基于积分肌电值结合双阈值的s-EMG活动段的检测

2018-09-21王立玲

东北师大学报（自然科学版） 2018年3期

王立玲，杨铮，刘瑾

(1.河北大学电子信息工程学院，河北保定 071000；2.河北大学附属医院，河北保定 071002)

0 引言

在现实生活中，由于工作原因而导致身体某一部位长期处于一特定姿态的人群，当身体突发性运动或者超负荷负重时，很可能造成肌肉损伤，给家庭及社会带来压力.上肢肱二头肌是我们日常生活中经常使用的一块肌肉，因传统特征值表征肌肉疲劳时变化不明显，反映不够灵敏，很有可能在肌肉已经发生疲劳时而未检测出疲劳，造成肌肉损伤.因此，如何在肌肉受到损伤之前检测出疲劳，防止由普通性肌肉疲劳进一步恶化发展成肌肉损伤已成为当今一个值得研究的问题.

随着肌肉不断收缩会逐渐进入疲劳状态，肌肉疲劳研究对康复医学领域有推动作用.当神经肌肉活动时，使用电极从人体骨骼肌表面获得生物电信号称为表面肌电信号(surface electromyography，s-EMG).它反映了神经和肌肉的功能状态，因此可以通过s-EMG来研究肌肉疲劳.肌肉在持续工作情况下会使其做功能力下降，这种现象就称为肌肉疲劳.[1]

对于疲劳的机理，不同的学说有不同的理解.目前关于运动性疲劳产生的机理主要有“衰竭学说”“堵塞学说”“内环境失调学说”“保护性抑制学说”“突变理论”“自由基损伤学说”等[2].肌肉疲劳主要是由发力过程中逐渐出现的钙离子运动扰动、磷酸盐等代谢物的积累、肌细胞三磷酸腺苷的减少等因素使动作电位传导变化和肌纤维收缩力量下降所致.

相关研究表明，频域中影响表面肌电信号频谱变化的因素主要与神经传导速率、动作电位持续时间有关.在动态收缩至疲劳的过程中肌肉温度会升高，温度会影响表面肌电信号使频谱高频成分增加，导致频域相关特征参数变化不明显.[3-4]时域中影响表面肌电信号幅值变化的因素主要与动作单位数量、传输速度以及发放频率有关.在动态收缩至疲劳的过程中肌肉力会增加，肌肉力增加会影响表面肌电信号幅值增加，导致时域相关特征参数在评估疲劳领域受到限制[5].为了解决时域、频域相关参数指标灵敏度较差问题，提出了基于积分肌电窗口移动平均值结合双门限阈值活动段检测肌肉疲劳研究方法提取时域、频域特征参数；由于动态屈伸肘动作的发力方式为周期性肌肉收缩，所以采用积分肌电窗口移动平均值结合双门限阈值的方法区分肌肉动态收缩区和静态收缩区，即不再以等时间间隔划分表面肌电信号，而是以每个周期性收缩区为划分依据.利用肌肉动态收缩区相关特征值的灵敏度波动比(SVR指数)来表征肌肉疲劳的灵敏度.

1 信号采集及预处理

利用NORAXON公司生产的MR3.6软件，采用表面肌电信号采集仪对信号进行采集，利用无线表面肌电信传感器，使用一次性Ag/AgCl电极片，设定时间常数为0.05 s，采样频率为1 500 Hz，根据肌肉模型粘贴一次性电极片，电极片之间距离为20 mm.挑选8名健康受试者均无肌肉劳损病史，实验前24 h内无参加激烈活动.每位受试者在实验前都接受实验通知并进行实验动作培训，实验地点为河北省数字医疗工程重点实验室.

受试者站立手握 1.5 kg哑铃做屈伸肘动作(周期力收缩)，直至疲劳不能继续(约为2 min)，记录右上肢肱二头肌数据.为了增加表面肌电信号的高频分辨率，需要对表面肌电信号的高频部分进行预加重[6].测试者身体具体信息如表1所示.

表1 受试者身体信息

2 分析方法

2.1 数据分段

周期性收缩通过分割活动段进行数据分割，以每次收缩部分信号为一段，活动段的分割采用移动平均法，利用时间窗移动(窗长wlength=100点，窗移wshift=50点)计算表面肌电信号瞬时移动窗内的积分肌电值.根据经验设定双阈值(Tstart，Tstop)，若积分肌电移动平均值连续多次超过阈值Tstart，则认为进入活动段；进入活动段后，若积分肌电移动平均值连续多次低于阈值Tstop，则认为活动段结束.数据分段计算公式为

式中W为窗长，n为移动过程中某窗口.

