王樂軍，陸愛云，龔銘新，毋江波，董 菲，張 磊

1 前言

在計算機日益普及的今天，由長時間使用電腦引起的上肢肌肉骨骼系統(tǒng)疾病（musculoskeletal diseases in upper extremity）具有非常高的發(fā)生率。Pascarelli等［35］的研究發(fā)現，電腦使用者發(fā)生上肢肌肉骨骼系統(tǒng)疾病的比例約為15%。由使用電腦引起的上肢肌肉骨骼系統(tǒng)疾病包括肌腱炎、腕管綜合征、前臂痛、交感神經系統(tǒng)機能失調等［45］。由于這些疾病是肌肉在長時間小負荷運動中累積而成的慢性勞損性損傷，其恢復是非常緩慢甚至是不可康復的，因此，對其的預防需引起高度重視［35］。

隨著Windows等圖形用戶界面操作系統(tǒng)的普及和大量圖形用戶界面應用軟件的廣泛使用，電腦使用者操作鼠標的時間占使用電腦總時間的比例越來越大，在使用電腦過程中至少有1／3～2／3的時間在操作鼠標［28］。由于長時間使用鼠標過程中進行的動作具有較高的運動精度要求和較快的動作重復頻率，是引起上肢肌肉骨骼系統(tǒng)疾病的最重要風險因素之一［9］。已有研究表明，肌肉在長時間內一直以特定水平負荷工作會選擇性地引起特定閾值肌纖維的疲勞和過度使用，從而誘發(fā)與工作有關的骨骼肌肉系統(tǒng)疾病［19］。Veiersed等［42］通過研究證實，肌肉在長時間收縮而得不到足夠放松時間情況下會導致骨骼肌肉系統(tǒng)疾病的發(fā)生。疲勞通過改變神經肌肉系統(tǒng)的中樞和外周部分而對運動機能具有非常重要的影響。監(jiān)測長時間使用鼠標過程中的肌肉疲勞，特別是指伸肌群肌肉的疲勞對于預防發(fā)生上肢骨骼肌肉系統(tǒng)疾病具有非常重要的意義和作用［29］。

表面肌電信號是研究神經肌肉系統(tǒng)功能狀況的有效方法，并已廣泛應用到運動性肌肉疲勞的檢測之中［12］。在利用表面肌電信號評估局部運動性肌肉疲勞方面，眾多研究者從時域分析、頻域分析、時頻分析、非線性分析等不同分析角度進行了探索，總結出一些可以用來反映局部運動性肌肉疲勞的指標，如基于傅里葉變換計算的中值頻率（MF）和平均功率頻率（MPF）、基于定量遞歸分析（Recurrence quantification analysis，RQA）計算的確定性百分比（%DET）、基于非線性分析計算的Lempel-Ziv復雜度C（n）、基于小波分析計算的頻段能量、中值頻率（MDF）和平均功率頻率（MNF）等［6，11，37］。但是，以前利用表面肌電信號診斷運動性肌肉疲勞的研究大都是針對較高運動負荷條件下進行的［13，46］，這些研究采用的分析方法和評價指標直接應用于肌肉在較低運動負荷條件下長時間運動引起的肌肉疲勞評定具有較大的不穩(wěn)定性和較差的適用性［16，33，46］。在使用鼠標過程中，參與運動的相關肌肉以較低的運動負荷水平參與收縮，且不同肌肉的收縮方式也都各有特點，因此，如何利用表面肌電信號評定使用鼠標過程中不同參與肌肉的疲勞狀況仍是一個需要解決的問題。

一個具有良好適用性的評定運動性肌肉疲勞sEMG指標應具備反映疲勞的敏感性、穩(wěn)定性、可重復性等特點［46］。其中，反映疲勞的敏感性是指某個指標可以較好地反映出測試肌肉在收縮過程中的疲勞發(fā)生發(fā)展情況；穩(wěn)定性指反映疲勞的指標與疲勞發(fā)展程度之間函數關系（一般為線性關系）的確定性；可重復性指重復測試中計算提取出的同一指標值是非常接近的。快速點擊鼠標作為鼠標操作過程中重復率較高的動作之一，在誘發(fā)上肢肌肉骨骼系統(tǒng)病痛中占有重要比重。但是，目前尚未有研究對快速點擊鼠標誘發(fā)指伸肌疲勞的sEMG監(jiān)測方法進行過研究。本研究從點擊鼠標動作入手，通過對快速點擊鼠標動作過程中指伸肌表面肌電信號時域指標RMS，基于短時傅里葉變換計算的中值頻率MF和平均功率頻率MPF，基于小波包分析計算的中值頻率MDF和平均功率頻率MNF，基于非線性分析計算的Lempel-Ziv復雜度C（n）等指標從上述3個評價角度進行對比分析，以探索在監(jiān)測由快速點擊鼠標引起的指伸肌疲勞方面適用性最優(yōu)的表面肌電信號分析方法和評定指標，從而為預防由長時間使用電腦引起的上肢肌肉骨骼系統(tǒng)病痛的監(jiān)測指標提供參考，此外，也為其他低負荷高頻率動作引起的肌肉疲勞評價提供方法建議。

2 研究對象、方法與步驟

2.1 研究對象

10名健康青年志愿者，其中男性7名，女性3名，年齡25.42±1.81歲，身高170.57±5.38cm，體重63.14±6.62kg。身體健康狀況良好，實驗前24h內未進行劇烈的體力活動，未長時間使用電腦，上臂肌肉無疲勞狀況。精神狀態(tài)良好，無睡眠不足，精神萎靡等不良狀態(tài)。受試者在日常使用電腦過程中皆使用右手操作鼠標。實驗前所有受試者皆了解實驗程序并同意自愿參加本實驗。

