高密度陣列式肌電信號在體育領域中的應用綜述
高密度陣列式肌電信號在體育領域中的應用綜述
曹春霞 王瑞元* 北京體育大學
摘要：高密度陣列式表面肌電采集系統(tǒng)是采用二維矩陣式表面電極覆蓋于整塊肌肉皮膚區(qū)域，以采集并記錄骨骼肌生物電信號的測定方法，由于其便攜、無創(chuàng)、可視化等特點，被廣泛應用到體育領域。通過對高密度陣列式表面肌電的工作原理、指標分析、數(shù)據(jù)處理以及在體育領域中的應用綜述表明，高密度陣列式表面肌電解決了傳統(tǒng)表面肌電信噪比低的問題，可提供骨骼肌發(fā)力可視化圖，且由于其無創(chuàng)、易于被受試者接受等原因，被逐步應用到在肌纖維傳導速度測定、運動動作分析、肌肉力量評估和運動單位數(shù)目估計等方面。其缺點是多通道肌電測定帶來的數(shù)據(jù)冗余，數(shù)據(jù)分解和數(shù)據(jù)處理工作較難，因此未來需要更多關于肌電數(shù)據(jù)處理的算法研究解決該問題。
關鍵詞：高密度陣列式表面肌電；運動康復；空間域；等高線圖
表面肌電圖（surface electromyography，sEMG）是指骨骼肌在興奮時通過表面電極引導、記錄、采集的肌肉活動時的生物電信號。sEMG多采用單電極或雙電極置于肌腹處提取肌電信號，但運動過程中骨骼肌內部存在不均勻的激活狀態(tài)，較少的電極通道提取信號時會由于放置電極位置不同而產生差異，因而很難完成精確的肌肉激活分析和肌肉力估計等任務（張聰， 2020）。高密度陣列式表面肌電（high-density surface electromyography，HD-sEMG）采用二維矩陣式表面電極覆蓋于整塊肌肉皮膚區(qū)域，HD-sEMG可得到目標肌肉時頻域和空間域信息，獲得骨骼肌相對應的激活區(qū)域可視化圖，克服了普通電極空間分辨率低的缺點（Harrach et al.， 2017）。目前，HD-sEMG作為一種客觀量化的手段，被逐步應用于運動康復領域。
1 HD-sEMG簡介
1.1 HD-sEMG工作原理
機體受到外部刺激后，神經肌肉系統(tǒng)中運動神經元被不同程度激活，肌肉收縮，經過由肌肉、脂肪及皮膚組織構成的容積導體后在皮膚表面測量處與各種噪聲信息疊加而形成的電位波形即為表面肌電信號（Farina et al.， 2001）。sEMG的獲取由采集、傳導、處理3部分組成（王坤 ， 2020）。sEMG信號幅值在0～1.5 mV，但有用的信號頻率在0～500 Hz，因此，信號采集后需要進行濾波預處理（曹月盈， 2020）。
1.2 HD-sEMG指標分析
1.2.1 時域目前對肌電信號分析的方法較多，使用最多和最常見的是時域分析法，即通過計算特定單位時間內的肌電信號獲取相關肌電指標數(shù)值，主要包括積分肌電（integrated electromyography，iEMG）、均方根值（root mean squared value，RMS）、平均整流值（average rectified value，ARV）等（Li et al.， 2019）。iEMG是指肌肉在特定的時間段產生的運動單位放電總量，即在時間相同的情況下積分肌電的大小，反映參加肌肉活動的運動單位數(shù)量以及每個運動單位放電的大?。╒iitasalo et al.， 1977）。RMS是指積分肌電除以監(jiān)測積分肌電的時間，能夠比較在一定時間內肌肉放電的一般水平（王念 ， 2019；Madeleine et al.， 2002）。ARV是指一段時間內瞬間肌電幅值的平均值，是反映sEMG信號幅值變化的特征性指標，其變化主要反映肌肉活動時運動單位激活的數(shù)量、參與活動的運動單位類型以及同步化程度。