率有着显著性的影响作用（F＝24.372，P＝0.000），采用非参数检验的Friedman方法对不同时间阶段内主观疲劳感觉评分的差异性进行检验，结果发现，不同时间阶段内鼠标点击频率具有显著性的差异（P＝0.000）。

图2 主观疲劳感觉评分随点击鼠标持续时间的变化示意图Figure 2.Changing of RPE during 90sClicking Mouse Test

3.2 表面肌电信号各分析指标随运动时间的变化规律

从图4标准化后的sEMG各分析指标均值随点击鼠标持续时间的总体变化情况看，RMS随点击鼠标持续时间表现出逐渐增大的趋势，而 MF、MPF、MDF、MNF随运动持续时间表现出良好的单调递减趋势，而C（n）在点击鼠标第2个15s时间阶段内的值显著下降，在之后的时间内则缓慢增加。

图3 点击鼠标频率随点击鼠标持续时间的变化示意图Figure 3.Changing of Clicking Mouse Frequency during 90sClicking Mouse Test

采用多个相关样本非参数检验的Friedman方法对不同时间段内sEMG各分析指标（标准化前）的差异性进行检验，结果发现，不同时间阶段内的 RMS、MF、MPF、MDF、MNF、C（n）皆有着显著性的差异［其中，RMS:P＝0.031，MF:P＝0.000，MPF:P＝0.000，MDF:P＝0.000，MNF:P＝0.000，C（n）:P＝0.044］。

3.3 sEMG各分析指标与运动持续时间、RPE、点击鼠标频率的相关性研究结果

从表1sEMG各分析指标与点击鼠标运动持续时间、RPE、点击鼠标频率的Spearman相关系数看，标准化后的sEMG指标 MF、MPF、MDF、MNF与运动持续时间、主观疲劳感觉评分、点击鼠标频率之间的相关关系皆达到了显著性的水平，标准化后的sEMG指标C（n）与主观疲劳感觉评分的相关关系也达到了显著性的水平，而C（n）、RMS与点击鼠标运动持续时间、点击鼠标频率的相关关系及RMS与RPE无显著性的相关关系。

图4 表面肌电信号各分析指标随点击鼠标持续时间的变化示意图Figure 4.Changing of sEMG Indices during 90sClicking Mouse Test

表1 sEMG各分析指标与运动持续时间、RPE的Spearman相关系数一览表Table 1 Spearman Correlation Coefficient between Clicking Mouse Duration Time，RPE and sEMG Indices

3.4 表面肌电信号各分析指标评价前臂肌肉疲劳的效果评价

从表2的sEMG各分析指标评价快速点击鼠标致前臂肌肉疲劳的适用性比较结果看，在反映疲劳的敏感性方面，MNF最高，MDF次之，之后是 MPF、MF、C（n）和RMS。从反映疲劳的指标稳定性看，MNF最高，MPF次之，之后依次为 MDF、MF、C（n）和RMS。从指标的可重复性比较结果看，MNF的稳定性最高，其次分别为C（n）、MF、MDF、MPF、RMS。从sEMG各分析指标的可重复性方面看，C（n）可重复性效果最好，其次为 MNF，之后依次为MF、MDF、MPF和RMS。

表2 sEMG各分析指标评价快速点击鼠标致前臂肌肉疲劳的适用性比较一览表Table 2 Utility of sEMG Indices in Assessment of Extensor Digitorum Muscle Fatigue Caused by Fast ClickingMouse

