脑卒中患者肌电信号研究

近年来,随着现代化水平的进一步加快,人们在日常生活和工作中常常会出现用脑过度现象。脑卒中的发病率也随之增加,本文主要从其发病原因及肌电信号等方面进行分析研究,为以后的临床治疗奠定基础。     

表面肌电信号的肌肉疲劳判别研究进展

肌肉在周期的收缩或静态的拉伸过程中,会渐渐进入疲劳状态,肌肉疲劳特性的研究在康复医学、运动医学领域具有重要作用。表面肌电信号是从肌肉表面通过电极记录下来的反映神经肌肉系统活动的一维时间序列非平稳生物电信号,是评价局部肌肉疲劳的有效工具。本研究从时域和频域、时频域线性方法下的测量指标和非线性方法下的指标来综述表面肌电信号的疲劳研究进展,同时比较各种方法的优缺点,并对使用表面肌电信号来判别疲劳研究做了进一步的展望。     

表面肌电信号采集与降噪处理

目的:本文以设计的表面肌电(sEMG)信号采集系统为基础,探讨sEMG信号中的降噪处理问题。方法:结合sEMG信号的噪声影响情况,首先利用带通滤波器消除肌电信号频带外噪声,再通过频谱插值法来抑制工频干扰分量,最后使用小波分析方法来削弱肌电信号频带内噪声。结果:通过对检测sEMG信号的降噪处理,信号噪声得到明显抑制。结论:所设计采集系统能够获得满意的sEMG信号检测效果,所采用降噪方法能够有效提高sEMG信号的质量。     

表面肌电信号采集与降噪处理

目的：本文以设计的表面~g（sEMG）信号采集系统为基础,探讨sEMG信号中的降噪处理问题。方法：结合sEMG信号的噪声影响情况,首先利用带通滤波器消除肌电信号频带外噪声,再通过频谱插值法来抑制工频干扰分量,最后使用小波分析方法来削弱肌电信号频带内噪声。结果：通过对检测sEMG信号的降噪处理,信号噪声得到明显抑制。结论：所设计采集系统能够获得满意的sEMG信号检测效果,所采用降噪方法能够有效提高sEMG信号的质量。     

肌肉动态收缩期间表面肌电信号的时频分析

介绍了用于肌肉动态收缩期间非平稳表面肌电信号的时频分析方法。用短时傅里叶变换、Wigner-Ville分布及Choi-Williams分布计算了表面肌电信号的时频分布,用于信号频率内容随时间演化的可视化观察。通过计算瞬时频谱参数,对肌肉疲劳的电表现进行量化描述。分析了反复性的膝关节弯曲和伸展运动期间从股外侧肌所记录的表面肌电信号。发现和在静态收缩过程中观察到的平均频率线性下降不同,在动态收缩期间瞬时平均频率的变化过程是非线性的并且更为复杂,且与运动的生物力学条件有关。研究表明将时频分析技术应用于动态收缩期间的表面肌电信号可以增加用传统的频谱分析技术不能得到的信息。     

肌电信号分解及其研究现状与展望

生理学中把一个α运动神经元及其所支配的肌纤维的集合称为运动单位（ＭｏｔｏｒＵｎｉｔ）,它是神经肌肉系统的最小控制单位。α神经在神经支配或外加刺激作用下,产生一次细胞膜内外的电位变化,即神经冲动。一系列的神经冲动沿神经肌肉接头传递到所支配的肌纤维,一个...     

基于定量分析方法的动作表面肌电信号分析

介绍了非线性数据处理方法递归图法(recurrence plots,RP)及其定量分析方法(recurrence quantifi-cation analysis,RQA),并利用RP和RQA研究了动作表面肌电信号。研究发现,表面肌电信号在不同动作模式下其所对应的RP图在结构上差异明显,通过计算两通道肌电信号的RQA指标递归率,发现不同动作信号的RQA指标递归率值具有不同的聚类分布。该方法为肌电信号的动作模式分类提供了一种新的思路。     

肌电信号的特征分析方法及其应用

肌电信号是产生肌力的生物电信号来源,反映了神经-肌肉系统在进行随意性和非随意性活动时的生物电变化情况,它与神经肌肉活动密切相关.伴随着肌电信号特征分析方法的日臻完善,蕴含在信号内的神经、肌肉信息,越来越多地被人们所掌握,并被广泛地应用于临床医学、康复医学、体育科学、医学工程学以及基础研究等诸多领域.因而肌电信号具有重要的应用价值和学术价值.现本文主要针对肌电信号的特征分析方法(时域分析、频谱分析、时频分析等方法)以及肌电信号相关领域的应用情况作以综述.     

