CN107174243A - 肌肉平衡性信息采集方法 - Google Patents
肌肉平衡性信息采集方法 Download PDFInfo
- Publication number
- CN107174243A CN107174243A CN201710480818.1A CN201710480818A CN107174243A CN 107174243 A CN107174243 A CN 107174243A CN 201710480818 A CN201710480818 A CN 201710480818A CN 107174243 A CN107174243 A CN 107174243A
- Authority
- CN
- China
- Prior art keywords
- signal
- moment
- prearranged signals
- amplitude
- frequency
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
为避免现有技术中肌肉状态检测方法普遍存在的无法自动化地、灵活地针对个体差异调整检测方法,尤其是检测准确度差造成不适于判断肌肉状态平衡性的问题,本发明提供了一种肌肉平衡性信息采集方法,包括如下步骤:A、在第一位置检测对于以第一检测信号为激励信号得到的第一肌电响应信息;B、在第二位置检测对于以第二检测信号为激励信号得到的第二肌电响应信息,所述第二位置相对于人体中心线与第一位置对称性;C、比较第一肌电响应信息和第二肌电响应信息。
Description
技术领域
本发明涉及肢体康复检测技术领域,更具体地,涉及一种肌肉平衡性信息采集方法。
背景技术
将单个或多个肌细胞在各种功能状态下的生物电活动加以放大、显示和记录,通过对肌电位的单个或整体图形的分析,以诊断疾病评定神经、肌肉功能的方法称为肌电图检查法。
运动神经细胞或纤维兴奋时,其兴奋向远端传导则通过运动终板而兴奋肌纤维,产生肌肉收缩运动,并有电位变化,这种电位变化就是肌电图的来源。一条肌纤维产生的电位变化时限约3ms。但是针电极记录的肌电图的运动单位产生的电位变化时间较此为宽。这是因为神经纤维进入肌肉后脱去髓鞘并分支支配各条肌纤维,分支点至各肌纤维的距离不同,兴奋传导的时间不同,因而各肌纤维兴奋开始的时间不一,这样造成整个运动单位合成电位的时间分散,时限延长。
周围神经损害时,其纤维发生瓦勒氏变性,以约每小时lmm的速度向远心端发展,直至运动终板,此时原受其支配的肌纤维成为失神经肌纤维。受损害的神经纤维可能再生而支配其原辖肌纤维,其再生速度约每天1~3mm。神经再生早期的功能不完全正常,兴奋传导速度较慢,运动单位活动电位振幅较低。失神经支配的肌纤维也可能受到正常的或其它再生的神经纤维侧芽支配,新的运动单位范围扩大,兴奋电位的振幅和时限增加,甚至时限增加到出现卫星电位和轴突反射的现象。
表面肌电信号(sEMG)是测量到的肌肉的皮肤表面的电势。通过放大、滤波和采样的处理,可将sEMG调整为合适的数据段,然后运用数据处理技术对其进行特征提取。利用分类器对提取到的特征进行模式识别,可判断人体肌肉的状态,包括肌肉在进行何种动作,以及肌肉是否处于疲劳状态。判断肌肉在进行何种动作,可以通过sEMG进行外骨骼设备的控制。也可以利用虚拟现实技术,控制虚拟场景中的设备。判断肌肉是否处于疲劳状态,对于判断人体工作状态,尤其是对于运动员或者高空作业人员有很大的意义。
然而,现有技术中尚缺乏对于肌肉康复情况,例如爆发力的恢复情况的准确检测方法。尽管例如中国发明专利公布号:CN105361880A,公布日期:2016年3月2日,名称:肌肉运动事件的识别系统及其方法。该发明公开了一种肌肉运动事件的识别系统及方法。系统由肌电采集模块和脑电采集模块组成的信号采集模块、信号处理模块和信号识别模块共同组成。采用肌电信号与脑电信号综合分析的方法,包括以下步骤:采集肌肉活动模拟信号以及脑部活动模拟信号;对采集的信号进行处理并进行事件探测;对探测到的事件进行模拟识别并标记分类。该发明能够在神经生理检测与诊断领域高效标记出有效肌电信号,并对所标记的肌电和脑电信号事件进行精确的分析处理。但是,该发明同时采集肌电信号与脑电信号,不仅增加了成本,并且增加了计算量,影响系统在线识别实时性;尤其严重的是,这种方法在检测过程中无法针对个体差异提高检测精度,导致实用性不强。尤其是当判断两处位于人体对称位置(以人体中心线对称)的肌肉是否康复程度相近时,上述不准确性对于掌握运动员的身体状况或受伤后恢复进度带来了不便。
发明内容
为避免现有技术中肌肉状态检测方法普遍存在的无法自动化地、灵活地针对个体差异调整检测方法,尤其是检测准确度差造成不适于判断肌肉状态平衡性的问题,本发明提供了如下技术方案。本发明的康复状态与现有技术中肌肉健康的定义一致,主要指肌肉经过拉伸、扭曲等伤害后恢复至国家相关标准和规定中的健康标准下的状态和程度。
一种肌肉平衡性信息采集方法,包括如下步骤:
A、在第一位置检测对于以第一检测信号为激励信号得到的第一肌电响应信息;
B、在第二位置检测对于以第二检测信号为激励信号得到的第二肌电响应信息,所述第二位置相对于人体中心线与第一位置对称性;
C、比较第一肌电响应信息和第二肌电响应信息。
进一步地,所述步骤A包括:
(1)在第一位置以第一采集方式采集多个肌电信息;
