CN103260506A - 用于测量肌肉信号的方法和设备 - Google Patents

用于测量肌肉信号的方法和设备 Download PDF

Info

Publication number
CN103260506A
CN103260506A CN2011800594860A CN201180059486A CN103260506A CN 103260506 A CN103260506 A CN 103260506A CN 2011800594860 A CN2011800594860 A CN 2011800594860A CN 201180059486 A CN201180059486 A CN 201180059486A CN 103260506 A CN103260506 A CN 103260506A
Authority
CN
China
Prior art keywords
muscle
frequency
signal
electrodes
passive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011800594860A
Other languages
English (en)
Other versions
CN103260506B (zh
Inventor
米卡·埃拉拉
帕西·塔维
雅尼·芒蒂雅维
米科·瓦阿苏伊兰基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FIBRUX OY
Original Assignee
米卡·埃拉拉
帕西·塔维
雅尼·芒蒂雅维
米科·瓦阿苏伊兰基
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 米卡·埃拉拉, 帕西·塔维, 雅尼·芒蒂雅维, 米科·瓦阿苏伊兰基 filed Critical 米卡·埃拉拉
Publication of CN103260506A publication Critical patent/CN103260506A/zh
Application granted granted Critical
Publication of CN103260506B publication Critical patent/CN103260506B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/389Electromyography [EMG]
    • A61B5/397Analysis of electromyograms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25Bioelectric electrodes therefor
    • A61B5/279Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/296Bioelectric electrodes therefor specially adapted for particular uses for electromyography [EMG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/389Electromyography [EMG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/12Manufacturing methods specially adapted for producing sensors for in-vivo measurements
    • A61B2562/125Manufacturing methods specially adapted for producing sensors for in-vivo measurements characterised by the manufacture of electrodes
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及在正常非疲劳状态、疲劳状态和被动不自主紧张状态之间确定肌肉的状态。来自肌肉的信号在休息时通过利用电极布置而被记录,其中接地体可防止电极拾取超出接地体范围的信号。信号的频率内容通过频谱分析,例如通过计算频谱的矩,而被确定。正常频率内容指示非疲劳肌肉状态,而低频率内容和高频率内容指示疲劳肌肉状态和被动不自主紧张肌肉状态。

