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。     

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。     

不同负荷方式引起的腰部肌肉表面肌电信号变化特征

采用时频、复杂度和定量递归信号分析方法对Biering-sorensen和Ito-Shirado条件下腰部肌肉表面肌电信号的变化规律和特点进行了比较。10名正常受试者分别参加Biering-sorensen和Ito-Shirado运动负荷试验,分别获取两侧L2～L3和L5～S1部位表面肌电信号。研究发现,以上两种运动负荷方式下平均功率频率和复杂度时间序列曲线呈单调递减型变化,而确定性线段百分数时间序列曲线呈单调递增型变化。双因素方差分析表明负荷方式和采样部位对以上信号分析指标变化斜率的影响均有显著统计学意义,证明Biering-sorensen负荷方式较Ito-Shirado负荷方式对腰部肌肉表面肌电信号特征有较大的影响,而采样部位也是腰部肌肉功能评价不可忽视的因素。     

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。     

等长收缩诱发肌肉疲劳及恢复过程中表面肌电信号特征变化规律

运用线性和非线性分析方法分析不同强度等长收缩诱发局部肌肉疲劳及恢复过程中表面肌电信号（surface electromyogram,sEMG）特征的变化规律,探讨影响sEMG信号变化的可能原因和机制.结果显示,在肱二头肌疲劳收缩过程中,sEMG的特征指标平均肌电值（average EMG,AEMG）、平均功率频率（mean power frequency,MPF）、Lempel-Ziv复杂度（Lempel-Ziv complexity,C（n））和确定性线段百分数（Determinism%,% DET）的变化具有良好的规律性.恢复期AEMG没有表现出规律性的变化,MPF、C（n）和?T在恢复期2秒即开始显著恢复,在前10秒恢复很快,随后恢复速度变慢.恢复初期sEMG信号特征的快速变化提示中枢控制因素可能发挥更大作用.     

肌电信号的相空间分析

为了研究肌电信号的复杂性及其动力学特征,本文通过对肌电信号的相空间分析,计算并分析重构相空间中的肌电信号的关联维及最大李雅谱诺夫指数随嵌入维增加而发生变化的情况,发现其关联维不像噪声那样随着嵌入维的增大而增大,而是趋于一稳定值,此外它还具有正的李雅谱诺夫指数,为进一步对肌电信号进行混沌分析打下基础。     

基于时频分析检测EEG中癫痫样棘/尖波的方法

提出了一种基于Ｃｈｏｉ－Ｗｉｌｌｉａｍｓ分布检测ＥＥＧ中癫痫样棘波／尖波的方法。该方法通过计算ＥＥＧ信号的时频分布,得到一段信号在各个时刻上沿频率方向上的能量分布。这种能量分布相当于一种瞬时频谱,反映了ＥＥＧ信号在局部时间范围里的波形特征。以一段ＥＥＧ信号在各个时刻的瞬时频谱的平均作为这段脑电的背景信号频谱,通过计算每一时刻的瞬时频谱与背景信号频谱之间的频谱差,检测这段信号中的棘波／尖波。对临床Ｅ     

心脏杂音的自适应时频谱分析

应用自适应时频分析方法对心脏杂音（收缩期杂音、舒张期杂音、连续性杂音）进行分类研究,旨在克服固定核时频分析分辨率较低的缺陷。对多例心脏病人不同类型的心脏杂音分析结果表明：基于自适应锥形核分布的时频谱反映了心脏杂音在时间－频率平面的能量分布及动态变化过程,并有较高的时频分辨率,不同类型心脏杂音的时频谱具有明显的时频特征。     

基于小波变换的单次诱发电位信号时频分析

比较小波变换和平均叠加两种方法提取“模拟自然阅读”刺激模式下的诱发脑电信号,分析其时频特性,并进行脑功能源分布定位分析。结果显示,采用平均叠加法来提取和分析诱发电位信号,损失了某些重要的诱发电位成分,且其功能源分布定位反映的只是等效功能源的静态过程;而使用小波变换和脑功能源定位来提取和分析单次诱发电位信号,既能观察到丰富的诱发电位成分,又能反映脑功能源的实时动态活动过程。这表明,小波变换下的时频分析是脑电信号处理的一种可行的新方法。     