(2)确定监控激励信号的检测开始时刻参数;
(3)生成第一检测信号,并以第一检测信号为激励信号,以第二采集方式检测肌电信息,将得到的此肌电信息作为第一肌电响应信息。
进一步地,所述步骤B包括:
(1)在第二位置以第一采集方式采集多个肌电信息;
(2)确定监控激励信号的检测开始时刻参数;
(3)生成第二检测信号,并以第二检测信号为激励信号,以第二采集方式检测肌电信息,将得到的此肌电信息作为第二肌电响应信息。
进一步地,所述步骤(1)包括:
(101)在第一位置,从零时刻起,以第一预定信号S1作为激励信号,定期向待检测肌肉组织发送激励信号,所述第一预定信号S1的幅值和频率不随时间变化;
(102)以时域采集方式采集表示肌电信息的第一响应信号,并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值;
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时,计算此时刻与零时刻之间经历的时间长度为t1,并计算在时间t1内的第一预定信号S1的电位平均值At1,停止第一预定信号的激励;
(104)从t1时刻开始,以第二预定信号S2作为激励信号,定期向待检测肌肉组织发送激励信号,所述第二预定信号S2的幅值随时间变化且频率不随时间变化,且第二预定信号的幅值和频率均大于第一预定信号;
(105)以时域采集方式采集表示肌电信息的第二响应信号;
(106)记经过tk时间时,第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk;
(107)从(t1+tk)时刻开始,改变第二预定信号S2的幅值|S2|为:|S2|=|S2|×(1+((1+lnAt1)/(1+lnAtk));
(108)以时域采集方式采集表示肌电信息的第三响应信号,并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值;
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时,计算此时刻与(t1+tk)时刻之间经历的时间长度为t2,并计算在时间t2内的第二预定信号S2的电位平均值At2,停止第二预定信号的激励;
(110)从(t1+tk+t2)时刻开始,以第三预定信号S3作为激励信号,定期向待检测肌肉组织发送激励信号,所述第三预定信号S3的幅值随时间变化且频率随时间变化,且第三预定信号的幅值和频率均大于第二预定信号;
(111)以时域采集方式采集表示肌电信息的第三响应信号;
(112)记经过tj时间时,第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
进一步地,所述步骤(1)包括:
(101)在第二位置,从零时刻起,以第一预定信号S1作为激励信号,定期向待检测肌肉组织发送激励信号,所述第一预定信号S1的幅值和频率不随时间变化;
(102)以时域采集方式采集表示肌电信息的第一响应信号,并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值;
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时,计算此时刻与零时刻之间经历的时间长度为t1,并计算在时间t1内的第一预定信号S1的电位平均值At1,停止第一预定信号的激励;
(104)从t1时刻开始,以第二预定信号S2作为激励信号,定期向待检测肌肉组织发送激励信号,所述第二预定信号S2的幅值随时间变化且频率不随时间变化,且第二预定信号的幅值和频率均大于第一预定信号;
(105)以时域采集方式采集表示肌电信息的第二响应信号;
(106)记经过tk时间时,第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk;
(107)从(t1+tk)时刻开始,改变第二预定信号S2的幅值|S2|为:|S2|=|S2|×(1+((1+lnAt1)/(1+lnAtk));
(108)以时域采集方式采集表示肌电信息的第三响应信号,并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值;
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时,计算此时刻与(t1+tk)时刻之间经历的时间长度为t2,并计算在时间t2内的第二预定信号S2的电位平均值At2,停止第二预定信号的激励;
(110)从(t1+tk+t2)时刻开始,以第三预定信号S3作为激励信号,定期向待检测肌肉组织发送激励信号,所述第三预定信号S3的幅值随时间变化且频率随时间变化,且第三预定信号的幅值和频率均大于第二预定信号;
(111)以时域采集方式采集表示肌电信息的第三响应信号;
(112)记经过tj时间时,第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
进一步地,所述步骤(2)包括:
(201)从(t1+tk+t2+tj)时刻起,以第四预定信号S4作为激励信号,定期向待检测肌肉组织发送激励信号,所述第四预定信号S4的平均幅值为Atj、频率随时间变化;