2.2 實驗程序

每位受試者共進行兩次實驗，實驗前受試者進行充分的休息，兩次實驗間隔3h以上，以避免前面的實驗對后面實驗產生影響。在實驗室溫度為20℃～26℃的條件下進行測試。實驗前先讓受試者了解實驗流程并熟練掌握實驗中相關測試儀器的操作。

測試開始前受試者以最適宜的姿勢坐在電腦前，左手放在電腦桌上，右手輕握鼠標。電腦桌的高度為85cm，座椅高度為38cm。以安裝有Microsoft Windows XP2操作系統(tǒng)和點擊鼠標實驗軟件的ACER AM3850計算機作為實驗平臺。利用TJ-Motion 2.0同步觸發(fā)器同步觸發(fā)表面肌電測試儀和實驗軟件的計時系統(tǒng)，待實驗軟件提示實驗開始時，受試者以最快的速度點擊實驗軟件內的“請點我吧”靜態(tài)按鈕90s。在實驗過程中實驗工作人員對受試者進行言語鼓勵以使受試者始終保持最快的速度點擊鼠標。在此過程中實驗軟件會持續(xù)偵測每次按鈕被點擊的事件并每隔15s記錄一次受試者點擊按鈕的次數。將Brog10級主觀感覺疲勞評定表［10］懸掛于測試電腦屏幕的左側，在實驗過程中囑咐受試者每隔15s報告一次主觀疲勞感覺分數。記錄點擊鼠標過程中受試者右側指伸肌的表面肌電信號。點擊鼠標實驗軟件的主界面如圖1所示。

采用雙電極引導法記錄受試者點擊鼠標過程中右側指伸肌的表面肌電信號。一對探測電極分別置于肱骨外上髁和肱骨外上髁至橈骨莖突1／3距離處［18］。放置電極前用75%酒精棉球清理皮膚表面，以減小阻抗。表面肌電信號的采集使用ME3000P4肌電信號記錄和分析系統(tǒng)（芬蘭Mega公司產品），采樣頻率1000Hz。采集到的sEMG信號另存為ASCII文件后作為后期分析的數據源。

圖1 實驗軟件主界面示意圖Figure 1.Main Interface of Experimental Software

2.3 數據的處理與分析

首先，將90s快速點擊鼠標過程中采集的sEMG信號按等時間間隔（15s）劃分為若干段。對劃分的每段sEMG，分別計算均方根振幅RMS、基于傅里葉功率譜轉換計算中值頻率MF和平均功率頻率MPF，基于小波包分析計算中值頻率MDF和平均功率頻率 MNF，基于非線性分析計算Lempel-Ziv復雜度C（n），其中，采用小波包分析對sEMG進行分解時，選擇Dauechies（db6）小波基函數進行小波包分解和重構，在此基礎上，計算中值頻率MDF和平均功率頻率MNF。Lempel-Ziv復雜度定義的實質是時間序列隨其長度的增長出現新模式的速度，反映該序列接近隨機的程度。Lempel-Ziv復雜度的計算根據Kaspar和Schuster設計的復雜度C（n）算法［27］進行，其數值介于0～1之間。

為排除不同受試者sEMG指標的個體差異，對以上計算的sEMG指標進行標準化處理。取每位受試者第1段信號的指標值分別作為該受試者該指標的標準值，對截取的每段sEMG計算出的指標值進行標準化處理，標準化處理公式為:

其中，X′i為第i段sEMG計算的指標X的標準化值，Xi為第i段sEMG計算的指標X原始值，X1為第1段sEMG計算的指標X原始值。

此外，計算sEMG各分析指標與運動持續(xù)時間、RPE、點擊鼠標頻率的相關關系，以觀察90s快速點擊鼠標實驗過程中sEMG各分析指標隨運動持續(xù)時間、RPE、點擊鼠標頻率指標的變化規(guī)律。

對于以上計算的表面肌電信號各分析指標，對其評價由快速點擊鼠標引起前臂肌肉疲勞的敏感性、穩(wěn)定性和可重復性3個方面進行比較分析:

1.反映疲勞的敏感性:一個指標反映疲勞的敏感性可以通過實驗中隨時間的變化產生顯著性線性改變的實驗數據所占的比例來衡量［46］。在具體計算上，首先，根據每個指標數據的平均值隨運動持續(xù)時間的變化情況確定該指標隨運動持續(xù)時間的延長和疲勞程度的加深產生的線性變化規(guī)律（遞增或遞減），之后對每位受試者的實驗數據統(tǒng)計出相對于前一個運動階段內指標值產生相應改變規(guī)律（增大或減?。┑倪\動階段所占的比例，以此作為評價該指標反映疲勞的敏感性指標。

2.穩(wěn)定性:對于在運動過程中疲勞隨時間線性變化的情況，變異性（Variability）可通過實際值與線性擬合值之間殘差的均方根來反映［46］。穩(wěn)定性是與變異性相反的一個概念，在具體計算時，首先計算實際值與線性擬合值之間殘差的均方根，之后將1.0與殘差均方根相減，計算所得的差用來反映指標的穩(wěn)定性情況。

為了實現不同指標值之間的可比性，首先，對每位受試者各指標的具體數值進行標準化處理［32，46］。之后以時間為自變量，以標準化后的指標值為因變量進行線性擬合，計算1.0與實際值和線性擬合值殘差均方根的差，以此作為評價穩(wěn)定性的參考值。

3.可重復性:可重復性通過組內相關系數ICC的大小來進行評估［14］。首先，分別計算受試者的組內方差SSWS和組間方差SSS，之后計算受試者的組內均方差MSWS與組間均方差 MSS，則ICC＝（MSS-MSWS）／［MSS＋（k-1）×MSWS］，其中，k為重復測試的次數。

