王加旭,吳繼功,潘子杰,張樂(lè)樂(lè),黃世博,王莉荔,陳 力,崔 翔
(1.中國(guó)人民解放軍戰(zhàn)略支援部隊(duì)特色醫(yī)學(xué)中心脊柱外科,北京 100107;2.中國(guó)人民解放軍63650部隊(duì)醫(yī)院洛陽(yáng)門診部,河南 洛陽(yáng) 471003;3.中國(guó)人民解放軍總醫(yī)院第一醫(yī)學(xué)中心全科醫(yī)學(xué)科,北京 100853;4.中國(guó)人民解放軍總醫(yī)院第四醫(yī)學(xué)中心骨科醫(yī)學(xué)部/國(guó)家骨科與運(yùn)動(dòng)康復(fù)臨床醫(yī)學(xué)研究中心,北京 100853)
表面肌電技術(shù)(surface electromyography,sEMG)是一種通過(guò)測(cè)量人體皮膚表面生物電信號(hào)反映人體肌肉活動(dòng)的肌電監(jiān)測(cè)技術(shù),其本質(zhì)是肌肉組織在受到神經(jīng)刺激后,能在肌肉纖維表面誘發(fā)傳導(dǎo)動(dòng)作電位的變化[1]。17世紀(jì)末,Galvani在蛙身上實(shí)驗(yàn)得出骨骼肌的收縮與神經(jīng)電信號(hào)的變化存在相關(guān)性,開(kāi)啟了肌電研究的開(kāi)端;直到18世紀(jì)中葉,Dubois等首次證實(shí)了人體骨骼肌的收縮與神經(jīng)電活動(dòng)同樣具有相關(guān)性;1912年,Piper、Gasser及Erlange等先后利用不同方法成功記錄出人類肌電圖[2]。之后,表面肌電技術(shù)逐漸被研究人員發(fā)現(xiàn)并應(yīng)用到疾病的診治中。
20世紀(jì)末以來(lái),表面肌電技術(shù)因其具有無(wú)創(chuàng)性、實(shí)用性及便捷性等優(yōu)勢(shì),在骨科、體育、運(yùn)動(dòng)醫(yī)學(xué)、康復(fù)訓(xùn)練及神經(jīng)科學(xué)等領(lǐng)域逐漸廣泛應(yīng)用,成為了分析骨科相關(guān)疾病,輔助診斷治療及康復(fù)訓(xùn)練的重要方法之一[3]。骨骼肌在受到神經(jīng)刺激發(fā)出動(dòng)作電位后,皮膚表面的接收器對(duì)采集到的表面肌電信號(hào)進(jìn)行處理,得到肌肉收縮的激活時(shí)間、順序及振幅等參數(shù)。這些參數(shù)常用的分析方法有時(shí)域分析、頻域分析、時(shí)域—頻域法及非線性分析法[4]。時(shí)域分析是利用時(shí)間函數(shù)的數(shù)值代表不同時(shí)間維度上的肌電信號(hào),用于描述表面肌電信號(hào)的振幅特征,主要包括均方根振幅、平均振幅和積分肌電;頻域分析是利用傅立葉變換方法,得到可識(shí)別的表面肌電信號(hào)的頻譜及不同頻率維度上表面肌電信號(hào)的變化,分析得出表面肌電信號(hào)的頻率特征,主要包括平均功率頻率和中值頻率及二者的衍生指標(biāo)平均功率頻率斜率和中值頻率斜率。通過(guò)這些指標(biāo)實(shí)時(shí)、精準(zhǔn)地反映骨骼肌的狀態(tài),對(duì)客觀探究骨骼肌疲勞程度、電生理變化及神經(jīng)肌肉協(xié)調(diào)性具有重要意義。
骨骼肌勞損是指骨骼肌機(jī)能不能有效保持在某一特定水平和/或不能維持某一預(yù)設(shè)運(yùn)動(dòng)強(qiáng)度的狀態(tài)[5]。骨骼肌勞損的過(guò)程中會(huì)出現(xiàn)多種病理生理變化,為了客觀地反映出骨骼肌狀態(tài),目前國(guó)內(nèi)外主要的研究方向是提取出骨骼肌勞損狀態(tài)下肌電信號(hào)的特征因素,分析骨骼肌勞損的狀態(tài)及病理生理機(jī)制[6]。糜超等[7]構(gòu)建了一套表面肌電肌肉疲勞識(shí)別系統(tǒng),提出了肌肉疲勞狀態(tài)下表面肌電信號(hào)特征的提取方法,以此進(jìn)行肌肉疲勞分類,該系統(tǒng)可有效識(shí)別肌肉的疲勞狀態(tài),準(zhǔn)確率達(dá)98%。提示表面肌電技術(shù)在骨骼肌勞損的研究中具有重要的應(yīng)用價(jià)值。
