CN107485395A - 肌肉疲劳输出装置、肌肉疲劳输出方法以及程序 - Google Patents

肌肉疲劳输出装置、肌肉疲劳输出方法以及程序 Download PDF

Info

Publication number
CN107485395A
CN107485395A CN201710274239.1A CN201710274239A CN107485395A CN 107485395 A CN107485395 A CN 107485395A CN 201710274239 A CN201710274239 A CN 201710274239A CN 107485395 A CN107485395 A CN 107485395A
Authority
CN
China
Prior art keywords
myoelectricity
value
user
muscle
muscular fatigue
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.)
Pending
Application number
CN201710274239.1A
Other languages
English (en)
Inventor
J·费尔南多
小泽顺
吉冈元贵
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN107485395A publication Critical patent/CN107485395A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6843—Monitoring or controlling sensor contact pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

一种肌肉疲劳输出装置、肌肉疲劳输出方法以及程序，肌肉疲劳输出装置(100)具备：取得用户的肌电的肌电计测部(11)和基于肌电来决定用户的肌肉的疲劳的主控制部(10)。主控制部(10)执行以下处理：(a)使用肌电，取得肌电的频率特性的值，(b)利用肌电，取得肌电的振幅特性的值，(c)取得频率特性的值与振幅特性的值的比率，来作为用户的肌肉的疲劳的指标，(d)基于用户的肌肉的疲劳的指标，输出用户的肌肉的疲劳的信息。