Description

用于测量肌肉信号的方法和设备
技术领域
本发明涉及用于测量肌肉信号的方法、设备、系统和计算机程序产品。更具体而言,本发明涉及对肌肉的状态和属性的检测,以及用于其的设备、系统和计算机程序产品。
背景技术
人类骨骼肌由大量运动单元组成,这些运动单元是同步行动并且被相同的神经信号激励的多个肌肉细胞束。对肌肉的电激励使得肌肉收缩并执行工作。肌肉中的电激励可被测量为组织中或者皮肤上的两个电极之间的电压。可根据电极所拾取的该信号的特性来分析肌肉的工作。电压信号的属性取决于肌肉的总活动,并且取决于给定肌肉中不同类型的激活的运动单元的相对活动。
肌肉的力量和耐力可通过有计划的锻炼来形成。为了提高体育表现,肌肉需要被锻炼,以使得其变得疲劳,但是使得肌肉仍然相当快速地从锻炼中恢复。另外,存在许多倾向于鼓励人员长时间保持在相同位置的现代职业。这也使得肌肉变得疲劳。
利用用于分析肌肉工作的最先进方法和设备,已经证明难以确定何时肌肉疲劳到其仍然相当快速地恢复的程度,以及何时肌肉疲劳到花费显著更长时间才恢复的程度。
因而,存在针对如下解决方案的需求,其使得能够对肌肉信号的更精确和可靠的分析,以确定肌肉疲劳从而例如指导体育锻炼。
发明内容
现在已经发明了改进方法和实现该方法的技术设备,以上问题由此得到缓解。本发明的各种方面包括方法、装置、系统以及包括存储在其中的计算机程序的计算机可读介质,其特征在于独立权利要求中所声明的内容。本发明的各种实施例在从属权利要求中被公开。
本发明涉及在正常(非疲劳,新鲜)状态、疲劳(疲乏)状态和被动不自主紧张(PIT)状态之间确定肌肉的状态。本发明还涉及确定肌肉的属性,例如其与给定肌肉中的不同类型运动单元的相对比例有关的属性。实施例还可适用于对诸如多发性硬化(MS)、肌痛或者帕金森病的某些状态下的肌肉属性的检测。来自肌肉的信号在休息时(和/或在肌肉活动期间)通过利用电极布置而被记录,其中接地体(earth body)可防止电极拾取超出该接地体范围的信号。信号的频率内容通过频谱分析,例如通过计算频谱的矩,而被确定。在休息的肌肉中,正常频率内容指示正常的非疲劳肌肉状态,而低频率内容和高频率内容指示疲劳状态和被动不自主紧张状态。换言之,如果来自肌肉的信号包含异常大量的高频率,则被动不自主紧张肌肉状态被确定。疲劳的肌肉通过休息和从锻炼中恢复可以返回到正常状态,并且被动不自主紧张状态通过伸展或者按摩可被返回正常状态。在激活的肌肉中,频谱的频率内容取决于不同类型的激活的运动单元的相对数量。肌肉产生的力量越高,激活频率越高。
根据本发明的第一方面,提供了一种用于分析肌肉信号的方法,该方法包括接收信号,该信号是利用电极从休息状态下的肌肉测量得到的,确定指示所述信号的频率内容的测量结果,确定所述指示信号在高频率的强度的测量结果,其中所述高频率实质上对应于肌肉(例如,在休息时)在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉(例如,在休息时)在非疲劳状态下所产生的频率,以及基于所述指示所述信号在高频率的强度的测量结果而确定肌肉处于被动不自主紧张状态。根据一个实施例,信号可以被从自主或非自主激活的肌肉中获取,并且信号的频率属性可以被用于估计肌肉的属性和成分。
根据一种实施例,该方法包括利用放置在所述肌肉顶部皮肤上的多个(例如,至少两个)电极(例如,在休息时)从肌肉中获取信号,确定所述信号的频谱的矩值,其中所述矩指示通过将频率段的频率值乘以同一段的幅度值以形成段乘积并对不同频率的段乘积求和而确定或者可通过这样确定的测量结果,并且其中所述矩值对应于所述信号的频率内容,确定所述矩是否具有对应于所述信号的正常频率内容、低频率内容和高频率内容的正常值、低值或高值,如果所述矩具有正常值,则确定肌肉处于非疲劳状态,如果所述矩具有低值,则确定肌肉处于疲劳状态,如果所述矩具有高值,则确定肌肉处于被动不自主紧张状态,以及利用所述肌肉的所述确定的状态来指导锻炼。
根据本发明的第二方面,提供了一种用在肌肉状态分析仪中的电极布置,包括被布置为当所述电极布置被操作时与皮肤接触的至少两个导电材料电极,围绕所述至少两个电极中的至少一个电极的电绝缘体,以及导电材料无源接地体,该无源接地体被布置为当所述电极布置被操作时,所述接地体围绕所述至少两个电极以限制所述至少两个电极以免拾取来自所述接地体的范围以外的信号。
根据一种实施例,该电极布置包括至少两对电极,所述至少两对电极的对中的电极之间具有不同的距离,以针对所述至少两对电极创建不同的深度灵敏度。根据一种实施例,至少两对电极被以基本沿着一条直线的线性布置来布置,或者以诸如电极对中的电极之间形成直角交叉的直线之类的交叉设定来布置。
根据本发明的第三方面,提供了一种用于确定肌肉状态的装置,包括处理器、包括计算机程序代码的存储器,存储器和计算机程序代码被配置为利用处理器使得装置:接收信号,该信号是利用电极从休息状态下的肌肉测量得到的,确定指示所述信号的频率内容的测量结果,确定指示所述信号在高频率的强度的测量结果,其中所述高频率实质上对应于肌肉(例如,在休息时)在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉(例如,在休息时)在非疲劳状态下所产生的频率,以及基于所述指示所述信号在高频率的强度的测量结果,确定肌肉处于被动不自主紧张状态。
根据一种实施例,该装置包括用于处理从肌肉测量得到的所述信号的单元,根据本发明的第二方面和实施例的电极布置,以及用于基于所述指示所述信号在高频率的强度的测量结果来指示肌肉处于被动不自主紧张状态的指示器。根据一种实施例,该装置包括被配置为利用处理器使装置执行以下操作的计算机程序代码:利用放置在所述肌肉顶部皮肤上的至少两个电极(例如,在休息时)从肌肉中获取信号,确定所述信号的频谱的矩值,其中所述矩指示通过将频率段的频率值乘以同一段的幅度值以形成段乘积并对不同频率的段乘积求和而确定的或者可以通过这样确定的测量结果,其中所述矩值对应于信号的频率内容,确定所述矩是否具有对应于信号的正常频率内容、低频率内容和高频率内容的正常值、低值或高值,如果所述矩具有正常值,则确定肌肉处于非疲劳状态,如果所述矩具有低值,则确定肌肉处于疲劳状态,并且如果所述矩具有高值,则确定肌肉处于被动不自主紧张状态。
