表面肌电图在步态分析中的应用

王亚薇， 杨 阳， 李耀民

表面肌电图（surface electromyography, sEMG），也称动态肌电图（dynamic electromyography, DEMG），通过在皮肤表面放置电极，从而记录邻近神经肌肉系统活动时的生物电信号的测定方法[1-2]。近年来在康复领域受到广泛关注并逐渐应用于临床。

表面肌电信号代表肌肉功能的特征，提供有关肌肉活动的信息。分析这一信号可以为医学健康专家提供诊断信息，在决定肌肉功能障碍的适当治疗方案时可以作为一个有用的工具[3]。

使用特定的运动学和动力学参数对骨科患者的步态功能进行评估是非常必要的，但是，当结合不同的运动任务和sEMG评估时，这些评估可能会对特定患者的步态和肌肉平衡给出完整的认识[4]。特别是在特定运动中的步态分析可以提供更多关于关节功能的信息[5]。

此外，当自主活动时，sEMG可以描绘出患者步态中肌肉收缩的时间和水平。这与运动学和动力学结果相关联，可能在功能上更好地体现患者的运动[6]。此外，sEMG还应该能够了解哪些肌肉可能出现肌肉收缩功能不良，在步态中并不起关键作用。所有这些发现，结合临床评估，可能为及时随访患者和术后制定具体的康复治疗方案提供有用的证据，为每个患者获得最佳的步态表现[7]。这些重要数据与功能数据相关联分析，有助于康复医师确定不同步态模式的病因，制定更具体的术后康复计划[8]。

在本综述中，我们确定步态分析中sEMG方法论的基本原理，为了收集有意义的步态分析数据，研究人员采用的sEMG方法主要要解决以下问题：1）噪音控制；2）波频；3）串扰；4）sEMG电极放置方案；5）sEMG信号的时序和强度；6）标准化。

1 噪音控制

由组织运动和环境因素可产生噪声信号，这些噪声信号会影响肌电信号的诊断，噪声信号可以通过滤波和使用差分放大器排除，以抑制共模信号[9]。Stachaczyk等[10]提出了一种自适应的高密度肌电信号自动检测和衰减算法，该方法通过信号相似性的时间-频谱度量来推断每个肌电通道中是否存在噪声。实验证明，该方法不仅可以提高高密度肌电信号的鉴别信息含量，而且可以衰减不稳定的伪影，提高诊断的准确性。为了把噪声最小化，在数据采集时如电极放置的位置和配置，采样频率和信噪比都应予以考虑[11-12]。Ma等[13]探讨了基于变分模式分解滤波的EMG信号去噪的可行性，该滤波器能有效地去除电力线干扰、基线偏移、白高斯噪声等，适用于任何需要在预处理阶段进行肌电信号滤波的应用。

2 波频

尖峰波的频率很高，而宽波的频率较低。肌电信号频率范围广，与关节运动有关肌肉功能很重要的波频范围从10 Hz至1000 Hz。肌肉收缩会产生10 Hz的信号，行走时地面反馈会产生25 ～30 Hz的信号。有学者建议将40 Hz作为步态肌电图的常规低值[14]。此外，应使用陷波滤波器排除来自电子设备的常规60 Hz信号。也有研究人员使用频率分析滤波器常数为64 Hz或350 Hz的中频滤波器[15-16]。总之，绝大部分学者认为40～1000 Hz的波频适用于sEMG[17-18]。

3 串扰

sEMG信号起源于运动单元动作电位( motor unit action potential, MUAP)，运动单位是肌肉活动的最小单位，实际的肌肉收缩是多个运动单位共同参与活动的结果。大量的运动单位同时兴奋则电位募集，电流通过人体组织到达皮肤，再通过记录电极、放大器显示。因此表面肌电图信号实质上是多个运动单位动作电位的总和。这些运动单位活动的总和构成了肌电信号的强度。所以在记录肌肉群活动时，EMG记录的可能包含有不关注的肌肉信号。

串扰随着皮下脂肪厚度而增加。真的很难从一组肌肉中分离出收缩的肌肉。因此，从表面电极上，通过拾取增效剂的信号可能可以鉴定出哪组肌肉是没有收缩的。通过选择电极尺寸和电极间距离可以最大程度地减少串扰。Koh等[19]认为串扰的原因可能是表面电极中低到中等的信号而不是因为肌肉的共同收缩。这一点在一项针对儿童拮抗肌共同作用研究中得到了证实[20]。研究人员表明在整个步态周期中连续记录EMG，在平均6.5%的最大强度基线上叠加的是20%最大电极的峰值。研究表明，腘绳肌和股四头肌的功能只有在肢体负荷时才会发生重叠，因此，真正的共同收缩是不连续的。