Description

肌肉疲劳输出装置、肌肉疲劳输出方法以及程序
技术领域
本公开涉及根据肌电输出肌肉疲劳的信息的肌肉疲劳输出装置、肌肉疲劳输出方法以及程序。更具体而言，本公开涉及利用肌电位等肌电的频率特性和振幅特性输出肌肉疲劳的信息的肌肉疲劳输出装置等。
背景技术
肌电图是将从肌纤维产生的各个动作电位通过容积传导到达电极的时间点的动作电位相加而成的图。肌电图表现了肌肉收缩并发挥肌力时肌肉动作电位以何种程度产生且如何产生，即运动单位的参加程度。
在非专利文献1中，记载了根据作为肌电的肌电位评价肌肉疲劳的方法。例如，如图1所示，通过肌肉反复收缩和伸展，产生周期性地变化的肌电位的波形。此外，图1是表示周期性地出现的肌电位的波形也即是肌电波形的一例的图，纵轴表示肌电位(单位：μV)，横轴表示时间(单位：秒)。肌肉的一次收缩和一次伸展的实施设为肌肉运动的一个循环。在肌电波形中，波腹的部分表示肌肉的收缩，波节的部分表示肌肉的伸展。在评价肌肉疲劳的方法中，将5个循环的肌电波形也即是肌电位作为一个帧，按每帧求出ARV(AverageRectified Value；也称为整流平滑化值或整流化平均值)和MNF(Mean Frequency；也称为平均频率)。进而，将24个帧作为一个块，一边逐帧移位，一边求出每个块的ARV与MNF的相关系数。而且，将相关系数的变化作为肌肉疲劳的指标。在肌肉疲劳的情况下，由于倾向于ARV增加且MNF减少，所以相关系数倾向于逐渐减小。
在专利文献1中，记载了根据肌电位评价肌肉疲劳的方法。在该方法中，将肌电位的频带分割为慢肌频带(20～45Hz)、中间型肌频带(45～81Hz)以及快肌频带(81～350Hz)这三个频带。例如，图17表示专利文献1所示的上述三个频带的例子。在图17中，纵轴表示肌电位信号的功率谱，横轴表示频率(单位：Hz)。在专利文献1中，计算各频带中的功率值之和。进而，按一定时间计算三个频带中的慢肌频带的功率值之和相对于功率的总和的比例(rL)、中间型肌频带的功率值之和相对于功率的总和的比例(rM)以及快肌频带的功率值之和相对于功率的总和的比例(rH)。例如，如图18所示，显示了rL、rM以及rH相对于时间的变化。而且，当成为rL>rH时，判定为是肌肉疲劳状态。进而，如果被判定为肌肉疲劳状态，则进行向用户的警告。此外，在图18中，将横轴设为经过时间(单位：秒)，将纵轴设为肌肉纤维(也称为肌纤维)的使用比例(单位：％)。
在先技术文献
专利文献
专利文献1：日本特开2015-62658号公报
非专利文献
非专利文献1：T.Kiryu、I.Sasaki、K.Shibaiand K.Tanaka，“Providingappropriate exercise levels for the elderly”，IEEE Engineering in Medicine andBiology Magazine，vol.20，no.6，第116-124页，2001年11月-12月
发明内容
在非专利文献1和专利文献1中根据肌电位评价肌肉疲劳的情况下，存在如下问题：在判定为是肌肉疲劳状态的情况下，有时实际上未达到肌肉疲劳状态，在判定为未达到肌肉疲劳状态的情况下，有时实际上已达到肌肉疲劳状态。具体而言，例如，在对上臂肌肉的肌肉疲劳进行评价的情况下，将二头肌的肌肉疲劳和三头肌的肌肉疲劳混在一起进行评价。
本公开的非限定性且例示性技术方案提供一种使用肌电的频率特性和振幅特性，提高输出的肌肉疲劳的信息的精度的肌肉疲劳输出装置、肌肉疲劳输出方法以及程序。
为了解决上述问题，本公开的一个技术方案涉及的肌肉疲劳输出装置具备：取得用户的肌电的肌电传感器；和控制部，所述控制部(a)利用所述肌电，取得所述肌电的频率特性的值，(b)利用所述肌电，取得所述肌电的振幅特性的值，(c)取得所述频率特性的值与所述振幅特性的值的比率，来作为所述用户的肌肉的疲劳的指标，(d)输出基于所述用户的肌肉的疲劳的指标的信息。
本公开的一个技术方案涉及的程序是使计算机执行包括以下处理的程序，(h1)利用肌电传感器取得用户的肌电，(h2)利用所述肌电，取得所述肌电的频率特性的值，(h3)利用所述肌电，取得所述肌电的振幅特性的值，(h4)取得所述频率特性的值与所述振幅特性的值的比率，来作为所述用户的肌肉的疲劳的指标，(h5)输出基于所述用户的肌肉的疲劳的指标的信息。
本公开的一个技术方案涉及的肌肉疲劳输出方法是由处理器实现的肌肉疲劳输出方法，利用肌电传感器取得用户的肌电，利用所述肌电，取得所述肌电的频率特性的值，利用所述肌电，取得所述肌电的振幅特性的值，取得所述频率特性的值与所述振幅特性的值的比率，来作为所述用户的肌肉的疲劳的指标，输出基于所述用户的肌肉的疲劳的指标的信息。
此外，上述总括或具体的技术方案既可以使用装置、系统、方法、集成电路、计算机程序或计算机可读取的记录盘等记录介质来实现，也可以使用装置、系统、方法、集成电路、计算机程序以及记录介质的任意组合来实现。计算机可读取记录介质例如包含CD-ROM(Compact Disc-Read Only Memory)等非易失性记录介质。
根据本公开，通过使用肌电的频率特性和振幅特性，能够提高输出的信息的精度。本公开的技术方案的附加好处和有利的点将从本说明书和附图变得明显。该好处和/或有利的点可由在本说明书和附图中公开的各种技术方案和特征独立地提供，为了得到其一个以上好处和/或有利的点，不需要全部技术方案和特征。
附图说明
图1是表示周期性地出现的肌电波形的一例的图。
图2是表示用于根据肌电位评价肌肉疲劳的实验的一例的概要的图。
图3是表示图2的实验中的用于计测肌电位的电极等的配置状态的图。
图4是表示用非专利文献1记载的方法评价图2所示的实验A中的肌肉疲劳的情况下的对于各参数的实验结果的图。
图5是表示用非专利文献1记载的方法评价图2所示的实验B中的肌肉疲劳的情况下的对于各参数的实验结果的图。
图6是表示用非专利文献1记载的方法变更了算出方法的情况下所得到的相关系数的例子的图。
图7是表示用非专利文献1记载的方法变更了算出方法的情况下所得到的相关系数的另一例的图。
图8是表示减少用非专利文献1记载的方法计算相关系数所需的数据数的情况下的实验A和B的结果的图。
图9是单独地表示图8中的多个实例中的一个实例A1的实验结果的图。
图10是单独地表示图8中的多个实例中的一个实例A2的实验结果的图。
图11是单独地表示图8中的多个实例中的一个实例B1的实验结果的图。
图12是单独地表示图8中的多个实例中的一个实例B3的实验结果的图。
图13是单独地表示图8中的多个实例中的一个实例A3的实验结果的图。
图14是单独地表示图8中的多个实例中的一个实例A4的实验结果的图。
图15是单独地表示图8中的多个实例中的一个实例B2的实验结果的图。
图16是单独地表示图8中的多个实例中的一个实例B4的实验结果的图。
图17是表示专利文献1所示的三个频带的例子的图。
图18是表示专利文献1记载的方法中的肌肉疲劳的判定方法的图。
图19是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例A1的实验结果的图。
图20是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例A2的实验结果的图。
图21是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例B1的实验结果的图。
图22是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例B3的实验结果的图。
图23是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例A3的实验结果的图。
图24是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例A4的实验结果的图。
图25是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例B2的实验结果的图。
图26是表示用专利文献1记载的方法评价肌肉疲劳的情况下的、实验A和B的多个实例中的一个实例B4的实验结果的图。
图27是表示用将MNF/ARV作为肌肉疲劳指标使用的实施方式1涉及的肌肉疲劳输出方法评价肌肉疲劳的情况下的实验A和B的结果的图。
图28是单独地表示图27中的多个实例中的一个实例A1的实验结果的图。
图29是单独地表示图27中的多个实例中的一个实例A2的实验结果的图。
图30是单独地表示图27中的多个实例中的一个实例B1的实验结果的图。
图31是单独地表示图27中的多个实例中的一个实例B3的实验结果的图。
图32是单独地表示图27中的多个实例中的一个实例A3的实验结果的图。
图33是单独地表示图27中的多个实例中的一个实例A4的实验结果的图。
图34是单独地表示图27中的多个实例中的一个实例B2的实验结果的图。
图35是单独地表示图27中的多个实例中的一个实例B4的实验结果的图。
图36是表示用实施方式1涉及的肌肉疲劳输出方法输出肌肉疲劳的信息的情况下的肌肉疲劳指标的实验结果的图。
图37是表示用实施方式1涉及的肌肉疲劳输出方法变更了算出方法的情况下所得到的肌肉疲劳指标的例子的图。
图38是表示实施方式1涉及的肌肉疲劳输出装置的构成的框图。
图39是表示实施方式1涉及的肌肉疲劳输出装置的处理流程的一例的流程图。
图40是表示实施方式1涉及的肌肉疲劳输出装置的处理结果的显示例的图。
图41是表示实施方式2涉及的肌肉疲劳输出装置的构成的框图。