數據的處理與分析在MATLAB 2009Ra環(huán)境下編程實現。

2.4 數據的統(tǒng)計分析

采用KS檢驗（Kolmogorov-Smirnov test）對各分析數據進行正態(tài)性檢驗。

不同時間階段內點擊鼠標頻率的差異性采用單因素方差分析進行，不同時間階段內主觀疲勞感覺（RPE）、sEMG各分析指標的差異性采用多個相關樣本非參數檢驗的Friedman方法進行。sEMG各分析指標與點擊鼠標持續(xù)時間、RPE的相關關系采用Spearman相關系數進行，差異的顯著性水平定為0.05。數據的統(tǒng)計分析工作在SPSS 13.0軟件環(huán)境下完成。

3 研究結果

3.1 點擊鼠標頻率和主觀疲勞感覺評分隨運動持續(xù)時間的變化規(guī)律

通過圖2和圖3主觀疲勞感覺評分和點擊鼠標頻率隨運動持續(xù)時間的變化曲線看，隨著點擊鼠標持續(xù)時間的延長，受試者主觀疲勞感覺評分逐漸增加，而點擊鼠標頻率逐漸下降。采用單因素方差分析對不同時間階段內點擊鼠標頻率的差異性進行檢驗，結果發(fā)現，時間因素對點擊鼠標頻率有著顯著性的影響作用（F＝24.372，P＝0.000），采用非參數檢驗的Friedman方法對不同時間階段內主觀疲勞感覺評分的差異性進行檢驗，結果發(fā)現，不同時間階段內鼠標點擊頻率具有顯著性的差異（P＝0.000）。

圖2 主觀疲勞感覺評分隨點擊鼠標持續(xù)時間的變化示意圖Figure 2.Changing of RPE during 90sClicking Mouse Test

3.2 表面肌電信號各分析指標隨運動時間的變化規(guī)律

從圖4標準化后的sEMG各分析指標均值隨點擊鼠標持續(xù)時間的總體變化情況看，RMS隨點擊鼠標持續(xù)時間表現出逐漸增大的趨勢，而 MF、MPF、MDF、MNF隨運動持續(xù)時間表現出良好的單調遞減趨勢，而C（n）在點擊鼠標第2個15s時間階段內的值顯著下降，在之后的時間內則緩慢增加。

圖3 點擊鼠標頻率隨點擊鼠標持續(xù)時間的變化示意圖Figure 3.Changing of Clicking Mouse Frequency during 90sClicking Mouse Test

采用多個相關樣本非參數檢驗的Friedman方法對不同時間段內sEMG各分析指標（標準化前）的差異性進行檢驗，結果發(fā)現，不同時間階段內的 RMS、MF、MPF、MDF、MNF、C（n）皆有著顯著性的差異［其中，RMS:P＝0.031，MF:P＝0.000，MPF:P＝0.000，MDF:P＝0.000，MNF:P＝0.000，C（n）:P＝0.044］。

3.3 sEMG各分析指標與運動持續(xù)時間、RPE、點擊鼠標頻率的相關性研究結果

從表1sEMG各分析指標與點擊鼠標運動持續(xù)時間、RPE、點擊鼠標頻率的Spearman相關系數看，標準化后的sEMG指標 MF、MPF、MDF、MNF與運動持續(xù)時間、主觀疲勞感覺評分、點擊鼠標頻率之間的相關關系皆達到了顯著性的水平，標準化后的sEMG指標C（n）與主觀疲勞感覺評分的相關關系也達到了顯著性的水平，而C（n）、RMS與點擊鼠標運動持續(xù)時間、點擊鼠標頻率的相關關系及RMS與RPE無顯著性的相關關系。

圖4 表面肌電信號各分析指標隨點擊鼠標持續(xù)時間的變化示意圖Figure 4.Changing of sEMG Indices during 90sClicking Mouse Test

表1 sEMG各分析指標與運動持續(xù)時間、RPE的Spearman相關系數一覽表Table 1 Spearman Correlation Coefficient between Clicking Mouse Duration Time，RPE and sEMG Indices

3.4 表面肌電信號各分析指標評價前臂肌肉疲勞的效果評價

從表2的sEMG各分析指標評價快速點擊鼠標致前臂肌肉疲勞的適用性比較結果看，在反映疲勞的敏感性方面，MNF最高，MDF次之，之后是 MPF、MF、C（n）和RMS。從反映疲勞的指標穩(wěn)定性看，MNF最高，MPF次之，之后依次為 MDF、MF、C（n）和RMS。從指標的可重復性比較結果看，MNF的穩(wěn)定性最高，其次分別為C（n）、MF、MDF、MPF、RMS。從sEMG各分析指標的可重復性方面看，C（n）可重復性效果最好，其次為 MNF，之后依次為MF、MDF、MPF和RMS。

表2 sEMG各分析指標評價快速點擊鼠標致前臂肌肉疲勞的適用性比較一覽表Table 2 Utility of sEMG Indices in Assessment of Extensor Digitorum Muscle Fatigue Caused by Fast ClickingMouse

