張 希 明 東 李林楓 張雪君

1(天津大學(xué)精密儀器與光電子工程學(xué)院，天津 300072)

2(天津醫(yī)科大學(xué)醫(yī)學(xué)影像學(xué)院，天津 300072)

引言

目前，因疾病、交通事故、地震、戰(zhàn)爭(zhēng)及意外傷害而造成的下肢截肢、偏癱和截癱的患者數(shù)目正以成倍的速度增長(zhǎng)。神經(jīng)肌肉電刺激(neuromuscular electrical stimulation，NMES)作為一種安全、有效的治療方式，能夠恢復(fù)患者損傷下肢的運(yùn)動(dòng)功能，使他們恢復(fù)生活自理能力和參加力所能及的活動(dòng)。NMES是運(yùn)用電刺激的手段、用精確的刺激順序和強(qiáng)度激活癱瘓肌群來幫助患者實(shí)現(xiàn)自主運(yùn)動(dòng)功能的方法[1]，其應(yīng)用最早出現(xiàn)在20世紀(jì)60年代，用于截癱患者的站立、行走，還有偏癱患者的肌力恢復(fù)，目前正逐漸應(yīng)用于臨床治療多種神經(jīng)肌肉疾病。NMES的應(yīng)用前景廣闊，其控制方式是康復(fù)工程領(lǐng)域的重要發(fā)展方向[2-3]。

限制NMES廣泛應(yīng)用的一個(gè)主要因素就是由其誘發(fā)的肌疲勞[4]。作為康復(fù)訓(xùn)練中不可避免的一種生理現(xiàn)象，肌疲勞會(huì)直接影響刺激的康復(fù)效果。通過研究如何探測(cè)及評(píng)價(jià)肌疲勞程度，進(jìn)一步克服肌疲勞帶來的負(fù)面影響，對(duì)于神經(jīng)肌肉系統(tǒng)認(rèn)知、殘障康復(fù)工程和臨床理療評(píng)價(jià)等方面，均具有重要的方法學(xué)意義。

使用者感覺的反饋對(duì)NMES系統(tǒng)的有效控制是十分必要的[5]。由于由于表面肌電圖(surface electromyography，sEMG)信號(hào)是神經(jīng)肌肉系統(tǒng)活動(dòng)時(shí)生物電活動(dòng)的總和，因此探討sEMG信號(hào)的變化，也有助于從理論上了解該系統(tǒng)的基本活動(dòng)規(guī)律，為揭示肌肉活動(dòng)的神經(jīng)控制機(jī)制提供科學(xué)依據(jù)。

本研究設(shè)計(jì)了一套NMES誘發(fā)下肢運(yùn)動(dòng)疲勞的信息檢測(cè)系統(tǒng)，采集NMES誘發(fā)伸膝運(yùn)動(dòng)條件下的膝關(guān)節(jié)角度和疲勞肌電。從sEMG進(jìn)行預(yù)處理、頻譜特征提取等環(huán)節(jié)，結(jié)合膝關(guān)節(jié)角度變化，對(duì)NMES誘發(fā)肌疲勞做出正確評(píng)價(jià)。

1 實(shí)驗(yàn)對(duì)象與方法

1.1 實(shí)驗(yàn)對(duì)象

本研究的NMES誘發(fā)下肢運(yùn)動(dòng)疲勞信息檢測(cè)實(shí)驗(yàn)征集了10名受試者，包括7名男性大學(xué)生和3名女性大學(xué)生，年齡 22～25 歲(23.5±1.0)歲，體重45 ～75 kg，(64.8 ±19.2)kg，身高 162 ～ 180 cm，(172.2±10.2)cm。所有受試者均自愿參加此項(xiàng)目的測(cè)試，健康且無(wú)肌肉骨骼病史。受試前24 h內(nèi)未做劇烈運(yùn)動(dòng)，以排除過度運(yùn)動(dòng)殘余疲勞的影響。

1.2 實(shí)驗(yàn)系統(tǒng)