图42是表示实施方式2涉及的肌肉疲劳输出装置的处理流程的一例的流程图。
图43是表示在实施方式1涉及的肌肉疲劳输出装置的处理中决定基线的方法的一例的图。
图44是表示在实施方式1涉及的肌肉疲劳输出装置的处理中决定基线的方法的另一例的图。
标号说明
10 主控制部(控制部)
11 肌电测量部(肌电传感器)
12 频率解析部
13 振幅解析部
14 肌肉疲劳指标算出部
15 基线设定部
16 判定部
17 警告部
18 显示部
19 残存能力推定部
100、200 肌肉疲劳输出装置
具体实施方式
(成为本公开的基础的见解)
本公开的发明人进行用于根据肌电位评价肌肉疲劳的实验，使用非专利文献1和专利文献1所记载的方法，进行了肌肉疲劳的评价。图2是表示用于根据肌电位评价肌肉疲劳的实验的一例的概要的图。在该实验中，被试验者将肘固定在椅子上，手持哑铃。而且，被试验者反复进行作为肘屈伸运动的哑铃弯举，也就是说利用二头肌的收缩和伸展的运动，直到二头肌的疲劳成为极限。具体而言，进行了以下所示的两种实验A和B。
[实验A]
被试验者手持5kg的哑铃进行肘屈伸运动。在该实验中，计测二头肌的肌电位。
[实验B]
被试验者手持7.5kg的哑铃进行肘屈伸运动。在该实验中，同时计测二头肌和三头肌的肌电位。在该情况下，由于将肘固定于椅子，所以二头肌会产生疲劳，但三头肌不会产生疲劳。
图3是表示图2的实验，具体而言为实验A中的用于计测肌电位的电极2等的配置状态的图。在图3中，为了检测二头肌的动作电位，在被试验者的手臂1上配置了两个电极2。进而，在图3中，为了准确地求出肘屈伸运动的反复的周期，在手腕上安装了加速度传感器3。加速度传感器3可以是一轴加速度传感器、二轴加速度传感器以及三轴加速度传感器中的任一个。电极2和加速度传感器3与包括A/D转换器等的信号处理器4电连接，信号处理器4与计算机等运算装置5电连接。信号处理器4能够实施从模拟信号除去噪声、模拟信号的放大、从模拟信号向数字信号的转换等处理，所述模拟信号从电极2和加速度传感器3接收。运算装置5能够处理从信号处理器4接收的信号，并能够使用例如肌电图等输出电极2和加速度传感器3的计测结果。
图4表示用非专利文献1记载的方法评价肌肉疲劳的情况下的实验A的各参数的结果。在实验A中，三名被试验者实施实验，得到了4个实例的实验结果。被试验者1实施两次实验，被试验者2和3分别实施了一次实验。图4示出作为被试验者1的第一次实验结果的实例A1的实验结果、作为被试验者1的第二次实验结果的实例A2的实验结果、作为被试验者2的一次实验结果的实例A3的实验结果以及作为被试验者3的一次实验结果的实例A4的实验结果。此外，在实例A1和A2中的肘屈伸运动中，通过将被试验者1的肘的弯折角度设为同等，从而将负荷设为同等。实例A1～A4的实验结果所示的参数是肌电波形、根据肌电波形计算得到的ARV的变化、根据肌电波形计算得到的MNF的变化以及根据ARV和MNF计算得到的相关系数。在图4所示的肌电波形、ARV的变化、MNF的变化以及相关系数各自的图中，将横轴设为经过时间，将纵轴设为肌电位、ARV的值、MNF的值以及相关系数的值。
在这里，对相关系数进行说明。在ARV和MNF的相关系数的计算中，首先，对于两个以上ARV和两个以上MNF减去各自的平均值。之后，使用各减法运算结果算出ARV和MNF的协方差，将算出的协方差除以ARV的标准差和MNF的标准差。由此，相关系数的值在-1至1的范围内归一化。为了算出ARV和MNF的准确的相关系数，ARV和MNF的数据数需要很多。例如，在使用两个ARV和两个MNF的情况下，相关系数可取的值只有-1和1这两种选择。
例如，在图6中示出：在实例A1中，将一个循环的肌电位作为一个帧，并按每两个帧，使用两个帧之间的数据计算出相关系数的例子。此外，在图6中，将横轴设为经过时间(单位：秒)，将纵轴设为相关系数的值。根据图6，随着时间的经过，相关系数的值变动为-1或1中的某一个值。因此，如果用于计算相关系数的时间区间中的数据数少，则相关系数的推移容易发生很大变动。
另外，在实例A1、A2、A3以及A4中，相关系数的值向正方向和负方向的变动衰减需要75个帧的数据。在图7中示出将一个循环的肌电位作为一个帧，并使用75个帧之间的数据计算出相关系数的例子。此外，在图7中，将横轴设为经过时间(单位：秒)，将纵轴设为相关系数的值。在图7中，75个帧相当于92～258秒的经过时间。
在图4所示的实验A的结果中，在实例A1～A4中，全都随着时间的经过，ARV上升，MNF减少。
另外，根据实例A4的被试验者3的实验结果求出的相关系数随着时间的经过，从正的值减少为负的值。在实例A2的被试验者1的第二次实验结果中，相关系数在被求出时已经是负的值。此外，相关系数随着肌肉疲劳而减少，在肌肉疲劳的状态下取负的值。
另一方面，在实例A1的被试验者1的第一次实验结果和实例A3的被试验者2的实验结果中，产生了如下问题：即使在二头肌的疲劳已经达到极限的时间点，疲劳评价的处理还没有开始，也就是说，没有求出相关系数。以下，将该问题称为问题1。这是由于，为了计算相关系数，需要120个循环(即24个帧×5个循环，每一个帧为5个循环)的肌电位。也就是说，为了计算相关系数，需要某种程度的时间上的数据。
图5表示用非专利文献1记载的方法评价肌肉疲劳的情况下的实验B的各参数的结果。在实验B中，一名被试验者实施两次实验，得到了4个实例的实验结果。图5表示被试验者1的第一次实验结果和被试验者1的第二次实验结果。具体而言，图5示出作为第一次实验中的被试验者1的二头肌的实验结果的实例B1的实验结果、作为第一次实验中的被试验者1的三头肌的实验结果的实例B2的实验结果、作为第二次实验中的被试验者1的二头肌的实验结果的实例B3的实验结果以及作为第二次实验中的被试验者1的三头肌的实验结果的实例B4的实验结果。此外，在实例B1和B2中的肘屈伸运动、和实例B3和B4中的肘屈伸运动中，通过将被试验者1的肘的弯折角度设为同等，从而将负荷设为同等。与实验A同样地，实例B1～B4的实验结果所示的参数是肌电波形、ARV的变化、MNF的变化以及相关系数。在图5所示的肌电波形、ARV的变化、MNF的变化以及相关系数各自的图中，将横轴设为经过时间，将纵轴设为肌电位、ARV的值、MNF的值以及相关系数的值。
与实验A的结果同样地，在实例B1～B4中，全都会产生问题1。进而，在实例B1和B3中，在肌肉疲劳即将达到极限之前，二头肌的肌电波形减少，由此，ARV减少。因此，在用非专利文献1记载的方法评价肌肉疲劳的情况下，产生了成为错误的评价这样的问题。以下，将该问题称为问题2。进而，在实例B2和B4中，虽然三头肌没有疲劳，但可以看到ARV上升且MNF减少这样的现象。在用非专利文献1记载的方法评价肌肉疲劳的情况下，会产生将该现象也评价为肌肉疲劳这样的问题。以下，将该问题称为问题3。
因此，作为用于解决问题1的一个手段，可考虑减少用于计算相关系数的数据数。例如，在图8中示出将计算相关系数所需的数据数从120个循环(即24个帧×5个循环，每一个帧5个循环)减为15个循环(即5个帧×3个循环，每一个帧3个循环)的肌电位的情况下的实例A1～A4和B1～B4中的相关系数的算出结果。在图9～图16中分别单独地示出实例A1～A4和B1～B4各自的相关系数的算出结果的详细情况。当减少用于计算相关系数的数据数时，由于相关系数的变动很大，变得不稳定，所以会产生肌肉疲劳的推定变得困难这样的新的问题。以下，将该问题称为问题4。此外，在图8～图16中，分别将横轴设为经过时间(单位：秒)，将纵轴设为相关系数的值。
另一方面，在图19～图26中分别单独地示出用专利文献1记载的方法评价肌肉疲劳的情况下的实例A1～A4和B1～B4的实验结果。在实例A1～A4和B1～B4的大部分中，由于从实验刚刚开始之后成为rL>rH，所以导致从最初起就判定为肌肉疲劳。而且，如图21～图22和图25～图26所示，由于二头肌的rL、rM或rH的区域、与三头肌的rL、rM或rH的区域中的各自之间存在重叠的部分，所以无法区别是否已肌肉疲劳。此外，在图19～图26中，分别将横轴设为经过时间(单位：秒)，将纵轴设为肌肉纤维(也称为肌纤维)的使用比例。
以下，参照附图，具体说明实施方式。此外，以下说明的实施方式均为示出概括性或具体的例子的实施方式。在以下实施方式中示出的数值、形状、材料、构成要素、构成要素的配置位置以及连接方式、步骤、步骤的顺序等均为一例，并不意图限定本公开。另外，关于以下实施方式的构成要素中的、在表示最上位概念的独立权利要求中没有记载的构成要素，作为任意的构成要素进行说明。另外，在表现上，可以对构成要素等适当附加第一、第二以及第三等序数。
另外，各图为示意图，并不是严格地进行了图示的图。进而，在各图中，有时对实质上相同的构成要素标注同一标号，并省略或简化重复的说明。
(实施方式1)
(1-1.肌肉疲劳输出方法)
研究了上述各种问题的结果是，本公开的发明人发现了使用表示肌电位的频率特性的参数和表示振幅特性的参数的本实施方式涉及的肌肉疲劳输出方法。以下，说明本实施方式涉及的肌肉疲劳输出方法。
具体而言，在本方法中，使用肌电位的MNF作为表示频率特性的参数，使用肌电位的ARV作为表示振幅特性的参数。而且，本公开的发明人发现了使用肌电位的MNF与ARV的比率作为肌肉疲劳的指标。
