论文部分内容阅读
在生物力学研究中,肌力估计对临床医学、康复训练、生物材料学以及体育训练等方面都有着十分重要的意义。表面肌电信号(surface Electromyography,sEMG)是肌肉在活动时所产生的电生理信号,可以间接反映出肌肉的激活状况,因具有无创、安全、采集方便等特点被广泛应用于肌力估计的研究中。相比常规电极,高密度表面肌电电极阵列除了能获取肌肉活动的时域信息外,还可获取肌电信号的空间信息,从而可提高肌电信号定量分析的准确度。此外,人体骨骼肌由中间的肌肉部分和两端的肌腱部分组成,部分骨骼肌拥有多个肌肉肌腱单元(Muscle-Tendon Units,MTUs)。相关研究表明,单块骨骼肌在进行运动时,处于同一块骨骼肌内的不同肌肉肌腱单元可能会呈现不同的收缩状态,以适应不同的动作需求,会导致肌肉活动具有不均匀性。因此使用高密度阵列表面肌电技术解析运动过程中骨骼肌内各肌肉肌腱单元的激活特性,有利于提高肌力估计精度。本文以具有多个肌肉肌腱单元的单块骨骼肌为研究对象,探索基于高密度阵列表面肌电信号的骨骼肌肌肉肌腱单元定位、激活水平分析以及肌力估计问题,主要研究内容和创新点可归纳如下:(1)基于非负矩阵分解算法的(Non-negative Matrix Factorization,NMF)的肌肉激活区域解析研究。不同于常规的利用信号均方根值(Root Mean Square,RMS)或绝对均值(Mean Absolute Value,MAV)进行肌肉活动区域分割的方法,本文采用NMF算法分离出骨骼肌收缩过程中的激活模式,通过激活模式的权重系数分布进行肌肉肌腱单元定位,并利用时变参数曲线进行肌肉肌腱单元激活水平分析。为了验证方案的有效性,以肱二头肌和腓肠肌为研究对象,设计了两个腓肠肌相关任务和一个肱二头肌相关任务,并对8名受试者开展了数据采集实验。其中,腓肠肌相关任务1要求受试者在保持提踵运动时转动脚踝,使脚尖朝向由旋外转向旋内,在此过程中由腓肠肌内侧头处于主要激活状态逐渐变为外侧头处于主要激活状态;腓肠肌相关任务2要求受试者执行与任务1相反的动作,因此内外侧头的激活状态变化情况与任务1也是相反的;肱二头肌相关任务3要求受试者在保持屈肘运动时转动手腕,使手掌朝向由旋外转为旋内再变回旋外,在此过程中肱二头肌由内侧头处于主要激活状态逐渐变为外侧头处于主要激活状态后又变回内侧头处于主要激活状态。这三个任务均可以看成是两种激活模式的组合,第一种为外侧头的激活强度强于内侧头,第二种为内侧头的激活强度强于外侧头。研究结果显示,NMF算法可以将这两种激活模式以及激活模式随时间变化的调制系数从高密度阵列式信号中分离出来,从而有效地实现了肌肉肌腱单元定位和激活水平分析。本方案的优点在于..第一,与传统的基于RMS或MAV进行肌肉活动区域划分的方法相比,本方案对于肌肉肌腱分离程度低的肱二头肌同样可以进行有效的分割和定位;第二,NMF算法分解结果较为稳定,受噪声影响较小,而RMS方法依赖于窗长的选择和信号的质量。(2)基于肌肉激活区域的肌电-肌力估计研究。在激活模式分解的工作基础上,提出了激活强度的概念,定义激活强度最大的激活模式为主模式,并根据主模式权重系数排在前32位的通道作为肌力估计的通道,改善肌力估计精度。为了验证方案的有效性,以肱二头肌为研究目标,设计了两类等长收缩方案,第一种是力线性上升至目标水平(20%、40%以及60%最大收缩力(maximum voluntary contractions,MVC));第二种是手腕姿势在旋内和旋外间转变以及目标力水平在0至60%MVC间随意变化。肌力估计模型选用的是二次项拟合以及希尔(Hill)模型,肌力估计精度评价准则选取的是均方根误差(Root Mean Square Difference,RMSD),相关系数以及Bland-Altman图。研究结果显示,在线性上升力收缩任务中,12名被募集的受试者根据NMF分解结果可被分为两组,其中组1的8名受试者分解得到的主模式激活强度显著高于次模式。肌力估计结果显示,使用主模式优选出的32通道用于肌力估计效果显著好于使用所有通道的信号进行肌力估计。虽然与组1相比,组2受试者的主次模式间激活强度差异不显著,通道优选方案下的肌力估计效果与使用所有通道进行肌力估计效果相似,但是用于肌力估计的通道数显著减少了。针对随意力收缩任务,一共募集了8名受试者,并对算法框架进行了改进,将整段信号均分为8段,对每段信号进行NMF分解,获取每一段信号的主激活模式,结果显示各段信号提取出的优选通道的区域并不是固定不变的,而是在肱二头肌内外侧头区域之间变化。肌力估计结果表明,对于随意力收缩任务,相对于使用整段信号进行NMF后获得固定的通道进行肌力估计,分段提取出来的优选通道使得肌力估计的精度得到进一步的提高。本文提出的基于NMF算法的解析方案可用于分析骨骼肌在运动收缩时不同肌肉肌腱单元的激活区域和激活水平,并在此基础上优选出与肌肉发力最为相关的区域,提高了肌力估计的精度。此研究可进一步应用于诸多研究领域中,例如肌肉活动异构性研究、基于肌肉肌腱单元的肌疲劳探索、假肢控制、用于康复训练的外骨骼器械装置研发、以及为运动员、健身爱好者或者中风病人制定更为合理、高效的训练计划等。