4 討論

運動性肌肉疲勞（exercise-induced muscle fatigue）是指運動引起肌肉不能將其機能保持在某一特定的水平和／或不能維持某一特定運動強度的生理現象［4，11］，是肌肉外周收縮能力下降和中樞神經系統(tǒng)對肌肉支配激活能力下降共同作用引起的一個具有連續(xù)性、動態(tài)性的復雜過程［11，17］。因此，在任何負荷運動任務條件下，肌肉不能維持既定的負荷運動任務是肌肉產生運動性肌肉疲勞最直接有效的判斷方式［4，11，17］。但是，當 肌肉以次最大收縮力量、次最大輸出功率或次最大收縮頻率收縮時，在肌肉尚未表現出不能維持前期負荷運動任務現象之前，收縮肌肉本身及其神經調控系統(tǒng)的結構與功能可能已經發(fā)生了某些特征性的改變并引起運動性肌肉疲勞的發(fā)生。在這種情況下，判斷肌肉疲勞的“不能維持既定的負荷運動任務”標準便具有了局限性。因此，以“不能維持既定的負荷運動任務”作為判斷運動性肌肉疲勞的標準一般要求肌肉以最大收縮力量［5，6］、最大輸出功率［7］或最大收縮頻率［36］進行收縮，或要求肌肉以次最大收縮力量、次最大輸出功率或次最大收縮頻率收縮，但負荷運動任務時間足以引起肌肉不能維持既定負荷運動任務［47］；另一方面，由于當肌肉以最大收縮力量或最大輸出功率進行收縮時，肌肉內大部分運動單位都可以被募集［24，44］，因此，“肌肉產生最大收縮力量或者最大輸出功率暫時性下降”是大部分負荷運動任務誘發(fā)運動性肌肉疲勞的典型特征并被廣泛應用到運動性肌肉疲勞的評價之中［6，11］。然而，在特定收縮條件（如低負荷高頻率收縮）下，肌肉最大收縮力量或最大輸出功率并不能客觀地反映出運動性肌肉疲勞的發(fā)生發(fā)展情況。此外，在運動性肌肉疲勞發(fā)生發(fā)展的過程中，一般也伴隨某些生理生化指標、主觀疲勞感覺、肌肉硬度、皮膚空間閾、閃光融合頻率等指標的特征性改變，這些指標在評價運動性肌肉疲勞方面也具有一定的應用價值和參考意義［4］。當然，疲勞作為一種連續(xù)性、動態(tài)性的過程，對其進行連續(xù)性的監(jiān)測與診斷具有更加重要的意義。在這方面，sEMG因具有非損傷性、實時性、多靶點測量等眾多優(yōu)勢得到眾多研究者的關注，并已廣泛應用到運動性肌肉疲勞的監(jiān)測與診斷之中［7，11］。

本研究的研究目的是探索在評定由快速點擊鼠標誘發(fā)指伸肌疲勞方面幾種常用sEMG分析方法和評定指標的適用性情況。sEMG作為從肌肉表面記錄到的肌肉活動時神經肌肉系統(tǒng)生物電變化的一維時間序列信號，在一定程度上反映出中樞神經系統(tǒng)對肌肉運動單位活動的控制模式或控制策略的信息以及肌肉疲勞程度及其恢復過程的變化［46］。由于不同的sEMG指標對神經肌肉系統(tǒng)功能狀況及測試環(huán)境變化的敏感性存在差異，而在特定運動負荷和肌肉收縮方式條件下誘發(fā)的肌肉疲勞在中樞與外周的改變方面也具有一定的特異性，因此，不同sEMG指標在不同條件下反映肌肉疲勞方面的適用性情況也會不同。sEMG的 RMS、MF、MPF、MDF、MNF、C（n）等指標是分別從時域、頻域、時頻域、非線性分析等多種sEMG分析處理角度獲取的指標，在評價運動性肌肉疲勞方面已有研究者進行過相關的探索與嘗試［6，11，46］。

表面肌電信號的RMS是反映某段時間內2個探測電極之間平均電壓幅值高低的指標，其大小與運動單位募集激活的頻率和運動單位募集數量［39］、肌肉表面組織的低通濾波作用［15］、肌纖維的傳導速度［30］等因素密切相關。相關研究表明，在肌肉疲勞過程中，由于肌纖維募集數量和肌纖維放電同步化程度增加等因素，RMS隨著運動時間的延長和疲勞程度的加深而增加［2，35］。在本研究中，RMS隨點擊鼠標持續(xù)時間表現出逐漸增大的趨勢，但是，其在反映由快速點擊鼠標致指伸肌疲勞方面的敏感性、穩(wěn)定性和可重復性效果都是所研究6個指標中最差的，且其隨點擊鼠標持續(xù)時間、主觀疲勞感覺評分、點擊鼠標頻率的變化也未表現出較為顯著性的變化規(guī)律，提示其在評定由快速點擊鼠標引起的指伸肌疲勞方面具有較差的適用性，這與之前的相關研究也是一致的［19，46］。由于RMS很容易受到測試外界環(huán)境及疲勞引起的眾多外周與中樞因素所影響，導致其在疲勞中的變化具有較大的隨機性和波動性［2，46］，因此，應用RMS評價運動性肌肉疲勞具有很大的局限性。

