CN107518895B - 面向康复训练的同一肌肉检测方法 - Google Patents
面向康复训练的同一肌肉检测方法 Download PDFInfo
- Publication number
- CN107518895B CN107518895B CN201610465614.6A CN201610465614A CN107518895B CN 107518895 B CN107518895 B CN 107518895B CN 201610465614 A CN201610465614 A CN 201610465614A CN 107518895 B CN107518895 B CN 107518895B
- Authority
- CN
- China
- Prior art keywords
- muscle
- rehabilitation training
- electrodes
- unit
- peak
- 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.)
- Active
Links
Images
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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/296—Bioelectric electrodes therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—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
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
Abstract
本发明提供一种面向康复训练的同一肌肉检测方法,用来监测肌肉康复训练进程。首先对采集的多通道表面肌电信号分解得到运动单元发放序列,其次提取运动单元发放波形,然后利用运动单元发放波形的峰峰值以及差分的发放波形,估计运动单元空间位置,从而确定同一肌肉,最后观测同一肌肉在康复训练中的变化,调整康复训练计划。为了简化方法,在上述过程中只对发放波形的峰峰值比较,而不需要进行计算,实现简单。
Description
技术领域
本发明涉及在肌肉康复训练中,人体四肢同一肌肉确定方法,有助于监测肌肉康复状态和建立科学的肌肉功能训练方法。
背景技术
随着科技的进步和人民生活水平的逐渐提高,康复问题越来越受到关注。目前我国每年仅新增的脑卒中病人约200万例,其中高达85%的脑卒中病人最初在肢体出现功能障碍,严重影响病人的生存质量,给病人及家庭带来沉重的经济和生活负担。另外,在其他的一些肌肉疾病中,比如肌肉萎缩和肌肉痉挛等,康复训练也是一种有效的治疗手段。相关理论和实践表明科学合理的康复训练,能够维持和改善关节活动度,预防废用性肌萎缩和关节僵硬,最大程度地恢复或代偿其原有功能。然而,传统的康复训练中主要依靠医生的经验,对于具体肌肉的康复训练进程掌握程度不够,难以制定科学合理的训练计划。因此,本发明提出一种面向康复训练的同一肌肉检测方法,实时掌握康复进程,制定合理的康复训练计划恢复或改善肢体功能,进一步提高生活质量,实现最大限度地生活自理。
表面肌电信号(surface EMG,sEMG)是利用表面电极从人体体表检测肌电信号,与针电极肌电信号(Needle EMG,NEMG)相比,它具有无创性,操作简单的特点,易于患者接受,因此应用前景广阔。sEMG的起源是运动单元活动电位(MUAP),活动电位由给定肌肉收缩过程中所激活的每一个运动单位所释放。在任何一个给定的募集模式,众多的运动单位以非同步的模式被激活,这些运动单位活动的总和构成了肌电信号的强度。在临床上,通过sEMG可以较全面地了解神经肌肉的功能状态,鉴别神经源性和肌源性疾病,判断神经损伤的部位、程度及恢复状况,并且sEMG信号的检测分析对康复医学及运动医学也有具有重要意义。
发明内容
鉴于以上所述现有康复训练技术的缺陷,本发明的目的在于提供一种面向康复训练的同一肌肉的检测方法,主要利用多通道sEMG信号检测人体四肢同一肌肉。其包括如下步骤:
步骤一:将多片多通道电极贴在皮肤表面,放置在肌腹位置;
步骤二:患者肌肉保持恒力,对多通道sEMG信号进行滤波处理,采用卷积核补偿方法提取肌肉运动单元的发放时刻序列;
步骤三:根据每个运动单元发放时刻序列,在每个通道上提取其平均波形;
步骤四:根据波形的差分信号,确定肌肉运动单元在表面电极上的位置;
步骤五:结合运动单元的在表面电极上的位置和深度信息,估计肌肉运动单元的空间位置;
步骤六:患者改变肌肉力,重复步骤二----步骤五,比较两种肌肉力情况下的运动单元的空间位置,确定同一肌肉;
步骤七:比较肌肉运动单元特征参数,修订康复训练计划。
优化的技术措施包括:
上述电极在垂直于肢体的肌纤维方向形成闭合分布。
上述肌肉运动单元深度信息获取方法是:找出运动单元所在位置的一圈电极的峰峰值,即在垂直于肌肉纤维方向上的电极所获得波形的峰峰值,获得最大峰峰值一半的表面2个点距离,用这个距离代替肌肉单元深度信息。
采用上述方法检测康复训练的同一肌肉,有助于检验康复效果,调整康复训练计划。采用电极在垂直于肢体的肌纤维方向形成闭合分布,可以获得完整的表面肌电信号,有利于提高空间位置的准确性。利用最大峰峰值一半的表面2个点距离代替肌肉单元深度信息,不需要计算,使得确定方法简单。本发明提出的方法简化了计算,实现简单。
附图说明
图1为本发明流程图。
图2为本发明电极阵列排列图(8*8)。
图3为本发明的运动单元发放单极性波形图。
图4为本发明的运动单元发放差分波形图。
图5为本发明运动单元深度信息图。
具体实施方式
以下结合附图1-附图5的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地实现。
具体的实施步骤如下:
步骤1)将多通道电极沿垂直肌肉纤维方向放置,可用多片电极,电极在垂直于肢体的肌纤维方向形成闭合分布。如图2所示,为一片8*8表面电极阵列,图中编号为表面电极编号,箭头方向为肌肉纤维方向,将电极阵列上箭头方向与肌肉纤维方向一致放置。此处实例采用2片8*8表面电极。
步骤二:患者肌肉保持恒力,对多通道sEMG信号进行滤波处理,采用卷积核补偿方法提取肌肉运动单元的发放时刻序列;
对多通道sEMG信号进行预处理,具体步骤如下:将多通道sEMG信号进行带通滤波和带阻滤波,削弱干扰,带通滤波器用来保留5Hz--500Hz频段信号,然后采用陷波滤波器,滤除50Hz工频干扰。带通滤波器和带阻滤波采用巴特沃斯数字滤波器,设置参数包括阶数、3dB截止频率、滤波器的通带、阻带截止频率等。
采用卷积核补偿方法提取肌肉运动单元的发放时刻序列;具体过程为:首先计算多通道sEMG信号互相关矩阵以及互相关矩阵逆矩阵,互相关矩阵表示为:
C=E(S(n)ST(n))
其中n是采样时刻,S(n)是第n个采样时刻的阵列信号,ST(n)是第n个采样时刻的阵列信号转置,E(·)是数序期望。计算互相关矩阵的逆矩阵C-1,即