4 讨论

运动性肌肉疲劳（exercise-induced muscle fatigue）是指运动引起肌肉不能将其机能保持在某一特定的水平和／或不能维持某一特定运动强度的生理现象［4，11］，是肌肉外周收缩能力下降和中枢神经系统对肌肉支配激活能力下降共同作用引起的一个具有连续性、动态性的复杂过程［11，17］。因此，在任何负荷运动任务条件下，肌肉不能维持既定的负荷运动任务是肌肉产生运动性肌肉疲劳最直接有效的判断方式［4，11，17］。但是，当 肌肉以次最大收缩力量、次最大输出功率或次最大收缩频率收缩时，在肌肉尚未表现出不能维持前期负荷运动任务现象之前，收缩肌肉本身及其神经调控系统的结构与功能可能已经发生了某些特征性的改变并引起运动性肌肉疲劳的发生。在这种情况下，判断肌肉疲劳的“不能维持既定的负荷运动任务”标准便具有了局限性。因此，以“不能维持既定的负荷运动任务”作为判断运动性肌肉疲劳的标准一般要求肌肉以最大收缩力量［5，6］、最大输出功率［7］或最大收缩频率［36］进行收缩，或要求肌肉以次最大收缩力量、次最大输出功率或次最大收缩频率收缩，但负荷运动任务时间足以引起肌肉不能维持既定负荷运动任务［47］；另一方面，由于当肌肉以最大收缩力量或最大输出功率进行收缩时，肌肉内大部分运动单位都可以被募集［24，44］，因此，“肌肉产生最大收缩力量或者最大输出功率暂时性下降”是大部分负荷运动任务诱发运动性肌肉疲劳的典型特征并被广泛应用到运动性肌肉疲劳的评价之中［6，11］。然而，在特定收缩条件（如低负荷高频率收缩）下，肌肉最大收缩力量或最大输出功率并不能客观地反映出运动性肌肉疲劳的发生发展情况。此外，在运动性肌肉疲劳发生发展的过程中，一般也伴随某些生理生化指标、主观疲劳感觉、肌肉硬度、皮肤空间阈、闪光融合频率等指标的特征性改变，这些指标在评价运动性肌肉疲劳方面也具有一定的应用价值和参考意义［4］。当然，疲劳作为一种连续性、动态性的过程，对其进行连续性的监测与诊断具有更加重要的意义。在这方面，sEMG因具有非损伤性、实时性、多靶点测量等众多优势得到众多研究者的关注，并已广泛应用到运动性肌肉疲劳的监测与诊断之中［7，11］。

本研究的研究目的是探索在评定由快速点击鼠标诱发指伸肌疲劳方面几种常用sEMG分析方法和评定指标的适用性情况。sEMG作为从肌肉表面记录到的肌肉活动时神经肌肉系统生物电变化的一维时间序列信号，在一定程度上反映出中枢神经系统对肌肉运动单位活动的控制模式或控制策略的信息以及肌肉疲劳程度及其恢复过程的变化［46］。由于不同的sEMG指标对神经肌肉系统功能状况及测试环境变化的敏感性存在差异，而在特定运动负荷和肌肉收缩方式条件下诱发的肌肉疲劳在中枢与外周的改变方面也具有一定的特异性，因此，不同sEMG指标在不同条件下反映肌肉疲劳方面的适用性情况也会不同。sEMG的 RMS、MF、MPF、MDF、MNF、C（n）等指标是分别从时域、频域、时频域、非线性分析等多种sEMG分析处理角度获取的指标，在评价运动性肌肉疲劳方面已有研究者进行过相关的探索与尝试［6，11，46］。

表面肌电信号的RMS是反映某段时间内2个探测电极之间平均电压幅值高低的指标，其大小与运动单位募集激活的频率和运动单位募集数量［39］、肌肉表面组织的低通滤波作用［15］、肌纤维的传导速度［30］等因素密切相关。相关研究表明，在肌肉疲劳过程中，由于肌纤维募集数量和肌纤维放电同步化程度增加等因素，RMS随着运动时间的延长和疲劳程度的加深而增加［2，35］。在本研究中，RMS随点击鼠标持续时间表现出逐渐增大的趋势，但是，其在反映由快速点击鼠标致指伸肌疲劳方面的敏感性、稳定性和可重复性效果都是所研究6个指标中最差的，且其随点击鼠标持续时间、主观疲劳感觉评分、点击鼠标频率的变化也未表现出较为显著性的变化规律，提示其在评定由快速点击鼠标引起的指伸肌疲劳方面具有较差的适用性，这与之前的相关研究也是一致的［19，46］。由于RMS很容易受到测试外界环境及疲劳引起的众多外周与中枢因素所影响，导致其在疲劳中的变化具有较大的随机性和波动性［2，46］，因此，应用RMS评价运动性肌肉疲劳具有很大的局限性。