根据本发明的第四方面,提供了一种用于确定肌肉状态的系统,包括电极布置、处理器、包括计算程序代码的存储器,存储器和计算机程序代码被配置为利用处理器使系统:利用所述电极布置中的至少两个电极(例如,在休息时)从肌肉中获取信号,确定指示所述信号的频率内容的测量结果,确定指示所述信号在高频率的强度的测量结果,其中所述高频率实质上对应于肌肉(例如,在休息时)在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉(例如,在休息时)在非疲劳状态下所产生的频率,以及基于所述信号在高频率的所述强度而确定肌肉处于被动不自主紧张状态。该系统可包括一个或多个壳体中具体化并且/或者可操作地相互连接的电极单元、获取单元、分析单元和指示器单元。
根据本发明的第五方面,提供了一种体现在非瞬态计算机可读介质上的计算机程序产品,该计算机程序产品包括当在系统中的至少一个处理器上执行时使该系统执行以下操作的计算机指令:接收信号,该信号是利用电极从休息状态下的肌肉测量得到的,确定所述信号的频率内容,确定所述信号在高频率的强度,其中所述高频率实质上对应于肌肉(例如,在休息时)在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉(例如,在休息时)在非疲劳状态下所产生的频率,以及基于所述信号在高频率的所述强度来确定肌肉处于被动不自主紧张状态。
附图说明
在下文中,将参考附图来更详细地描述本发明的各种实施例,其中
图1示出了用于分析肌肉信号以确定肌肉状态的方法的流程图;
图2示出了用于确定肌肉信号的频谱内容的方法的流程图;
图3a、图3b、图3c、图3d、图3e和图3f示出了用于测量肌肉信号的不同电极布置:电极对、圆形电极和交叉电极、两种不同类型的线性电极、电极阵列,以及具有围绕接地元件的电极布置;
图4a和图4b示出了手持肌肉信号分析仪和用于该手持肌肉信号分析仪的电极头;
图5a示出了用于确定肌肉状态的装置的框图;
图5b示出了用于确定肌肉状态的系统的框图;
图6a示出了来自非疲劳正常状态下的肌肉的信号的频谱;
图6b示出了来自被动不自主紧张肌肉的信号的频谱。
具体实施方式
在下文中,将在用于分析肌肉信号以确定肌肉的疲劳的系统的上下文中描述本发明的若干实施例。然而将注意到,本发明不仅限于该类肌肉分析。事实上,不同的实施例可以具有在要求对生物电信号进行记录和分析的任何环境下的广泛应用。
本发明可应用于计划并且实施对人类和动物的肌肉锻炼,并且其还可应用于为了任何实际目的而检测和控制肌肉的疲劳。为此,呈现了各种设备、系统和布置,并且在所附权利要求中对其要求保护。这些设备、系统和布置可应用于用于检测肌肉的疲劳的私人用途(例如以便帮助练习体育活动或者以便为了任何目的而预测和/或预防肌肉的过度疲劳)。这些设备、系统和布置还可被用作例如为了在造成肌肉静态紧张的职业活动中的职业健康的目的而使肌肉维持在良好状态时以及为了像按摩之类物理治疗的目的而检测被挤住(jammed)的肌肉时的元件,或者甚至用作辅助诊断和/或治疗与肌肉有关的疾病的其他工具和设备当中的工具和设备。用于确定肌肉疲劳状态的方法也被呈现并且要求保护。然而将会注意到,肌肉疲劳或者紧张不是疾病。因此,诊断方法或者治疗方法不是本申请的目的。不同的实施例还可被用于确定肌肉的属性,例如与给定肌肉中的不同类型运动单元的相对比例有关的属性,因为不同运动单元产生不同频率。实施例还可适用于检测在诸如多发性硬化(MS)、肌痛或者帕金森病之类的某些状态下的肌肉属性,因为肌肉在这些状态下所产生的频率可能不同。
如之前所说明的,肌肉由运动单元组成。这些运动单元可被单独受神经支配,以使得收缩命令可被单独递送到这些运动单元。这些运动单元中的一些,例如更小和更慢的运动单元,相比其他运动单元可被更容易激活。每种类型的运动单元具有由运动单元的电活动产生的特征频率范围。慢、抗疲乏的肌肉的活动相比快、容易疲乏的肌肉的活动处于更低频率。取决于肌肉的工作类型和情况,不同的运动单元可被激活。对肌肉细胞的电激活使其收缩,并且其执行工作。另外,同样在肌肉的休息状态下,一些运动单元被零星地激活,并且这种激活模式造成肌肉的所谓休息强直性(resting tonus)。换言之,即使休息的肌肉也不是完全被动的,而是具有少量不间断活动发生。肌肉的收缩和稳定长度部分地由所谓的肌梭控制和维持,肌梭是感测肌肉中的伸长和压力的单元,并且因而能够充当肌肉神经系统中的反馈单元。肌梭还可引起肌肉细胞的收缩。在肌肉的机械激活底层是发生在肌肉细胞中的电激励。
肌肉的电激励的传播产生可以通过电极以及适合用于测量这种信号的电压测量设备从体表测量得到的变化的电势。这种信号可被称为肌电图(EMG)。从两个电极之间的体表拾取的来自休息肌肉的EMG信号按照其幅度可以是几微伏或者几十微伏的数量级,例如5-20μV。休息EMG信号还包含1μV或者少于1μV的数量级的更小波动。来自工作和移动的肌肉的EMG信号可以大得多。
运动单元按照长度和厚度具有不同尺寸。肌肉细胞束中的电激励取决于该束的厚度(直径)可以具有由激活所产生的不同传播速度和频率范围——例如,该束越厚,则传输速度越快。另外,肌肉束的激励的上升速率(即跨该束中的细胞膜的电压的变化速率)可以根据该束的直径和/或激励的上升速率而变化。电极所拾取的电压信号因而可以取决于哪些肌肉细胞束被激励而不同。如果具有大直径的快肌肉细胞束与更慢和更小的肌肉细胞束一起被激励(例如在非疲劳的正常肌肉中),则电极所拾取的信号的频率内容包含正常的宽频率分布。根据现有知识,已知当肌肉被锻炼并且变得疲劳时,休息时的信号主要由更低频率组成。这可能是因为具有更高频率活动的快肌肉细胞束疲劳得更快。