當(dāng)前,基于表面肌電技術(shù)的骨骼肌勞損研究主要集中在以下三點(diǎn):①依據(jù)時(shí)域特征的表面肌電信號(hào)研究。劉曉光等[8]對(duì)10名志愿者進(jìn)行梯次負(fù)載功率騎行實(shí)驗(yàn),通過(guò)分析志愿者騎行負(fù)載不同功率時(shí)的股外側(cè)肌、股直肌和豎脊肌的表面肌電信號(hào),得出騎行運(yùn)動(dòng)中腰部及大腿肌群疲勞功率區(qū)間。相較于其他檢測(cè)方法,時(shí)域特征的優(yōu)勢(shì)在于所需的特征數(shù)據(jù)量較少,分析的計(jì)算量明顯減少。然而時(shí)域特征過(guò)于依賴表面肌電信號(hào)的信噪比,頻譜失真現(xiàn)象時(shí)常發(fā)生。②依據(jù)不同變換域特征的表面肌電信號(hào)研究。Brighton等[9]引入了平均功率頻率及中值頻率兩個(gè)新的評(píng)價(jià)指標(biāo),通過(guò)處理數(shù)字信號(hào)研究骨骼肌疲勞時(shí)表面肌電信號(hào)的特征,從而明確骨骼肌疲勞前后的差異。Liu等[10]采用便攜式電極片實(shí)時(shí)采集運(yùn)動(dòng)中腓腸肌表面肌電信號(hào),再將該信號(hào)通過(guò)實(shí)時(shí)傅立葉變換方法轉(zhuǎn)換為中值頻率,依據(jù)中值頻率的變化反映骨骼肌疲勞狀態(tài)。這種基于變換域特征的檢測(cè)方法,能夠持續(xù)監(jiān)測(cè)運(yùn)動(dòng)中骨骼肌表面肌電信號(hào)的變化,信號(hào)的時(shí)頻分辨率極高,可避免受試者個(gè)體化差異。然而,該方法所得數(shù)據(jù)必須經(jīng)過(guò)頻域變換,若缺乏表面肌電信號(hào)的原始信息,則無(wú)法實(shí)時(shí)監(jiān)測(cè)骨骼肌的疲勞狀態(tài)。③依據(jù)人工智能的表面肌電信號(hào)研究。Wei等[11]構(gòu)建出一種基于卷積神經(jīng)網(wǎng)絡(luò)的模型,利用機(jī)器學(xué)習(xí)對(duì)表面肌電信號(hào)進(jìn)行分類、識(shí)別及訓(xùn)練,發(fā)現(xiàn)其對(duì)骨骼肌疲勞的診斷準(zhǔn)確率可達(dá)92.8%,但樣本量較小,需進(jìn)一步大數(shù)據(jù)繼續(xù)訓(xùn)練該模型。Zhang等[12]采集受試者做不同手勢(shì)時(shí)的表面肌電信號(hào),以此反映不同手勢(shì)之間、手掌間諸肌肉的收縮情況,構(gòu)建前反饋人工神經(jīng)網(wǎng)絡(luò),通過(guò)對(duì)該神經(jīng)網(wǎng)絡(luò)的反復(fù)訓(xùn)練,骨骼肌疲勞的診斷準(zhǔn)確率可達(dá)98.7%。依據(jù)人工智能的表面肌電信號(hào)研究往往能訓(xùn)練機(jī)器學(xué)習(xí)并自動(dòng)識(shí)別、判定骨骼肌勞損狀態(tài),對(duì)提升診斷骨骼肌疲勞的準(zhǔn)確率具有重要意義。