(202)以频域采集方式采集表示肌电信息的第四响应信号,并确定接收到的该第四响应信号是否在预定的预备频率范围W预备内频谱密度小于第三阈值;
(203)当接收到的该第四响应信号在预定的预备频率范围W预备内频谱密度信息小于第三阈值时,计算此时刻与(t1+tk+t2+tj)时刻之间经历的时间长度为t3,并计算在时间t3内的第四预定信号S4的平均功率P1,停止第四预定信号的激励;
(204)从(t1+tk+t2+tj+t3)时刻开始,以第五预定信号S5作为激励信号,定期向待检测肌肉组织发送激励信号,所述第五预定信号S5的幅值随时间变化且频率随时间变化,且第五预定信号的幅值与第四预定信号相同、频率大于第四预定信号;
(205)以频域采集方式采集表示肌电信息的第五响应信号;
(206)记经过tf时间时,第五响应信号在(t1+tk+t2+tj+t3)时刻至(t1+tk+t2+tj+t3+tf)时刻的平均功率开始大于P1;
(207)计算起始激发时刻系数a=1/(1+(tf/((T3+T5)/2))),T3为所述第五预定信号的周期,T5为所述第五预定信号的周期。
进一步地,所述步骤(3)包括:
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为第一检测信号,定期向待检测肌肉组织发送该第一检测信号;
(302)从(1+a)2×T检时刻开始,以全波形方式采集表示肌电信息的第六响应信号,一次性获取瞬变响应信号和稳态响应信号,其中T检为所述第一检测信号的周期;
(303)每当瞬态响应信号的平均功率为P1的整数倍时,放大所述第一检测信号,同时抽取相对应时刻的稳态响应信号的幅值及与其对应的检测信号平均功率,将该幅值和平均功率作为第一肌电响应信息。
进一步地,所述步骤(3)包括:
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为第二检测信号,定期向待检测肌肉组织发送该第二检测信号;
(302)从(1+a)2×T检时刻开始,以全波形方式采集表示肌电信息的第六响应信号,一次性获取瞬变响应信号和稳态响应信号,其中T检为所述第二检测信号的周期;
(303)每当瞬态响应信号的平均功率为P1的整数倍时,放大所述第二检测信号,同时抽取相对应时刻的稳态响应信号的幅值及与其对应的检测信号平均功率,将该幅值和平均功率作为第二肌电响应信息。
进一步地,所述步骤C包括:
C1、对于第一肌电响应信息和第二肌电响应信息,分别以各肌电响应信息的所述稳态响应信号的幅值及与其对应的检测信号平均功率为坐标轴,描点做曲线;
C2、计算对应于第一肌电响应信息和第二肌电响应信息的曲线的线性度;
C3、计算对应于第一肌电响应信息和第二肌电响应信息的曲线的线性度之间的方差;
C4、当步骤C3得到的方差小于预设方差时确定处于第一位置和第二位置的肌肉平衡。
进一步地,所述放大的倍数为每次当瞬态响应信号的平均功率为P1的整数倍时放大2倍。
进一步地,所述预设参考值基于经验值获得,例如基于大量临床数据;其临床数据量越大则预设参考值可靠性越高。
需要说明的是,本发明中,上述步骤尽管在第一位置和第二位置存在相同或相应的步骤或技术手段,但本领域技术人员应当清楚这些相同或响应的步骤或技术手段对应的技术特征应当是对于第一位置和第二位置各自独立而互相不应存在干扰和影响的。例如,第一位置和第二位置采用的第一预定信号应当是在各自被首次应用时是相同的。换句话说,第一位置和第二位置的测量顺序不应造成结果上的差异,在此本领域技术人员应当毫无疑义地熟知的常识性前提下,各术语、参数和信号等技术特征在第一位置和第二位置相应的激励、检测等所有检测记载中彼此无关,且第一位置和第二位置相关的各子单元及相关的技术特征仅与该位置相关的其他内容有关,而与另一位置的任何内容无关。本申请仅是为了理解简易和使得本领域技术人员不对二者产生阅读复杂性问题的目的,而未对第一位置和第二位置相关步骤中的相应术语加以描述方面的区分。
本发明的有益效果是:
(1)本发明采用时域方式去除检测前身体中和外部其他信号对待检测肌肉组织的影响,降低了检测中可能出现的噪声;
(2)本发明在降噪的同时,创造性地基于“掩蔽效应”的思路,通过主动引入检测用的低频噪声(优选采用低频冲击信号或低频脉冲信号),使得检测中的噪声“可控”;即,在正式检测前通过多次引入不同的信号,屏蔽待检测肌肉组织可能被影响产生的以及其自身产生的高频噪声信号,以相对于环境和待检测肌肉组织内的高频噪声更低频率的“低频信号”为时域信号,经发明人多次实践验证,极大地屏蔽掉高频噪声信号,从而提高了获得响应信号时响应信号中的信噪比;
(3)通过多次引入不同幅度的信号的方式,达到在检测肌肉状态前对肌肉与信号之间的逐步适应,降低了肌肉组织对正式检测信号的应激反映造成响应信号不可靠性;
(4)通过频域多次检测方式确定适当的检测信号的频谱特征,达到在检测肌肉状态前对肌肉与信号之间的逐步适应,降低了肌肉组织对正式检测信号的应激反映造成响应信号不可靠性;
(5)以时域和频域方式分别检测的方式,降低了对于检测信号参数生成时所需的基础数据获得过程中的激励信号对肌肉的训练效应和肌肉由此产生的惰性,提高了肌肉对检测信号的响应速度;
(6)本发明创造性地采用了全波形记录方式,避免了现有技术中通过时域、频域分别检测和激励的方式进行肌肉组织测试时造成的大计算量,提高了检测效率;