過零率反映信號在單位時間內的過零次數(shù)，過零率的降低與疲勞的發(fā)生有關（Inbar et al.， 1986）。1.2.2 頻域時域信號通過快速傅立葉轉換（fast Fourier transform，F(xiàn)FT）后得到的肌電信號（Ming et al.， 2014）。常用的頻域指標包括平均功率頻率（mean power frequency，MPF）和中位頻率（median frequency，MF）。疲勞時，功率譜大多由高頻向低頻漂移，平均功率頻率和中位頻率也相應的下降（蔣文都 等， 2019；Trappe et al.， 2000；Xiang et al.， 2013）。頻域指標抗干擾性強，適應的負荷水平范圍較廣，適用于各類肌肉及各種收縮形式的運動。1.2.3 時頻域將表面肌電的時域值和頻域值進行組合，可以得到sEMG的時頻域特征。目前，研究常用的時頻域分析方法主要有短時傅立葉變換（short-time Fourier transform，STFT）、小波變換（wavelet transform，WT）和小波包變換（wavelet packet transform，WPT）等。STFT是最基本的時頻分析方法（陳飚 等， 2012）。Bai等（2010）用STFT在肘關節(jié)恒力收縮和動態(tài)收縮條件檢測肌肉的疲勞時，發(fā)現(xiàn)在疲勞產生的過程中時頻域特征變化明顯。WT是目前研究中得到普遍認可的時頻轉換方法，通過使用平移和伸縮變換的方式對肌電信號進行多尺度精細化分析，將原始肌電信號按照對應的時間分解到不同頻率帶上或者對肌電信號進行特定精度的表達，既能夠顯現(xiàn)信號的全局性特征信息，也能夠顯現(xiàn)局部時段的特征信息，WT也被稱為數(shù)學顯微鏡。與其他分析方法相比，WT更適用于運動過程中非穩(wěn)定肌電信號的分析（何濤 等， 2015）。1.2.4 空間域HD-sEMG區(qū)別于sEMG的重要特征就是空間域，在經過如Muticlass CSP、PCA等空間濾波算法后，得到分離矩陣，再經過小波變換等進行詳細分解，最終得到所需要的二維或三維圖形（陳淑甜， 2019）。
1.3 HD-sEMG指標信號預處理
肌電信號采集過程中容易受到電磁干擾和噪聲等影響，想要得到合理的肌電信號，需要對其進行預處理，以去除信號中的噪聲、冗余、偽跡等成分。肌電信號中包含的噪聲主要分為系統(tǒng)噪聲、偽跡、工頻干擾和通道間串擾4種（黃成君， 2017）。系統(tǒng)噪聲可利用去均值和小波重構等手段去除。偽跡的處理主要為高通濾波法、帶通濾波法、自適應濾波法、小波分析法等（Lin et al.， 2013；Luca et al.， 2010；Mak et al.， 2010；Zhang et al.， 2013）。工頻干擾和通道間串擾可選擇盲源分離法進行濾波處理。
2 HD-sEMG在體育領域應用現(xiàn)狀
2.1 肌纖維傳導速度
在神經通路的2個或2個以上的點給與電流刺激，從該神經所支配的肌肉上記錄誘發(fā)電位，2個刺激點之間的距離除以電位傳導時間，即為肌纖維傳導速度（muscle fiber conduction velocity，MFCV）。MFCV與肌纖維直徑和肌纖維類型有關，受到肌纖維膜特性（鈉離子、鉀離子濃度）影響，在臨床上常被用來協(xié)助診斷代謝性疾病和離子通道疾病等。也有研究認為，可以用此進行肌纖維類型百分比無創(chuàng)測定和局部肌肉疲勞的判斷（黃志強 等，1987）。MFCV測試方法由Troni等（1983）提出，傳統(tǒng)測試需要同心圓針電極遠端刺激和近端記錄，該方法有一定創(chuàng)傷性，后有研究者嘗試用表面肌電測定（付聰，2010），但測得的結果精度不高且測試程序繁雜，一直未得到普遍認可。