王立玲，楊 錚，劉 瑾

(1.河北大學(xué)電子信息工程學(xué)院，河北 保定 071000；2.河北大學(xué)附屬醫(yī)院，河北 保定 071002)

0 引言

在現(xiàn)實生活中，由于工作原因而導(dǎo)致身體某一部位長期處于一特定姿態(tài)的人群，當(dāng)身體突發(fā)性運動或者超負(fù)荷負(fù)重時，很可能造成肌肉損傷，給家庭及社會帶來壓力.上肢肱二頭肌是我們?nèi)粘Ｉ钪薪?jīng)常使用的一塊肌肉，因傳統(tǒng)特征值表征肌肉疲勞時變化不明顯，反映不夠靈敏，很有可能在肌肉已經(jīng)發(fā)生疲勞時而未檢測出疲勞，造成肌肉損傷.因此，如何在肌肉受到損傷之前檢測出疲勞，防止由普通性肌肉疲勞進一步惡化發(fā)展成肌肉損傷已成為當(dāng)今一個值得研究的問題.

隨著肌肉不斷收縮會逐漸進入疲勞狀態(tài)，肌肉疲勞研究對康復(fù)醫(yī)學(xué)領(lǐng)域有推動作用.當(dāng)神經(jīng)肌肉活動時，使用電極從人體骨骼肌表面獲得生物電信號稱為表面肌電信號(surface electromyography，s-EMG).它反映了神經(jīng)和肌肉的功能狀態(tài)，因此可以通過s-EMG來研究肌肉疲勞.肌肉在持續(xù)工作情況下會使其做功能力下降，這種現(xiàn)象就稱為肌肉疲勞.[1]

對于疲勞的機理，不同的學(xué)說有不同的理解.目前關(guān)于運動性疲勞產(chǎn)生的機理主要有“衰竭學(xué)說”“堵塞學(xué)說”“內(nèi)環(huán)境失調(diào)學(xué)說”“保護性抑制學(xué)說”“突變理論”“自由基損傷學(xué)說”等[2].肌肉疲勞主要是由發(fā)力過程中逐漸出現(xiàn)的鈣離子運動擾動、磷酸鹽等代謝物的積累、肌細(xì)胞三磷酸腺苷的減少等因素使動作電位傳導(dǎo)變化和肌纖維收縮力量下降所致.

相關(guān)研究表明，頻域中影響表面肌電信號頻譜變化的因素主要與神經(jīng)傳導(dǎo)速率、動作電位持續(xù)時間有關(guān).在動態(tài)收縮至疲勞的過程中肌肉溫度會升高，溫度會影響表面肌電信號使頻譜高頻成分增加，導(dǎo)致頻域相關(guān)特征參數(shù)變化不明顯.[3-4]時域中影響表面肌電信號幅值變化的因素主要與動作單位數(shù)量、傳輸速度以及發(fā)放頻率有關(guān).在動態(tài)收縮至疲勞的過程中肌肉力會增加，肌肉力增加會影響表面肌電信號幅值增加，導(dǎo)致時域相關(guān)特征參數(shù)在評估疲勞領(lǐng)域受到限制[5].為了解決時域、頻域相關(guān)參數(shù)指標(biāo)靈敏度較差問題，提出了基于積分肌電窗口移動平均值結(jié)合雙門限閾值活動段檢測肌肉疲勞研究方法提取時域、頻域特征參數(shù)；由于動態(tài)屈伸肘動作的發(fā)力方式為周期性肌肉收縮，所以采用積分肌電窗口移動平均值結(jié)合雙門限閾值的方法區(qū)分肌肉動態(tài)收縮區(qū)和靜態(tài)收縮區(qū)，即不再以等時間間隔劃分表面肌電信號，而是以每個周期性收縮區(qū)為劃分依據(jù).利用肌肉動態(tài)收縮區(qū)相關(guān)特征值的靈敏度波動比(SVR指數(shù))來表征肌肉疲勞的靈敏度.

1 信號采集及預(yù)處理

利用NORAXON公司生產(chǎn)的MR3.6軟件，采用表面肌電信號采集儀對信號進行采集，利用無線表面肌電信傳感器，使用一次性Ag/AgCl電極片，設(shè)定時間常數(shù)為0.05 s，采樣頻率為1 500 Hz，根據(jù)肌肉模型粘貼一次性電極片，電極片之間距離為20 mm.挑選8名健康受試者均無肌肉勞損病史，實驗前24 h內(nèi)無參加激烈活動.每位受試者在實驗前都接受實驗通知并進行實驗動作培訓(xùn)，實驗地點為河北省數(shù)字醫(yī)療工程重點實驗室.

受試者站立手握 1.5 kg啞鈴做屈伸肘動作(周期力收縮)，直至疲勞不能繼續(xù)(約為2 min)，記錄右上肢肱二頭肌數(shù)據(jù).為了增加表面肌電信號的高頻分辨率，需要對表面肌電信號的高頻部分進行預(yù)加重[6].測試者身體具體信息如表1所示.

表1 受試者身體信息

2 分析方法

2.1 數(shù)據(jù)分段

周期性收縮通過分割活動段進行數(shù)據(jù)分割，以每次收縮部分信號為一段，活動段的分割采用移動平均法，利用時間窗移動(窗長wlength=100點，窗移wshift=50點)計算表面肌電信號瞬時移動窗內(nèi)的積分肌電值.根據(jù)經(jīng)驗設(shè)定雙閾值(Tstart，Tstop)，若積分肌電移動平均值連續(xù)多次超過閾值Tstart，則認(rèn)為進入活動段；進入活動段后，若積分肌電移動平均值連續(xù)多次低于閾值Tstop，則認(rèn)為活動段結(jié)束.數(shù)據(jù)分段計算公式為

式中W為窗長，n為移動過程中某窗口.

端點檢測主要是為了自動檢測出周期力收縮的起始點及結(jié)束點.采用了雙門限比較法來進行端點檢測.雙門限比較法以短時積分肌電值特征作為分析指標(biāo).端點檢測流程見圖1.

2.2 時域分析

時域分析是直接在時間域中對表面肌電信號進行分析的方法，具有直觀和準(zhǔn)確的優(yōu)點.主要有積分肌電值(IEMG)、均方根值(RMS)、過零點數(shù)(ZC).積分肌電值用以評價肌肉是否發(fā)生疲勞，如采用積分肌電差值可以粗略估計肌肉疲勞時間；均方根值是用來描述肌電信號在一段時間內(nèi)的平均變化；過零點數(shù)是指表面肌電信號時間序列在幅值的變化過程中的正負(fù)值交替變化的次數(shù).[7-10]

2.3 頻域分析

頻域分析是從頻率角度分析表面肌電信號特征，方法是將時域信號經(jīng)過快速傅里葉轉(zhuǎn)換后，得到表面肌電信號頻譜或功率譜.頻域分析常用分析參數(shù)有平均功率頻率(MPF)、中值頻率(MF)、疲勞指數(shù)(FI).[11-12]MPF是指過功率譜曲線重心頻率，等于總功率除以總時間；MF是指骨骼肌收縮過程中肌纖維放電頻率的中間值，等于各個時間段的功率的平均值.MPF和MF用于量化表面肌電信號頻譜的偏移；FI是通過不同頻率功率的比例評估肌電信號功率譜的偏移情況，分子部分強調(diào)疲勞過程中功率譜低頻成分的增多，分母部分強調(diào)了功率譜高頻成分的減少.[13]

圖1 端點檢測流程

3 結(jié)果與討論

D.R.Rogers[14]提出了SVR指數(shù)，SVR指數(shù)用于評估目標(biāo)參數(shù)對疲勞程度靈敏度與集中性綜合效果.該參數(shù)分子為特征參數(shù)在整個疲勞過程中的變化范圍，分母可以衡量特征參數(shù)集中性.特征參數(shù)變化范圍越大，自身抖動性越小，則該參數(shù)SVR指數(shù)值越大，即對疲勞的表征效果越好.對受試者各個肌電特征參數(shù)分別進行歸一化后計算SVR指數(shù).

3.1 時域特征值分析結(jié)果

圖2為IEMG閾值窗口，圖3為活動段閾值檢測時域圖.由圖2—3可以看出肱二頭肌隨著時間的推移，表面肌電信號幅度有增大的趨勢.確定雙閾值(Tstart，Tstop)值，Tstart=0.040 0，Tstop=0.008 0.確定單閾值(Tstart)值，Tstart=0.040 0.圖2的IEMG窗口移動過程中經(jīng)過閾值判斷找出圖3表面肌電信號收縮區(qū)的起止點位置，從而確定收縮區(qū)的個數(shù)(n=15).計算每一個收縮區(qū)的相關(guān)特征參數(shù)值并找出相關(guān)特征參數(shù)值與疲勞之間的對應(yīng)關(guān)系.

受試者右上肢肱二頭肌的每一收縮區(qū)RMS見圖4，受試者右上肢肱二頭肌的每一收縮區(qū)RMS和ZC見圖5—6.由圖4—6可以看出，受試者肱二頭肌在趨于疲勞過程中，能量、IEMG、RMS均增大.從靈敏性和集中性的角度來看，RMS指標(biāo)效果最好，然后是IEMG，最后是ZC.計算得到的SVR各指數(shù)為：

(1) SVRdouble threshold(IEMG)=5.682 2，SVRdouble threshold(ZC)=3.188 9，SVRdouble threshold(RMS)=5.994 4；

(2) SVRsingle threshold(IEMG)=4.574 1，SVRsingle threshold(ZC)=2.301 5，SVRsingle threshold(RMS)=4.734 2.

3.2 頻域特征值分析結(jié)果

受試者右上肢肱二頭肌每一收縮區(qū)的MPF、MF、FI見圖7—9.由圖7—9可看出，肱二頭肌在趨于疲勞過程中，受試者的表面肌電信號MPF、MF減小，F(xiàn)I增大.從靈敏性和集中性的角度看，MF最好，然后是MPF，最后是FI.計算得到的SVR各指數(shù)為：

(1) SVRdouble threshold(MPF)=7.638 3，SVRdouble threshold(MF)=7.829 3，SVRdouble threshold(FI)=2.366 2；

(2) SVRsingle threshold(MPF)=6.739 6，SVRsingle threshold(MF)=6.869 4，SVRsingle threshold(FI)=1.369 8.

表2和3分別為8名受試者相關(guān)時域和頻域指標(biāo)SVR.表4和5分別為8名受試者相關(guān)頻域和時域參數(shù)SVR均值和方差.圖10為時域和頻域內(nèi)相關(guān)特征值SVR進行t檢驗(Excel數(shù)據(jù)分析模塊).在a=0.05情況下，P<0.05，二者之間存在顯著性差異，說明基于積分肌電窗口移動平均值結(jié)合雙閾值法與基于積分肌電窗口移動平均值結(jié)合單閾值法獲得的時域、頻域參數(shù)相比，具有顯著性高分辨靈敏度.

通過展開肌肉疲勞實驗研究，從不同閾值算法上對肌肉疲勞靈敏度方面進行分析，得出研究結(jié)果如下：

(1) 從積分肌電窗口移動平均值結(jié)合單閾值法獲得時域、頻域參數(shù)指標(biāo)SVR上來看，其表征肌肉疲勞靈敏性較差，從積分肌電窗口移動平均值結(jié)合雙閾值法獲得的時域、頻域參數(shù)指標(biāo)的SVR上來看，其表征肌肉疲勞靈敏性較好.

表2 單/雙閾值法頻域指標(biāo)SVR

表3 單/雙閾值法時域指標(biāo)SVR

表4 頻域指標(biāo)SVR均值表

表5 時域指標(biāo)SVR均值表

圖10相關(guān)特征值SVR的t檢驗

(2) 從通過積分肌電窗口移動平均值結(jié)合不同閾值法得到時域、頻域參數(shù)指標(biāo)的SVR的t檢驗的P值來看，基于積分肌電窗口移動平均值結(jié)合雙閾值法具有顯著性高分辨靈敏度.

(3) 從時域、頻域參數(shù)指標(biāo)的SVR的均值大小來看，無論是通過積分肌電窗口移動平均值結(jié)合單閾值法還是通過積分肌電窗口移動平均值結(jié)合雙閾值法得到頻域參數(shù)指標(biāo)的SVR：頻域指標(biāo)中有SVRFI

(4) 從受試者適用性上來看，8名受試者均滿足結(jié)果(3)的關(guān)系.因此，該試驗方法具有適用性特性(適用性).

(5) 從受試者個體差異上來看，8名受試者所測得的時域、頻域參數(shù)的靈敏性各不相同，造成這種現(xiàn)象的原因可能是不同受試者肌肉形態(tài)和組織結(jié)構(gòu)不同(個體差異性).

(6) 從頻域參數(shù)的一階擬合k值來看，無論是通過積分肌電窗口移動平均值結(jié)合單閾值法還是通過積分肌電窗口移動平均值結(jié)合雙閾值法得到時域、頻域參數(shù)指標(biāo)：8名受試者的MF、MPF均是隨著時間推移變小、FI變大的趨勢；RMS、IEMG均是隨著時間推移變大、ZC變大的趨勢(趨勢性).

(7) 從積分肌電窗口移動平均值結(jié)合雙閾值法分割數(shù)據(jù)區(qū)間來看，在TstopTstart可對應(yīng)數(shù)據(jù)段為動態(tài)收縮區(qū).

4 結(jié)束語

巴甫洛夫?qū)W派提出一種“保護性抑制”學(xué)說，認(rèn)為肌肉疲勞是大腦皮層保護性抑制結(jié)果.隨著疲勞加深，為了減少消耗，中樞神經(jīng)系統(tǒng)的發(fā)放頻率降低，導(dǎo)致運動神經(jīng)元發(fā)放沖動頻率隨之減小.中樞神經(jīng)對運動神經(jīng)元控制的精度也降低，導(dǎo)致了運動單位間活動的同步化程度增強，體現(xiàn)為時域、頻域相關(guān)特征值發(fā)生變化.

在頻域分析中采用基于積分肌電窗口移動平均值結(jié)合門限閾值法提取時域、頻域參數(shù)作為評價疲勞的新指標(biāo)，該指標(biāo)能夠更好地表征肌肉疲勞變化.

綜上所述，由于該方法具有顯著性高分辨靈敏度，因此具有將表面肌電信號的細(xì)微特征信息放大、便于識別的效果.