经傅里叶变换计算的中值频率MF和平均功率频率MPF是评价运动性肌肉疲劳，特别是由静力性收缩（等长收缩）引起的运动性肌肉疲劳应用最为广泛的指标［5-6，12］。研究认为，一般情况下，静态或是动态运动，伴随运动性肌肉疲劳的发生和发展，sEMG信号的傅立叶频谱曲线可以发生不同程度的左移现象，并且导致反映频谱曲线特征的MF和MPF产生相应的下降［8］。肌肉在静力性收缩条件下记录的表面肌电信号被认为是近似稳态的信号，在该种情况下，短时傅里叶变换的时间窗口宽度的确定就不会要求太严格［1］，因此，基于短时傅里叶变换计算的 MF和MPF具有良好的适用性［12］。但是，在动态收缩条件下，由于运动过程中皮肤牵拉使检测电极与被检部位肌肉之间的相对位移以及肌肉收缩过程中长度和厚度等不断变化，使得从肌肉表面记录到的sEMG具有典型的非稳态信号的基本特征［6］，从而对傅里叶变换计算的MF和MPF在反映疲劳方面的适用性方面产生影响［12，46］。此外，在小负荷（低于30%MVC）收缩条件下，MF和 MPF不会表现出经典的随运动持续时间增加和疲劳加深而单调递减的变化趋势，甚至会随运动时间表现出线性增加的变化规律，提示低负荷收缩诱发肌肉疲劳后神经肌肉系统外周与中枢改变是有别于肌肉在高负荷收缩诱发肌肉疲劳条件下的特点。而低负荷收缩条件下，MF和MPF随运动持续时间表现出的增加趋势，可能与疲劳后更多较大的运动单位被募集有关［23］。在本研究中，MF和MPF在反映疲劳的敏感性方面弱于基于小波包分析计算的MDF和MNF，但强于RMS和C（n），MF和MPF在反映疲劳的敏感性方面非常接近。在反映疲劳的稳定性方面，MF和MPF要优于RMS和C（n），但MF较MDF的稳定性要差，MPF较MNF的稳定性要差，提示在傅里叶变换和小波包分析获取的频段能量基础上计算的中值频率和平均功率频率，小波包分析方法获取的指标稳定性要优于傅里叶变换获取的相同指标。在指标的可重复性方面，MF、MPF要弱于MNF和C（n），但优于RMS。此外，MF、MPF与点击鼠标持续时间、主观疲劳感觉评分、点击鼠标频率的相关性也都达到了显著性的水平。所有这些研究结果表明，在快速点击鼠标过程中，MF和MPF表现出了随运动持续时间单调递减的经典疲劳特异性变化规律，在用于反映快读点击鼠标致指伸肌疲劳方面具有一定的适用性。

小波包分析是从小波分析延伸出来的一种对信号进行更加细致的分析与重构方法，其可以在任意细节上分析信号，而且对噪声不敏感。已有研究表明，小波包分析对运动员中非稳定肌电信号分析较为合适［38］。Karlsson等［26］比较了短时傅里叶变换、Wigner-Ville分布、Choi-Williams分布、小波分析在肌肉进行动态收缩条件下对谱矩的推估情况，研究结果表明，小波分析具有最高的预测精度。当用于分析肌肉处于动态收缩条件下采集的表面肌电信号时，小波分析和小波包分析表现出其他方法所不具有的优势，基于小波分析和小波包分析计算的MNF可以不受关节角速度的影响［25］，从而表现出良好的分析动态肌肉收缩诱发表面肌电信号的适用性。王乐军等［7］对RMS、MPF、MNF、C（n）在评价由60s全力蹬踏自行车运动诱发股直肌疲劳的敏感性和稳定性方面进行比较，发现MNF随蹬踏持续时间的增加表现出良好的单调递减趋势，且其在反映由快速蹬踏自行车引起的股直肌疲劳敏感性在4个指标中是最高的。王乐军等研究表明，在蹬踏自行车运动引起的股直肌疲劳过程中，sEMG经小波包变化后的低频能量增加，高频能量降低，即经小波包变化后的功率谱向低频方向转移。对于小波包变换后能量向低频方向转移的原因，Olmo等［34］将其解释为时间的延伸和波形的变化，其中，时间的延伸主要由去极化区域的扩大、神经肌肉传导速度的减慢等缩放比例因素变化引起。波形的变化主要与肌纤维募集情况改变等因素引起。从本研究结果看，MNF和MDF随运动持续时间表现出良好的单调递减规律，且其与点击鼠标持续时间、主观疲劳感觉评分、点击鼠标频率之间皆具有显著的相关关系。在反映疲劳的适用性方面，MNF在本研究所选6个指标中的敏感性、稳定性都是最优的，其可重复性仅次于C（n）。而MDF的敏感性、稳定性和可重复性较MNF要差，提示MNF指标在反映由快速点击鼠标诱发指伸肌疲劳方面具有较好的适用性。