在本实施方式涉及的肌肉疲劳输出方法中，随着时间的经过(历时地)算出作为MNF与ARV的比率的MNF/ARV或ARV/MNF，并将算出结果标绘在将横轴设为经过时间且将纵轴设为MNF/ARV或ARV/MNF的值的图中。此外，MNF/ARV和ARV/MNF均设为正的值，具体而言，采用了MNF/ARV的绝对值和ARV/MNF的绝对值。进而，将基线设定在上述图中，所述基线是用于判定肌肉疲劳的有无的基准线。基线将经过时间、MNF与ARV的比率的图区域分为肌肉疲劳判定区域和肌肉疲劳非判定区域。在MNF与ARV的比率包括在肌肉疲劳判定区域内的情况下，例如在MNF/ARV低于基线的情况下，判定为是肌肉疲劳状态。在MNF与ARV的比率包括在肌肉疲劳非判定区域内或与基线上的值相同的情况下，例如，MNF/ARV的比率为基线以上的值的情况下，判定为不是肌肉疲劳状态。也就是说，在使用MNF/ARV作为指标的情况下，如果MNF/ARV低于基线，则判定为肌肉疲劳状态。相反地，在使用ARV/MNF作为指标的情况下，若ARV/MNF超过基线，则判定为肌肉疲劳状态。这样，发现了：基于基线与MNF/ARV或ARV/MNF的关系，能够判定肌肉疲劳状态。在以下说明中，使用MNF/ARV作为指标。
此外，作为表示频率特性的参数，除了MNF以外，还可以使用作为频率的中央值的MDF(Median Frequency；也称为中央频率)。作为表示振幅特性的参数，除了ARV以外，还可以使用RMS(Root Mean Square；也称为均方根)。而且，肌肉疲劳的指标可以是MDF与RMS的比率，可以是MDF与ARV的比率，也可以是MNF与RMS的比率。
在这里，在表示频率特性的参数(MNF或MDF)与表示振幅特性的参数(ARV或RMS)的比率中，进入分母的值是表示频率特性的参数的值或表示振幅特性的参数的值中的某一个。进入分子的值是进入分母的参数以外的另一方参数的值。也就是说，在表示频率特性的参数的值进入分母的情况下，表示振幅特性的参数的值进入分子。或者，相反地也成立。比率中的分子的单位/分母的单位是μV/Hz或Hz/μV。因此，比例可具有单位。另一方面，在非专利文献1所记载的相关系数的计算中，在分母和分子中分别包括MNF和ARV双方。因此，相关系数为无单位。
另外，本公开的发明人也发现了以下情况。如果MNF/ARV的初始值低，则运动对此人的负荷就高。在该情况下，由于到疲劳为止的时间变短，所以需要提高基线。另一方面，如果MNF/ARV的初始值高，则运动对此人的负荷就低。在该情况下，由于到疲劳为止的时间变长，所以需要降低基线。
如果MNF/ARV的斜度陡，则运动对此人的负荷就高。在该情况下，由于到疲劳为止的时间变短，所以需要提高基线。另一方面，如果MNF/ARV的斜度平缓，则运动对此人的负荷就低。在该情况下，由于到疲劳为止的时间变长，所以需要降低基线。
图27是针对上述实例A1～A4和B1～B4的实验数据，将随着时间的经过算出MNF/ARV得到的结果标绘在图中而成的图，将横轴设为经过时间(单位：秒)，将纵轴设为MNF/ARV的值。也就是说，图27是表示用将MNF/ARV作为肌肉疲劳指标使用的本实施方式涉及的肌肉疲劳输出方法评价肌肉疲劳的情况下的实验A和B的结果的图。在图27中，将3个循环的肌电位作为一个帧，使用各帧内的肌电位按每一帧算出的MNF/ARV与经过时间关联而被标绘。此外，在图27中，各帧设定为逐帧移位且相互不搭接(lap)，但也可以是，以在各帧间一个循环或两个循环搭接的方式设定各帧。
在图28～图35中分别单独地示出实例A1～A4和B1～B4的详细情况。在图36中，示出与二头肌相关的实例A1～A4、B1和B3的MNF/ARV。与实例B2和B4对应的三头肌的MNF/ARV的范围、和与实例A1～A4、B1和B3对应的二头肌的MNF/ARV的范围不同，三头肌的MNF/ARV的范围的值比二头肌的MNF/ARV的范围的值大幅增大。因此，三头肌的MNF/ARV的范围始终超过设定在与二头肌的MNF/ARV的范围交叉的位置的基线，能够评价为三头肌没有肌肉疲劳。另外，当二头肌的MNF/ARV低于基线时，能够评价为二头肌已肌肉疲劳。
另外，如上所述，在二头肌中，根据被试验者和负荷的重量，MNF/ARV的表现方式不同，所以基线的值并非千篇一律，需要对其进行调整。
在基线的值的决定中，可以使用肌电位的计测开始后，也即是各实例的实验开始后，最初输出的MNF/ARV的值(初始值)。例如，如果MNF/ARV的初始值大，则减小基线的值。相反地，如果MNF/ARV的初始值小，则增大基线的值。
对于上述实验数据，能够用下述的式1进行计算来决定基线。此外，式1所包含的“初始值”是上述MNF/ARV的初始值。
a和b是系数。在图43中示出将a和b的值分别设为0.2198和3.9291的情况下的实例A1～A4和B1～B4中的基线的计算结果。此外，用于决定基线的a和b的值能够根据人进行实验A和B这样的运动并感到肌肉疲劳的时间点的数据，按每个人或统计地求出。
此外，在基线的值的决定中，可以使用肌电位的计测开始后，也即是各实例的实验开始后，最初的预定期间内也即是第一预定时间内的MNF/ARV的斜度。可以根据负荷的重量改变第一预定时间的长度。例如，负荷的重量越大，则使第一预定时间的长度越短。具体而言，在负荷的重量为5kg的情况下，将第一预定时间设为75s(秒)，在负荷的重量为7.5kg的情况下，将第一预定时间设为37.5s(秒)。而且，将最初的第一预定时间内的MNF/ARV的数据、与MNF/ARV所对应的时间也即是经过时间的关系进行线性近似，使用得到的近似方程式的斜度和截距的值计算基线。此外，用于求出MNF/ARV的预定时间可以在实验的中途设定。
对于上述实验数据，能够用下述的式2计算并决定基线。此外，式2所包含的“斜度”和“截距”是将最初的第一预定时间内的MNF/ARV的数据、与MNF/ARV所对应的时间的关系进行线性近似而得到的近似方程式的斜度和截距的值。
c、d以及e是系数。在图44中示出将c、d以及e的值分别设为-10.6575、0.1614以及3.9159的情况下的实例A1～A4和B1～B4中的基线的计算结果。此外，用于决定基线的c、d以及e的值能够根据人进行实验A和B这样的运动并感到肌肉疲劳的时间点的数据，按每个人或统计地求出。
此外，为了应对与个人相应的MNF/ARV的变动，也可以是，在MNF/ARV低于基线起在作为预定期间的第二预定时间的范围内连续地持续低于基线，或低于基线预定次数的情况下，判定为是肌肉疲劳状态。第二预定时间和上述预定次数可以基于MNF/ARV的初始值决定。例如，如果MNF/ARV的初始值大，则延长第二预定时间，并增多预定次数。关于预定次数的计数，可以限制进行计数的时间，也可以不限制。另外，也可以是，在对MNF/ARV低于基线这一情况进行计数起，作为预定期间的第三预定时间以上的期间没有低于基线的情况下，将此前为止的全部或一部分计数设为无效也即是复位。
另外，可以根据基线的值决定第二预定时间和预定次数。例如，如果基线大，则延长第二预定时间，并增多预定次数。
此外，关于基线的决定，可以并用使用了上述式1的决定方法和使用了上述式2的决定方法。例如，可以对使用式1算出的基线的值和使用式2算出的基线的值进行比较，并选择某一个。
另外，在图37中，示出了：关于实例A1，将按每一个循环的肌电位而历时算出MNF/ARV的情况下的MNF/ARV的值标绘在图中的图。也就是说，在图37的例子中，使用一个循环的肌电位算出MNF/ARV，在图27和图28的例子中，使用3个循环的肌电位算出MNF/ARV。在图37的情况下也与图28的情况下同样地示出：MNF/ARV随着时间经过而减少的倾向。因此，即使在按每一个循环的肌电位算出MNF/ARV的情况下，也能够进行使用了与上述同样的方法的肌肉疲劳的评价。因此，在MNF/ARV的算出中应用的肌电位的循环数可以是任何数量。
(1-2.肌肉疲劳输出装置的构成)
接着，说明用于实现本实施方式涉及的肌肉疲劳输出方法的肌肉疲劳输出装置100的构成。图38表示实施方式1涉及的肌肉疲劳输出装置100的构成。肌肉疲劳输出装置100具备主控制部10、肌电计测部11、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15、判定部16、警告部17以及显示部18。
(主控制部10)
主控制部10控制肌肉疲劳输出装置100整体的工作。具体而言，主控制部10控制肌电计测部11、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15、判定部16、警告部17以及显示部18的工作。主控制部10也可以兼用作频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15以及判定部16中的任一个。主控制部10例如可以组入图3所示的运算装置5。在这里，主控制部10、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15以及判定部16是控制部的一例。
(肌电计测部11)
肌电计测部11计测对象肌肉的肌电位。肌电计测部11具备生物体电位传感器，所述生物体电位传感器安装于覆盖对象肌肉的皮肤。生物体电位传感器具备：安装于覆盖对象肌肉的皮肤的电极和经由电极计测肌电位的计测电路，所述肌电位是对象肌肉的肌肉动作电位。生物体电位传感器例如通过贴附于覆盖对象肌肉的皮肤的生物体电位传感器的表面电极，计测对象肌肉的肌电位。生物体电位传感器的电极可以是刺入皮肤的针电极或线电极等。肌电计测部11的生物体电位传感器可以是图3所示的电极2。肌电计测部11可以具有具备电极2的构成，可以具有具备电极2和加速度传感器3的构成，也可以具有具备电极2和加速度传感器3中的至少电极2和信号处理器4的构成。在这里，肌电计测部11是肌电传感器的一例。
(频率解析部12)