(7)本发明创造性地在检测前采用不同采集方式多次采集,确定检测信号参数的方式,能够在正式检测时一次性地、相对现有技术多次检测的方式更快速地,获得肌肉状态,且多次检测之间彼此干扰性小,能够在保证检测准确性的前提下无需像现有技术中不同批次检测和测试期间需要暂停较长时间。
附图说明
图1示出了根据本发明的方法的流程框图。
具体实施方式
如图1所示,根据本发明的优选实施例,本发明提供了一种肌肉平衡性信息采集方法,包括如下步骤:
A、在第一位置检测对于以第一检测信号为激励信号得到的第一肌电响应信息;
B、在第二位置检测对于以第二检测信号为激励信号得到的第二肌电响应信息,所述第二位置相对于人体中心线与第一位置对称性;
C、比较第一肌电响应信息和第二肌电响应信息。
优选地,所述步骤A包括:
(1)在第一位置以第一采集方式采集多个肌电信息;
(2)确定监控激励信号的检测开始时刻参数;
(3)生成第一检测信号,并以第一检测信号为激励信号,以第二采集方式检测肌电信息,将得到的此肌电信息作为第一肌电响应信息。
优选地,所述步骤B包括:
(1)在第二位置以第一采集方式采集多个肌电信息;
(2)确定监控激励信号的检测开始时刻参数;
(3)生成第二检测信号,并以第二检测信号为激励信号,以第二采集方式检测肌电信息,将得到的此肌电信息作为第二肌电响应信息。
优选地,所述步骤(1)包括:
(101)在第一位置,从零时刻起,以第一预定信号S1作为激励信号,定期向待检测肌肉组织发送激励信号,所述第一预定信号S1的幅值和频率不随时间变化;
(102)以时域采集方式采集表示肌电信息的第一响应信号,并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值;
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时,计算此时刻与零时刻之间经历的时间长度为t1,并计算在时间t1内的第一预定信号S1的电位平均值At1,停止第一预定信号的激励;
(104)从t1时刻开始,以第二预定信号S2作为激励信号,定期向待检测肌肉组织发送激励信号,所述第二预定信号S2的幅值随时间变化且频率不随时间变化,且第二预定信号的幅值和频率均大于第一预定信号;
(105)以时域采集方式采集表示肌电信息的第二响应信号;
(106)记经过tk时间时,第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk;
(107)从(t1+tk)时刻开始,改变第二预定信号S2的幅值|S2|为:|S2|=|S2|×(1+((1+lnAt1)/(1+lnAtk));
(108)以时域采集方式采集表示肌电信息的第三响应信号,并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值;
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时,计算此时刻与(t1+tk)时刻之间经历的时间长度为t2,并计算在时间t2内的第二预定信号S2的电位平均值At2,停止第二预定信号的激励;
(110)从(t1+tk+t2)时刻开始,以第三预定信号S3作为激励信号,定期向待检测肌肉组织发送激励信号,所述第三预定信号S3的幅值随时间变化且频率随时间变化,且第三预定信号的幅值和频率均大于第二预定信号;
(111)以时域采集方式采集表示肌电信息的第三响应信号;
(112)记经过tj时间时,第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
优选地,所述步骤(1)包括:
(101)在第二位置,从零时刻起,以第一预定信号S1作为激励信号,定期向待检测肌肉组织发送激励信号,所述第一预定信号S1的幅值和频率不随时间变化;
(102)以时域采集方式采集表示肌电信息的第一响应信号,并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值;
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时,计算此时刻与零时刻之间经历的时间长度为t1,并计算在时间t1内的第一预定信号S1的电位平均值At1,停止第一预定信号的激励;
(104)从t1时刻开始,以第二预定信号S2作为激励信号,定期向待检测肌肉组织发送激励信号,所述第二预定信号S2的幅值随时间变化且频率不随时间变化,且第二预定信号的幅值和频率均大于第一预定信号;
(105)以时域采集方式采集表示肌电信息的第二响应信号;
(106)记经过tk时间时,第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk;
(107)从(t1+tk)时刻开始,改变第二预定信号S2的幅值|S2|为:|S2|=|S2|×(1+((1+lnAt1)/(1+lnAtk));
(108)以时域采集方式采集表示肌电信息的第三响应信号,并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值;
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时,计算此时刻与(t1+tk)时刻之间经历的时间长度为t2,并计算在时间t2内的第二预定信号S2的电位平均值At2,停止第二预定信号的激励;