直到多通道電極的應用才使得表面肌電測定肌纖維傳導速度成為可能。利用HD-sEMG測定MFCV是通過多通道表面肌電信號獲取信號中的動作電位波形在不同電極位置間的時間延遲。Farina等（2001）和Simunic等（2011）通過二維矩陣電極和空間濾波處理的方式測定動作電位波形的分辨力，發(fā)現(xiàn)經過波束算法處理后測得的MFCV精度較高。Casolo等（2020）以重復測量的方式記錄了主觀用力程度與MFCV之間的關系，發(fā)現(xiàn)在肌力增加過程中，MFCV估算出的絕對值和相對值重復性較高。Stefano等（2020）對前交叉韌帶重建后健康側和損傷側術后進行MFCV比較，發(fā)現(xiàn)損傷側容易出現(xiàn)快肌纖維選擇性萎縮和功能下降，可以利用HD-sEMG監(jiān)控機體損傷后康復情況。
2.2 運動單位數(shù)目估計
運動單位數(shù)目估計（motor unit number estimation，MUNE）于1971年提出，其依據(jù)運動神經的興奮閾值不同，在相同位置逐漸增加刺激強度，可獲得連續(xù)的獨立運動單位電位，將同一肌肉中全部運動單位的波幅或面積與該肌肉中單個動作電位相除，得出功能性運動動作電位數(shù)量（王蓮 等， 2010）。MUNE在神經肌肉病變研究中應用較多，通過MUNE，可以根據(jù)運動單位數(shù)目減少程度及隨病情發(fā)展或恢復時運動單位數(shù)目變化監(jiān)測疾病的發(fā)生發(fā)展，并可對療效進行定量評價。MUNE測試方法是采用針電極單點或多點刺激方法獲得其支配肌肉的M波或F波，通過識別引起針極肌電圖上棘波觸發(fā)的對應表面肌電圖單個動作電位，計算出平均值，此方法具有侵入創(chuàng)傷性。Merletti（2008）和Stegeman等（2012）發(fā)現(xiàn)，可以通過HD-sEMG無創(chuàng)分解運動單元電位序列，進而應用MUNE（Bo et al.， 2015）。Van Dijk等（2010）使用HD-sEMG進行多點刺激與增量計數(shù)相結合，解決了增量計數(shù)的交替問題，提供了一種綜合評價MUNE的方法，該方法的缺點是僅適用于遠端肌肉測定。Peng等（2016）在此基礎上結合新的分解算法，解決了肌肉位置受限的問題。
2.3 肌力估計
在骨骼肌中，肌腱和肌腹構成肌肉肌腱單元。有研究認為，骨骼肌收縮時，為了適應不同動作，肌肉肌腱單元會出現(xiàn)不同程度的激活（黃成君，2017），在預測肌力時，應以肌肉肌腱為單位進行肌肉活動區(qū)域劃分，等時間間隔計算各通道肌力信號的均方根值或絕對值均值，再根據(jù)各通道在二維空間上的位置繪制幅值分布的等高線圖，由顏色深淺區(qū)域判斷肌肉活動的劇烈程度。不同于傳統(tǒng)的三維測力臺和等速測力儀進行肌肉力量測定，利用HD-sEMG測定肌力時可以根據(jù)肌肉肌腱單元或肌肉主要活動區(qū)域的定位進行測定，更好的分析單塊肌肉肌腱單元功能，分析不同區(qū)域發(fā)力模式，得到可視化圖形（圖1）。
圖1 高密度矩陣式表面肌電等高線圖
Figure 1 High-Density Matrix Surface Electromyography Contour Map