在本发明中,已经意识到,不仅适度疲劳而且被动不自主紧张的肌肉状态通过确定肌肉在休息时产生的信号的高频率内容可被检测到。这与对肌肉信号分析的通常理解相反。在本发明中,一种方法和设备已被创建,其中肌肉信号借助电极被获取,并且该信号的频率内容朝向更高频率的偏离被用作肌肉的被动不自主紧张状态的指示。疲劳程度也可以通过比较低频率处的频率内容、正常频率处的频率内容以及高频率处的频率内容而被检测到。另外,由于这些运动单元产生的不同频率,频谱分析也可被用来估计肌肉的内生属性和运动单元组成。这可以包括来自活动的肌肉和休息的肌肉两者的测量结果。可使用本发明的不同设备至少包括但不限于手持或者可移动的肌肉分析仪、便携式锻炼计算机、附着于身体或者可植入到身体内的无线传感器、体现为服装的针对飞行员的生理监视系统、智能衣服、椅子或者另一件家具,以及例如将在提供按摩时使用的治疗床。
图1示出了用于分析肌肉信号以确定肌肉状态的方法的流程图。在步骤110中,从肌肉测量到的信号被接收到。该信号可能是例如借助电极或者感测电磁场的传感器或者以该信号指示肌肉中的电活动的方式而测量得到的。该信号随后可以例如通过模数变换而被变换为数字格式,或者该信号可被以数字格式直接获取。该信号然后例如被存储在存储器中,沿着电连接、光学连接或者无线连接传输,或者以其他方式使得可被访问以供分析。
在阶段120,肌肉信号的频率内容被确定。例如可以通过执行诸如傅立叶变换、快速傅立叶变换、离散余弦变换、小波变换或者任何其他合适变换之类的变换来确定频率内容。该变换可被用来将信号从时域变换到频域。可替代地,该变换可被省略,并且完整或者部分变换的系数和结果可被用作用于确定信号的高频内容的方法的输入。例如可以通过确定诸如8-30Hz(低频带)、20-60Hz(正常频带)和50-150Hz(高频带)之类的不同频带处的能量和/或幅度来进一步处理信号的频率信息。对于某些应用,低频带可以从低至0.5Hz或者更低开始,并且在高至40-50Hz或者更高处结束。中间频带可以从30-40Hz开始,并且在50-80Hz处结束。高频带可以从40-70Hz开始,并且在100Hz、200Hz、300Hz或者更高处结束。频带可以重叠,或者频带之间可存在间隔。作为替代或者作为附加,如在图2的上下文中说明的,频率内容特征可在于计算与信号的不同矩相关联的数字。高的矩数字可以指示更高频率处的频率内容。也可以例如通过过零分析或者通过测量来自信号的峰到峰时间(时间越小,频率越高)在时域中分析信号。对于这些分析方法中的任何分析方法,信号在分析之前可被预先处理,例如被滤波,并且/或者信号可被缩放和/或归一化,或者分析结果可被缩放和/或归一化。信号可被处理以使得较高频率和较低频率改变位置,或者以其他方式被改变。针对与正常状态、疲劳状态和被动不自主紧张状态有关的原始信号的特性的检测可以从这种经处理信号中进行。
在阶段130,检测到的频率内容被用来确定肌肉的状态。如果检测到中间区域处的频率,或者频率分布类似于来自休息时的非疲劳正常肌肉的信号的频率分布,则肌肉可被确定为处于非疲劳状态。如果检测到低频率,则肌肉可被确定为处于适度疲劳状态。如果检测到与非疲劳肌肉相比的高频率,则肌肉可被确定为处于被动不自主紧张状态。确定的结果然后可被指示给用户。也可以向用户指示疲劳水平。作为替代或者作为附加,阈值可被设置,超过该阈值则肌肉的被动不自主紧张状态被指示。
图2示出了一种用于确定肌肉信号的频谱内容的方法的流程图。在步骤210中,例如可以利用诸如在图3a至图3f中示出的电极设置来获取来自肌肉的信号。如之前所说明的,该信号被变换为数字格式以供分析。也如早先说明,然后例如可以通过傅立叶变换来分析该信号。这可以产生诸如图6a中示出的频谱,其中根据频率(f)的幅度(a)的值被示出。
在步骤220中,频率值f可被乘以幅度值a或者以其他方式组合。这可以发生使得频率和幅度值被形成向量,以使得向量f包括元素(f1、f2…,fn),其中n是频率段(frequency bin)的数目,并且向量a包括元素(a1、a2…,an)。向量中的对应元素随后被相乘,并且在步骤230中被加在一起,以根据公式ss=f·a获得作为向量f和a的内积的矩值或者频谱和ss。在上面所呈现的情况下,频谱和是信号频谱的一阶矩(first moment),并且其描述沿着频率轴的重心位置。换言之,如果信号包括低频,则频谱和或者一阶矩具有小值,并且如果信号包含高频,则其具有大值。
在步骤240中,矩值或者频谱和例如根据阈值被评估或者通过某种其他判定方法被评估。如果信号被确定为与来自正常非疲劳肌肉的信号相比具有低频率(频谱和小),则轻微疲劳的肌肉状态在步骤250中被指示。如果信号被确定为具有中等频率(频谱和具有中等值),则非疲劳肌肉状态在步骤260中被指示。如果信号被确定为比来自正常非疲劳肌肉的信号包含更多的高频率(频谱和的高值),则肌肉的被动不自主紧张状态在步骤270中被指示。
图3a、图3b、图3c、图3d、图3e和图3f示出了用于测量肌肉信号的不同电极布置。在图3a中,电极对被示出。电极对可以是固定对以使得当电极对被应用于皮肤时电极310和311之间的距离保持不变,或者其可以由两个单独的电极组成。电极可被诸如塑料、玻璃、瓷或者空气之类的电绝缘体315和316围绕。在空气的情况下,电极可以实质上没有任何固态绝缘体。电极可以是诸如金属、半导体、碳、导电塑料或者诸如银/氯化银混合物之类的复合材料之类的导电材料件。电极可以是圆形、矩形、对称或者不对称的,或者形状为圆或者细长。绝缘体315和316可以为两个电极所共用,即在物理上是同一物体或者相互连接的两个物体,或者它们可以是分离的。在电极对的情况下关于电极的材料和设置的已述内容加以必要的变通可适用于图3b至3e中图示出的其他设置。诸如图3a中的电极对的引导场(lead field)的形状为使得该电极对实质上拾取来自与电极310和311之间的距离相同的深度处的肌肉的信号。因而可以通过改变电极之间的距离来将电极对的灵敏度调整为适合不同深度。