C-1=[E(S(n)ST(n))]-1
然后采样时刻n取sEMG信号能量的中值,能量按照下式计算:
Δ=ST(n)C-1S(n)
取能量中值Δ所对应的时刻n0。最后利用如下公式计算得到运动单元发放序列:
ξ(n0)=ST(n0)C-1S(n0)
步骤三:根据每个运动单元发放时刻序列,在每个通道上提取其平均波形。利用运动单元发放时刻所对应的原始sEMG信号,提取每个发放时刻前后±50ms长度的波形,然后叠加平均,得到如图3所示的一片电极阵列上的运动单元发放单极性波形图。
步骤四:根据波形的差分信号,确定肌肉运动单元在表面电极上的位置。将图3所示波形,沿肌纤维方向,相邻电极上的波形按行相减(第一行差分信号为电极16-8,15-7,14-6,...,9-1;第二行差分信号为电极24-16,23-15,22-14,...,17-9;...;第7行差分信号为电极64-56,63-55,62-54,...,57-49),得到如图4所示的运动单元发放差分波形图。在图4中,由于五角星处上下的波形相位相反,可以得到运动单元的位置在五角星处,即图2的电极22处。
步骤五:结合运动单元的在表面电极上的位置和深度信息,估计肌肉运动单元的空间位置。运动单元的在表面电极22处,深度信息处理方法为:在图3上找出在电极22所在的一圈、垂直于肌肉纤维方向上的电极所获得波形的峰峰值PPT1,PPT2,…PPTk(k=16),其中最大的峰峰值对应图5中的A处电极,假设在PPT1,PPT2,…PPTk中获得为A处最大峰峰值一半的2个电极位置M,N。采用M,N的距离LMN(沿皮肤表面)代替运动单元深度信息。若图5中的A,M,N位置不是电极所处的位置,可由PPT1,PPT2,…PPTk的值插值估计A,M,N位置。
步骤六:患者改变肌肉力,重复步骤二----步骤五,比较两种肌肉力情况下的运动单元的空间位置,确定同一肌肉;在这个过程中,若两个运动单元空间位置误差在5%以下,可以认定为同一运动单元,即同一肌肉。
步骤七:比较肌肉运动单元特征参数,修订康复训练计划。运动单元特征参数包括运动单元发放波形幅值、发放频率等。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (3)
1.一种面向康复训练的同一肌肉检测方法,其包括如下步骤:
步骤一:将多片多通道电极贴在皮肤表面,放置在肌腹位置;
步骤二:患者肌肉保持恒力,对多通道sEMG信号进行滤波处理,采用卷积核补偿方法提取肌肉运动单元的发放时刻序列;
步骤三:根据每个运动单元发放时刻序列,在每个通道上提取其平均波形;
步骤四:根据波形的差分信号,确定肌肉运动单元在表面电极上的位置;
步骤五:结合运动单元的在表面电极上的位置和深度信息,估计肌肉运动单元的空间位置;
步骤六:患者改变肌肉力,重复步骤二----步骤五,比较两种肌肉力情况下的运动单元的空间位置,确定同一肌肉;
步骤七:比较肌肉运动单元特征参数,修订康复训练计划。
2.根据权利要求1所述的面向康复训练的同一肌肉检测方法,其特征在于,步骤一)电极在垂直于肢体的肌纤维方向形成闭合分布。
3.根据权利要求1所述的面向康复训练的同一肌肉检测方法,其特征在于,步骤五)肌肉运动单元深度信息获取方法是:找出运动单元所在位置的一圈电极的峰峰值,即在垂直于肌肉纤维方向上的电极所获得波形的峰峰值,获得最大峰峰值一半的表面2个点距离,用这个距离代替肌肉单元深度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610465614.6A CN107518895B (zh) | 2016-06-22 | 2016-06-22 | 面向康复训练的同一肌肉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610465614.6A CN107518895B (zh) | 2016-06-22 | 2016-06-22 | 面向康复训练的同一肌肉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107518895A CN107518895A (zh) | 2017-12-29 |
CN107518895B true CN107518895B (zh) | 2020-07-17 |
Family
ID=60734133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610465614.6A Active CN107518895B (zh) | 2016-06-22 | 2016-06-22 | 面向康复训练的同一肌肉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107518895B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108309295A (zh) * | 2018-02-11 | 2018-07-24 | 宁波工程学院 | 一种手臂肌肉力量测评方法 |
CN108403115A (zh) * | 2018-02-11 | 2018-08-17 | 宁波工程学院 | 一种肌肉运动单元数量估计方法 |
CN108403113B (zh) * | 2018-02-11 | 2021-03-12 | 宁波工程学院 | 一种半自动的阵列式表面肌电信号分解方法 |
CN110720911B (zh) * | 2019-10-12 | 2022-08-30 | 宁波工程学院 | 一种肌肉运动单元提取方法 |
CN110720910B (zh) * | 2019-10-12 | 2022-03-29 | 宁波工程学院 | 一种基于相关性的肌肉运动单元搜索方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7554549B2 (en) * | 2004-10-01 | 2009-06-30 | Sony Corporation | System and method for tracking facial muscle and eye motion for computer graphics animation |
EP2296545B1 (en) * | 2008-06-02 | 2014-12-03 | Precision Biometrics, Inc. | Systems for performing surface electromyography |
CN102125724A (zh) * | 2010-12-28 | 2011-07-20 | 上海大学 | 声肌信号控制手功能开环功能性电刺激控制方法 |
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 |
CN105342610B (zh) * | 2015-12-10 | 2017-12-22 | 宁波工程学院 | 肌肉运动单元深度估计快速方法 |
-
2016