實(shí)驗(yàn)系統(tǒng)框圖如圖1所示。首先，NMES作用于受試者下肢肌群，然后分兩路通道進(jìn)行信號(hào)采集：一路由表面電極采集肌電信號(hào)，傳送至肌電放大器進(jìn)行放大，并通過AD采集卡進(jìn)行模數(shù)轉(zhuǎn)換，最終將數(shù)字信號(hào)傳送入LabVIEW8.2軟件平臺(tái)進(jìn)行顯示和記錄;另一路由角度探測(cè)器采集膝關(guān)節(jié)角度信號(hào)，并通過角度傳感器和USB接口傳送至計(jì)算機(jī)顯示和存儲(chǔ)。

NMES儀器選用美國(guó)芝加哥伊利諾伊大學(xué)與Sigmedics公司合作開發(fā)的Parastep-1型。北京祥云計(jì)算機(jī)技術(shù)公司生產(chǎn)的隔離肌電放大器EMG-200 μV 的分辨率 ＜1.5 μV，帶寬為 0.5～2000 Hz，增益為5000倍，共模抑制比CMRR＞120 dB。角度采集選用了PASCO測(cè)角儀，包括角度探測(cè)器、綁帶、角度傳感器、USB接口和角度采集軟件。

1.3 實(shí)驗(yàn)方法

圖1 神經(jīng)肌肉電刺激誘發(fā)疲勞實(shí)驗(yàn)系統(tǒng)框圖Fig.1 NMES inducing fatigue experiment system

實(shí)驗(yàn)對(duì)象坐在實(shí)驗(yàn)椅上，髖關(guān)節(jié)與椅子成90°，小腿自然下垂，股四頭肌起到伸膝的主要作用。將NMES作用于股四頭肌，正負(fù)電極距離6 cm。表面電極采用三點(diǎn)式差動(dòng)輸入電極，正負(fù)電極置于股直肌肌腹處，電極與肌纖維平行放置，間距20 mm。參考電極放置在膝關(guān)節(jié)骨骼位置處。最后用測(cè)角儀的彈性綁帶將角度探測(cè)器綁在腿的側(cè)面，以膝關(guān)節(jié)處為中心。實(shí)驗(yàn)場(chǎng)景如圖2所示。

圖2 實(shí)驗(yàn)場(chǎng)景Fig.2 Experiment scene

為了將NMES誘發(fā)疲勞和自主收縮疲勞進(jìn)行比較，本研究10名受試者均參加刺激組和對(duì)照組的實(shí)驗(yàn)。刺激組首先對(duì)受試者施加一次電刺激來確定刺激級(jí)數(shù)，即膝關(guān)節(jié)伸展達(dá)到水平時(shí)的刺激強(qiáng)度。整個(gè)實(shí)驗(yàn)過程保持刺激強(qiáng)度為這個(gè)級(jí)數(shù)不變。采用每間隔10 s進(jìn)行一次持續(xù)20 s的電刺激，刺激電流波寬3 ms、頻率40 Hz，并在20 s的電刺激后立即進(jìn)行3 s的自主小腿伸直動(dòng)作，記錄下3 s的sEMG信號(hào)。為了使刺激組和對(duì)照組實(shí)驗(yàn)過程保持一致，對(duì)照組每間隔10 s進(jìn)行一次持續(xù)20 s的自主小腿伸直動(dòng)作，并記錄下其后3 s動(dòng)作的肌電信號(hào)。采樣率1 kHZ，由Labview軟件保存。用 PASCO角度采集軟件，記錄角度變化數(shù)據(jù)。

2 數(shù)據(jù)處理

受試者的sEMG信號(hào)和角度信號(hào)由軟件存儲(chǔ)，再利用Matlab軟件離線處理。將記錄的原始表面肌電信號(hào)進(jìn)行預(yù)處理，然后進(jìn)行頻譜分析。肌電信號(hào)本質(zhì)上是一種均值為零的類隨機(jī)信號(hào)，絕大部分能量集中在50～150 Hz之間。因此，肌電信號(hào)要通過20 Hz高通濾波器和自適應(yīng)陷波器來分別濾除低頻漂移和50 Hz工頻干擾[6]。

sEMG信號(hào)的功率譜分析廣泛應(yīng)用于肌肉疾病診斷和肌疲勞檢測(cè)。傳統(tǒng)的譜分析方法是通過傅里葉變換FT(Fourier transform，F(xiàn)T)將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)進(jìn)行頻譜分析，這里使用快速傅里葉變換FFT(fast Fourier transform FFT)，再對(duì)功率譜密度提取平均頻率MNF(mean frequency，MNF)和中值頻率 MDF(median frequency，MDF)指標(biāo)[7]。