图3b示出了两种平面电极设置。电极320和321是同心的,并且实质上拾取所谓的拉普拉斯信号,即电极对所拾取信号的导数信号。拉普拉斯电极可对位于电极下面的信号源敏感。再一次,电极可以是分离的和/或被绝缘体325和326围绕。在另一设置中,存在例如组成交叉形设定的两个电极对的四个电极330、331、332和333。电极330和331与电极332和333相比可以间隔不同距离。再一次,电极可被绝缘体335围绕。
图3c示出了两种线性电极设置。在绝缘体345位于每两个电极之间的情况下,电极340被按照行布置。在电极的线性带中可存在任何数目的电极,例如3、5、7或10,或者乃至像50或100之类的极高数目。线性电极布置可被绝缘体348围绕,其中绝缘体348可以是与绝缘体345相同的材料并且与绝缘体345相连,或者其可以是不同的材料。电极350、351、352和353也被沿着线布置,并且其可被公共绝缘体355围绕。
图3d示出了电极阵列。电极360可被按照规则或者不规则的形状布置,例如可被布置在N乘M的电极网格中,或者电极被随机分布,或者按照六角设定分布。电极可被公共绝缘体361围绕。
图3e示出了被接地体(ground body)或者接地元件围绕的线性电极布置。电极370、371、372和373可被线性地布置,并且它们可以是细长形的,以使得电极的伸长垂直于沿着布置电极的直线。电极可被绝缘体374围绕。在图3e的设置中,存在至少部分围绕或者完全围绕该设置的接地体或者说接地元件375。术语围绕可被宽松地理解,使得接地体仅仅延伸离开该组电极,并且例如被放置在电极的至少两个对边上。接地体可以不是信号获取中的有源构件,并且接地体可以仅仅是没有任何有源元件或者未与获取电子装置以任何方式相连的大导电物体。接地体还可以在深度尺寸上延伸以使得其从围绕电极的一边形成盒状开口(该盒可具有用于电极导线的通道)。接地体可以工作以限制电极布置的引导场,以使得其更加精确地拾取位于该布置下面的信号并且对于来自侧面的信号不敏感。此外,接地元件可以保护电极免于拾取环境电磁噪声。接地元件还可以围绕诸如电极阵列之类的任何其他电极设置,如图3f中示出,其中电极380被绝缘体381和接地元件382围绕。
图4示出了手持肌肉信号分析仪400。该装置具有可以按需附着和脱离该装置的电极头410。该布置使得电极布置能够被按需改变,例如根据将被分析的肌肉的类型。具有更深灵敏度的电极布置可被与更深和/或更大的肌肉一起使用,并且可以存在适用于平坦和不平坦或弯曲皮肤表面的电极头。不同的电极头可以具有不同的材料。另外,电极头可以是私人的或者其可以是一次性的以改善卫生。该装置还可以包括用于控制操作的按钮,例如获取按钮420和用户界面控制按钮430。为了向用户显示肌肉状态分析的结果的目的,可以存在显示器或者led指示器440,或者用于发出声音的扬声器。
图4b示出了手持肌肉信号分析仪的电极头。电极头450是线性类型的,其中电极455被按照线性方式布置。电极455可以是细长形的,并且为了改善接触,它们可以略微高于围绕它们的绝缘材料。电极头450的外壳458充当接地体,并且其也与皮肤接触。电极头460是不同类型的线性电极,其中电极465被绝缘元件分离。电极头470是圆型的,其中电极475是同心的。电极头具有接地体478。所有电极头都具有用于将该头物理地和/或电地连接到分析仪的连接器。电极头可以是无源的,或者它们可以是有源的,以使得它们包含用于放大和/或数字化由电极拾取的信号的获取电子装置。
图5a示出了用于确定肌肉状态的装置500的框图。该装置可以在适用于由用于执行肌肉信号的获取的手来握持该装置的外壳510中具体化。该装置可具有用于保持诸如所获取信号之类的数据530以及诸如频率内容分析程序和/或获取控制程序和/或用户界面程序之类的程序535的存储器520。该装置可具有用于放大和/或数字化由电极单元570拾取的信号的获取单元540。获取单元的功能也可被部分地或者完全地在电极单元中实现。还可以存在用于向用户显示或指示分析结果的显示器或指示器单元。该装置可以运行,以使得获取和指示以一次方式完成,或者以使得获取、分析和指示连续发生,从而允许该装置沿着皮肤移动以检测肌肉中处于被动不自主紧张状态的区域。该装置可以通过声音信号或者光信号来指示被动不自主紧张状态。
图5b示出了用于确定肌肉状态的系统的框图。该系统可具有电极单元580、获取单元582、包括处理器590和存储器592的分析单元584,以及显示器/指示器单元586。各种单元可具有各种程度的功能,例如,它们除了其基本功能之外,可包含电路、处理器、存储器和通信装置。不同的单元可被实现为单独的设备,或者它们中的一些或者全部可被组合在同一设备中。此外,不同的单元和设备可经由用于传送信号、命令和数据的有线连接、光学连接或者无线连接而相互连接。
图6a示出了来自非疲劳正常状态下的肌肉的信号的示例频谱。该频谱示出了该信号中的低频率600的相对高(频)内容,以及中等频率610的清楚内容。高频率620在从休息时的正常非疲劳肌肉获取的信号中显然更低。该频谱还示出了由获取单元拾取的50Hz环境电噪声630。
图6b示出了来自被动不自主紧张肌肉的信号的示例频谱。与图6a的频谱相比,来自被动不自主紧张肌肉的信号的低频内容650与对于非疲劳肌肉相比更低。这与对肌肉信号行为的传统理解相反。与非疲劳肌肉相比,来自被动不自主紧张肌肉的信号的中频内容660示出了一些增加。与非疲劳肌肉相比,存在来自被动不自主紧张肌肉的信号的高频内容670的明显增加。相应地,被动不自主紧张肌肉的归一化频谱和指示器与非疲劳肌肉相比更高。再次呈现了环境50Hz噪声680。
本发明的各种实施例可以借助驻留在存储器中并且使相关装置实施本发明的计算机程序代码来实现。例如,手持分析设备可包括用于获取、接收和分析数据的电路和电子装置,存储器中的计算机程序代码,以及当运行该计算机程序代码时使该设备实施实施例的特征的处理器。另外,单独的分析设备可包括用于处理、接收和传输数据的电路和电子装置,存储器中的计算机程序代码,以及当运行该计算机程序代码时使该设备实施实施例的特征的处理器。
本发明显然不仅限于以上所呈现的实施例,而是可以在所附权利要求的范围内被修改。