巴豆油所致的腹泻过程中狗小肠电活动的改变

在14只狗小肠浆膜面埋植Ag-AgCl双极电极,以消化间期综合肌电(IDMEC)为指标,经胃管向胃内注入10％巴豆油。结果如下:(1)巴豆油注入胃内后,即诱发一起源于十二指肠、沿小肠向其尾端移行、持续时间比正常IDMECⅢ相短(p<0.01)、而传导速度却较正常Ⅲ相快(p<0.01)的类Ⅲ相。(2)巴豆油注入胃内后,正常IDMEC周期即被中断117～234min不等。与正常IDMEC周期相比,恢复后IDMEC周期缩短(p<0.05)。(3)分别阻断α与β受休后,巴豆油胃内注入所诱发的类Ⅲ相及对IDMEC周期的影响均与单纯胃内注入巴豆油所引起的改变相似。双侧膈上迷走神经切除后,巴豆油仍能诱发类Ⅲ相,但其出现的潜伏时间明显延长(p<0.001),并在384.9±75.3min内未见IDMEc周期恢复。结果提示:巴豆油胃内注入所诱发的类Ⅲ相及对IDMEC周期的影响与α和β受体无关。迷走神经起一定的调节作用。巴豆油胃内注入所诱发的类Ⅲ相及所引起的IDMEC周期缩短可能是导致腹泻发生的原因之一。     

EMG-based muscle fatigue assessment during dynamic contractions using principal component analysis

A novel approach to fatigue assessment during dynamic contractions was proposed which projected multiple surface myoelectric parameters onto the vector connecting the temporal start and end points in feature-space in order to extract the long-term trend information. The proposed end to end (ETE) projection was compared to traditional principal component analysis (PCA) as well as neural-network implementations of linear (LPCA) and non-linear PCA (NLPCA). Nine healthy participants completed two repetitions of fatigue tests during isometric, cyclic and random fatiguing contractions of the biceps brachii. The fatigue assessments were evaluated in terms of a modified sensitivity to variability ratio (SVR) and each method used a set of time-domain and frequency-domain features which maximized the SVR. It was shown that there was no statistical difference among ETE, PCA and LPCA (p > 0.99) and that all three outperformed NLPCA (p < 0.0022). Future work will include a broader comparison of these methods to other new and established fatigue indices.     

The short-time Fourier transform and muscle fatigue assessment in dynamic contractions

The mean frequency of the power spectrum of an electromyographic signal is an accepted index for monitoring fatigue in static contractions. There is however, indication that it may be a useful index even in dynamic contractions in which muscle length and/or force may vary. The objective of this investigation was to explore this possibility. An examination of the effects of amplitude modulation on modeled electromyographic signals revealed that changes in variance created in this way do not sufficiently affect characteristic frequency data to obscure a trend with fatigue. This validated the contention that not all non-stationarities in signals necessarily manifest in power spectral parameters. While an investigation of the nature and effects of non-stationarities in real electromyographic signals produced from dynamic contractions indicated that a more complex model is warranted, the results also indicated that averaging associated with estimating spectral parameters with the short-time Fourier transform can control the effects of the more complex non-stationarities. Finally, a fatigue test involving dynamic contractions at a force level under 30% of peak voluntary dynamic range, validated that it was possible to track fatigue in dynamic contractions using a traditional short-time Fourier transform methodology.     

Electromyographical assessment on muscular fatigue—an elaboration upon repetitive typing activity

The objectives of this study were to quantify the electromyographic activities (EMG) of finger muscles during prolonged, low-forces, and repetitive typing with an ergonomically designed VDT workstation, as well as to analyze the occurrence and the possible mechanisms of muscular fatigue in touched typists. Thirty healthy female typists were recruited to type consecutively for 2 h. The surface EMG of extensor digitorum communis (EDC) and flexor digitorum superficialis (FDS) of both hands was recorded throughout the entire test. Electrical activity (EA) and median frequency (MDF) were calculated, and then regressed against the time courses to obtain the slopes of progress. Further analysis of the EMG parameters was done by the joint analysis of spectra and amplitudes (JASA). The results indicated that maximum voluntary electrical activation (MVE) decreased after 2-h typing, and did not recover to the initial values even after a 10-min break. Besides, there was a trend of decrement in frequency throughout the entire trail, and the MDF reduced by 25% in comparison with the initial values. With the JASA plot, 74% of the muscles manifested fatigue after 2-h typing activity. Furthermore, we observed that the EDC muscles were more susceptible to muscular fatigue than the FDS muscles. In conclusion, prolonged consecutive typing may induce muscular fatigue in the healthy typists even in an ergonomic typing environment.     

股直肌、股外肌在坚持“虚步”过程中表面肌电图振幅与频率的定量分析

本文目的在于用定量分析技术研究虚步练习的疲劳过程中表面肌电图振幅与频率的变化。 实验发现坚持虚步直至疲劳过程中,股直肌与股外肌的IEMG均出现增加,肌电图功率谱向低频转移,及MPF减少。 股直肌与股外肌相比,坚持虚步过程中股直肌的IEMG较股外肌增加更为明显,而MPF的变化股外肌较股直肌更为显著。 此外,还观察到股外肌与股直肌肌电活动的“迁移”,即开始时股外肌电活动较股直肌强(肌电活动比为6∶4),以后逐渐过渡到二者的肌电活动相等(5∶5)。 文中着重讨论了股直肌、股外肌肌电图变化不同的原因。我们认为这可能由于股外肌在完成虚步练习中较股直肌起着更大的作用。