(110)从(t1+tk+t2)时刻开始,以第三预定信号S3作为激励信号,定期向待检测肌肉组织发送激励信号,所述第三预定信号S3的幅值随时间变化且频率随时间变化,且第三预定信号的幅值和频率均大于第二预定信号;
(111)以时域采集方式采集表示肌电信息的第三响应信号;
(112)记经过tj时间时,第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
优选地,所述步骤(2)包括:
(201)从(t1+tk+t2+tj)时刻起,以第四预定信号S4作为激励信号,定期向待检测肌肉组织发送激励信号,所述第四预定信号S4的平均幅值为Atj、频率随时间变化;
(202)以频域采集方式采集表示肌电信息的第四响应信号,并确定接收到的该第四响应信号是否在预定的预备频率范围W预备内频谱密度小于第三阈值;
(203)当接收到的该第四响应信号在预定的预备频率范围W预备内频谱密度信息小于第三阈值时,计算此时刻与(t1+tk+t2+tj)时刻之间经历的时间长度为t3,并计算在时间t3内的第四预定信号S4的平均功率P1,停止第四预定信号的激励;
(204)从(t1+tk+t2+tj+t3)时刻开始,以第五预定信号S5作为激励信号,定期向待检测肌肉组织发送激励信号,所述第五预定信号S5的幅值随时间变化且频率随时间变化,且第五预定信号的幅值与第四预定信号相同、频率大于第四预定信号;
(205)以频域采集方式采集表示肌电信息的第五响应信号;
(206)记经过tf时间时,第五响应信号在(t1+tk+t2+tj+t3)时刻至(t1+tk+t2+tj+t3+tf)时刻的平均功率开始大于P1;
(207)计算起始激发时刻系数a=1/(1+(tf/((T3+T5)/2))),T3为所述第五预定信号的周期,T5为所述第五预定信号的周期。
优选地,所述步骤(3)包括:
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为第一检测信号,定期向待检测肌肉组织发送该第一检测信号;
(302)从(1+a)2×T检时刻开始,以全波形方式采集表示肌电信息的第六响应信号,一次性获取瞬变响应信号和稳态响应信号,其中T检为所述第一检测信号的周期;
(303)每当瞬态响应信号的平均功率为P1的整数倍时,放大所述第一检测信号,同时抽取相对应时刻的稳态响应信号的幅值及与其对应的检测信号平均功率,将该幅值和平均功率作为第一肌电响应信息。
优选地,所述步骤(3)包括:
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为第二检测信号,定期向待检测肌肉组织发送该第二检测信号;
(302)从(1+a)2×T检时刻开始,以全波形方式采集表示肌电信息的第六响应信号,一次性获取瞬变响应信号和稳态响应信号,其中T检为所述第二检测信号的周期;
(303)每当瞬态响应信号的平均功率为P1的整数倍时,放大所述第二检测信号,同时抽取相对应时刻的稳态响应信号的幅值及与其对应的检测信号平均功率,将该幅值和平均功率作为第二肌电响应信息。
优选地,所述步骤C包括:
C1、对于第一肌电响应信息和第二肌电响应信息,分别以各肌电响应信息的所述稳态响应信号的幅值及与其对应的检测信号平均功率为坐标轴,描点做曲线;
C2、计算对应于第一肌电响应信息和第二肌电响应信息的曲线的线性度;
C3、计算对应于第一肌电响应信息和第二肌电响应信息的曲线的线性度之间的方差;
C4、当步骤C3得到的方差小于预设方差时确定处于第一位置和第二位置的肌肉平衡。该预设方差通过实验方式根据经验值获得。
优选地,所述放大的倍数为每次当瞬态响应信号的平均功率为P1的整数倍时放大2倍。
优选地,所述预设参考值基于经验值获得,例如基于大量临床数据;其临床数据量越大则预设参考值可靠性越高。
以上对于本发明的较佳实施例所作的叙述是为阐明的目的,而无意限定本发明精确地为所揭露的形式,基于以上的教导或从本发明的实施例学习而作修改或变化是可能的,实施例是为解说本发明的原理以及让所属领域的技术人员以各种实施例利用本发明在实际应用上而选择及叙述,本发明的技术思想企图由权利要求及其均等来决定。
Claims (10)
1.一种肌肉平衡性信息采集方法,包括如下步骤:
A、在第一位置检测对于以第一检测信号为激励信号得到的第一肌电响应信息;
B、在第二位置检测对于以第二检测信号为激励信号得到的第二肌电响应信息,所述第二位置相对于人体中心线与第一位置对称性;
C、比较第一肌电响应信息和第二肌电响应信息。
2.根据权利要求1所述的方法,其特征在于,所述步骤A包括:
(1)在第一位置以第一采集方式采集多个肌电信息;
(2)确定监控激励信号的检测开始时刻参数;
(3)生成第一检测信号,并以第一检测信号为激励信号,以第二采集方式检测肌电信息,将得到的此肌电信息作为第一肌电响应信息。
3.根据权利要求1或2所述的方法,其特征在于,所述步骤B包括:
(1)在第二位置以第一采集方式采集多个肌电信息;
(2)确定监控激励信号的检测开始时刻参数;
(3)生成第二检测信号,并以第二检测信号为激励信号,以第二采集方式检测肌电信息,将得到的此肌电信息作为第二肌电响应信息。
4.根据权利要求2所述的方法,其特征在于,所述步骤(1)包括:
(101)在第一位置,从零时刻起,以第一预定信号S1作为激励信号,定期向待检测肌肉组织发送激励信号,所述第一预定信号S1的幅值和频率不随时间变化;
(102)以时域采集方式采集表示肌电信息的第一响应信号,并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值;
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时,计算此时刻与零时刻之间经历的时间长度为t1,并计算在时间t1内的第一预定信号S1的电位平均值At1,停止第一预定信号的激励;
(104)从t1时刻开始,以第二预定信号S2作为激励信号,定期向待检测肌肉组织发送激励信号,所述第二预定信号S2的幅值随时间变化且频率不随时间变化,且第二预定信号的幅值和频率均大于第一预定信号;
(105)以时域采集方式采集表示肌电信息的第二响应信号;
(106)记经过tk时间时,第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk;
(107)从(t1+tk)时刻开始,改变第二预定信号S2的幅值|S2|为:|S2|=|S2|×(1+((1+lnAt1)/(1+lnAtk));
(108)以时域采集方式采集表示肌电信息的第三响应信号,并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值;
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时,计算此时刻与(t1+tk)时刻之间经历的时间长度为t2,并计算在时间t2内的第二预定信号S2的电位平均值At2,停止第二预定信号的激励;
(110)从(t1+tk+t2)时刻开始,以第三预定信号S3作为激励信号,定期向待检测肌肉组织发送激励信号,所述第三预定信号S3的幅值随时间变化且频率随时间变化,且第三预定信号的幅值和频率均大于第二预定信号;
(111)以时域采集方式采集表示肌电信息的第三响应信号;
(112)记经过tj时间时,第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
5.根据权利要求3所述的方法,其特征在于,所述步骤(1)包括:
(101)在第二位置,从零时刻起,以第一预定信号S1作为激励信号,定期向待检测肌肉组织发送激励信号,所述第一预定信号S1的幅值和频率不随时间变化;
(102)以时域采集方式采集表示肌电信息的第一响应信号,并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值;
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时,计算此时刻与零时刻之间经历的时间长度为t1,并计算在时间t1内的第一预定信号S1的电位平均值At1,停止第一预定信号的激励;
(104)从t1时刻开始,以第二预定信号S2作为激励信号,定期向待检测肌肉组织发送激励信号,所述第二预定信号S2的幅值随时间变化且频率不随时间变化,且第二预定信号的幅值和频率均大于第一预定信号;
(105)以时域采集方式采集表示肌电信息的第二响应信号;
(106)记经过tk时间时,第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk;
(107)从(t1+tk)时刻开始,改变第二预定信号S2的幅值|S2|为:|S2|=|S2|×(1+((1+lnAt1)/(1+lnAtk));
(108)以时域采集方式采集表示肌电信息的第三响应信号,并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值;
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时,计算此时刻与(t1+tk)时刻之间经历的时间长度为t2,并计算在时间t2内的第二预定信号S2的电位平均值At2,停止第二预定信号的激励;
(110)从(t1+tk+t2)时刻开始,以第三预定信号S3作为激励信号,定期向待检测肌肉组织发送激励信号,所述第三预定信号S3的幅值随时间变化且频率随时间变化,且第三预定信号的幅值和频率均大于第二预定信号;
(111)以时域采集方式采集表示肌电信息的第三响应信号;
(112)记经过tj时间时,第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
6.根据权利要求2或3所述的方法,其特征在于,所述步骤(2)包括:
(201)从(t1+tk+t2+tj)时刻起,以第四预定信号S4作为激励信号,定期向待检测肌肉组织发送激励信号,所述第四预定信号S4的平均幅值为Atj、频率随时间变化;
(202)以频域采集方式采集表示肌电信息的第四响应信号,并确定接收到的该第四响应信号是否在预定的预备频率范围W预备内频谱密度小于第三阈值;
(203)当接收到的该第四响应信号在预定的预备频率范围W预备内频谱密度信息小于第三阈值时,计算此时刻与(t1+tk+t2+tj)时刻之间经历的时间长度为t3,并计算在时间t3内的第四预定信号S4的平均功率P1,停止第四预定信号的激励;