MNF的定義式為

MDF是將功率譜分成上、下兩個(gè)相等面積區(qū)域的頻率，其定義式為

式中，f為肌電信號(hào)的頻率，P(f)為其功率密度譜，f0是功率譜密度的上限頻率，即為采樣頻率的一半。

由于表面肌電信號(hào)本質(zhì)上是非平穩(wěn)的時(shí)變信號(hào)，采用時(shí)變參數(shù)模型可將時(shí)變參數(shù)用一些基函數(shù)的加權(quán)和來近似，從而就將線性非平穩(wěn)問題轉(zhuǎn)化為了線性平穩(wěn)時(shí)不變問題[8]。AR(autoregressive)參數(shù)模型法是現(xiàn)代譜分析法中重要的內(nèi)容，也是肌電信號(hào)分析的一個(gè)重要方法，肌電信號(hào)的性質(zhì)可以用AR模型的若干系數(shù)來表征。零均值、n階時(shí)變參數(shù)的AR模型為

式中，et是平穩(wěn)白噪聲過程，零均值，方差為σ2。

3 實(shí)驗(yàn)結(jié)果

3.1 膝關(guān)節(jié)角度變化曲線

圖3所示為10名受試者NMES誘發(fā)伸膝運(yùn)動(dòng)的膝關(guān)節(jié)角度變化數(shù)據(jù)。可以看到，10名受試者在NMES誘發(fā)伸膝動(dòng)作條件下，膝關(guān)節(jié)的伸展角度不斷減小，從初始的水平90°逐次降低。這說明周期性的刺激誘發(fā)了肌疲勞，導(dǎo)致肌力的減退，從而刺激級(jí)數(shù)達(dá)到最大級(jí)時(shí)膝關(guān)節(jié)伸展的幅度不能維持最大的伸展水平。

圖3 10名受試者NMES誘發(fā)伸膝運(yùn)動(dòng)的膝關(guān)節(jié)角度變化及線性回歸Fig.3 The knee joint change induced by NMES and linear regression curve of ten subjects

3.2 sEMG信號(hào)譜分析

3.2.1 經(jīng)典譜分析

本研究將NMES誘發(fā)疲勞和自主收縮疲勞的頻譜與AR模型參量進(jìn)行對(duì)比，所有受試者顯示了相同的變化規(guī)律。圖4顯示了其中一名受試者的參加刺激組和對(duì)照組實(shí)驗(yàn)的MNF和MDF及其線性回歸曲線，線性回歸的通式為y=b1x+b0。可以看出，對(duì)信號(hào)做頻譜分析，提取的頻率特征逐次降低，表明疲勞過程伴隨著頻譜左移，并且刺激組的下降斜率要遠(yuǎn)大于對(duì)照組，說明了在相同條件下，NMES較自主收縮更容易誘發(fā)肌疲勞。

根據(jù)前人的研究經(jīng)驗(yàn)，式(3)中AR模型的階數(shù)n取為4時(shí)，對(duì)信號(hào)的分析和識(shí)別性能是最好的[9]。此時(shí)式(3)計(jì)算得到的4組時(shí)變參數(shù)，一階參數(shù) a1是最重要的，是肌肉狀態(tài)隨時(shí)間變化的最直接的量[10]。其中一名受試者的a1值的線性回歸曲線的圖5所示，參數(shù)a1隨著肌肉的疲勞有逐次變小的趨勢(shì)。并且，刺激組的下降斜率要遠(yuǎn)大于對(duì)照組，說明了相同條件下NMES較自主收縮更容易誘發(fā)肌疲勞。

圖4 一受試者NMES誘發(fā)伸膝運(yùn)動(dòng)的頻率變化曲線。(a)平均頻率;(b)中值頻率Fig.4 The frequency change curve of one subject knee stretch motion induced by NMES.(a)mean frequency;(b)median frequency