腰痛是臨床常見(jiàn)的高發(fā)病癥候群,腰部肌肉勞損以及收縮能力下降會(huì)造成腰椎穩(wěn)定系統(tǒng)改變,從而導(dǎo)致腰部軟組織炎癥反應(yīng)、疼痛[13]。Takahashi等[14]對(duì)比腰痛患者與非腰痛受試者在負(fù)重狀態(tài)下保持直立時(shí)的表面肌電信號(hào),發(fā)現(xiàn)2組腰豎脊肌平均功率頻率斜率顯著不同。其原理在于,人體的核心肌群集中在腰腹部,包括豎脊肌、髂肋肌、腹直肌、多裂肌、腹橫肌等,這些肌肉收縮或病變后,表面肌電信號(hào)出現(xiàn)相應(yīng)的改變,可無(wú)創(chuàng)地反映腰背部肌肉狀態(tài)、肌力以及肌群間協(xié)調(diào)性[15]。同樣,Hanada等[16]針對(duì)徒步狀態(tài)下的腰痛患者,探測(cè)出腰痛時(shí)腹直肌及腰后側(cè)肌群的表面肌電信號(hào)變化較腹內(nèi)斜肌明顯,表明腰痛患者的核心肌群協(xié)調(diào)性變差,證實(shí)了表面肌電信號(hào)的變化能客觀地反映出腰痛患者的核心肌群情況,表面肌電技術(shù)可作為理想的腰痛輔助診斷方法。
腰椎退變性病變是導(dǎo)致腰痛的常見(jiàn)疾病,發(fā)病率較高[17]。對(duì)于長(zhǎng)期忍受腰痛的患者,保守治療、鍛煉或手術(shù)均是解除其痛苦的方法。然而如何評(píng)判治療效果,尚無(wú)有效的技術(shù)手段。表面肌電技術(shù)可在反映腰痛患者癥狀轉(zhuǎn)歸情況方面發(fā)揮一定的作用。郭猛[18]對(duì)70例腰椎間盤突出癥患者治療前后的表面肌電信號(hào)進(jìn)行統(tǒng)計(jì)分析得出,推拿組腰背伸肌群收縮力量、平均效率顯著優(yōu)于對(duì)照組的牽引治療,肯定了表面肌電技術(shù)在腰椎間盤突出癥療效評(píng)價(jià)中的價(jià)值。魏天祺等[19]探討了32例產(chǎn)婦產(chǎn)后合并腰痛的治療情況,觀察腰痛癥狀的緩解情況與表面肌電信號(hào)之間的關(guān)聯(lián)性,其認(rèn)為核心肌群的鍛煉可有效緩解產(chǎn)后腰痛,且豎脊肌及多裂肌的表面肌電信號(hào)能較好地反映出腰痛的改善情況。易向東等[20]檢測(cè)了24例腰椎手術(shù)患者在術(shù)前及術(shù)后3個(gè)月不同狀態(tài)下的腰背部肌肉表面肌電信號(hào),結(jié)果顯示術(shù)后3個(gè)月靜息、伸展及抬物保持狀態(tài)下,表面肌電信號(hào)值顯著低于術(shù)前,提示表面肌電技術(shù)可用于判斷腰痛的轉(zhuǎn)歸。
肩峰下撞擊綜合征是指肩關(guān)節(jié)上舉活動(dòng)時(shí),肱骨大結(jié)節(jié)反復(fù)撞擊喙肩弓,誘發(fā)肩峰下滑囊炎癥、肩袖肌腱組織病變,最終導(dǎo)致肩部疼痛和關(guān)節(jié)活動(dòng)受限。表面肌電技術(shù)在肩峰下撞擊綜合征中的應(yīng)用尚存在爭(zhēng)議[21]。Cools等[22]對(duì)39例患者及30名健康志愿者在外展和外旋運(yùn)動(dòng)時(shí)使用表面肌電技術(shù)測(cè)量上、中、下斜方肌的肌電活動(dòng),結(jié)果顯示患者組的上斜方肌活動(dòng)顯著增加,外展時(shí)下斜方肌活動(dòng)減少,外旋時(shí)中斜方肌活動(dòng)減少;肌內(nèi)活動(dòng)比分析顯示,外展時(shí),患者組傷側(cè)的上/中斜方肌和上/下斜方肌不平衡,外旋時(shí)三種肌肉活動(dòng)比均不平衡,肯定了表面肌電技術(shù)在肩峰下撞擊綜合征診斷中的應(yīng)用價(jià)值,并強(qiáng)調(diào)了恢復(fù)肌肉平衡與肩關(guān)節(jié)康復(fù)的相關(guān)性。
骨骼肌損傷是骨科或運(yùn)動(dòng)醫(yī)學(xué)領(lǐng)域最常見(jiàn)的創(chuàng)傷之一,直接影響體育愛(ài)好者和運(yùn)動(dòng)員的比賽、訓(xùn)練[23]。目前,許多學(xué)者將表面肌電技術(shù)引入到骨骼肌損傷后的康復(fù)評(píng)定中[24-26]。Li等[26]通過(guò)回顧性分析90例單側(cè)前交叉韌帶(anterior cruciate ligament,ACL)損傷患者的表面肌電信號(hào),探討ACL損傷患者的生物力學(xué)特征,采集雙側(cè)股直肌、股內(nèi)側(cè)肌和股外側(cè)肌的表面肌電信號(hào),并用方根振幅評(píng)估肌肉活動(dòng),結(jié)果表明股外側(cè)肌肉的恢復(fù)速度最慢,雙側(cè)直腿抬高(30°)是最好的訓(xùn)練方式,尤其是股外側(cè)肌鍛煉對(duì)康復(fù)非常重要,并建議ACL重建術(shù)在損傷1年內(nèi)進(jìn)行。Le Sant等[27]在拉伸研究中,利用表面肌電技術(shù)表征肌肉的力學(xué)性能,總結(jié)出1%的被動(dòng)狀態(tài)閾值是健康人群肌肉拉伸的安全閾值。
在訓(xùn)練過(guò)程中,肌肉的不對(duì)稱性會(huì)增加運(yùn)動(dòng)員受傷的風(fēng)險(xiǎn)。在訓(xùn)練過(guò)程中通過(guò)表面肌電技術(shù)實(shí)時(shí)監(jiān)測(cè)運(yùn)動(dòng)員骨骼肌肌電信號(hào)變化,對(duì)促進(jìn)合理訓(xùn)練、避免肌肉損傷、評(píng)估康復(fù)狀態(tài)及恢復(fù)正常訓(xùn)練具有重要意義。為了驗(yàn)證短道速滑運(yùn)動(dòng)員腿部肌肉的功能,Konieczny等[28]對(duì)比波蘭女子國(guó)家短道速滑隊(duì)的8名隊(duì)員與8名非訓(xùn)練人員在等距收縮期間的臀大肌表面肌電信號(hào)頻率發(fā)現(xiàn),在滑冰運(yùn)動(dòng)員中,左右臀大肌之間疲勞的肌電表現(xiàn)明顯不同,而非訓(xùn)練人員中則無(wú)此表現(xiàn),這對(duì)臀大肌損傷同樣起到預(yù)警作用,因此,該研究建議采用新的訓(xùn)練方案來(lái)避免肌肉的不對(duì)稱性。腘繩肌損傷是運(yùn)動(dòng)員常見(jiàn)的問(wèn)題,其損傷后的肌電活動(dòng)受到廣泛關(guān)注[29-31]。Areia等[32]評(píng)估了腘繩肌腱拉傷足球運(yùn)動(dòng)員的神經(jīng)肌肉適應(yīng)性,在偏心膝關(guān)節(jié)伸直30°和120°條件下對(duì)受試者進(jìn)行等速力量測(cè)試,結(jié)果表明傷側(cè)股四頭肌的肌電活動(dòng)較正常側(cè)明顯下降,肌肉功能不對(duì)稱。因此,表面肌電技術(shù)在預(yù)警損傷、評(píng)估損傷康復(fù)情況及改良訓(xùn)練方法等方面可發(fā)揮重要作用。
肌肉的收縮和舒張活動(dòng)帶動(dòng)骨骼,根本在于中樞神經(jīng)系統(tǒng)定向傳達(dá)運(yùn)動(dòng)命令,從而實(shí)現(xiàn)人體的活動(dòng)。研究表明,表面肌電信號(hào)的能量值大小代表了肌肉收縮舒張程度[33-34]。因此,把采集到的表面肌電信號(hào)處理成為生物反饋信息,可直觀地反映肌肉的狀態(tài),促進(jìn)自身運(yùn)動(dòng)學(xué)習(xí)及控制,并可有針對(duì)性地增強(qiáng)肌肉鍛煉、調(diào)整鍛煉方法及治療手段,從而實(shí)現(xiàn)康復(fù),這種方法被稱作表面肌電生物反饋。
目前表面肌電生物反饋技術(shù)在骨科治療及康復(fù)中廣泛應(yīng)用,是臨床改善患者腰背痛、肌無(wú)力、癱瘓、關(guān)節(jié)活動(dòng)障礙及恢復(fù)肌肉肌力的有效方法[15]。Guo等[35]探討了表面肌電生物反饋改善不完全脊髓損傷患者股四頭肌運(yùn)動(dòng)功能的有效性,其選取損傷后6個(gè)月內(nèi)股四頭肌強(qiáng)度1~3級(jí)的不完全截癱患者33例,對(duì)照組(16例)采用常規(guī)物理治療增強(qiáng)股四頭肌力量,干預(yù)組(17例)采用常規(guī)物理治療和表面肌電生物反饋訓(xùn)練,通過(guò)表面肌電圖、肌力、股四頭肌運(yùn)動(dòng)功能評(píng)價(jià),結(jié)果顯示,與對(duì)照組相比,干預(yù)組的表面肌電圖值和股四頭肌強(qiáng)度明顯改善,且干預(yù)組股四頭肌肌電圖值的增加早于股四頭肌肌力的增加。故其認(rèn)為表面肌電生物反饋訓(xùn)練是一種有效改善不完全脊髓損傷患者股四頭肌運(yùn)動(dòng)功能的方法,同時(shí)表面肌電圖可在變化發(fā)生之前準(zhǔn)確地量化單個(gè)肌肉肌力的變化。在其他骨骼肌的康復(fù)治療及訓(xùn)練中,表面肌電生物反饋系統(tǒng)同樣具有良好的效果。Lirio-Romero等[36]進(jìn)行了臨床隨機(jī)對(duì)照試驗(yàn),發(fā)現(xiàn)表面肌電生物反饋系統(tǒng)治療在短期內(nèi)可有效改善癱瘓上肢的運(yùn)動(dòng)功能。Portero等[37]甚至將表面肌電生物反饋系統(tǒng)應(yīng)用于物理治療的教學(xué)中,讓學(xué)生對(duì)生理和生物力學(xué)有更深入的了解,引發(fā)學(xué)生對(duì)表面肌電信號(hào)作為工具的興趣,并提供關(guān)于良好的表面肌電信號(hào)實(shí)踐的知識(shí)。
表面肌電圖能按時(shí)間順序記錄肌肉活動(dòng)及狀態(tài)信息,通過(guò)轉(zhuǎn)換器轉(zhuǎn)化為海量的數(shù)據(jù)信息,利用計(jì)算機(jī)即可識(shí)別、學(xué)習(xí)、預(yù)測(cè)肌肉的運(yùn)動(dòng)狀態(tài),從而形成人機(jī)信息交流系統(tǒng)。既往研究表明,神經(jīng)驅(qū)動(dòng)發(fā)生在運(yùn)動(dòng)開(kāi)始之前,可以通過(guò)放電率和運(yùn)動(dòng)單元速度來(lái)表征,這一特征意味著與脊髓交界部位的表面肌電信號(hào)可以準(zhǔn)確預(yù)測(cè)肌肉收縮[38]。Prakash等[39]設(shè)計(jì)出一種低成本、高靈敏度的肌電假肢控制系統(tǒng),比商用肌電傳感器的信噪比低4倍,靈敏度高50%,輸出響應(yīng)速度比商用傳感器快57%。該系統(tǒng)已在截肢患者身上測(cè)試成功,可使患者更快、更直觀地驅(qū)動(dòng)假肢手手指。當(dāng)前,肌電控制系統(tǒng)多用于前臂截肢者。Lee等[40]提出一種新型背負(fù)式肌電控制系統(tǒng),可適用于高位截肢患者,結(jié)果顯示每個(gè)受試者的平均分類正確率達(dá)到97.92%,說(shuō)明該系統(tǒng)可以準(zhǔn)確識(shí)別表面肌電信號(hào)。對(duì)于高位截肢患者而言,預(yù)計(jì)該系統(tǒng)能精準(zhǔn)控制他們的肌電假體。肌電假肢控制系統(tǒng)實(shí)用性高,為患者更加靈活地使用假肢、改善日常生活提供了可能,應(yīng)用前景廣泛。
如前所述,研究人員利用表面肌電技術(shù)對(duì)疾病的診斷、治療、康復(fù)訓(xùn)練等諸多方面進(jìn)行了大量的研究,這些研究所需的參數(shù)大多是通過(guò)人工提取或生物力學(xué)模型(基于肌肉骨骼模型來(lái)建立表面肌電信號(hào)與關(guān)節(jié)運(yùn)動(dòng)之間的關(guān)系)獲得,耗時(shí)較長(zhǎng)。然而,由于對(duì)人類神經(jīng)、肌肉和骨骼系統(tǒng)的協(xié)調(diào)機(jī)制尚不完全明確,導(dǎo)致無(wú)法準(zhǔn)確模擬人類的神經(jīng)、肌肉及骨骼系統(tǒng),這是計(jì)算模型的致命缺陷,表現(xiàn)為個(gè)體差異明顯[41]。基于海量數(shù)據(jù)的人工智能分析具有良好的系統(tǒng)特性和廣泛性,是解決這一難題的有效措施[42]。隨著人工智能技術(shù)的發(fā)展,人工智能輔助表面肌電技術(shù)的研究也逐漸增多。
手勢(shì)識(shí)別與預(yù)測(cè)是研究較多的方向。Hu等[43]采用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)的混合模型,以捕獲表面肌電信號(hào)的時(shí)間特性,在5個(gè)表面肌電信號(hào)基準(zhǔn)數(shù)據(jù)庫(kù)(NinaProDB1、NinaProDB2、BioPatRec、CapgMyo、CSL-HDEMG)中識(shí)別手勢(shì),分別比最先進(jìn)的性能提高了9.2%、3.5%、1.2%、0.2%和5.2%。Zhang等[44]單獨(dú)利用RNN模型從原始表面肌電信號(hào)中學(xué)習(xí)手勢(shì)并預(yù)測(cè)手勢(shì),結(jié)果表明,已知數(shù)據(jù)的時(shí)間步長(zhǎng)越大,所提出的模型給出的瞬時(shí)預(yù)測(cè)精度越高;此外,用40個(gè)時(shí)間步長(zhǎng)(200 ms)的數(shù)據(jù)預(yù)測(cè)手勢(shì)時(shí),預(yù)測(cè)準(zhǔn)確率達(dá)到89.6%左右,這意味著手勢(shì)可以在手勢(shì)開(kāi)始執(zhí)行200 ms后預(yù)測(cè),而不是等到手勢(shì)的結(jié)束。Nasri等[45]為殘疾人發(fā)明了一種新型人機(jī)交互形式,其利用基于深度學(xué)習(xí)的體系結(jié)構(gòu)進(jìn)行實(shí)時(shí)手勢(shì)識(shí)別,使用包含7個(gè)手勢(shì)的數(shù)據(jù)集,以此來(lái)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型,允許一些殘疾人士使用低成本的表面肌電信號(hào)傳感器來(lái)體驗(yàn)控制3D游戲,讓患者專注于康復(fù)訓(xùn)練。目前,表面肌電的數(shù)據(jù)特征包括均值絕對(duì)值、零交、均方根、功率譜比、離散小波變換等,機(jī)器學(xué)習(xí)方法對(duì)這些特征的分類方法包括k-最近鄰、人工神經(jīng)網(wǎng)絡(luò)、高斯混合模型、線性判別分析、隱馬爾科夫模型、支持向量機(jī)和隨機(jī)森林。雖然這些基于特征的方法表現(xiàn)出了良好的性能,但復(fù)雜的特征提取過(guò)程可能會(huì)導(dǎo)致有用信息的丟失,進(jìn)而導(dǎo)致預(yù)測(cè)準(zhǔn)確率不高。因此,表面肌電信號(hào)特征的提取、分類及深度學(xué)習(xí)模型的構(gòu)建仍需不斷完善。
表面肌電技術(shù)是一種無(wú)創(chuàng)、安全、便捷的技術(shù),能客觀地反映出神經(jīng)肌肉狀態(tài),為評(píng)估骨科疾病診治及康復(fù)鍛煉療效等提供依據(jù);隨著計(jì)算機(jī)技術(shù)及人工智能技術(shù)的蓬勃發(fā)展,與表面肌電技術(shù)結(jié)合的系統(tǒng)應(yīng)用也在不斷完善和提高。表面肌電生物反饋等系統(tǒng)的構(gòu)建,提高了患者康復(fù)治療、假肢結(jié)合的效率;與人工智能結(jié)合,更有助于表面肌電信號(hào)的識(shí)別,提高了診斷效率、減輕了醫(yī)務(wù)人員的繁瑣工作,但目前尚未完全實(shí)現(xiàn)智能化,且樣本量小、數(shù)據(jù)量少、神經(jīng)網(wǎng)絡(luò)模型不完善等限制了該方法的廣泛應(yīng)用。人工智能結(jié)合表面肌電技術(shù)仍有待提高,是一個(gè)不斷探索優(yōu)化的過(guò)程。