(204)从(t1+tk+t2+tj+t3)时刻开始,以第五预定信号S5作为激励信号,定期向待检测肌肉组织发送激励信号,所述第五预定信号S5的幅值随时间变化且频率随时间变化,且第五预定信号的幅值与第四预定信号相同、频率大于第四预定信号;
(205)以频域采集方式采集表示肌电信息的第五响应信号;
(206)记经过tf时间时,第五响应信号在(t1+tk+t2+tj+t3)时刻至(t1+tk+t2+tj+t3+tf)时刻的平均功率开始大于P1;
(207)计算起始激发时刻系数a=1/(1+(tf/((T3+T5)/2))),T3为所述第五预定信号的周期,T5为所述第五预定信号的周期。
7.根据权利要求2所述的方法,其特征在于,所述步骤(3)包括:
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为第一检测信号,定期向待检测肌肉组织发送该第一检测信号;
(302)从(1+a)2×T检时刻开始,以全波形方式采集表示肌电信息的第六响应信号,一次性获取瞬变响应信号和稳态响应信号,其中T检为所述第一检测信号的周期;
(303)每当瞬态响应信号的平均功率为P1的整数倍时,放大所述第一检测信号,同时抽取相对应时刻的稳态响应信号的幅值及与其对应的检测信号平均功率,将该幅值和平均功率作为第一肌电响应信息。
8.根据权利要求3所述的方法,其特征在于,所述步骤(3)包括:
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为第二检测信号,定期向待检测肌肉组织发送该第二检测信号;
(302)从(1+a)2×T检时刻开始,以全波形方式采集表示肌电信息的第六响应信号,一次性获取瞬变响应信号和稳态响应信号,其中T检为所述第二检测信号的周期;
(303)每当瞬态响应信号的平均功率为P1的整数倍时,放大所述第二检测信号,同时抽取相对应时刻的稳态响应信号的幅值及与其对应的检测信号平均功率,将该幅值和平均功率作为第二肌电响应信息。
9.根据权利要求6所述的方法,其特征在于,所述步骤C包括:
C1、对于第一肌电响应信息和第二肌电响应信息,分别以各肌电响应信息的所述稳态响应信号的幅值及与其对应的检测信号平均功率为坐标轴,描点做曲线;
C2、计算对应于第一肌电响应信息和第二肌电响应信息的曲线的线性度;
C3、计算对应于第一肌电响应信息和第二肌电响应信息的曲线的线性度之间的方差;
C4、当步骤C3得到的方差小于预设方差时确定处于第一位置和第二位置的肌肉平衡。
10.根据权利要求7或8所述的方法,其特征在于,所述放大的倍数为每次当瞬态响应信号的平均功率为P1的整数倍时放大2倍。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710480818.1A CN107174243B (zh) | 2017-06-22 | 2017-06-22 | 肌肉平衡性信息采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710480818.1A CN107174243B (zh) | 2017-06-22 | 2017-06-22 | 肌肉平衡性信息采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107174243A true CN107174243A (zh) | 2017-09-19 |
CN107174243B CN107174243B (zh) | 2020-03-31 |
Family
ID=59844390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710480818.1A Active CN107174243B (zh) | 2017-06-22 | 2017-06-22 | 肌肉平衡性信息采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107174243B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4655227A (en) * | 1985-06-06 | 1987-04-07 | Diagnospine Research Inc. | Equipment for the detection of mechanical injuries in the lumbar spine of a patient, using a mathematical model |
CN101961529A (zh) * | 2010-08-13 | 2011-02-02 | 中国科学院深圳先进技术研究院 | 肌电反馈训练和功能评测遥操作装置及方法 |
CN104068869A (zh) * | 2014-06-20 | 2014-10-01 | 北京体育大学 | 腰部肌肉力量测评方法 |
CN105962903A (zh) * | 2016-07-25 | 2016-09-28 | 四川东鼎里智信息技术有限责任公司 | 一种可穿戴康复状态监测器 |
-
2017