圖5 一名受試者NMES誘發(fā)伸膝運(yùn)動(dòng)的a1參數(shù)變化曲線Fig.5 The a1 value curve of one subject knee stretch motion induced by NMES

圖6和表1顯示了實(shí)驗(yàn)結(jié)束時(shí)10名受試者的3種肌電特征參量的變化率，即結(jié)束時(shí)相對(duì)于初始值的下降百分比?？梢钥闯觯琈NF和MDF變化情況比較接近，受試者中最大分別下降了 43.82%和55.49%;而AR模型的 a1參數(shù)下降百分比要明顯大于前兩者，受試者中最大下降了90.23%。這說明，用時(shí)變參數(shù)跟蹤肌疲勞與經(jīng)典的頻譜參數(shù)相比，具有顯著性的高分辨靈敏度。

圖6 10名受試者的3種肌電特征參量的變化率比較Fig.6 The compare of three sEMG character parameter change of ten subjects

表1 10名受試者的3種肌電特征參量的變化率比較Tab.1 The compare of three sEMG character parameter change of ten subjects

4 討論

NMES誘發(fā)肌疲勞是影響NMES作用的一個(gè)主要限制因素，刺激強(qiáng)度是影響肌疲勞的一個(gè)重要因素。為了采集股直肌最大收縮時(shí)的信號(hào)，刺激組首先對(duì)受試者施加一次電刺激來確定級(jí)數(shù)。由于不同個(gè)體自身的最大收縮力不同，所以達(dá)到膝關(guān)節(jié)最大伸展時(shí)的級(jí)數(shù)也不同，并且每周期刺激保持這個(gè)級(jí)數(shù)不變。而對(duì)照組是受試者自主最大收縮(即小腿伸直)的狀態(tài)。這樣，實(shí)驗(yàn)組和對(duì)照組采集的都是肌肉最大收縮時(shí)的sEMG信號(hào)。

探究表征肌疲勞的因素，從而實(shí)現(xiàn)對(duì)NMES作用過程中肌疲勞的檢測(cè)，是一個(gè)研究熱點(diǎn)。隨著刺激過程疲勞的增加，直接導(dǎo)致肌力下降[11]。由于sEMG信號(hào)中時(shí)域和頻域指標(biāo)的變化與肌肉活動(dòng)及功能狀態(tài)之間有較好的關(guān)聯(lián)性，故sEMG信號(hào)常被用于肌肉活動(dòng)狀態(tài)與疲勞狀態(tài)的分析。持續(xù)性最大力量肌肉收縮至肌疲勞后，sEMG幅值呈明顯降低[12]。近年來，平均頻率和中值頻率通常被認(rèn)為是穩(wěn)定的肌疲勞指示器，肌疲勞時(shí)頻譜曲線左移[13]，本研究也發(fā)現(xiàn)了這一現(xiàn)象。這一現(xiàn)象與以下因素有關(guān)：在持續(xù)運(yùn)動(dòng)時(shí)，ATP耗竭，快運(yùn)動(dòng)單位(motor units，MUS)很快疲勞，而以慢運(yùn)動(dòng)單位替代;在疲勞時(shí)，為維持肌肉張力，加強(qiáng)了運(yùn)動(dòng)單位興奮的同步化;在肌疲勞時(shí)，肌內(nèi)壓升高，使血流受阻 、肌肉乳酸積累，引起肌膜興奮性降低，導(dǎo)致肌纖維傳導(dǎo)速度(muscle fiber conduction velocity，MFCV)降低。本研究結(jié)果顯示，隨NMES刺激時(shí)間增加，基于傅里葉變換的頻域指標(biāo) MDF下降率比MNF更大，其中最大的一組為 MDF(55.49%)和 MNF(43.82%)，表明反映肌疲勞方面MDF具有更高的敏感性。揚(yáng)丹[14]等在研究長(zhǎng)負(fù)荷誘發(fā)肱二頭肌疲勞過程中也發(fā)現(xiàn)sEMG變化時(shí)，MDF隨負(fù)荷時(shí)間延長(zhǎng)，MDF下降斜率明顯大于 MNF，同樣認(rèn)為 MDF對(duì)于反映肌疲勞較MNF更具敏感性。