Lempel-Ziv复杂度C（n）是从非线性分析的角度度量sEMG的指标，其采取类似于自回归函数的方法，通过自我比较对时间序列信号的变化规律加以归纳，其对信号本身的稳态性、非线性和统计分布特点均无特殊要求，因此，在分析具有非线性和非稳态性的信号上具有良好的应用效果。C（n）的大小反映了时间序列随其长度的增长出现新模式的速率，表现了序列接近随机的程度。已有研究表明，无论是静态还是动态疲劳运动条件下，被检肌肉sEMG的复杂度随着运动负荷时间呈现明显的单调递减型变化［1，6，31］。对于C（n）随运动负荷时间单调递减的原因，有关研究认为，可能与疲劳程度加深过程中神经系统渐进性协调众多运动单位同步收缩的“协同效应”有关［1-3］。王乐军等的研究表明，在60s全力蹬踏自行车运动诱发股直肌疲劳的sEMG指标稳定性方面，C（n）要明显高于RMS、MPF和MNF。从本研究结果看，指伸肌sEMG的C（n）指标在快速点击鼠标过程中并未表现出良好的一致性变化规律，其虽然表现出良好的测试可重复性，但其敏感性和稳定性较差，提示其在反映由快速点击鼠标引起的指伸肌疲劳方面的适用性并不是很理想。

已有研究表明，肌肉在高频率、低负荷收缩［36］诱发肌肉疲劳后引起肌肉最大收缩频率下降，但是，肌肉静态最大收缩力并未出现显著性的改变。该研究结果一方面暗示高频率、低负荷收缩诱发运动性肌肉疲劳过程中肌肉外周与中枢的一系列变化是有别于肌肉在静态收缩或低频率动态收缩条件下的变化特征；另一方面，也提示疲劳负荷实验前、后最大随意收缩力量的变化并不能很好地反映由高频率、低负荷收缩所诱发肌肉疲劳的发生发展情况。在快速点击鼠标过程中，指伸肌进行高频率、低负荷、小幅度的动态收缩运动，因此，快速点击鼠标动作引起的指伸肌疲劳也必然具有高频率、低负荷收缩诱发肌肉疲劳的典型特征。

中枢神经系统对肌肉在高频率、低负荷动态收缩与在静态收缩或低频率动态收缩条件下，运动控制的神经传导回路及控制策略存在差异［36］。通过前期利用核磁共振对不同形式肌肉收缩过程中运动皮层兴奋区域的比较研究结果［41］及高频率、低负荷运动负荷任务的运动特点可以推断，高频率、低负荷运动任务不仅要求主动肌以较快的速度收缩，其对相应协同肌的协同配合也有更高的要求。因此，中枢神经系统必然会动员更多的皮层脊髓细胞参与到对外周肌肉的控制之中，并引起疲劳后外周与中枢有别于肌肉在静态或低频率收缩诱发肌肉疲劳的变化特征。Rodrigues J P的研究［36］表明，在食指20s快速屈伸运动诱发运动频率下降过程中，并未伴随明显的肌肉外周疲劳的发生，其主要是由中枢对运动控制的能力下降造成的。但是，对于运动控制能力下降的机制及中枢调控策略等问题尚需进一步的研究。

因此，90s快速点击鼠标过程中，运动性肌肉疲劳具有与肌肉在静态收缩或低频率动态收缩诱发运动性肌肉疲劳不同的产生机制。一方面，由于点击鼠标动作的运动负荷很小，频率很快，根据运动单位募集的尺寸原理［20-22］，在快速点击鼠标运动过程中，中枢神经系统应该只募集少数快运动单位参与收缩。因此，快速点击鼠标诱发指伸肌疲劳并不会伴随明显的代谢性酸中毒、肌肉硬度变化等高负荷收缩诱发肌肉疲劳中常见的疲劳特异性改变及肌肉外周收缩能力的显著性下降；另一方面，随着点击鼠标持续时间增加出现的点击鼠标频率下降并不仅仅是由外周特定运动单位疲劳等外周原因和运动皮层细胞、脊髓运动神经元激活能力下降等中枢原因引起，还包含控制协同肌活动的皮层脊髓细胞状态变化、脊髓对肌肉交互抑制作用控制变化［17，40］等一系列有别于肌肉在静态收缩或低频率动态收缩诱发疲劳下的中枢运动控制因素。对于本研究中发现的疲劳前、后sEMG频率特性显著变化，sEMG经傅里叶变换和小波包变换计算的 MF、MPF、MDF、MNF指标表现出良好单调递减变化的现象，目前的研究尚不能对其生理学机制进行详尽的解释。但是，该变化规律表明，随着点击鼠标运动持续时间的延长，指伸肌参与收缩运动单位动作电位活动的频率特性有着良好而一致的单调递减变化趋势，这可能是在疲劳过程中为维持既定的运动任务，中枢神经系统募集运动单位的种类及激活频率等发生变化引起的。当然，目前，对于这些问题的认识还停留在理论推断的阶段，未来尚需对这些问题进行更加深入的探索。

此外，由于点击鼠标动作属于高频率、低负荷的动态收缩运动，因此，从指伸肌表面记录到的sEMG信号具有典型的非稳态和非线性信号的基本特征，因此，适合于分析非稳态、非线性信号的小波分析方法便发挥优势，经小波包分析计算的MNF指标表现出了优于傅里叶变换所计算指标的疲劳监测适用性。而与之前有关肌肉在静态或低频率动态收缩条件下的研究［1，6，31］发现，运动性肌肉疲劳后C（n）呈现显著的随运动持续时间单调递减的规律不同。本研究中，C（n）并未表现出随点击鼠标持续时间而单调递减的变化规律，这是否也暗示，在快速点击鼠标过程中，疲劳并未引起中枢神经系统在渐进性协调众多运动单位同步收缩方面对指伸肌的活动进行调节？C（n）指标表现出良好的可重复性，但是，其在评定由快速点击鼠标引起的指伸肌疲劳的敏感性和稳定性较差，这可能与其对由快速点击鼠标引起的中枢与外周变化不够敏感或者由快速点击鼠标引起的中枢与外周一系列变化相互作用抵消有关。这也从另一方面表明，快速点击鼠标运动诱发指伸肌sEMG的改变是有别于静态或低频率动态收缩引起sEMG改变的显著特征。

综合以上分析可以看出，在快速点击鼠标过程中，指伸肌进行低负荷、高频率、小幅度的动态收缩运动，使得从指伸肌表面记录到的sEMG具有非线性和非稳态信号特征的同时，也有别于肌肉在静态或低频率动态收缩条件下所获取sEMG的特征。指伸肌sEMG的 MF、MPF、MDF、MNF随运动持续时间表现出良好的单调递减趋势和较为良好的反映疲劳敏感性。C（n）虽然具有良好的测量可重复性，但是，其在反映疲劳的敏感性和稳定性方面较差。基于小波包分析计算的MNF指标表现出优于其他指标的反映疲劳敏感性、稳定性和良好的测量可重复性，提示其在评定由快速点击鼠标引起的指伸肌疲劳方面是较好的选择指标。

5 结论

在快速点击鼠标过程中，指伸肌进行低负荷、高频率、小幅度的动态收缩运动，使得从指伸肌表面记录到的sEMG具有非线性和非稳态信号特征的同时，也有别于肌肉在静态或低频率动态收缩条件下所获取sEMG的特征。指伸肌sEMG的 MF、MPF、MDF、MNF随运动持续时间表现出良好的单调递减趋势和较为良好的反映疲劳敏感性。基于小波包分析计算的MNF指标表现出优于其他指标的反映疲劳敏感性、稳定性和良好的可重复性，提示其在评定由快速点击鼠标引起的指伸肌疲劳方面是较好的选择指标。

［1］刘家海，王健，罗晓芳.局部肌肉疲劳的表面肌电信号复杂度和熵变化［J］.生物物理学报，2004，20（3）:198-202.

［2］罗小兵，马建.肌电图在运动性肌肉疲劳研究中的应用现状［J］.成都体育学院学报，1999，25（4）:66-70.

［3］任焱晅，杨基海，尹少华，等.局部肌疲劳过程与表面肌电信号分维值变化关系的研究［J］.生物医学工程研究，2004，23（4）:215-217.

［4］田野.运动生理学高级教程［M］.北京:高等教育出版社，2003.

［5］王笃明，王健，葛列众.静态负荷诱发肌肉疲劳时表面肌电信号（sEMG）变化与主观疲劳感之间的关系［J］.航天医学与医学工程，2004，17（3）:201-204.

［6］王健，方红光，杨红春.运动性肌肉疲劳的表面肌电非线性信号特征［J］.体育科学，2005，25（5）:39-43.

［7］王乐军，黄勇，龚铭新，等.小波包分析与人工神经网络相结合探索运动性肌肉疲劳过程中sEMG变化特征［J］.体育科学，2009，29（12）:51-55.

［8］余洪俊.表面肌电图评价肌肉的功能状况［J］.中国临床康复，2002，6（23）:3415-3416.

［9］ALWIN LUTTMANN，KLAUS-HELMUT SCHMIDT，MATTHIAS JÄGER.Working conditions，muscular activity and complaints of office workers［J］.Int J Industrial Ergonomics，2010，（40）:549-559.

［10］BORG G.Psychophysical scaling with applications in physical work and the perception of exertion［J］.Scand J Work Environ Health，1990，（16）:55-58.

［11］CIFREK M，MEDVED V，TONKOVIC S，et al.Surface EMG based muscle fatigue evaluation in biomechanics［J］.Clin Biomechanics，2009，（24）:327-340.

［12］DE LUCA C J.The use of surface electromyography in Biomechanics［J］.J Appl Biomech，1997，（13）:135-163.

［13］DUCHENE J，GOUBEL F.Surface electromyogram during voluntary contraction:processing tools and relation to physiological events［J］.Crit Rev Biomed Eng，1993，21（4）:313-397.

［14］ELFVING B，NEMETH G，ARVIDSSON I，et al.Reliability of EMG spectral parameters in repeated measurements of back muscle fatigue［J］.J Electromyogr Kinesiol 1999，（9）:235-243.

［15］FARINA D，MERLETTI R，ENOKA R M.The extraction of neural strategies from the surface EMG［J］.J Appl Physiol，2004，96（4）:1486-1495.

［16］FARINA D，ZENNARO D，POZZO M，et al.Single motor unit and spectral surface EMG analysis during low-force，sustained contractions of the upper trapezius muscle［J］.Eur J Appl Physiol，2006，96（2）:157-164.

［17］GANDEVIA S C.Spinal and supraspinal factors in human muscle fatigue［J］.Physiol Rev，2001，（81）:1725-1789.

［18］GUSTAFSSON E V，HAGBERG M.Computer mouse use in two different hand positions:exposure，comfort，exertion and productivity［J］.Appl Ergonomics，2003，（34）:107-113.

［19］HÄGG G M.Static work loads and occupational myalgia-a new explanation model［A］.In:Anderson PA，Hobart DJ，Danoff JV，ed，Electromyogr Kinesiol［M］.Amsterdam，Elsevier Sci，Publishers，1991:141-143.

［20］HENNEMAN E，SOMJEN G，CARPENTER D O.Excitability and inhibitability of motoneurons of different sizes［J］.J Neurophysiol，1965，（28）:599-620.

［21］HENNEMAN E，SOMJEN G，CARPENTER D O.Functional significance of cell size in spinal motoneurons［J］.J Neurophysiol，1965，（28）:560-580.

［22］HODSON-TOLE E F，WAKELING J M.Motor unit recruitment for dynamic tasks:current understanding and future directions［J］.J Comp Physiol B，2009，（179）:57-66.

［23］KAMO M.Discharge behavior of motor units in knee extensors during the initial stage of constant-force isometric contraction at low force level［J］.Eur J Appl Physiol，2002，（86）:375-381.

［24］KARABULUT M，CRAMER J，ABE T，et al.Neuromuscular fatigue following low-intensity dynamic exercise with externally applied vascular restriction［J］.J Electromyo Kinesiol，2010，（20）:440-447.

［25］KARLSSON J S，GERDLE B，ALAY M.Analyzing surface myoelectric signals recorded during isokinetic contractions［J］.IEEE Eng Med Biol Mag，2001，20（6）:97-105.

［26］KARLSSON S，YU J，AKAY M.Time-frequency analysis of myoelectric signals during dynamic contractions:a comparative study［J］.IEEE Trans Biomed Eng，2000，47（2）:228-238.

［27］KASPAR F，SCHUSTER H G.Easily calculable measure for the complexity of spatiotemporal patterns［J］.Physical Rev A，1987，36（2）:842-848.

［28］KEIR P J，BACH J M，REMPEL D.Effects of computer mouse design and task on carpal tunnel pressure［J］.Ergonomics，1999，（42）:1350-1360.

