CN108309295A - 一种手臂肌肉力量测评方法 - Google Patents

一种手臂肌肉力量测评方法 Download PDF

Info

Publication number
CN108309295A
CN108309295A CN201810140375.6A CN201810140375A CN108309295A CN 108309295 A CN108309295 A CN 108309295A CN 201810140375 A CN201810140375 A CN 201810140375A CN 108309295 A CN108309295 A CN 108309295A
Authority
CN
China
Prior art keywords
muscular
force
arm
muscular force
energy eigenvalue
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
CN201810140375.6A
Other languages
English (en)
Inventor
何金保
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.)
Ningbo University of Technology
Original Assignee
Ningbo University of Technology
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 Ningbo University of Technology filed Critical Ningbo University of Technology
Priority to CN201810140375.6A priority Critical patent/CN108309295A/zh
Publication of CN108309295A publication Critical patent/CN108309295A/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
    • A61B5/24—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
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/224—Measuring muscular strength
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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

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)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供一种手臂肌肉力量测评方法，首先同时采集手臂肌肉多通道表面肌电信号和拉力信号，其次对多通道表面肌电信号分解，得到肌肉力的能量特征值，然后对多组肌肉力的能量特征值和拉力进行曲线拟合，最后再次计算肌肉力的能量特征值，从拟合曲线上估计肌肉力大小。本发明可以定量测评肌肉力大小，方法简单，易实现，有助于监测肌肉状态，调整康复训练计划。

Description

一种手臂肌肉力量测评方法
技术领域
本发明涉及一种手臂肌肉力量测评方法，有助于建立科学的肌肉功能训练方法。
背景技术
在一些肌肉疾病中，比如脑卒中、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。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。肌肉力量是反映肌肉状态的一个重要指标，但是如何准确测评肌肉力量没有得到足够的重视。常用的力量测试仪有拉力计，等速力量测试仪等，拉力计操作简单，但只能测试出整体力量，对于局部力量反映不够精确；而等速力量测试仪适用于科学研究，不利于大范围开展测试。现在技术下还没有结构简单、操作方便的方法能够定量测试肌肉力量。因此，本发明针对手臂肌肉提出一种肌肉力量测评方法，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。
发明内容
鉴于以上所述现有技术的缺陷，本发明的目的在于提供一种手臂肌肉力量测评方法，主要利用多通道表面肌电信号(surface EMG,sEMG)评估肌肉力量。其包括如下步骤：
步骤一：将多片多通道电极贴在皮肤表面，电极在垂直于肢体的肌纤维方向形成闭合分布，放置在肌腹位置；
步骤二：受试者手臂肌肉用力，同时采集多通道sEMG和拉力大小；
步骤三：对多通道sEMG信号进行滤波处理，然后采用卷积核补偿方法分解多通道sEMG信号；
步骤四：提取肌肉运动单元数目、发放波形、发放频率，得到肌肉力的能量特征值；
步骤五：受试者改变肌肉力大小，重复步骤二----步骤四，对多组肌肉力的能量特征值和拉力值曲线拟合，获得其曲线；
步骤六：受试者改变肌肉力大小，重复步骤二----步骤四，计算肌肉力的能量特征值，由步骤五中的拟合曲线估计肌肉拉力大小。
优选地：
一种手臂肌肉力量测评方法，在步骤4)中的肌肉力的能量其中N为肌肉运动单元数目，fi为第i个运动单元发放频率，Vpi第i个运动单元发放波形峰峰值。
采用上述方法检测一种手臂肌肉力量测评方法，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，有利于提取全部运动单元。利用肌肉力的能量特征值与拉力值拟合曲线定量估计肌肉力，方法简单，易实现。
附图说明
图1为本发明流程图；
图2为本发明信号采集示意图；其中，1是手臂肌肉；2是手臂支撑平台；3是拉力计；
图3为本发明电极阵列排列图(8*8)。
具体实施方式
以下结合附图1-附图3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。
一种手臂肌肉力量测评方法，具体的实施步骤如下：
步骤一：按照图2建立信号采集系统，受试者坐好，手臂按照图示放置，手臂支撑平台(图中2处)可以用桌子，图中3为拉力计，拉力计一端固定，另一端握在手里，肘关节不动，手拉动拉力计，拉力计显示拉力大小。在手臂肌肉表面(图中1处)放置电极片位置，将多片多通道电极贴在皮肤表面，电极在垂直于肢体的肌纤维方向形成闭合分布，放置在肌腹位置，电极在垂直于肢体的肌纤维方向形成闭合分布。如图3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：受试者手臂肌肉用力，同时采集多通道sEMG和拉力大小，患者肌肉保持恒力。
步骤三：对多通道sEMG信号进行滤波处理，然后采用卷积核补偿方法分解多通道sEMG信号。对多通道sEMG信号进行滤波处理，具体步骤如下：将截取长度10秒时长的多通道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)
步骤四：提取肌肉运动单元数目、发放波形、发放频率，得到肌肉力的能量特征值。由卷积核补偿方法分解得到运动单元发放序列，一个发放序列对应一个肌肉运动单元。然后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，得到运动单元发放波形。发放频率是由运动单元发放序列个数与时长(10秒)之比得到。
肌肉力的能量其中N为肌肉运动单元数目，fi为第i个运动单元发放频率，Vpi第i个运动单元发放波形峰峰值。
步骤五：受试者改变肌肉力大小，重复步骤二----步骤四，对多组肌肉力的能量特征值和拉力值曲线拟合，获得其曲线。通常取5组肌肉力的能量特征值和拉力值做曲线拟合，将肌肉力的能量特征值作为横轴，拉力值作为纵轴。
步骤六：受试者改变肌肉力大小，重复步骤二----步骤四，计算肌肉力的能量特征值，由步骤五中的拟合曲线估计肌肉拉力大小。
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 (2)

1.一种手臂肌肉力量测评方法，其包括如下步骤：
步骤一：将多片多通道电极贴在皮肤表面，电极在垂直于肢体的肌纤维方向形成闭合分布，放置在肌腹位置；
步骤二：受试者手臂肌肉用力，同时采集多通道sEMG和拉力大小；
步骤三：对多通道sEMG信号进行滤波处理，然后采用卷积核补偿方法分解多通道sEMG信号；
步骤四：提取肌肉运动单元数目、发放波形、发放频率，得到肌肉力的能量特征值；
步骤五：受试者改变肌肉力大小，重复步骤二----步骤四，对多组肌肉力的能量特征值和拉力值曲线拟合，获得其曲线；
步骤六：受试者改变肌肉力大小，重复步骤二----步骤四，计算肌肉力的能量特征值，由步骤五中的拟合曲线估计肌肉拉力大小。
2.根据权利要求1所述的一种手臂肌肉力量测评方法，其特征在于，步骤4)中的肌肉力的其中N为肌肉运动单元数目，fi为第i个运动单元发放频率，Vpi第i个运动单元发放波形峰峰值。
CN201810140375.6A 2018-02-11 2018-02-11 一种手臂肌肉力量测评方法 Pending CN108309295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810140375.6A CN108309295A (zh) 2018-02-11 2018-02-11 一种手臂肌肉力量测评方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810140375.6A CN108309295A (zh) 2018-02-11 2018-02-11 一种手臂肌肉力量测评方法

Publications (1)

Publication Number Publication Date
CN108309295A true CN108309295A (zh) 2018-07-24

Family

ID=62903418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810140375.6A Pending CN108309295A (zh) 2018-02-11 2018-02-11 一种手臂肌肉力量测评方法

Country Status (1)

Country Link
CN (1) CN108309295A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635638A (zh) * 2018-10-31 2019-04-16 中国科学院计算技术研究所 用于人体运动的特征提取方法及系统、识别方法及系统
CN110720910A (zh) * 2019-10-12 2020-01-24 宁波工程学院 一种基于相关性的肌肉运动单元搜索方法
CN113367698A (zh) * 2021-05-14 2021-09-10 华南理工大学 一种基于机器学习的肌肉运动状态监测方法及系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102641129A (zh) * 2011-02-18 2012-08-22 上海理工大学 肌力肌电信号实时采集并同时显示的装置
CN103230279A (zh) * 2013-04-27 2013-08-07 重庆绿色智能技术研究院 一种连续可变化应力测试系统
CN104068869A (zh) * 2014-06-20 2014-10-01 北京体育大学 腰部肌肉力量测评方法
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
CN104337666A (zh) * 2014-11-05 2015-02-11 中山大学 多肌肉协同肌电反馈康复训练系统和方法
US20150374302A1 (en) * 2010-09-21 2015-12-31 Somaxis Incorporated Metrics & algorithms for interpretation of muscular use including chronic muscle overuse index
CN105326501A (zh) * 2015-12-10 2016-02-17 宁波工程学院 基于sEMG的肌肉疾病监测方法
CN105997079A (zh) * 2016-06-29 2016-10-12 中国人民解放军第二军医大学 一种通过超声融合mri成像的骨骼肌力在体测量方法
CN106037767A (zh) * 2016-05-11 2016-10-26 苏州海神联合医疗器械有限公司 握力和肌电检测装置
CN106175802A (zh) * 2016-08-29 2016-12-07 吉林大学 一种在体骨关节应力分布检测方法
CN106236336A (zh) * 2016-08-15 2016-12-21 中国科学院重庆绿色智能技术研究院 一种肌电假肢手势及力度控制方法
CN106983511A (zh) * 2017-04-14 2017-07-28 合肥工业大学 肌力与肌张力状态突变点的识别方法及识别装置
WO2017132747A1 (en) * 2016-02-05 2017-08-10 Quanimus Inc. Device and system to measure and assess superficial muscle contractile characteristics
CN107157450A (zh) * 2017-06-19 2017-09-15 中国科学院计算技术研究所 用于对帕金森病人的手部运动能力进行量化评估方法和系统
US20170347908A1 (en) * 2016-06-07 2017-12-07 UMEMURA Educational Institutions Muscle condition measurement sheet
CN107518895A (zh) * 2016-06-22 2017-12-29 宁波工程学院 面向康复训练的同一肌肉检测方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150374302A1 (en) * 2010-09-21 2015-12-31 Somaxis Incorporated Metrics & algorithms for interpretation of muscular use including chronic muscle overuse index
CN102641129A (zh) * 2011-02-18 2012-08-22 上海理工大学 肌力肌电信号实时采集并同时显示的装置
CN103230279A (zh) * 2013-04-27 2013-08-07 重庆绿色智能技术研究院 一种连续可变化应力测试系统
CN104068869A (zh) * 2014-06-20 2014-10-01 北京体育大学 腰部肌肉力量测评方法
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
CN104337666A (zh) * 2014-11-05 2015-02-11 中山大学 多肌肉协同肌电反馈康复训练系统和方法
CN105326501A (zh) * 2015-12-10 2016-02-17 宁波工程学院 基于sEMG的肌肉疾病监测方法
WO2017132747A1 (en) * 2016-02-05 2017-08-10 Quanimus Inc. Device and system to measure and assess superficial muscle contractile characteristics
CN106037767A (zh) * 2016-05-11 2016-10-26 苏州海神联合医疗器械有限公司 握力和肌电检测装置
US20170347908A1 (en) * 2016-06-07 2017-12-07 UMEMURA Educational Institutions Muscle condition measurement sheet
CN107518895A (zh) * 2016-06-22 2017-12-29 宁波工程学院 面向康复训练的同一肌肉检测方法
CN105997079A (zh) * 2016-06-29 2016-10-12 中国人民解放军第二军医大学 一种通过超声融合mri成像的骨骼肌力在体测量方法
CN106236336A (zh) * 2016-08-15 2016-12-21 中国科学院重庆绿色智能技术研究院 一种肌电假肢手势及力度控制方法
CN106175802A (zh) * 2016-08-29 2016-12-07 吉林大学 一种在体骨关节应力分布检测方法
CN106983511A (zh) * 2017-04-14 2017-07-28 合肥工业大学 肌力与肌张力状态突变点的识别方法及识别装置
CN107157450A (zh) * 2017-06-19 2017-09-15 中国科学院计算技术研究所 用于对帕金森病人的手部运动能力进行量化评估方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄耐寒: "基于表面肌电的肌疲劳分析与肌力预测研究及实现", 《中国优秀硕士学位论文全文数据库（医药卫生科技辑）》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635638A (zh) * 2018-10-31 2019-04-16 中国科学院计算技术研究所 用于人体运动的特征提取方法及系统、识别方法及系统
CN109635638B (zh) * 2018-10-31 2021-03-09 中国科学院计算技术研究所 用于人体运动的特征提取方法及系统、识别方法及系统
CN110720910A (zh) * 2019-10-12 2020-01-24 宁波工程学院 一种基于相关性的肌肉运动单元搜索方法
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
CN113367698A (zh) * 2021-05-14 2021-09-10 华南理工大学 一种基于机器学习的肌肉运动状态监测方法及系统
CN113367698B (zh) * 2021-05-14 2023-07-18 华南理工大学 一种基于机器学习的肌肉运动状态监测方法及系统

Similar Documents

Publication Publication Date Title
Knaflitz et al. Time-frequency methods applied to muscle fatigue assessment during dynamic contractions
CN105054927B (zh) 一种下肢康复系统中主动参与度的生物量化评估方法
CN108309295A (zh) 一种手臂肌肉力量测评方法
CN111708978B (zh) 多尺度时频肌间耦合分析方法
CN108403115A (zh) 一种肌肉运动单元数量估计方法
CN112006686A (zh) 一种颈部肌肉疲劳分析方法及系统
CN103845137A (zh) 基于稳态视觉诱发脑机接口的机器人控制方法
CN113229831B (zh) 基于肌电和肌氧信号的运动功能监测管理方法
CN107822629B (zh) 四肢表面肌电轴的检测方法
CN110916656A (zh) 一种多通道盆底肌力评估系统和方法
Xu et al. Novel vibration-exercise instrument with dedicated adaptive filtering for electromyographic investigation of neuromuscular activation
Abdelouahad et al. Time and frequency parameters of sEMG signal—Force relationship
Wan et al. Study on fatigue feature from forearm SEMG signal based on wavelet analysis
CN104887198A (zh) 基于人体生理信号多参数融合的疼痛定量分析系统及方法
CN104116522B (zh) 一种基于超声波衰减测量肌肉疲劳程度的装置和方法
CN111714123A (zh) 一种人体腰背部表面肌电信号的检测系统和方法
Vinod et al. An integrated surface EMG data acquisition system for sports medicine applications
Cao et al. Analysis of muscular fatigue during cyclic dynamic movement
Chakraborty et al. Knowledge Based database of arm-muscle and activity characterization during load pull exercise using Diagnostic Electromyography (D-EMG) Signal.
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
Zhao et al. Evaluation of lower-limb rehabilitation based on muscle fatigue
CN107440687B (zh) 一种疼痛等级评估方法及采用其的疼痛等级评估装置
Kaur et al. Comparison of muscles activity of abled bodied and amputee subjects for around shoulder movement
Garcia et al. An alternative approach in muscle fatigue evaluation from the surface EMG signal
Nicolae et al. Motor imagery mental tasks in brain-computer interface applications

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180724

RJ01 Rejection of invention patent application after publication