經傅里葉變換計算的中值頻率MF和平均功率頻率MPF是評價運動性肌肉疲勞，特別是由靜力性收縮（等長收縮）引起的運動性肌肉疲勞應用最為廣泛的指標［5-6，12］。研究認為，一般情況下，靜態(tài)或是動態(tài)運動，伴隨運動性肌肉疲勞的發(fā)生和發(fā)展，sEMG信號的傅立葉頻譜曲線可以發(fā)生不同程度的左移現象，并且導致反映頻譜曲線特征的MF和MPF產生相應的下降［8］。肌肉在靜力性收縮條件下記錄的表面肌電信號被認為是近似穩(wěn)態(tài)的信號，在該種情況下，短時傅里葉變換的時間窗口寬度的確定就不會要求太嚴格［1］，因此，基于短時傅里葉變換計算的 MF和MPF具有良好的適用性［12］。但是，在動態(tài)收縮條件下，由于運動過程中皮膚牽拉使檢測電極與被檢部位肌肉之間的相對位移以及肌肉收縮過程中長度和厚度等不斷變化，使得從肌肉表面記錄到的sEMG具有典型的非穩(wěn)態(tài)信號的基本特征［6］，從而對傅里葉變換計算的MF和MPF在反映疲勞方面的適用性方面產生影響［12，46］。此外，在小負荷（低于30%MVC）收縮條件下，MF和 MPF不會表現出經典的隨運動持續(xù)時間增加和疲勞加深而單調遞減的變化趨勢，甚至會隨運動時間表現出線性增加的變化規(guī)律，提示低負荷收縮誘發(fā)肌肉疲勞后神經肌肉系統(tǒng)外周與中樞改變是有別于肌肉在高負荷收縮誘發(fā)肌肉疲勞條件下的特點。而低負荷收縮條件下，MF和MPF隨運動持續(xù)時間表現出的增加趨勢，可能與疲勞后更多較大的運動單位被募集有關［23］。在本研究中，MF和MPF在反映疲勞的敏感性方面弱于基于小波包分析計算的MDF和MNF，但強于RMS和C（n），MF和MPF在反映疲勞的敏感性方面非常接近。在反映疲勞的穩(wěn)定性方面，MF和MPF要優(yōu)于RMS和C（n），但MF較MDF的穩(wěn)定性要差，MPF較MNF的穩(wěn)定性要差，提示在傅里葉變換和小波包分析獲取的頻段能量基礎上計算的中值頻率和平均功率頻率，小波包分析方法獲取的指標穩(wěn)定性要優(yōu)于傅里葉變換獲取的相同指標。在指標的可重復性方面，MF、MPF要弱于MNF和C（n），但優(yōu)于RMS。此外，MF、MPF與點擊鼠標持續(xù)時間、主觀疲勞感覺評分、點擊鼠標頻率的相關性也都達到了顯著性的水平。所有這些研究結果表明，在快速點擊鼠標過程中，MF和MPF表現出了隨運動持續(xù)時間單調遞減的經典疲勞特異性變化規(guī)律，在用于反映快讀點擊鼠標致指伸肌疲勞方面具有一定的適用性。

小波包分析是從小波分析延伸出來的一種對信號進行更加細致的分析與重構方法，其可以在任意細節(jié)上分析信號，而且對噪聲不敏感。已有研究表明，小波包分析對運動員中非穩(wěn)定肌電信號分析較為合適［38］。Karlsson等［26］比較了短時傅里葉變換、Wigner-Ville分布、Choi-Williams分布、小波分析在肌肉進行動態(tài)收縮條件下對譜矩的推估情況，研究結果表明，小波分析具有最高的預測精度。當用于分析肌肉處于動態(tài)收縮條件下采集的表面肌電信號時，小波分析和小波包分析表現出其他方法所不具有的優(yōu)勢，基于小波分析和小波包分析計算的MNF可以不受關節(jié)角速度的影響［25］，從而表現出良好的分析動態(tài)肌肉收縮誘發(fā)表面肌電信號的適用性。王樂軍等［7］對RMS、MPF、MNF、C（n）在評價由60s全力蹬踏自行車運動誘發(fā)股直肌疲勞的敏感性和穩(wěn)定性方面進行比較，發(fā)現MNF隨蹬踏持續(xù)時間的增加表現出良好的單調遞減趨勢，且其在反映由快速蹬踏自行車引起的股直肌疲勞敏感性在4個指標中是最高的。王樂軍等研究表明，在蹬踏自行車運動引起的股直肌疲勞過程中，sEMG經小波包變化后的低頻能量增加，高頻能量降低，即經小波包變化后的功率譜向低頻方向轉移。對于小波包變換后能量向低頻方向轉移的原因，Olmo等［34］將其解釋為時間的延伸和波形的變化，其中，時間的延伸主要由去極化區(qū)域的擴大、神經肌肉傳導速度的減慢等縮放比例因素變化引起。波形的變化主要與肌纖維募集情況改變等因素引起。從本研究結果看，MNF和MDF隨運動持續(xù)時間表現出良好的單調遞減規(guī)律，且其與點擊鼠標持續(xù)時間、主觀疲勞感覺評分、點擊鼠標頻率之間皆具有顯著的相關關系。在反映疲勞的適用性方面，MNF在本研究所選6個指標中的敏感性、穩(wěn)定性都是最優(yōu)的，其可重復性僅次于C（n）。而MDF的敏感性、穩(wěn)定性和可重復性較MNF要差，提示MNF指標在反映由快速點擊鼠標誘發(fā)指伸肌疲勞方面具有較好的適用性。

Lempel-Ziv復雜度C（n）是從非線性分析的角度度量sEMG的指標，其采取類似于自回歸函數的方法，通過自我比較對時間序列信號的變化規(guī)律加以歸納，其對信號本身的穩(wěn)態(tài)性、非線性和統(tǒng)計分布特點均無特殊要求，因此，在分析具有非線性和非穩(wěn)態(tài)性的信號上具有良好的應用效果。C（n）的大小反映了時間序列隨其長度的增長出現新模式的速率，表現了序列接近隨機的程度。已有研究表明，無論是靜態(tài)還是動態(tài)疲勞運動條件下，被檢肌肉sEMG的復雜度隨著運動負荷時間呈現明顯的單調遞減型變化［1，6，31］。對于C（n）隨運動負荷時間單調遞減的原因，有關研究認為，可能與疲勞程度加深過程中神經系統(tǒng)漸進性協(xié)調眾多運動單位同步收縮的“協(xié)同效應”有關［1-3］。王樂軍等的研究表明，在60s全力蹬踏自行車運動誘發(fā)股直肌疲勞的sEMG指標穩(wěn)定性方面，C（n）要明顯高于RMS、MPF和MNF。從本研究結果看，指伸肌sEMG的C（n）指標在快速點擊鼠標過程中并未表現出良好的一致性變化規(guī)律，其雖然表現出良好的測試可重復性，但其敏感性和穩(wěn)定性較差，提示其在反映由快速點擊鼠標引起的指伸肌疲勞方面的適用性并不是很理想。

已有研究表明，肌肉在高頻率、低負荷收縮［36］誘發(fā)肌肉疲勞后引起肌肉最大收縮頻率下降，但是，肌肉靜態(tài)最大收縮力并未出現顯著性的改變。該研究結果一方面暗示高頻率、低負荷收縮誘發(fā)運動性肌肉疲勞過程中肌肉外周與中樞的一系列變化是有別于肌肉在靜態(tài)收縮或低頻率動態(tài)收縮條件下的變化特征；另一方面，也提示疲勞負荷實驗前、后最大隨意收縮力量的變化并不能很好地反映由高頻率、低負荷收縮所誘發(fā)肌肉疲勞的發(fā)生發(fā)展情況。在快速點擊鼠標過程中，指伸肌進行高頻率、低負荷、小幅度的動態(tài)收縮運動，因此，快速點擊鼠標動作引起的指伸肌疲勞也必然具有高頻率、低負荷收縮誘發(fā)肌肉疲勞的典型特征。

中樞神經系統(tǒng)對肌肉在高頻率、低負荷動態(tài)收縮與在靜態(tài)收縮或低頻率動態(tài)收縮條件下，運動控制的神經傳導回路及控制策略存在差異［36］。通過前期利用核磁共振對不同形式肌肉收縮過程中運動皮層興奮區(qū)域的比較研究結果［41］及高頻率、低負荷運動負荷任務的運動特點可以推斷，高頻率、低負荷運動任務不僅要求主動肌以較快的速度收縮，其對相應協(xié)同肌的協(xié)同配合也有更高的要求。因此，中樞神經系統(tǒng)必然會動員更多的皮層脊髓細胞參與到對外周肌肉的控制之中，并引起疲勞后外周與中樞有別于肌肉在靜態(tài)或低頻率收縮誘發(fā)肌肉疲勞的變化特征。Rodrigues J P的研究［36］表明，在食指20s快速屈伸運動誘發(fā)運動頻率下降過程中，并未伴隨明顯的肌肉外周疲勞的發(fā)生，其主要是由中樞對運動控制的能力下降造成的。但是，對于運動控制能力下降的機制及中樞調控策略等問題尚需進一步的研究。

因此，90s快速點擊鼠標過程中，運動性肌肉疲勞具有與肌肉在靜態(tài)收縮或低頻率動態(tài)收縮誘發(fā)運動性肌肉疲勞不同的產生機制。一方面，由于點擊鼠標動作的運動負荷很小，頻率很快，根據運動單位募集的尺寸原理［20-22］，在快速點擊鼠標運動過程中，中樞神經系統(tǒng)應該只募集少數快運動單位參與收縮。因此，快速點擊鼠標誘發(fā)指伸肌疲勞并不會伴隨明顯的代謝性酸中毒、肌肉硬度變化等高負荷收縮誘發(fā)肌肉疲勞中常見的疲勞特異性改變及肌肉外周收縮能力的顯著性下降；另一方面，隨著點擊鼠標持續(xù)時間增加出現的點擊鼠標頻率下降并不僅僅是由外周特定運動單位疲勞等外周原因和運動皮層細胞、脊髓運動神經元激活能力下降等中樞原因引起，還包含控制協(xié)同肌活動的皮層脊髓細胞狀態(tài)變化、脊髓對肌肉交互抑制作用控制變化［17，40］等一系列有別于肌肉在靜態(tài)收縮或低頻率動態(tài)收縮誘發(fā)疲勞下的中樞運動控制因素。對于本研究中發(fā)現的疲勞前、后sEMG頻率特性顯著變化，sEMG經傅里葉變換和小波包變換計算的 MF、MPF、MDF、MNF指標表現出良好單調遞減變化的現象，目前的研究尚不能對其生理學機制進行詳盡的解釋。但是，該變化規(guī)律表明，隨著點擊鼠標運動持續(xù)時間的延長，指伸肌參與收縮運動單位動作電位活動的頻率特性有著良好而一致的單調遞減變化趨勢，這可能是在疲勞過程中為維持既定的運動任務，中樞神經系統(tǒng)募集運動單位的種類及激活頻率等發(fā)生變化引起的。當然，目前，對于這些問題的認識還停留在理論推斷的階段，未來尚需對這些問題進行更加深入的探索。

此外，由于點擊鼠標動作屬于高頻率、低負荷的動態(tài)收縮運動，因此，從指伸肌表面記錄到的sEMG信號具有典型的非穩(wěn)態(tài)和非線性信號的基本特征，因此，適合于分析非穩(wěn)態(tài)、非線性信號的小波分析方法便發(fā)揮優(yōu)勢，經小波包分析計算的MNF指標表現出了優(yōu)于傅里葉變換所計算指標的疲勞監(jiān)測適用性。而與之前有關肌肉在靜態(tài)或低頻率動態(tài)收縮條件下的研究［1，6，31］發(fā)現，運動性肌肉疲勞后C（n）呈現顯著的隨運動持續(xù)時間單調遞減的規(guī)律不同。本研究中，C（n）并未表現出隨點擊鼠標持續(xù)時間而單調遞減的變化規(guī)律，這是否也暗示，在快速點擊鼠標過程中，疲勞并未引起中樞神經系統(tǒng)在漸進性協(xié)調眾多運動單位同步收縮方面對指伸肌的活動進行調節(jié)？C（n）指標表現出良好的可重復性，但是，其在評定由快速點擊鼠標引起的指伸肌疲勞的敏感性和穩(wěn)定性較差，這可能與其對由快速點擊鼠標引起的中樞與外周變化不夠敏感或者由快速點擊鼠標引起的中樞與外周一系列變化相互作用抵消有關。這也從另一方面表明，快速點擊鼠標運動誘發(fā)指伸肌sEMG的改變是有別于靜態(tài)或低頻率動態(tài)收縮引起sEMG改變的顯著特征。