频率解析部12每预定时间解析肌电位的频率特性。频率解析部12根据预定时间内的肌电位的计测结果解析肌电位的频率特性。在该情况下，频率解析部12以使多个预定时间连续的方式进行设定，并解析在各预定时间中的肌电位的频率特性。多个预定时间可以相互搭接，也可以不搭接。根据频率特性解析得到的参数是MNF(也称为平均频率)、MDF(也称为中央频率)等。此外，也可以使用肌电位的预定循环数来取代预定时间。频率解析部12例如可以组入图3所示的运算装置5。
(振幅解析部13)
振幅解析部13按每预定时间解析肌电位的振幅特性。振幅解析部13根据预定时间内的肌电位的计测结果解析肌电位的振幅特性。在该情况下，振幅解析部13以使多个预定时间连续的方式进行设定，并解析在各预定时间中的肌电位的振幅特性。多个预定时间可以相互搭接，也可以不搭接。根据振幅特性解析得到的参数是ARV(也称为整流平滑化值或整流化平均值)、RMS(也称为均方根)等。振幅解析部13例如可以组入图3所示的运算装置5。
(肌肉疲劳指标算出部14)
肌肉疲劳指标算出部14算出由频率解析部12取得的频率特性的参数的值与由振幅解析部13取得的振幅特性的参数的值的比率，作为肌肉疲劳的指标。肌肉疲劳指标算出部14例如使用MNF/ARV作为肌肉疲劳指标。肌肉疲劳指标算出部14例如可以组入图3所示的运算装置5。
(基线设定部15)
关于肌肉疲劳指标，基线设定部15设定划分肌肉疲劳判定区域与肌肉疲劳非判定区域的基线。在基线的值的决定中，可以使用由肌肉疲劳指标算出部14最初输出的肌肉疲劳指标的值，例如MNF/ARV的初始值。此外，在基线的值的决定中，可以使用由肌电计测部11实现的肌电位的计测开始后，最初的预定时间中的MNF/ARV的斜度。可以根据负荷的重量改变该预定时间。基线设定部15例如可以组入图3所示的运算装置5。
(判定部16)
判定部16在由频率解析部12取得的频率特性的参数的值与由振幅解析部13取得的振幅特性的参数的值的比率，也即是肌肉疲劳指标的值存在于肌肉疲劳判定区域内的情况下，判定为肌肉疲劳状态。例如，在使用MNF/ARV作为肌肉疲劳指标的情况下，如果MNF/ARV低于基线，则判定为是肌肉疲劳状态。
此外，为了应对与个人相应的MNF/ARV的变动，也可以是，在从MNF/ARV低于基线起在预定时间的范围内连续地持续低于基线，或低于基线预定次数的情况下，判定部16判定为是肌肉疲劳状态。可以基于MNF/ARV的初始值决定预定时间和预定次数。例如，如果MNF/ARV的初始值大，则延长预定时间，并增多预定次数。关于预定次数的计数，可以限制进行计数的时间，也可以不限制。另外，可以根据基线的值决定预定时间和预定次数。例如，如果基线大，则延长预定时间，并增多预定次数。判定部16例如可以组入图3所示的运算装置5。
(警告部17)
如果判定部16判定为肌肉疲劳状态，则警告部17向作为用户的计测对象者发出警告。作为警告方法，在画面显示警告或发出警告声。警告部17例如可以组入图3所示的运算装置5，并利用运算装置5的画面显示装置、语音产生装置等，也可以是与运算装置5独立地设置的装置或装置的一部分。
(显示部18)
显示部18显示各种信息。例如，显示部18将肌肉疲劳指标的值的时间上的变化与基线一起图解并显示，所述肌肉疲劳指标的值是由频率解析部12取得的频率特性的参数的值与由振幅解析部13取得的振幅特性的参数的值的比率。图40表示显示部18的上述显示的一例。此外，显示部18可以显示判定部16的判定结果和警告部17的警告。构成显示部18的硬件例如是液晶显示器、有机EL(Electro Luminescence)显示器。显示部18例如可以组入图3所示的运算装置5，并利用运算装置5的画面显示装置等，也可以是与运算装置5独立地设置的装置或装置的一部分。
上述主控制部10、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15以及判定部16这些各构成要素例如可以由图3所示的运算装置5、医疗器械、健康护理设备、运动设备、健身设备或训练设备等装置所具备的微型计算机或其他专用硬件构成。另外，例如，上述构成要素也可以通过执行适合于各构成要素的软件程序来实现。在该情况下，上述构成要素例如可以具备运算处理部和存储控制程序的存储部。作为运算处理部，例示了MPU(Micro Processing Unit：微处理单元)、CPU(Central Processing Unit：中央处理单元)等。作为存储部，例示了存储器等。此外，上述构成要素的全部可以由进行集中控制的单独的控制要素构成，也可以由相互协作并进行分散控制的多个控制要素构成。
此外，运算装置5可以不是如图3所示在放置的状态下使用的形式的装置，而是可携带的小型装置，例如，可以是智能手机、平板电脑等便携式终端或专用的小型装置。或者，运算装置5可以作为一部分组入其他装置。运算装置5可以包括信号处理器4。
例如，在运算装置5如智能手机等便携式终端或个人计算机那样能够访问互联网等通信网的情况下，主控制部10、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15以及判定部16这些各构成要素可以通过执行经由通信网作为应用提供给运算装置5的程序来实现。
(1-3.整体的处理流程)
接着，参照图39，说明本实施方式涉及的肌肉疲劳输出装置100的工作的一例。图39示出利用本实施方式涉及的肌肉疲劳输出装置100的肌肉疲劳的信息的输出的处理流程的一例。
<步骤S101>
肌电计测部11被安装于覆盖计测对象者的对象肌肉的皮肤，并开始对象肌肉的肌电位的计测。
<步骤S102>
计测开始后，振幅解析部13按作为预定时间的第四预定时间的每一个，计算在第四预定时间内由肌电计测部11计测出的肌电位的ARV(也称为整流平滑化值或整流化平均值)。
<步骤S103>
计测开始后，频率解析部12按每第四预定时间，计算在第四预定时间内由肌电计测部11计测出的肌电位的MNF(也称为平均频率)。
<步骤S104>
肌肉疲劳指标算出部14使用由振幅解析部13和频率解析部12计算出的ARV和MNF，计算按每第四预定时间的MNF与ARV的比率MNF/ARV。
<步骤S105>
接着，基线设定部15判定是否已经设定基线。在已经设定的情况下(在步骤S105中为是)，基线设定部15进入步骤S106。在没有设定的情况下(在步骤S105中为否)，基线设定部15进入步骤S110。
<步骤S106>
判定部16判定MNF/ARV是否低于所设定的基线。在低于的情况下(在步骤S106中为是)，判定部16进入步骤S107。在不低于的情况下(在步骤S106中为否)，判定部16进入步骤S101。
<步骤S107>
判定部16判定MNF/ARV低于基线的次数是否达到预定次数N以上。如果低于的次数为预定次数N以上(在步骤S107中为是)，则判定部16进入步骤S108。如果低于的次数小于预定次数N(在步骤S107中为否)，则判定部16进入步骤S101。N为1以上的整数。此外，也可以是，即使低于的次数达到预定次数N，但是没有在预定时间以内完成的情况下，判定部16在步骤S107中也判定为否。或者，也可以是，在对MNF/ARV第N-1次低于基线这一情况进行了计数之后，不低于的状态持续预定时间以上之后进行了第N次计数的情况下，判定部16在步骤S107中判定为否。
<步骤S108>
判定部16判定为计测对象者的对象肌肉为肌肉疲劳状态。
<步骤S109>
基于判定部16的肌肉疲劳状态的判定，警告部17向计测对象者警告处于肌肉疲劳状态这一情况。
<步骤S110>
基线设定部15判定设定基线所需的数据是否充足。在数据充足的情况下(在步骤S110中为是)，基线设定部15进入步骤S111。在数据不充足的情况下(在步骤S110中为否)，基线设定部15进入步骤S101。例如，在基线的设定中使用上述式1的情况下，基线的设定所需的数据可以是MNF/ARV的一个以上的初始值。在基线的设定中使用上述式2的情况下，基线的设定所需的数据可以是MNF/ARV的线性近似方程式的斜度的算出所需的两个以上MNF/ARV的值和与它们对应的时间。
<步骤S111>
基线设定部15使用需要的数据设定基线。之后，基线设定部15进入步骤S101。
(1-4.效果的说明)
如上所述，实施方式1涉及的肌肉疲劳输出装置100具备：取得用户的肌电的肌电计测部11和基于肌电决定用户的肌肉的疲劳的主控制部10。主控制部10(a)利用肌电，取得肌电的频率特性的值，(b)利用肌电，取得肌电的振幅特性的值，(c)取得频率特性的值与振幅特性的值的比率，作为用户的肌肉的疲劳的指标，(d)输出基于用户的肌肉的疲劳的指标的信息。用户是利用肌肉疲劳输出装置100的人。
在上述构成中，作为用户的肌肉的疲劳的指标的频率特性的值与振幅特性的值的比率反映肌电计测部11取得肌电的肌肉的疲劳状态，不反映肌电计测部11没有取得肌电的肌肉的疲劳状态。例如，在肌电计测部11取得二头肌的肌电的情况下，频率特性的值与振幅特性的值的比率不反映三头肌的疲劳状态，而反映二头肌的疲劳状态。进而，频率特性的值与振幅特性的值的比率根据肌肉的疲劳，示出减少或增加的倾向。虽然频率特性的值与振幅特性的值的比率可从用户反复运动时的一个以上循环所包括的肌电取得，但频率特性的值与振幅特性的值的比率的上述特性是由取得中使用的循环数带来的影响被抑制为低的特性。因此，能够降低用户的运动状况的影响，且输出高精度的肌肉的疲劳的信息。
在实施方式1涉及的肌肉疲劳输出装置100中，主控制部10在工序(a)中，利用肌电计算平均频率或者利用肌电计算中央频率，来作为肌电的频率特性的值。在使用了平均频率和中央频率中的任一个作为肌电的频率特性的值的情况下，都能够得到上述频率特性的值与振幅特性的值的比率的特性。