然而，傅里葉變換是對(duì)線性時(shí)不變信號(hào)的頻域分析，sEMG信號(hào)具有典型的非穩(wěn)態(tài)信號(hào)的基本特征，而且時(shí)域分辨率與頻域分辨率的局部化矛盾也限制了傅里葉變換的使用?，F(xiàn)代譜估計(jì)中的參數(shù)模型法從最小均方誤差擬合角度，對(duì)隨機(jī)信號(hào)進(jìn)行分析，克服了經(jīng)典譜估計(jì)的頻率分辨率低和方差性能不好的缺點(diǎn)。與傅里葉變換相比，具有對(duì)時(shí)間窗口寬度和背景噪聲敏感性低的優(yōu)點(diǎn)，因此已被一些學(xué)者用于表面肌電信號(hào)的分析中。采用時(shí)變參數(shù)模型，可將時(shí)變參數(shù)用一些基函數(shù)的加權(quán)和來近似，從而就把線性非平穩(wěn)問題轉(zhuǎn)化為了線性平穩(wěn)時(shí)不變問題。曹玉珍等人應(yīng)用時(shí)變AR模型研究仰臥起坐誘發(fā)肌疲勞的 a1參數(shù)，它比傳統(tǒng)的 MDF對(duì)疲勞反應(yīng)的靈敏度高[10]。本研究證明，在NMES誘發(fā)肌疲勞條件下，肌電的a1參量比傳統(tǒng)的頻譜指標(biāo)對(duì)疲勞反應(yīng)的靈敏度更高。此方法充分考慮了表面肌電信號(hào)的非平穩(wěn)性，對(duì)于數(shù)據(jù)長(zhǎng)度要求不高，可用于在線實(shí)時(shí)分析，且提取的特征穩(wěn)定且易于識(shí)別。

本研究進(jìn)一步對(duì)NMES誘發(fā)收縮和自主收縮疲勞進(jìn)行比較，探究NMES誘發(fā)疲勞的機(jī)理。在第二個(gè)周期時(shí)，刺激組的 sEMG頻譜和AR模型參量已表現(xiàn)出明顯的下降，而對(duì)照組則變化緩慢。比起意志性收縮，NMES作用于骨骼肌所產(chǎn)生疲勞的速度更快。3個(gè)因素作用于這一現(xiàn)象：一是在意志性收縮中，運(yùn)動(dòng)單位的募集順序允許在低強(qiáng)度收縮時(shí)選擇性募集耐疲勞的運(yùn)動(dòng)單位[16]，而電激發(fā)的收縮即使是低強(qiáng)度刺激，也會(huì)使許多快速易疲勞的運(yùn)動(dòng)單位被募集起來;二是在意志性收縮中，產(chǎn)生接近最大肌力所需頻率似乎比電激發(fā)收縮要低得多，較高的頻率可引起更快的疲勞;三是進(jìn)行意志性收縮時(shí)，中樞神經(jīng)系統(tǒng)(central nervous system，CNS)能變換使用運(yùn)動(dòng)單位，并且調(diào)整它們的放電率，以幫助維持目標(biāo)水平的用力。但是，這種機(jī)制未曾在NMES誘發(fā)肌肉收縮中出現(xiàn)。

目前，對(duì)于肌疲勞的研究，大多在肌肉靜態(tài)等長(zhǎng)收縮條件下，本研究在NMES誘發(fā)下肢動(dòng)態(tài)收縮的條件下，檢測(cè)了膝關(guān)節(jié)角度的變化。實(shí)驗(yàn)表明，隨著周期性的刺激，在達(dá)到初始設(shè)定的最大刺激強(qiáng)度時(shí)，膝關(guān)節(jié)的角度逐漸減小，說明隨著疲勞增加，肌力下降，膝關(guān)節(jié)不足以維持最大伸展水平。