局部肌肉疲劳的表面肌电信号复杂度和熵变化

目的 在于探讨静态和动态疲劳性运动过程中肱二头肌和腰部脊竖肌表面肌电(surface electromyography,sEMG)信号的Lempel-Ziv复杂度和Kolmogorov熵的变化规律。18名男性大学生志愿者被随机分为肱二头肌和腰部脊竖肌运动负荷组,分别完成静态和动态疲劳运动负荷试验。运动负荷期间连续记录sEMG信号,在对运动负荷时间和重复次数进行标准化处理后,截取相应时段的sEMG信号,计算Lempel-Ziv复杂度和Kolmogorov熵,观察它们随肌肉疲劳发展的变化规律。研究结果表明,无论是静态还是动态疲劳运动条件下,被检肌肉sEMG信号的复杂度和熵均随着运动负荷时间呈现明显的单调递减型变化。该变化可能与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。     

基于表面肌电信号的人体动作识别算法研究进展

表面肌电信号(Surface Electromyography,sEMG)是通过相应肌群表面的传感器记录下来的一维时间序列非平稳生物电信号,不但反映了神经肌肉系统活动,对于反映相应动作肢体活动信息同样重要。而模式识别是肌电应用领域的基础和关键。为了在应用基于表面肌电信号模式识别中选取合适算法,本文拟对基于表面肌电信号的人体动作识别算法进行回顾分析,主要包括模糊模式识别算法、线性判别分析算法、人工神经网络算法和支持向量机算法。模糊模式识别能自适应提取模糊规则,对初始化规则不敏感,适合处理s EMG这样具有严格不重复的生物电信号;线性判别分析对数据进行降维,计算简单,但不适合大数据;人工神经网络可以同时描述训练样本输入输出的线性关系和非线性映射关系,可以解决复杂的分类问题,学习能力强;支持向量机处理小样本、非线性的高维数据优势明显,计算速度快。比较各方法的优缺点,为今后处理此类问题模式识别算法选取提供了参考和依据。     

表面肌电信号的下肢痉挛信号的特征分析与识别

脑卒中患者康复治疗中会引起下肢肌肉痉挛,这种现象给患者的康复训练过程带来极大的危害,因此能够在训练过程中识别痉挛并及时中断训练具有重要的实际意义。本研究通对下肢表面肌电信号的采集,采用基于形状的模版匹配法来识别痉挛信号,并以皮尔逊相关系数来分析表征下肢痉挛信号的相关性大小。分析结果表明,通过仿真验证了模版匹配法在个人痉挛信号识别中的准确性,显示了在泛用痉挛信号识别中的可行性。     

褐飞虱发生的一维时间序列相空间重构及混沌吸引子维数的确定

利用我国长江流域的吴县1979－1990年及太湖地区农科所1986－1998年6－11月份褐飞虱田间发生时间序列资料,将褐飞虱发生的一维时间序列拓展到多维相空间中去,研究结果表明：（1）我国长江流域短期褐飞虱发生演化,在相空间中存在吸引子,并具有分维结构,其维数分别是1．6和0．68,为混沌吸引子（或奇异吸子）;（2）就我国长江流域褐飞虱发生的短期变化而言,为了能在维相空间支撑上述奇怪吸引了,最好选取4个变量或建立最低为4阶的动力学模型式来进行描述。     

基于支持向量机的表面肌电信号和加速度融合跌倒识别方法

目的:针对老人易跌倒和跌倒过后可能产生严重后果这一现实问题,通过将表面肌电信号和加速度融合,进一步优化采用支持向量机分类器下的包含跌倒在内的几种不同动作的分类效果。方法:提出基于表面肌电和加速度信号融合的跌倒识别算法,首先采集股直肌,股内侧肌,胫骨前肌和腓肠肌的表面肌电信号以及位于腰部的三轴加速度信号作为实验数据,然后利用滑动窗口法提取表面肌电和加速度信号的均方根值,最后针对人体日常活动和跌倒的运动特征,构建了支持向量机的分类器。结果:实验数据共计320组数据,包括3种日常活动和向前跌倒,其中160组数据作为训练集,另外160组数据作为测试集。对4种动作进行识别实验,算法的准确度为93.23%、灵敏度为92.4%、特异度为100%,达到了良好的分类效果。结论:基于支持向量机的表面肌电信号和加速度融合的跌倒识别算法分类效果良好,对于老人跌倒防护具有现实意义。     

基于表面肌电信号的肘关节运动角度的提取

随着人口老龄化问题的越来越严重,医疗护理机器人的开发,今后将会有大量的需求,基于表面肌电信号的医疗护理机器人的开发将是其中的一个热点.本文提出了基于Bayesian正则化的多层感知器人工神经网络方法来提取人体肘关节运动角度,解决了普通神经网络对于表面肌电信号这一复杂亚高斯随机信号泛化能力不强的缺点,有助于将表面肌电信号的研究推向医疗护理机器人研发的实际应用阶段.     