在实施方式1涉及的肌肉疲劳输出装置100中，主控制部10在工序(b)中，利用肌电计算整流平滑化值(也称为整流化平均值)或者利用肌电计算均方根，来作为肌电的振幅特性的值。在使用了整流平滑化值和均方根中的任一个作为肌电的振幅特性的值的情况下，都能够得到上述频率特性的值与振幅特性的值的比率的特性。
在实施方式1涉及的肌肉疲劳输出装置100中，主控制部10(e)根据频率特性的值与振幅特性的值的比率是否为作为第一阈值的基线的值以上，判定用户的肌肉是否已疲劳，作为在工序(d)中提及的信息，输出表示用户的肌肉是否已疲劳的信息。由此，用户的肌肉是否已疲劳的判定变得容易。进而，用户也能够明确地掌握自身的肌肉的疲劳状态。
在实施方式1涉及的肌肉疲劳输出装置100中，具备取得用户的肌电的肌电计测部11和基于肌电决定用户的肌肉的疲劳的主控制部10。主控制部10(a)利用肌电，取得肌电的频率特性的值，(b)利用肌电，取得肌电的振幅特性的值，(c)取得频率特性的值与振幅特性的值的比率，作为用户的肌肉的疲劳的指标，(d)输出基于用户的肌肉的疲劳的指标的信息，所述信息表示所述用户的肌肉是否已疲劳，(e)根据频率特性的值与振幅特性的值的比率是否为作为第一阈值的基线的值以上，判定用户的肌肉是否已疲劳。用户是利用肌肉疲劳输出装置100的人。肌电计测部11可以取得第一时刻的用户的第一肌电、第一时刻之后的第二时刻的用户的第二肌电。进而，也可以是，主控制部10在工序(e)之前，(f)基于第一肌电和第二肌电，变更作为第一阈值的基线的值。在该情况下，主控制部10在工序(a)中，可以利用第一肌电取得第一肌电的频率特性的值，且利用第二肌电取得第二肌电的频率特性的值，在工序(b)中，可以利用第一肌电取得第一肌电的振幅特性的值，且可以利用第二肌电取得第二肌电的振幅特性的值，在工序(c)中，可以取得第一肌电的频率特性的值与第一肌电的振幅特性的值的第一比率、第二肌电的频率特性的值与第二肌电的振幅特性的值的第二比率，来作为用户的肌肉的疲劳的指标。进而，主控制部10在工序(f)中，可以基于第一比率和第二比率的变化变更基线的值，在工序(e)中，可以根据第一比率和第二比率中的至少一方是否为变更后的基线的值以上，判定用户的肌肉是否已疲劳。
在上述构成中，在两个时刻的两个频率特性的值与肌电的振幅特性的值的比率的变化可表示作用于用户的肌肉的负荷给用户的肌肉带来的影响也即是负荷是大还是小。根据负荷的大小，到肌肉疲劳为止的时间会变化。因此，基于上述比率的变化而变更的基线的值以高精度表示肌肉的疲劳状态。
在实施方式1涉及的肌肉疲劳输出装置100中，作为工序(e)之前的工序(f)，主控制部10基于在工序(c)中初始取得的频率特性的值与振幅特性的值的比率，变更作为第一阈值的基线的值。在上述构成中，初始取得的频率特性的值与振幅特性的值的比率可表示作用于用户的肌肉的负荷给用户的肌肉带来的影响也即是负荷是大还是小。因此，基于上述比率的变化而变更的基线的值以高精度表示肌肉的疲劳状态。
此外，在上述实施方式中，各构成要素既可以由专用硬件构成，或者也可以通过执行适合于各构成要素的软件程序来实现。各构成要素也可以通过CPU或处理器等程序执行器读出并执行记录在硬盘或半导体存储器等记录介质中的软件程序来实现。在这里，实现上述实施方式涉及的肌肉疲劳输出装置等的软件是如下程序。
即，该程序是使计算机执行的程序，(h1)利用肌电计测部11取得用户的肌电，(h2)利用肌电，取得肌电的频率特性的值，(h3)利用肌电，取得肌电的振幅特性的值，(h4)取得频率特性的值与振幅特性的值的比率，来作为用户的肌肉的疲劳的指标，(h5)基于用户的肌肉的疲劳的指标，输出用户的肌肉的疲劳的信息。
另外，在上述实施方式中，各构成要素也可以是电路。多个构成要素可以作为整体构成一个电路，也可以分别构成各自的电路。另外，各个电路既可以是通用电路，也可以是专用电路。在这里，上述实施方式涉及的肌肉疲劳输出方法等利用构成电路的以下处理器实现。
即，肌肉疲劳输出方法是由处理器实现的肌肉疲劳输出方法，利用肌电计测部11取得用户的肌电，利用肌电，取得肌电的频率特性的值，利用肌电，取得肌电的振幅特性的值，取得频率特性的值与振幅特性的值的比率，来作为用户的肌肉的疲劳的指标，基于用户的肌肉的疲劳的指标，输出用户的肌肉的疲劳的信息。
(实施方式2)
在实施方式2涉及的肌肉疲劳输出装置中，在实施方式1中的当前的肌肉疲劳状态的评价的基础上，基于作为当前的肌肉疲劳指标的MNF/ARV的值和基线的值，推定残存能力并向用户显示，所述残存能力是到用户疲劳为止剩余的运动能力。以下，以与实施方式1不同之处为中心说明实施方式2。
(2-1.肌肉疲劳输出装置的构成)
图41表示实施方式2涉及的肌肉疲劳输出装置200的构成。肌肉疲劳输出装置200具备与实施方式1同样的主控制部10、肌电计测部11、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15以及显示部18和残存能力推定部19。由于肌电计测部11、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14以及基线设定部15的构成和工作与实施方式1同样，所以省略其说明。
(主控制部10)
主控制部10控制肌肉疲劳输出装置200整体的工作。具体而言，主控制部10控制肌电计测部11、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15、显示部18以及残存能力推定部19。主控制部10可以兼用作肌电计测部11、频率解析部12、振幅解析部13、肌肉疲劳指标算出部14、基线设定部15以及残存能力推定部19中的任一个。
(残存能力推定部19)
残存能力推定部19基于当前的肌肉疲劳指标MNF/ARV的值和基线的值，推定疲劳时间，所述疲劳时间是到低于基线为止的时间。此外，当前的MNF/ARV的值是最近算出的MNF/ARV的值。作为疲劳时间的推定方法，残存能力推定部19将到目前为止的或最近的多个MNF/ARV的值与多个MNF/ARV的值所对应的时间的关系进行线性近似，并计算通过线性近似求出的线与基线交叉的时间。而且，残存能力推定部19将与基线交叉的时间减去当前的时间得到的值设为疲劳时间。进而，残存能力推定部19基于疲劳时间推定残存次数，所述残存次数是用户还能运用自如的运动循环的次数。运动的一个循环例如是上述实验所示的肘屈伸运动这样的反复运动的一个循环。残存次数能够设为疲劳时间除以一个周期的运动的所需时间得到的值。
(显示部18)
显示部18除了实施方式1中的显示外，还显示由残存能力推定部19算出的疲劳时间和/或残存次数。
(2-2.肌肉疲劳推定的处理流程)
接着，参照图42，说明本实施方式涉及的肌肉疲劳输出装置200的工作的一例。图42表示本实施方式涉及的肌肉疲劳输出装置200的肌肉疲劳推定的处理流程的一例。由于步骤S101～S105和步骤S110～S111与实施方式1相同，所以省略其说明。
<步骤S112>
在步骤S105中已经设定了基线的情况下(在步骤S105中为是)，残存能力推定部19推定疲劳时间，所述疲劳时间是到MNF/ARV低于基线为止的时间。
<步骤S113>
接着，残存能力推定部19基于推定出的疲劳时间推定残存次数，所述残存次数是用户还能运用自如的运动循环的次数，所述用户是进行运动并利用肌肉疲劳输出装置200的人。
<步骤S114>
基于由残存能力推定部19推定的残存次数，显示部18显示用户还能完成的运动的残存次数。
(2-3.效果的说明)
如上所述，在实施方式2涉及的肌肉疲劳输出装置200中，肌电计测部11取得第三时刻的用户的第三肌电、第三时刻之后的第四时刻的用户的第四肌电。进而，主控制部10(e)根据频率特性的值与振幅特性的值的比率是否为作为第一阈值的基线的值以上，判定用户的肌肉是否已疲劳。而且，主控制部10在工序(a)中，利用第三肌电取得第三肌电的频率特性的值，且利用第四肌电取得第四肌电的频率特性的值，在工序(b)中，利用第三肌电取得第三肌电的振幅特性的值，且利用第四肌电取得第四肌电的振幅特性的值。进而，主控制部10在工序(c)中，取得第三肌电的频率特性的值与第三肌电的振幅特性的值的第三比率、第四肌电的频率特性的值与第四肌电的振幅特性的值的第四比率，作为用户的肌肉的疲劳的指标，在工序(g)中，基于第三比率与第四比率的时间上的变化，推定频率特性的值与振幅特性的值的比率达到基线的值为止的时间。主控制部10在工序(d)中输出工序(g)中的推定结果来作为用户的肌肉的疲劳的信息。进而，主控制部10在工序(g)中，基于推定出的时间，推定用户残存的动作能力，在工序(d)中，能输出在工序(g)中推定出的动作能力。
在上述构成中，根据两个时刻的两个频率特性的值与肌电的振幅特性的值的比率的时间上的变化，推定上述比率的将来的推移。而且，使用该推定，推定频率特性的值与振幅特性的值的比率达到基线的值为止的时间。因此，运动中的用户能够得到与相对于自身的肌肉的疲劳的残存能力相关的信息。
(其他变形例)
以上，基于实施方式说明了一个或多个技术方案涉及的肌肉疲劳输出装置等，但本公开不限定于该实施方式。只要不脱离本公开的宗旨，对本实施方式实施了本领域的技术人员能够想到的各种变形而得到实施方式、以及组合不同的实施方式中的构成要素而构成的实施方式均包括在一个或多个方式的范围内。
实施方式1和2涉及的肌肉疲劳输出装置100和200输出了人的手臂的肌肉疲劳的信息，但可以输出人的任何部位的肌肉疲劳的信息。
本公开涉及的肌肉疲劳输出装置、肌肉疲劳输出方法以及程序能够应用于医疗、健康护理、运动、健身、训练等领域。