端点检测主要是为了自动检测出周期力收缩的起始点及结束点.采用了双门限比较法来进行端点检测.双门限比较法以短时积分肌电值特征作为分析指标.端点检测流程见图1.

2.2 时域分析

时域分析是直接在时间域中对表面肌电信号进行分析的方法，具有直观和准确的优点.主要有积分肌电值(IEMG)、均方根值(RMS)、过零点数(ZC).积分肌电值用以评价肌肉是否发生疲劳，如采用积分肌电差值可以粗略估计肌肉疲劳时间；均方根值是用来描述肌电信号在一段时间内的平均变化；过零点数是指表面肌电信号时间序列在幅值的变化过程中的正负值交替变化的次数.[7-10]

2.3 频域分析

频域分析是从频率角度分析表面肌电信号特征，方法是将时域信号经过快速傅里叶转换后，得到表面肌电信号频谱或功率谱.频域分析常用分析参数有平均功率频率(MPF)、中值频率(MF)、疲劳指数(FI).[11-12]MPF是指过功率谱曲线重心频率，等于总功率除以总时间；MF是指骨骼肌收缩过程中肌纤维放电频率的中间值，等于各个时间段的功率的平均值.MPF和MF用于量化表面肌电信号频谱的偏移；FI是通过不同频率功率的比例评估肌电信号功率谱的偏移情况，分子部分强调疲劳过程中功率谱低频成分的增多，分母部分强调了功率谱高频成分的减少.[13]

图1 端点检测流程

3 结果与讨论

D.R.Rogers[14]提出了SVR指数，SVR指数用于评估目标参数对疲劳程度灵敏度与集中性综合效果.该参数分子为特征参数在整个疲劳过程中的变化范围，分母可以衡量特征参数集中性.特征参数变化范围越大，自身抖动性越小，则该参数SVR指数值越大，即对疲劳的表征效果越好.对受试者各个肌电特征参数分别进行归一化后计算SVR指数.

3.1 时域特征值分析结果

图2为IEMG阈值窗口，图3为活动段阈值检测时域图.由图2—3可以看出肱二头肌随着时间的推移，表面肌电信号幅度有增大的趋势.确定双阈值(Tstart，Tstop)值，Tstart=0.040 0，Tstop=0.008 0.确定单阈值(Tstart)值，Tstart=0.040 0.图2的IEMG窗口移动过程中经过阈值判断找出图3表面肌电信号收缩区的起止点位置，从而确定收缩区的个数(n=15).计算每一个收缩区的相关特征参数值并找出相关特征参数值与疲劳之间的对应关系.

受试者右上肢肱二头肌的每一收缩区RMS见图4，受试者右上肢肱二头肌的每一收缩区RMS和ZC见图5—6.由图4—6可以看出，受试者肱二头肌在趋于疲劳过程中，能量、IEMG、RMS均增大.从灵敏性和集中性的角度来看，RMS指标效果最好，然后是IEMG，最后是ZC.计算得到的SVR各指数为：

(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 频域特征值分析结果

受试者右上肢肱二头肌每一收缩区的MPF、MF、FI见图7—9.由图7—9可看出，肱二头肌在趋于疲劳过程中，受试者的表面肌电信号MPF、MF减小，FI增大.从灵敏性和集中性的角度看，MF最好，然后是MPF，最后是FI.计算得到的SVR各指数为：

(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分别为8名受试者相关时域和频域指标SVR.表4和5分别为8名受试者相关频域和时域参数SVR均值和方差.图10为时域和频域内相关特征值SVR进行t检验(Excel数据分析模块).在a=0.05情况下，P<0.05，二者之间存在显著性差异，说明基于积分肌电窗口移动平均值结合双阈值法与基于积分肌电窗口移动平均值结合单阈值法获得的时域、频域参数相比，具有显著性高分辨灵敏度.

通过展开肌肉疲劳实验研究，从不同阈值算法上对肌肉疲劳灵敏度方面进行分析，得出研究结果如下：

(1) 从积分肌电窗口移动平均值结合单阈值法获得时域、频域参数指标SVR上来看，其表征肌肉疲劳灵敏性较差，从积分肌电窗口移动平均值结合双阈值法获得的时域、频域参数指标的SVR上来看，其表征肌肉疲劳灵敏性较好.