綜合以上分析可以看出，在快速點擊鼠標過程中，指伸肌進行低負荷、高頻率、小幅度的動態(tài)收縮運動，使得從指伸肌表面記錄到的sEMG具有非線性和非穩(wěn)態(tài)信號特征的同時，也有別于肌肉在靜態(tài)或低頻率動態(tài)收縮條件下所獲取sEMG的特征。指伸肌sEMG的 MF、MPF、MDF、MNF隨運動持續(xù)時間表現出良好的單調遞減趨勢和較為良好的反映疲勞敏感性。C（n）雖然具有良好的測量可重復性，但是，其在反映疲勞的敏感性和穩(wěn)定性方面較差。基于小波包分析計算的MNF指標表現出優(yōu)于其他指標的反映疲勞敏感性、穩(wěn)定性和良好的測量可重復性，提示其在評定由快速點擊鼠標引起的指伸肌疲勞方面是較好的選擇指標。

5 結論

在快速點擊鼠標過程中，指伸肌進行低負荷、高頻率、小幅度的動態(tài)收縮運動，使得從指伸肌表面記錄到的sEMG具有非線性和非穩(wěn)態(tài)信號特征的同時，也有別于肌肉在靜態(tài)或低頻率動態(tài)收縮條件下所獲取sEMG的特征。指伸肌sEMG的 MF、MPF、MDF、MNF隨運動持續(xù)時間表現出良好的單調遞減趨勢和較為良好的反映疲勞敏感性?；谛〔ò治鲇嬎愕腗NF指標表現出優(yōu)于其他指標的反映疲勞敏感性、穩(wěn)定性和良好的可重復性，提示其在評定由快速點擊鼠標引起的指伸肌疲勞方面是較好的選擇指標。

［1］劉家海，王健，羅曉芳.局部肌肉疲勞的表面肌電信號復雜度和熵變化［J］.生物物理學報，2004，20（3）:198-202.

［2］羅小兵，馬建.肌電圖在運動性肌肉疲勞研究中的應用現狀［J］.成都體育學院學報，1999，25（4）:66-70.

［3］任焱晅，楊基海，尹少華，等.局部肌疲勞過程與表面肌電信號分維值變化關系的研究［J］.生物醫(yī)學工程研究，2004，23（4）:215-217.

［4］田野.運動生理學高級教程［M］.北京:高等教育出版社，2003.

［5］王篤明，王健，葛列眾.靜態(tài)負荷誘發(fā)肌肉疲勞時表面肌電信號（sEMG）變化與主觀疲勞感之間的關系［J］.航天醫(yī)學與醫(yī)學工程，2004，17（3）:201-204.

［6］王健，方紅光，楊紅春.運動性肌肉疲勞的表面肌電非線性信號特征［J］.體育科學，2005，25（5）:39-43.

［7］王樂軍，黃勇，龔銘新，等.小波包分析與人工神經網絡相結合探索運動性肌肉疲勞過程中sEMG變化特征［J］.體育科學，2009，29（12）:51-55.

［8］余洪俊.表面肌電圖評價肌肉的功能狀況［J］.中國臨床康復，2002，6（23）:3415-3416.

［9］ALWIN LUTTMANN，KLAUS-HELMUT SCHMIDT，MATTHIAS J?GER.Working conditions，muscular activity and complaints of office workers［J］.Int J Industrial Ergonomics，2010，（40）:549-559.

［10］BORG G.Psychophysical scaling with applications in physical work and the perception of exertion［J］.Scand J Work Environ Health，1990，（16）:55-58.

［11］CIFREK M，MEDVED V，TONKOVIC S，et al.Surface EMG based muscle fatigue evaluation in biomechanics［J］.Clin Biomechanics，2009，（24）:327-340.

［12］DE LUCA C J.The use of surface electromyography in Biomechanics［J］.J Appl Biomech，1997，（13）:135-163.

［13］DUCHENE J，GOUBEL F.Surface electromyogram during voluntary contraction:processing tools and relation to physiological events［J］.Crit Rev Biomed Eng，1993，21（4）:313-397.

［14］ELFVING B，NEMETH G，ARVIDSSON I，et al.Reliability of EMG spectral parameters in repeated measurements of back muscle fatigue［J］.J Electromyogr Kinesiol 1999，（9）:235-243.

［15］FARINA D，MERLETTI R，ENOKA R M.The extraction of neural strategies from the surface EMG［J］.J Appl Physiol，2004，96（4）:1486-1495.

［16］FARINA D，ZENNARO D，POZZO M，et al.Single motor unit and spectral surface EMG analysis during low-force，sustained contractions of the upper trapezius muscle［J］.Eur J Appl Physiol，2006，96（2）:157-164.

［17］GANDEVIA S C.Spinal and supraspinal factors in human muscle fatigue［J］.Physiol Rev，2001，（81）:1725-1789.

［18］GUSTAFSSON E V，HAGBERG M.Computer mouse use in two different hand positions:exposure，comfort，exertion and productivity［J］.Appl Ergonomics，2003，（34）:107-113.

［19］H?GG G M.Static work loads and occupational myalgia-a new explanation model［A］.In:Anderson PA，Hobart DJ，Danoff JV，ed，Electromyogr Kinesiol［M］.Amsterdam，Elsevier Sci，Publishers，1991:141-143.

［20］HENNEMAN E，SOMJEN G，CARPENTER D O.Excitability and inhibitability of motoneurons of different sizes［J］.J Neurophysiol，1965，（28）:599-620.

［21］HENNEMAN E，SOMJEN G，CARPENTER D O.Functional significance of cell size in spinal motoneurons［J］.J Neurophysiol，1965，（28）:560-580.