［29］LIN M I，LIANG H W，LIN K H，et al.Electromyographical assessment on muscular fatigue-an elaboration upon repetitive typing activity［J］.J Electromyogr Kinesiol，2004，（14）:661-669.

［30］LINSSEN W H，STEGEMAN D F，JOOSTEN E M，et al.Variability and interrelationships of surface EMG parameters during local muscle fatigue［J］.Muscle Nerve 1993，16（8）:849-856.

［31］MILNER B H S，MELLENTHIN M，MILLER R G.Quantifying human muscle strength，endurance and fatigue［J］.Arch Phys Med Rehabil，1986，67（8）:530-535.

［32］NEWSOM J，PRIGERSON H D，SCHULTZ R，et al.Investigating moderator hypotheses in aging research:statistical，methodological，and conceptual difficulties with comparing separate regressions［J］.Int J Aging Human Develop，2003，57（2）:119-150.

［33］NIU H J，LI R，LIU G L，et al.Using EMG to evaluate muscular fatigue induced during video display terminal keyboard use task［C］.APCMBE 2008:7th Asian-Pacific Confference Medical Biological Engineering，2008，19:329-332.

［34］OLMO G，LATERZA F，PRESTI L L.Matched wavelet approach in stretching analysis of electrically evoked surface EMG signal［J］.Signal Processing，2000，（80）:671-684.

［35］PASCARELLI E F，HSU Y P.Understanding work-related upper extremity disorders:clinical wndings in 485computer users，musicians，and others［J］.J Occup Rehabil，2001，（11）:1-21.

［36］RODRIGUES J P，MASTAGLIA F L，THICKBROOM G W.Rapid slowing of maximal finger movement rate:fatigue of central motor control［J］.Exp Brain Res，2009，（196）:557-563.

［37］SPARTO P J，MOHAMAD PARNIANPOUR，BARRIA E A，et al.Wavelet and short-time Fourier transform analysis of electromyography for detection of back muscle fatigue［J］.IEEE Transact Rehabilit Engineer，2000，（8）:433-436.

［38］SPARTO P J，PARNIANPOUR M，BARRIA E A，et al.Wavelet analysis of electromyography for backmuscle fatigue detection during constant-torque exertion［J］.Biomed Sci Instrum，1997，（33）:82-87.

［39］SUZUKI H，CONWIT R A，STASHUK D，et al.Relationships between surface-detected EMG signals and motor unit activation［J］.Med Sci Sports Exe，2002，（34）:1509-1517.

［40］TAYLOR J L，BUTLER J E，GANDEVIA S C.Changes in muscle afferents，motoneurons and motor drive during muscle fatigue［J］.Eur J Appl Physiol，2000，（83）:106-115.

［41］THICKBROOM G W，PHILLIPS B A，MORRIS I，et al.Differences in functional magnetic resonance imaging of sensorimotor cortex during static and dynamic finger flexion［J］.Exp Brain Res，1999，（126）:431-438.

［42］VEIERSTED K B，WESTGAARD R H，ANDERSEN P.Electromyographic evaluation of muscular work pattern as a predictor of trapezius myalgia［J］.Scand J Work Environ Health，1993，（19）:284-290.

［43］WANG LEJUN，HUANG YONG，GONG MINGXIN，et al.Sensitivity and stability analysis of sEMG indices in evaluating muscle fatigue of rectus femoris caused by all-out cycling exercise［C］.Proceedings-4th Int Congress Image Signal Processing，CISP，2011:2779-2783.

［44］WERNBOM M，AUGUSTSSON J，THOMEE R.The influence of frequency，intensity，volume and mode of strength training on whole muscle cross-sectional area in humans［J］.Sports Med，2007，（37）:225-264.

［45］HSIEH Y J，CHO C Y.Using risk factors，myoelectric signal，and finger tremor to distinguish computer users with and without musculoskeletal［J］.Eur J Appl Physiol，2008，（104）:9-17.

［46］YASSIERLI，NUSSBAUM M A.Utility of traditional and alternative EMG-based measures of fatigue during low-moderate level isometric efforts［J］.J Electromyo Kinesiol，2008，（18）:44-53.

［47］YOON T，DE-LAP B S，GRIFFITH E E，et al.Age-related muscle fatigue after a low-force fatiguing contraction is explained by central fatigue［J］.Muscle Nerve，2008，37（4）:457-466.