Claims (12)

1.一种肌肉疲劳输出装置，具备：
取得用户的肌电的肌电传感器；和
控制部，
所述控制部执行以下步骤：
(a)利用所述肌电，取得所述肌电的频率特性的值，
(b)利用所述肌电，取得所述肌电的振幅特性的值，
(c)取得所述频率特性的值与所述振幅特性的值的比率，作为所述用户的肌肉的疲劳的指标，
(d)输出基于所述用户的肌肉的疲劳的指标的信息。
2.根据权利要求1所述的肌肉疲劳输出装置，
所述控制部在所述步骤(a)中，利用所述肌电计算平均频率，来作为所述肌电的频率特性的值。
3.根据权利要求1所述的肌肉疲劳输出装置，
所述控制部在所述步骤(a)中，利用所述肌电计算中央频率，来作为所述肌电的频率特性的值。
4.根据权利要求1所述的肌肉疲劳输出装置，
所述控制部在所述步骤(b)中，利用所述肌电计算整流平滑化值，来作为所述肌电的振幅特性的值。
5.根据权利要求1所述的肌肉疲劳输出装置，
所述控制部在所述步骤(b)中，利用所述肌电计算均方根，来作为所述肌电的振幅特性的值。
6.根据权利要求1所述的肌肉疲劳输出装置，
所述控制部执行的步骤还包括：
(e)根据所述频率特性的值与所述振幅特性的值的比率是否为第一阈值以上，判定所述用户的肌肉是否已疲劳，
所述信息表示所述用户的肌肉是否已疲劳。
7.一种肌肉疲劳输出装置，具备：
取得用户的肌电的肌电传感器；和
控制部，
所述控制部执行以下步骤：
(a)利用所述肌电，取得所述肌电的频率特性的值，
(b)利用所述肌电，取得所述肌电的振幅特性的值，
(c)取得所述频率特性的值与所述振幅特性的值的比率，来作为所述用户的肌肉的疲劳的指标，
(d)输出基于所述用户的肌肉的疲劳的指标的信息，所述信息表示所述用户的肌肉是否已疲劳，
(e)根据所述频率特性的值与所述振幅特性的值的比率是否为第一阈值以上，判定所述用户的肌肉是否已疲劳，
所述肌电传感器取得第一时刻的所述用户的第一肌电、和所述第一时刻之后的第二时刻的所述用户的第二肌电，
所述控制部在所述步骤(e)之前执行的步骤还包括：
(f)基于所述第一肌电和所述第二肌电，变更所述第一阈值，
所述控制部在所述步骤(a)中，利用所述第一肌电取得所述第一肌电的频率特性的值，且利用所述第二肌电取得所述第二肌电的频率特性的值，在所述步骤(b)中，利用所述第一肌电取得所述第一肌电的振幅特性的值，且利用所述第二肌电取得所述第二肌电的振幅特性的值，
所述控制部在所述步骤(c)中，取得所述第一肌电的频率特性的值与所述第一肌电的振幅特性的值的第一比率、和所述第二肌电的频率特性的值与所述第二肌电的振幅特性的值的第二比率，来作为所述用户的肌肉的疲劳的指标，
所述控制部在所述步骤(f)中，基于所述第一比率和所述第二比率的变化，变更所述第一阈值，
所述控制部在所述步骤(e)中，根据所述第一比率和所述第二比率中的至少一方是否为所述变更后的第一阈值以上，判定所述用户的肌肉是否已疲劳。
8.根据权利要求6所述的肌肉疲劳输出装置，
所述控制部在所述步骤(e)之前执行的步骤还包括：
(f)基于在所述步骤(c)中初始取得的所述频率特性的值与所述振幅特性的值的比率，变更所述第一阈值。
9.根据权利要求1所述的肌肉疲劳输出装置，
所述肌电传感器取得第三时刻的所述用户的第三肌电、和所述第三时刻之后的第四时刻的所述用户的第四肌电，
所述控制部执行的步骤还包括步骤：
(e)根据所述频率特性的值与所述振幅特性的值的比率是否为第一阈值以上，判定所述用户的肌肉是否已疲劳，
所述控制部在所述步骤(a)中，利用所述第三肌电取得所述第三肌电的频率特性的值，且利用所述第四肌电取得所述第四肌电的频率特性的值，所述控制部在所述步骤(b)中，利用所述第三肌电取得所述第三肌电的振幅特性的值，且利用所述第四肌电取得所述第四肌电的振幅特性的值，
所述控制部在所述步骤(c)中，取得所述第三肌电的频率特性的值与所述第三肌电的振幅特性的值的第三比率、和所述第四肌电的频率特性的值与所述第四肌电的振幅特性的值的第四比率，来作为所述用户的肌肉的疲劳的指标，
所述控制部在步骤(g)中，基于所述第三比率和所述第四比率的时间上的变化，推定所述频率特性的值与所述振幅特性的值的比率达到所述第一阈值为止的时间，
所述控制部在所述步骤(d)中，输出在所述步骤(g)中的推定结果，来作为所述用户的肌肉的疲劳的信息。
10.根据权利要求9所述的肌肉疲劳输出装置，
所述控制部在所述步骤(g)中，基于推定出的时间，推定所述用户残存的动作能力，
在所述步骤(d)中，输出在所述步骤(g)中推定出的动作能力。
11.一种使计算机执行以下处理的程序，
(h1)利用肌电传感器取得用户的肌电，
(h2)利用所述肌电，取得所述肌电的频率特性的值，
(h3)利用所述肌电，取得所述肌电的振幅特性的值，
(h4)取得所述频率特性的值与所述振幅特性的值的比率，来作为所述用户的肌肉的疲劳的指标，
(h5)输出基于所述用户的肌肉的疲劳的指标的信息。
12.一种肌肉疲劳输出方法，是由处理器实现的肌肉疲劳输出方法，包括：
利用肌电传感器取得用户的肌电，
利用所述肌电，取得所述肌电的频率特性的值，
利用所述肌电，取得所述肌电的振幅特性的值，
取得所述频率特性的值与所述振幅特性的值的比率，来作为所述用户的肌肉的疲劳的指标，
输出基于所述用户的肌肉的疲劳的指标的信息。
CN201710274239.1A 2016-06-10 2017-04-25 肌肉疲劳输出装置、肌肉疲劳输出方法以及程序 Pending CN107485395A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-116666 2016-06-10
JP2016116666 2016-06-10

Publications (1)

Publication Number Publication Date
CN107485395A true CN107485395A (zh) 2017-12-19

Family

ID=60572111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710274239.1A Pending CN107485395A (zh) 2016-06-10 2017-04-25 肌肉疲劳输出装置、肌肉疲劳输出方法以及程序

Country Status (3)

Country Link
US (1) US10376212B2 (zh)
JP (1) JP2017221647A (zh)
CN (1) CN107485395A (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3714782A1 (en) * 2019-03-27 2020-09-30 Koninklijke Philips N.V. Assessing muscle fatigue
CN112382366A (zh) * 2019-07-29 2021-02-19 易适康连（上海）科技有限公司 腹直肌的自发放电的评估方法、系统、电子设备及介质
CN110693494B (zh) * 2019-10-10 2022-04-26 中国科学院心理研究所 一种基于多通道肌电的骨骼肌状态在线评估方法
CN111904416A (zh) * 2020-07-27 2020-11-10 深圳先进技术研究院 肌肉疲劳检测方法、计算机设备以及存储介质
CN114587387B (zh) * 2022-02-18 2024-05-28 金华送变电工程有限公司三为金东电力分公司 一种带电作业绝缘操作杆使用疲劳性评估方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016149832A1 (en) * 2015-03-26 2016-09-29 GestureLogic Inc. Systems, methods and devices for exercise and activity metric computation
CN105992554A (zh) * 2013-12-09 2016-10-05 哈佛大学校长及研究员协会 帮助人移动的辅助柔性套服、柔性套服系统及它们的制造和控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002224072A (ja) * 2001-02-02 2002-08-13 Mazda Motor Corp 筋疲労評価装置、筋疲労評価方法並びに当該方法を実行するコンピュータプログラム並びに当該コンピュータプログラムを格納した記憶媒体
JP3948617B2 (ja) * 2002-10-22 2007-07-25 株式会社タニタ 筋肉測定装置
JP4186702B2 (ja) * 2002-10-31 2008-11-26 松下電工株式会社 筋電位計測装置
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
JP6452193B2 (ja) 2013-08-30 2019-01-16 国立大学法人鳥取大学 筋疲労の定量的評価方法、筋疲労表示装置及び筋疲労定量的評価装置
CN104224169A (zh) * 2014-10-14 2014-12-24 沈阳工程学院 一种用于判断人体肌肉疲劳的表面肌电信号线性分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105992554A (zh) * 2013-12-09 2016-10-05 哈佛大学校长及研究员协会 帮助人移动的辅助柔性套服、柔性套服系统及它们的制造和控制方法
WO2016149832A1 (en) * 2015-03-26 2016-09-29 GestureLogic Inc. Systems, methods and devices for exercise and activity metric computation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王靖雯: "电子竞技选手鼠标操作上肢肌疲劳及其表面肌电变化特征研究", 《中国优秀硕士学位论文全文数据库社会科学Ⅱ辑（月刊 ）》 *

Also Published As

Publication number Publication date
US10376212B2 (en) 2019-08-13
US20170354377A1 (en) 2017-12-14
JP2017221647A (ja) 2017-12-21

Similar Documents

Publication Publication Date Title
Gillinov et al. Variable accuracy of wearable heart rate monitors during aerobic exercise
CN107485395A (zh) 肌肉疲劳输出装置、肌肉疲劳输出方法以及程序
US20210177336A1 (en) Muscle Activity Monitoring
Kumar Electromyography in ergonomics
Kuriki et al. The relationship between electromyography and muscle force
TWI393579B (zh) The state of the muscle movement state analysis system, methods and computer program products
FI124278B (fi) Mittalaite ja menetelmä rasitustilan indikoimiseksi
WO2022193850A1 (zh) 运动数据处理方法和运动监控系统
JP3871247B2 (ja) 運動能力の評価が可能な重心検出装置
JP2009136667A (ja) 生体検査システム、生体検査装置および生体検査方法
Pino et al. Wearable EMG shirt for upper limb training
JP6452193B2 (ja) 筋疲労の定量的評価方法、筋疲労表示装置及び筋疲労定量的評価装置
Shaharudin et al. Muscle synergies of untrained subjects during 6 min maximal rowing on slides and fixed ergometer
JP2017217409A (ja) トレーニング支援装置、トレーニング支援方法及びプログラム
Lin et al. A comparative study of smart insole on real-world step count
Lim et al. MuscleSense: Exploring weight sensing using wearable surface electromyography (sEMG)
Örücü et al. Design and Validation of Multichannel Wireless Wearable SEMG System for Real‐Time Training Performance Monitoring
WO2016194908A1 (ja) 指標導出装置、ウェアラブル機器及び携帯機器
KR102421547B1 (ko) 근감소증 진단 플랫폼 및 이를 이용한 근감소증 분석 방법
Sullivan et al. Reconstruction of missing physiological signals using artificial neural networks
US20190350496A1 (en) Body part motion analysis using kinematics
Fegni Ndam et al. What are the best indicators of myoelectric manifestation of fatigue?
WO2022194281A1 (zh) 一种运动监控方法和设备
Nourhan et al. Detection of muscle fatigue using wearable (MYO) surface electromyography based control device
Niijima et al. Biceps fatigue estimation with an E-textile headband

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171219

WD01 Invention patent application deemed withdrawn after publication