Claims (10)

1.一种用于分析肌肉信号的方法,所述方法包括:
接收信号,所述信号是从休息状态下的肌肉测量得到的,
确定指示所述信号的频率内容的测量结果,
所述方法特征在于,所述方法还包括:
确定指示所述信号在高频率的强度的测量结果,其中所述高频率实质上对应于肌肉在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉在非疲劳状态下所产生的频率,以及
基于所述指示所述信号在高频率的强度的测量结果,确定肌肉处于被动不自主紧张状态。
2.如权利要求1所述的方法,所述方法用于利用肌肉信号分析来指导锻炼,所述方法还包括:
从休息的肌肉中从所述肌肉的顶部获取信号,
确定所述信号的频谱的矩值,其中所述矩指示通过将频率段的频率值乘以同一段的幅度值以形成段乘积并且针对不同频率的段乘积求和而确定的测量结果,并且其中所述矩值对应于所述信号的频率内容,
确定所述矩是否具有对应于所述信号的正常频率内容、低频率内容和高频率内容的正常值、低值或高值,
如果所述矩具有正常值,则确定肌肉处于非疲劳状态,
如果所述矩具有低值,则确定肌肉处于疲劳状态,
如果所述矩具有高值,则确定肌肉处于被动不自主紧张状态,以及
利用所述肌肉的所述确定的状态来指导锻炼。
3.一种用在肌肉状态分析仪中的电极布置,所述电极布置包括:
至少两个导电材料电极,所述至少两个电极被布置为当所述电极布置被操作时与皮肤接触,以及
电绝缘体,所述电绝缘体围绕所述至少两个电极中的至少一个电极,
所述电极布置特征在于,所述电极布置还包括:
导电材料无源接地体,所述无源接地体被布置为,当所述电极布置被操作时与皮肤接触,所述接地体围绕所述至少两个电极,以限制所述至少两个电极以免拾取来自所述接地体的范围以外的信号。
4.如权利要求3所述的电极布置,包括至少两对电极,所述至少两对电极在所述对的所述电极之间具有不同的距离,以针对所述至少两对电极创建不同的深度灵敏度。
5.如权利要求4所述的电极布置,其中,所述至少两对电极被以基本沿着一条直线的线性布置来布置,或者以诸如所述电极对中的电极之间的形成直角交叉的直线之类的交叉设定来布置。
6.一种用于确定肌肉状态的装置,包括处理器、包括计算机程序代码的存储器,所述存储器和所述计算机程序代码被配置为利用所述处理器使得所述装置:
接收信号,所述信号是从休息状态下的肌肉测量得到的,
确定指示所述信号的频率内容的测量结果,
所述装置特征在于,所述装置还包括使所述装置执行以下操作的计算机程序代码:
确定指示所述信号在高频率的强度的测量结果,其中所述高频率实质上对应于肌肉在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉在非疲劳状态下所产生的频率,以及
基于所述指示所述信号在高频率的强度的测量结果,确定肌肉处于被动不自主紧张状态。
7.如权利要求6所述的装置,还包括:
用于处理从肌肉测量得到的所述信号的单元,
根据权利要求3至5中任一项所述的电极布置,以及
用于基于所述指示所述信号在高频率的强度的测量结果来指示肌肉处于被动不自主紧张状态的指示器。
8.如权利要求6或7所述的装置,还包括被配置为利用所述处理器使所述装置执行以下操作的计算机程序代码:
从肌肉中从所述肌肉的顶部获取信号,
确定所述信号的频谱的矩值,其中所述矩指示通过将频率段的频率值乘以同一段的幅度值以形成段乘积并且针对不同频率的段乘积求和而确定的测量结果,并且其中所述矩值对应于所述信号的频率内容,
确定所述矩是否具有对应于所述信号的正常频率内容、低频率内容和高频率内容的正常值、低值或高值,
如果所述矩具有正常值,则确定肌肉处于非疲劳状态,
如果所述矩具有低值,则确定肌肉处于疲劳状态,以及
如果所述矩具有高值,则确定肌肉处于被动不自主紧张状态。
9.一种用于确定肌肉状态的系统,包括电极布置、处理器、包括计算程序代码的存储器,所述存储器和所述计算机程序代码被配置为利用所述处理器使所述系统:
从肌肉获取信号,
确定指示所述信号的频率内容的测量结果,
所述系统特征在于,所述系统还包括使所述系统执行以下操作的计算机程序代码:
确定指示所述信号在高频率的强度的测量结果,其中所述高频率实质上对应于肌肉在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉在非疲劳状态下所产生的频率,以及
基于所述信号在高频率的所述强度,确定肌肉处于被动不自主紧张状态。
10.一种体现在非瞬态计算机可读介质上的计算机程序产品,所述计算机程序产品包括计算机指令,当所述计算机指令被在系统中的至少一个处理器上执行时,使所述系统执行以下操作:
接收信号,所述信号是从休息状态下的肌肉测量得到的,
确定所述信号的频率内容,
所述计算机程序产品特征在于,所述计算机程序产品还包括使所述系统执行以下操作的指令:
确定所述信号在高频率的强度,其中所述高频率实质上对应于肌肉在休息时在被动不自主紧张状态下所产生的频率,并且其中所述高频率在频率上比正常频率更高,其中所述正常频率实质上对应于肌肉在休息时在非疲劳状态下所产生的频率,以及
基于所述信号在高频率的所述强度,确定肌肉处于被动不自主紧张状态。
CN201180059486.0A 2010-10-29 2011-10-28 用于测量肌肉信号的方法和设备 Active CN103260506B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FI20106134A FI125006B (fi) 2010-10-29 2010-10-29 Menetelmä ja laitteisto lihassignaalien mittaamiseksi
FI20106134 2010-10-29
PCT/FI2011/050946 WO2012056114A1 (en) 2010-10-29 2011-10-28 A method and a device for measuring muscle signals