蹲跳、反向跳和下落跳的膝关节屈伸肌群肌电信号分析

目的：通过观察肌电图（EMG）的变化,了解运动员与普通中学生在纵跳过程中,膝关节屈伸肌群工作特点,为运动员科学选材提供依据。方法：30名男女青少年运动员和30名男女普通中学生进行各种形式纵跳（蹲跳、反向跳、下落跳）,测试膝关节屈伸肌群的EMG变化情况。结果：主动肌（股外肌）EMG的变化存在性别差异,随着下肢工作强度的增加,男运动员积分肌电图（iEMG)和平均功率频率（Fmean)均没有显著变化,女运动员iEMG增加,Fmean没有显著变化,对抗肌（股二头肌）,随着下肢工作强度的增加。青少年运动员EMG活动变化较小,而普通中学生的EMG活动明显增加。结论：在增加工作负荷的过程中,男运动员膝关节伸肌群以提高效率为主,女运动员以提高肌肉的募集数量为主;运动员的对抗肌协调水平高于普通中学生。     

利用NEMG信号AR模型参数对局部肌疲劳的研究

探讨如何利用针电极肌电信号来评价人体的肌肉疲劳。采用参数化模型的方法提取针电极肌电信号的AR模型a1参数,并对反映肌肉疲劳时间过程的a1参数进行直线拟合。实验结果发现拟合的直线变化趋势能够较好地反映肌肉的疲劳过程。     

基于复杂性度量的表面肌电信号分类方法

提取表面肌电信号的复杂性测度信息,利用原始数据的复杂度指标构造特征矢量对四种前臂动作进行分类,取得了较好的识别效果.通过比较,发现基于原始数据的复杂度指标在分类性能上要优于基于重构序列的复杂度.肌电信号的复杂度算法简单,适合短数据运算,能够满足实时处理的要求.作为一种新的肌电信号特征,复杂性测度也为生理与病理分析提供了新的思路.     

基于独立元分析和非线性指数分析的脑电信号中伪迹分量的自动去除

脑电(electroencephalography,EEG)信号中不可避免地存在着眼动、心跳、肌电信号以及线性噪声等伪迹干扰,这些伪迹的存在极大地影响了脑电信号分析的准确性,因此在进行脑电信号分析前需要去除伪迹干扰。为了有效地去除伪迹,结合独立元分析和非线性指数分析,提出一种自动识别并去除脑电信号中伪迹分量的方法。该方法还可同时用于提取脑电信号中的基本节律如!波等。相应的模拟与实际脑电数据的实验结果表明所提议的方法具有很好的识别和去除脑电信号伪迹分量的性能。     

基于小波变换的心电信号去噪算法

目的:去除在心电信号采集过程中混入的肌电干扰、工频干扰、基线漂移等噪声信号,避免噪声对心电信号特征点的识别和提取造成误判和漏判。方法:首先利用coif4小波对心电信号按Mallat算法进行分解,然后采用软、硬阈值折衷与小波重构的算法进行去噪。结果:采用MIT/BIH Arrhythmia Database中的心电信号进行仿真、验证,有效去除了三种常见的噪声信号。结论:本方法实时性好,为临床分析与诊断奠定了基础。     

行走模式对人体下肢三维步态、肌电信号的影响

目的:揭示人体在主动和被动两种行走模式下的步态特征与下肢主要肌群的肌电信号变化规律。方法:选取12名在校男大学生,通过Greenjog履带式自发力跑台和h/p/cosmos电动跑台建立主动式和被动式行走模型,先后在两种模式下以3种递增速度即慢速(2 km/h)、常速(4 km/h)、和快速(6 km/h)进行一次性步行运动,运用三维运动捕捉分析系统和表面肌电测试仪,分别对每种速度采集2 min的连续三维步态和肌电信号数据。结果:慢速时,被动式行走的支撑相占比显著高于主动式行走(P<0.05),而摆动相占比和膝关节角度变化值则显著低于主动式行走(P<0.05);常速时,被动式行走的膝关节角度变化值和股二头肌积分肌电值显著低于主动式行走(P<0.05);快速时,被动式行走的膝关节、踝关节角度变化值和股二头肌积分肌电值显著低于主动式行走(P<0.01);此外,随着步行速度的增加,被动式行走的胫骨前肌积分肌电值呈现显著增高的趋势(P<0.05)。结论:随着步行速度的增加,人体主动步行时的膝关节活动范围更充分,对主动肌的锻炼作用更明显。