［22］HODSON-TOLE E F，WAKELING J M.Motor unit recruitment for dynamic tasks:current understanding and future directions［J］.J Comp Physiol B，2009，（179）:57-66.

［23］KAMO M.Discharge behavior of motor units in knee extensors during the initial stage of constant-force isometric contraction at low force level［J］.Eur J Appl Physiol，2002，（86）:375-381.

［24］KARABULUT M，CRAMER J，ABE T，et al.Neuromuscular fatigue following low-intensity dynamic exercise with externally applied vascular restriction［J］.J Electromyo Kinesiol，2010，（20）:440-447.

［25］KARLSSON J S，GERDLE B，ALAY M.Analyzing surface myoelectric signals recorded during isokinetic contractions［J］.IEEE Eng Med Biol Mag，2001，20（6）:97-105.

［26］KARLSSON S，YU J，AKAY M.Time-frequency analysis of myoelectric signals during dynamic contractions:a comparative study［J］.IEEE Trans Biomed Eng，2000，47（2）:228-238.

［27］KASPAR F，SCHUSTER H G.Easily calculable measure for the complexity of spatiotemporal patterns［J］.Physical Rev A，1987，36（2）:842-848.

［28］KEIR P J，BACH J M，REMPEL D.Effects of computer mouse design and task on carpal tunnel pressure［J］.Ergonomics，1999，（42）:1350-1360.

［29］LIN M I，LIANG H W，LIN K H，et al.Electromyographical assessment on muscular fatigue-an elaboration upon repetitive typing activity［J］.J Electromyogr Kinesiol，2004，（14）:661-669.

［30］LINSSEN W H，STEGEMAN D F，JOOSTEN E M，et al.Variability and interrelationships of surface EMG parameters during local muscle fatigue［J］.Muscle Nerve 1993，16（8）:849-856.

［31］MILNER B H S，MELLENTHIN M，MILLER R G.Quantifying human muscle strength，endurance and fatigue［J］.Arch Phys Med Rehabil，1986，67（8）:530-535.

［32］NEWSOM J，PRIGERSON H D，SCHULTZ R，et al.Investigating moderator hypotheses in aging research:statistical，methodological，and conceptual difficulties with comparing separate regressions［J］.Int J Aging Human Develop，2003，57（2）:119-150.

［33］NIU H J，LI R，LIU G L，et al.Using EMG to evaluate muscular fatigue induced during video display terminal keyboard use task［C］.APCMBE 2008:7th Asian-Pacific Confference Medical Biological Engineering，2008，19:329-332.

［34］OLMO G，LATERZA F，PRESTI L L.Matched wavelet approach in stretching analysis of electrically evoked surface EMG signal［J］.Signal Processing，2000，（80）:671-684.

［35］PASCARELLI E F，HSU Y P.Understanding work-related upper extremity disorders:clinical wndings in 485computer users，musicians，and others［J］.J Occup Rehabil，2001，（11）:1-21.

［36］RODRIGUES J P，MASTAGLIA F L，THICKBROOM G W.Rapid slowing of maximal finger movement rate:fatigue of central motor control［J］.Exp Brain Res，2009，（196）:557-563.

［37］SPARTO P J，MOHAMAD PARNIANPOUR，BARRIA E A，et al.Wavelet and short-time Fourier transform analysis of electromyography for detection of back muscle fatigue［J］.IEEE Transact Rehabilit Engineer，2000，（8）:433-436.

［38］SPARTO P J，PARNIANPOUR M，BARRIA E A，et al.Wavelet analysis of electromyography for backmuscle fatigue detection during constant-torque exertion［J］.Biomed Sci Instrum，1997，（33）:82-87.

［39］SUZUKI H，CONWIT R A，STASHUK D，et al.Relationships between surface-detected EMG signals and motor unit activation［J］.Med Sci Sports Exe，2002，（34）:1509-1517.

［40］TAYLOR J L，BUTLER J E，GANDEVIA S C.Changes in muscle afferents，motoneurons and motor drive during muscle fatigue［J］.Eur J Appl Physiol，2000，（83）:106-115.

［41］THICKBROOM G W，PHILLIPS B A，MORRIS I，et al.Differences in functional magnetic resonance imaging of sensorimotor cortex during static and dynamic finger flexion［J］.Exp Brain Res，1999，（126）:431-438.

［42］VEIERSTED K B，WESTGAARD R H，ANDERSEN P.Electromyographic evaluation of muscular work pattern as a predictor of trapezius myalgia［J］.Scand J Work Environ Health，1993，（19）:284-290.

［43］WANG LEJUN，HUANG YONG，GONG MINGXIN，et al.Sensitivity and stability analysis of sEMG indices in evaluating muscle fatigue of rectus femoris caused by all-out cycling exercise［C］.Proceedings-4th Int Congress Image Signal Processing，CISP，2011:2779-2783.

［44］WERNBOM M，AUGUSTSSON J，THOMEE R.The influence of frequency，intensity，volume and mode of strength training on whole muscle cross-sectional area in humans［J］.Sports Med，2007，（37）:225-264.

［45］HSIEH Y J，CHO C Y.Using risk factors，myoelectric signal，and finger tremor to distinguish computer users with and without musculoskeletal［J］.Eur J Appl Physiol，2008，（104）:9-17.

［46］YASSIERLI，NUSSBAUM M A.Utility of traditional and alternative EMG-based measures of fatigue during low-moderate level isometric efforts［J］.J Electromyo Kinesiol，2008，（18）:44-53.

［47］YOON T，DE-LAP B S，GRIFFITH E E，et al.Age-related muscle fatigue after a low-force fatiguing contraction is explained by central fatigue［J］.Muscle Nerve，2008，37（4）:457-466.