消除串扰的方法有很多种。而目前还没有确定的方法来避免串扰的发生。Mesin[21]采用时空滤波器方法，在时间和不同通道之间进行滤波，提供最大限度保留感兴趣肌电能量并丢弃附近肌肉能量的信号，该方法处理的单差分或双差分数据的信噪比平均提高约2db，可以减少由串扰引起的传导速度和传导力的偏差。Di等[22]研究开发了一种基于神经网络解释受试者内sEMG数据的步态分类和预测的精确方法，其贡献在于仅从单个受试者的肌电信号中预测步态事件，结果表明神经网络算法比其他算法表现得更好。

表面肌电信号分析的一个关键原理是将信号分解成多个MUAP。因此，主成分分析法受到广泛追捧，其中原始表面肌电信号数据被转换成各个MUAP。也有研究报道，主成分分析法是一个分析高精度数据强有力的工具，有进一步改进从表面肌电信号估计肌肉力量的可能[23]。

4 sEMG电极放置方案

皮肤电极是捕捉表面肌电信号的无创电极。皮肤属于不良导体，对肌电信号存在阻抗（即电流通过物质时所遇到的阻力）。皮肤的阻抗受皮肤的潮湿程度、表皮的油脂成分、角质层和死亡细胞等众多因素的影响。为了尽可能地降低阻抗，需要对皮肤进行处理，临床上通常采用酒精棉球擦拭来去除皮肤表面的油脂、附着物和死皮，毛发多者还需备皮，使皮肤与电极之间的阻抗降低。

目前应用的表面电极多用银合金制成。每块肌肉需要两个电极，小容积的肌肉需要小的电极，电极间距亦需较小，大容积的肌肉需要较大的电极，较大间距，但不宜过大。不同设备配置的电极有所不同，有固定两个电极间距的线状电极和纽扣式电极，还有不固定间距的电极。一般推荐两电极中心间距为l～3cm。为获得最大波幅，目前临床多将电极放置在肌腹正中，两电极沿肌纤维走向排列。另外，参考电极是必不可少的，一般就近放置于无肌肉组织的骨面皮肤上。

5 sEMG信号的时序和强度

步态周期中的表面肌电图是由步态阶段的特征来确定MUAP的值，如肌肉收缩的激活时间和肌肉收缩的强度等[3]。

动态肌电图所获得的基本信息是步态周期中的每一个阶段肌肉作用的结果。也就是基于与肢体运动有关的肌肉活动开始和停止的时间，以及肌肉收缩到极限的时间。肌电记录的节点一定是分阶段确定的，同时还需要记录当时的肢体功能。一般是记录三个步态周期的开始和结束时间，并计算其平均数。

肌肉活动强度从肌电图中提取出来，用于单自由度激活。在步态分析中，三个完整步态周期的信号用于评估肌肉活动的时间和相对强度。在人体整个步态周期中都有正常的EMG激活。动态肌电图向临床医生提供的信息虽然有限，但它从步态获取的信号通常为监测肌肉的开-关活动，其中“开”为最大自主收缩的5%。它可以通过全波整流EMG集成来评估相对肌肉收缩情况。与正常时序模式的偏差可分为七种类型：过早型、延期型、持续型、缩短型、延迟型、缺席型和不协调型[24]。这些时序错误可为适应性模式、病理模式和神经异常。步态过程中动态肌电数据的时序信息为临床决策提供了重要的依据。

6 标准化

为肌电图记录得到一个有意义的数值，需要三步。对原始肌电图数据进行校正，数字化和标准化。为了对处理后的肌电数据进行相对评估，需要一种标准化方法来处理包含电极采样检测到的运动单元数目的个体差异。这种变异是由于肌纤维解剖和排列的解剖学差异造成的。要对不同个体之间和不同时段、不同实验进行比较时，也必须做标准化处理。标准化处理的方法就是受试EMG值和最大自主收缩EMG值作比率，其形式以EMG是肌肉最大自主收缩的多少百分比来表达。通过标准化处理后的EMG值在理论上可以与其他肌肉的EMG值和其他个体的EMG值进行比较。

7 结论

步态分析是临床医师管理肌肉骨骼疾患的重要诊断手段[25]。sEMG是结合运动学和动力学数据决策治疗此类患者所选择合适方法的有用工具，sEMG用于评估运动过程中的神经肌肉反应并制定康复方案已有几十年的历史。对于有意义的数据采集，研究者应该始终遵循一种准确而充分的方法，临床工作中应尽可能建立标准化的操作程序，以便不同肌肉、不同个体和不同时段的测试结果具有可比性。建议做到以下几点：1）受试者尽量穿着宽松衣物，过紧的衣物会产生干扰波。2）应用医用酒精处理皮肤，尽量将皮肤表面的污物死皮等清理干净。3）为了信号采集的稳定性，电极片的放置尽量避开运动点。4）可应用小的电极避免串扰。5）电极和皮肤接触需要一定的时间才能达到稳定的电阻抗条件。6）检查基线是否有偏移、是否有漂移，可通过良好的电极和导线固定及良好的皮肤处理解决。7）若出现运动干扰波，可应用高通滤波将低于某频率的肌电信号去除。