- 2017-06-22 CN CN201710480818.1A patent/CN107174243B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4655227A (en) * | 1985-06-06 | 1987-04-07 | Diagnospine Research Inc. | Equipment for the detection of mechanical injuries in the lumbar spine of a patient, using a mathematical model |
CN101961529A (zh) * | 2010-08-13 | 2011-02-02 | 中国科学院深圳先进技术研究院 | 肌电反馈训练和功能评测遥操作装置及方法 |
CN104068869A (zh) * | 2014-06-20 | 2014-10-01 | 北京体育大学 | 腰部肌肉力量测评方法 |
CN105962903A (zh) * | 2016-07-25 | 2016-09-28 | 四川东鼎里智信息技术有限责任公司 | 一种可穿戴康复状态监测器 |
Also Published As
Publication number | Publication date |
---|---|
CN107174243B (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Del Vecchio et al. | Tutorial: Analysis of motor unit discharge characteristics from high-density surface EMG signals | |
CN107024987B (zh) | 一种基于eeg的实时人脑注意力测试和训练系统 | |
CN104107134B (zh) | 基于肌电反馈的上肢训练方法及系统 | |
CN104994782B (zh) | 基于脑波信号进行分析的方法和设备 | |
Djamal et al. | Identification of post-stroke EEG signal using wavelet and convolutional neural networks | |
CN103006212B (zh) | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
CN112641449A (zh) | 一种基于eeg信号的脑神经功能状态检测的快速评估方法 | |
CN105326501A (zh) | 基于sEMG的肌肉疾病监测方法 | |
CN112932474A (zh) | 基于脑血氧和肌电信号的康复训练方法及系统 | |
Fattah et al. | Evaluation of different time and frequency domain features of motor neuron and musculoskeletal diseases | |
CN107296607A (zh) | 肌肉康复状态检测方法 | |
CN107174243A (zh) | 肌肉平衡性信息采集方法 | |
CN114098768B (zh) | 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法 | |
CN107296617B (zh) | 肌肉爆发力的监控方法 | |
EP4076194B1 (en) | A process and a device for decomposition of compound muscle action potentials | |
CN107137099A (zh) | 肌肉爆发力康复分析方法 | |
CN107137081A (zh) | 肌肉过渡平衡性检测系统 | |
CN107296606A (zh) | 肌肉过渡平衡性监控装置 | |
Sulaiman et al. | Initial investigation of human physical stress level using brainwaves | |
Sahyudi et al. | Investigation of upper limb movement for VR based post stroke rehabilitation device | |
Sheng et al. | The design of a rehabilitation training system with emg feedback | |
Bhuvaneswari et al. | Classification of electromyography signal using wavelet decomposition method | |
Khan et al. | Emg data acquisition and flight control of quadcopter on different emg signals | |
Xu et al. | Relevance of spectral peaks in electromyographic recordings during force-modulated vibration exercise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |