王立玲，楊 錚，劉 瑾

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

0 引言

在現(xiàn)實生活中，由于工作原因而導致身體某一部位長期處于一特定姿態(tài)的人群，當身體突發(fā)性運動或者超負荷負重時，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醫(yī)學領域有推動作用.當神經(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，不同的學說有不同的理解.目前關于運動性疲勞產(chǎn)生的機理主要有“衰竭學說”“堵塞學說”“內(nèi)環(huán)境失調(diào)學說”“保護性抑制學說”“突變理論”“自由基損傷學說”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、肌細胞三磷酸腺苷的減少等因素使動作電位傳導變化和肌纖維收縮力量下降所致.

相關研究表明，頻域中影響表面肌電信號頻譜變化的因素主要與神經(jīng)傳導速率、動作電位持續(xù)時間有關.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，導致頻域相關特征參數(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.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，導致時域相關特征參數(shù)在評估疲勞領域受到限制[5].為了解決時域、頻域相關參數(shù)指標靈敏度較差問題，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，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.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)的相關特征參數(shù)值并找出相關特征參數(shù)值與疲勞之間的對應關系.

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名受試者相關時域和頻域指標SVR.表4和5分別為8名受試者相關頻域和時域參數(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SVR

表3 單/雙閾值法時域指標SVR

表4 頻域指標SVR均值表

表5 時域指標SVR均值表

圖10相關特征值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)指標的SVR：頻域指標中有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：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”學說，認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，該指標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微特征信息放大、便于識別的效果.