Publications (2)

Publication Number Publication Date
CN103260506A true CN103260506A (zh) 2013-08-21
CN103260506B CN103260506B (zh) 2016-02-03

Family

ID=43064289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180059486.0A Active CN103260506B (zh) 2010-10-29 2011-10-28 用于测量肌肉信号的方法和设备

Country Status (5)

Country Link
US (1) US10357170B2 (zh)
EP (1) EP2632327B1 (zh)
CN (1) CN103260506B (zh)
FI (1) FI125006B (zh)
WO (1) WO2012056114A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104173052A (zh) * 2014-08-04 2014-12-03 北京航空航天大学 一种基于rula的人体舒适度测量装置及其方法
CN105796098A (zh) * 2016-04-22 2016-07-27 深圳还是威健康科技有限公司 测量肌肉动作电位的可穿戴设备及其方法
CN107647847A (zh) * 2016-07-26 2018-02-02 纽沃凯生物科技(深圳)有限公司 睡眠深度监测方法和睡眠深度监测仪
CN107735022A (zh) * 2015-06-22 2018-02-23 菲布鲁克斯有限公司 用于测量肌肉信号的装置
CN109833041A (zh) * 2017-11-24 2019-06-04 北京航空航天大学 运动性疲劳智能检测与分析系统

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2989181B1 (fr) * 2012-04-04 2015-03-27 Eurocopter France Procede et dispositif d'adaptation de l'interface homme-machine d'un aeronef selon le niveau de l'etat fonctionnel du pilote
EP2840964B1 (en) * 2012-04-27 2019-04-17 Fibrux Oy A method and a device for measuring muscle signals
WO2017086073A1 (ja) * 2015-11-19 2017-05-26 株式会社村田製作所 疲労検出装置
US11622708B2 (en) * 2016-03-02 2023-04-11 Meta Platforms Technologies, Llc Low-noise multi-channel voltage recording device
US10743805B2 (en) 2017-06-02 2020-08-18 International Business Machines Corporation Haptic interface for generating preflex stimulation
JP6789903B2 (ja) * 2017-09-13 2020-11-25 株式会社東芝 筋電位測定装置
US10284552B1 (en) * 2018-06-06 2019-05-07 Capital One Services, Llc Systems and methods for using micro accelerations as a biometric identification factor
US10587615B2 (en) 2018-06-06 2020-03-10 Capital One Services, Llc Systems and methods for using micro accelerations as a biometric identification factor
EP3714782A1 (en) * 2019-03-27 2020-09-30 Koninklijke Philips N.V. Assessing muscle fatigue
CN113509151B (zh) * 2021-08-30 2022-03-25 北京理工大学 肌张力等级的评估方法和装置
US20230105223A1 (en) * 2021-09-24 2023-04-06 Apple Inc. Electrodes for gesture recognition
WO2024064168A1 (en) * 2022-09-20 2024-03-28 Apple Inc. Force estimation from wrist electromyography

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991001683A1 (en) * 1989-07-31 1991-02-21 Biolin Ab A method and an apparatus in electromyography
US5349963A (en) * 1993-08-06 1994-09-27 Sanhill Oy Method and apparatus for measuring muscle fatigue
US20050049517A1 (en) * 2003-09-03 2005-03-03 Motorola, Inc. Electromyogram method and apparatus
US20060025666A1 (en) * 2004-06-10 2006-02-02 Kinesense, Inc. "Bulls-eye" surface electromyographic electrode assembly

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5058602A (en) * 1988-09-30 1991-10-22 Brody Stanley R Paraspinal electromyography scanning
US5645073A (en) * 1989-07-31 1997-07-08 Synectics Medical Ab Method and an apparatus for use in electromyography to determine risk of muscular disorder
US5361775A (en) * 1993-04-06 1994-11-08 Mega Elektroniikka Oy Pl. Method for determining muscle endurance and sensitivity to fatigue
US5671752A (en) * 1995-03-31 1997-09-30 Universite De Montreal/The Royal Insitution For The Advancement Of Learning (Mcgill University) Diaphragm electromyography analysis method and system
US5693000A (en) * 1996-06-06 1997-12-02 Pacesetter, Inc. Cardiomyoplasty simulator with feedback control
BR9913610A (pt) * 1998-09-04 2001-10-09 Wolfe Res Pty Ltd Sistema de implante médico
US6589190B2 (en) * 2000-09-06 2003-07-08 The John Hopkins University Quantification of muscle tone
US7493157B2 (en) * 2001-10-24 2009-02-17 Gozani Shai N Devices and methods for the non-invasive detection of spontaneous myoelectrical activity
US6643541B2 (en) * 2001-12-07 2003-11-04 Motorola, Inc Wireless electromyography sensor and system
JP3948617B2 (ja) * 2002-10-22 2007-07-25 株式会社タニタ 筋肉測定装置
US7395292B2 (en) * 2003-10-08 2008-07-01 Johnson Mark W Method for displaying spectral trends in complex signals
SE0302746D0 (sv) * 2003-10-17 2003-10-17 Uppsala Laekarkonsult Ab Multielectrode
US20060183980A1 (en) * 2005-02-14 2006-08-17 Chang-Ming Yang Mental and physical health status monitoring, analyze and automatic follow up methods and its application on clothing
US7733224B2 (en) * 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
US20070249957A1 (en) * 2006-04-19 2007-10-25 Patrick Gentempo Mapping spinal muscle tone
JP2007312921A (ja) * 2006-05-24 2007-12-06 Casio Comput Co Ltd 生体情報測定装置及び生体情報測定システム
US8620422B2 (en) * 2006-09-28 2013-12-31 Cvrx, Inc. Electrode array structures and methods of use for cardiovascular reflex control
FI20075798A0 (fi) 2007-11-12 2007-11-12 Polar Electro Oy Elektrodirakenne
US8560039B2 (en) * 2008-09-19 2013-10-15 Dexcom, Inc. Particle-containing membrane and particulate electrode for analyte sensors
WO2010038178A1 (en) * 2008-10-02 2010-04-08 Koninklijke Philips Electronics N.V. Electrode for implantable medical device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991001683A1 (en) * 1989-07-31 1991-02-21 Biolin Ab A method and an apparatus in electromyography
US5349963A (en) * 1993-08-06 1994-09-27 Sanhill Oy Method and apparatus for measuring muscle fatigue
US20050049517A1 (en) * 2003-09-03 2005-03-03 Motorola, Inc. Electromyogram method and apparatus
US20060025666A1 (en) * 2004-06-10 2006-02-02 Kinesense, Inc. "Bulls-eye" surface electromyographic electrode assembly