由于神經(jīng)肌肉系統(tǒng)的高度復(fù)雜性和精細(xì)性，以及肌電信號(hào)本身具有非穩(wěn)態(tài)性和非線性等特點(diǎn)，故采用傳統(tǒng)的線性變化尚不足以反映信號(hào)變化的全部特征，因此還將對(duì)電刺激致肌疲勞后的肌電信號(hào)變化進(jìn)行非線性分析。今后將疲勞過程中sEMG信號(hào)的變化實(shí)時(shí)地反饋到NMES系統(tǒng)，建立sEMG和肌疲勞關(guān)系的模型;通過對(duì)肌疲勞的檢測(cè)，相應(yīng)地調(diào)節(jié)NMES的作用參數(shù)，使NMES系統(tǒng)獲得最佳刺激效果，從而實(shí)現(xiàn)最優(yōu)控制。

5 結(jié)論

本研究設(shè)計(jì)了NMES誘發(fā)下肢運(yùn)動(dòng)條件下的肌疲勞的檢測(cè)系統(tǒng)。在NMES誘發(fā)伸膝運(yùn)動(dòng)疲勞過程中，實(shí)時(shí)采集膝關(guān)節(jié)角度和表面肌電信號(hào)，應(yīng)用頻譜分析對(duì)sEMG信號(hào)進(jìn)行特征提取，表明中值頻率、平均頻率和AR模型指標(biāo)可以作為NMES誘發(fā)疲勞的檢測(cè)指標(biāo)。并且，AR模型法充分考慮了表面肌電信號(hào)的非平穩(wěn)性，在NMES誘發(fā)肌疲勞的判定等領(lǐng)域具有很大的應(yīng)用潛力。

[1]明東，萬(wàn)柏坤.功能性電刺激技術(shù)在截癱行走中的應(yīng)用研究進(jìn)展[J].生物醫(yī)學(xué)工程學(xué)雜志，2007，24(4)：932-936.

[2]Tepavac D，Schwirtlich L.Detection and Prediction of FES-induced Fatigue[J].Electromyogr Kinesiol，1997，7(1)：39-50.

[3]金德聞，張濟(jì)川.康復(fù)工程學(xué)的研究與發(fā)展[J].現(xiàn)代康復(fù)，2000，4(5)：643-646.

[4]Joseph Mizrahi，Oron Levin，Aviv Aviram，et al.Muscle fatigue in interrupted stimulation：Effect of partial recovery on force and EMG dynamics[J].Electromyogr Kinesiol，1997，7(1)：51-65.

[5]Patrick E. Sensors for use with functional neuromuscular stimulation[J].IEEE Trans on BME，1986，33(1)：256-268.

[6]吳麗萍.面向智能假肢的表面肌電信號(hào)采集與處理[D].南京：東南大學(xué)，2006.

[7]Merletti R，Knaflitz M，De Luca CJ.Myoelectric manifestations of fatigue in voluntary and electrically elicited contractions[J].J ADDI Phvsiol，1990，3(69)：1810-1820.

[8]Karlsson SB，Gerdle MA.Analyzing surface signals recorded during isokinetic contractions[J].IEEE Eng Med Bio Mag，2001，20(6)：97-105.

[9]羅志增，楊廣映.表面肌電信號(hào)的 AR參數(shù)模型分析方法[J].傳感技術(shù)學(xué)報(bào)，2003，12(4)：384-387.

[10]劉洪濤，曹玉珍，謝小波.表面肌電信號(hào)的時(shí)變 AR模型參數(shù)評(píng)估肌疲勞程度的研究[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2007，26(4)：493-497.

[11]Mizrahi J.，Levy M.，Ring H.，et al.EMG as an indicator of fatigue in isometrically fes-activated paralyzed muscles[J].IEEE Trans Neural Syst Rehabil Eng，1994，10(2)：57-65.

[12]Tepavac D，Schwirtlich L.Detection and prediction of FES-induced fatigue[J].J Electromyogr Kinesiol.1997，7(1)：39-50.

[13]Merletti R， Conte LR.Advances in processing of surface myoeletric signals：Part l[J].Med Biol Eng Comput，1995，33(3)：362-372.

[14]揚(yáng)丹.等長(zhǎng)負(fù)荷誘發(fā)肱二頭肌疲勞過程中 sEMG信號(hào)變化[J].體育與科學(xué)，2000，21(5)：27-28.

[15]Fitts RH，Metzger JM，Mechanisms of muscular fatigue[J].Principles of Exercise Biochemistry，1988，5(10)：212-229.