- 2016-06-22 CN CN201610465614.6A patent/CN107518895B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107518895A (zh) | 2017-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107518895B (zh) | 面向康复训练的同一肌肉检测方法 | |
Jiang et al. | Extracting simultaneous and proportional neural control information for multiple-DOF prostheses from the surface electromyographic signal | |
Saitou et al. | Innervation zones of the upper and lower limb muscles estimated by using multichannel surface EMG | |
Shahid et al. | Application of higher order statistics techniques to EMG signals to characterize the motor unit action potential | |
Peng et al. | Motor unit number estimation based on high-density surface electromyography decomposition | |
Zhang et al. | Machine learning for supporting diagnosis of amyotrophic lateral sclerosis using surface electromyogram | |
Masuda et al. | A surface electrode array for detecting action potential trains of single motor units | |
CN105771087A (zh) | 基于音乐和肌电反馈刺激的康复训练系统 | |
CN103258120A (zh) | 一种基于脑电信号的中风康复程度指标计算方法 | |
Ting et al. | Sensing and decoding the neural drive to paralyzed muscles during attempted movements of a person with tetraplegia using a sleeve array | |
Qiu et al. | A stimulus artifact removal technique for SEMG signal processing during functional electrical stimulation | |
CN108403115A (zh) | 一种肌肉运动单元数量估计方法 | |
Wang et al. | A simulation model of the surface EMG signal for analysis of muscle activity during the gait cycle | |
Zhou et al. | Surface electromyogram analysis of the direction of isometric torque generation by the first dorsal interosseous muscle | |
Bhat et al. | A novel approach to detect localized muscle fatigue during isometric exercises | |
Sun et al. | Multielectrode surface EMG for noninvasive estimation of motor unit size | |
Lulic-Kuryllo et al. | Neural control of the healthy pectoralis major from low-to-moderate isometric contractions | |
Afsharipour et al. | Using surface electromyography to detect changes in innervation zones pattern after human cervical spinal cord injury | |
Ibrahim et al. | Investigation of electromyographic activity during Salat and stretching exercise | |
Bala et al. | Muscle Synergy-Based Functional Electrical Stimulation Reduces Muscular Fatigue in Post-Stroke Patients: A Systematic Comparison | |
Jiang et al. | Multi-scale surface electromyography modeling to identify changes in neuromuscular activation with myofascial pain | |
McPherson et al. | Properties of the motor unit action potential shape in proximal and distal muscles of the upper limb in healthy and post-stroke individuals | |
Botter et al. | Pulse charge and not waveform affects M-wave properties during progressive motor unit activation | |
Hao et al. | Effects of electrical stimulation of cutaneous afferents on corticospinal transmission of tremor signals in patients with Parkinson's disease | |
Li et al. | ECG artifact removal from EMG recordings using independent component analysis and adapted filter |
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 |