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104173052A (zh) * 2014-08-04 2014-12-03 北京航空航天大学 一种基于rula的人体舒适度测量装置及其方法
CN107735022A (zh) * 2015-06-22 2018-02-23 菲布鲁克斯有限公司 用于测量肌肉信号的装置
CN105796098A (zh) * 2016-04-22 2016-07-27 深圳还是威健康科技有限公司 测量肌肉动作电位的可穿戴设备及其方法
CN107647847A (zh) * 2016-07-26 2018-02-02 纽沃凯生物科技(深圳)有限公司 睡眠深度监测方法和睡眠深度监测仪
CN109833041A (zh) * 2017-11-24 2019-06-04 北京航空航天大学 运动性疲劳智能检测与分析系统

Also Published As

Publication number Publication date
FI20106134L (fi) 2012-04-30
EP2632327B1 (en) 2020-03-25
US10357170B2 (en) 2019-07-23
EP2632327A4 (en) 2017-07-26
WO2012056114A1 (en) 2012-05-03
EP2632327A1 (en) 2013-09-04
FI20106134A0 (fi) 2010-10-29
US20130261423A1 (en) 2013-10-03
CN103260506B (zh) 2016-02-03
FI125006B (fi) 2015-04-30

Similar Documents

Publication Publication Date Title
CN103260506B (zh) 用于测量肌肉信号的方法和设备
CN104394762B (zh) 一种用于测量肌肉信号的方法和设备
US20210177336A1 (en) Muscle Activity Monitoring
Thongpanja et al. Mean and median frequency of EMG signal to determine muscle force based on time-dependent power spectrum
CN109222969A (zh) 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统
EP2851002A1 (en) Device for automatic mapping of complex fractionated atrial electrogram
JP2013121369A (ja) 入力装置及び校正方法
Winges et al. Common input to motor units of digit flexors during multi-digit grasping
Oehler et al. Extraction of SSVEP signals of a capacitive EEG helmet for human machine interface
KR20180032637A (ko) 사용자의 근전도 신호 측정용 휴대용 장치, 시스템 및 방법
Ahamed et al. Analysis of right arm biceps brachii muscle activity with varying the electrode placement on three male age groups during isometric contractions using a wireless EMG sensor
CN107735022A (zh) 用于测量肌肉信号的装置
Pereira et al. Hand dominance during constant force isometric contractions: evidence of different cortical drive commands
Oess et al. Enhancement of bend sensor properties as applied in a glove for use in neurorehabilitation settings
Muhammed et al. Optomyography (OMG): A novel technique for the detection of muscle surface displacement using photoelectric sensors
Kumar et al. Real time monitoring of muscle fatigue and muscle disorder of biceps brachii using Surface Electromyography (sEMG)
Farina et al. Estimation of muscle fiber conduction velocity from two-dimensional surface EMG recordings in dynamic tasks
WO2021126093A1 (en) A process and a device for decomposition of compound muscle action potentials
Vavrinský et al. Application of single wireless holter to simultaneous EMG, MMG and EIM measurement of human muscles activity
Zulkifli et al. Development of wearable electromyogram (EMG) device for upper extremity in aerobic exercise
Gupta et al. An analysis to generate EMG signal and its perspective: A panoramic approach
Göbel Electromyography (EMG)
EP4119039A1 (en) Muscle fiber sensing using electromyography
Hou et al. The mapping between hand motion states induced by arm operation and surface electromyography
Poo et al. Design and development of low cost biceps tendonitis monitoring system using EMG sensor

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Free format text: FORMER OWNER: TAVI PASI MAENTYJAERVI JANI VAEHAESOEYRINKI MIKKO

Effective date: 20150130

Owner name: PHIBRUEX CO., LTD.

Free format text: FORMER OWNER: HERRALA MIKA

Effective date: 20150130

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20150130

Address after: Finland Paley

Applicant after: FIBRUX OY

Address before: Finland Paley

Applicant before: Herrala Mika

Applicant before: Tavi Pasi

Applicant before: Maentyjaervi Jani

Applicant before: Vaehaesoeyrinki Mikko

C14 Grant of patent or utility model
GR01 Patent grant