Ping等（2011）利用HD-sEMG測量并繪制了右手食指在5個不同方向運動時，第一骨間背側肌的肌電信號等高線圖，發(fā)現(xiàn)同一塊肌肉在不同形式運動中其激活情況不同。Monica等（2012）將HD-sEMG電極放置于肱二頭肌、肱三頭肌、肘后肌等5塊骨骼肌上，進行肘關節(jié)曲、伸、內旋和外旋動作，記錄運動時各塊受試肌肉的肌電幅值變化情況，使用面積重構分水嶺算法割出同一塊骨豁肌的不同活動區(qū)域，探討運動過程中不同肌肉發(fā)力情況。Vieira等（2010）使用分水嶺算法對來自腓腸肌的120通道高密度陣列肌電信號構成的灰度圖進行分割，得到了腓腸肌內外側肌肉肌腱單元的分界線，但分水嶺算法會發(fā)生過分割的現(xiàn)象，且該方法僅適用于肌肉肌腱單元間分離度較高的肌肉。Staudenmann等（2009）用128通道對小腿三頭肌肌電信號進行模糊K均值聚類分析，將具有相似收縮特性的通道聚為一類并繪制成拓撲圖，但K均值聚類的結果在二維電極平面上的分布與腓腸肌生理學上內側頭、外側頭以及比目魚肌的位置并不相符。因此，在進行肌肉發(fā)力情況等高線圖切割時需要考慮不同的肌肉和運動情況從而選擇不同的算法。
2.4 動作分析
單一的肌電信號對肢體運動狀態(tài)很難作出全面的判斷，多通道肌電采集與慣性傳感技術相結合能較為全面地實現(xiàn)肢體運動監(jiān)測與評價，與普通的肌電采集電極相比，HD-sEMG信號采集電極可呈現(xiàn)肌肉電信號位置，從而獲得更多的EMG信號特征，提高肢體運動監(jiān)測準確度、增加評價指標。Zhang等（2013）利用89通道的高密度表面電極，從12名中風患者的癱瘓肌肉中采集肌電信號，采用一系列的識別算法解析12種上肢動作，識別率達到96.1%。Dario等（2014）用HD-sEMG分析了胸部肌肉sEMG信號，通過代償方式解析了肩離斷患者肩、肘、手動作，實現(xiàn)了肘部開合2種模式、腕部上下左右4種運動模式以及手部開合2種模式。Geng等（2016）針對高密度表面電極提出了一種瞬時肌電信號圖像姿勢識別的方法，該方法直接對HD-sEMG信號形成的瞬時二維空間分布圖像進行識別，并利用深度卷積神經網絡對姿勢進行分類，不同時刻HD-sEMG圖像作為網絡的輸入，網絡的輸出對應不同的手部姿勢類，其對不同姿勢的識別率達到89.3%。Wang等（2016）針對中風患者康復問題，對前臂和上臂進行了HD-sEMG信號的小波包解析，并通過建立的通道選擇驗證了通道數(shù)量與識別準確率之間的關系，利用較少的關鍵通道可以獲得較高的準確率。Kim等（2017）提出了一種基于高密度空間圖案的手指運動估計方法，該方法使用基于微針的高密度界面，微針穿透高電阻死皮層并與活表皮直接接觸，通過使用所提出的接口，可以在小區(qū)域中獲得有助于運動估計的空間模式，進行抓取運動估計、手指關節(jié)角度估計和手指屈曲分類。目前，基于HD-sEMG的動作模式識別雖然起步較晚，但準確率較高。體育運動中，運動募集的肌肉數(shù)量和肌肉動員情況廣受關注，若可以得到全身肌肉運動的高密度肌電可視化圖，將為運動動作的理解提供更為直觀的呈現(xiàn)?，F(xiàn)已有關于紋身電極的研究（王振明，2021），在可拉伸的電子膜上制造紋身高清電極網格，且電極不需要凝膠粘貼，若能將電極在身上保持一周，基本可采集到大部分的動作模式。因此，未來的研究可以包括結合多模態(tài)輸入，如結合視覺信息和可穿戴的運動傳感器來進行復雜的動作模式識別系統(tǒng)。
2.5 肌纖維類型
不同類型的肌纖維存在形態(tài)、收縮和代謝特性等方面的差異，肌纖維類型作為運動選材的重要指標之一，其測量方法主要為基于肌肉活檢的免疫組化染色和免疫印跡法。利用表面肌電預測骨骼肌纖維類型的理論依據(jù)是肌肉在抗阻負荷過程中，平均功率值的變化特征與慢肌纖維比例呈負相關，與快肌纖維比例呈正相關。Moritani等（1985）以50%MVC的等長收縮作為負荷條件，發(fā)現(xiàn)股外側肌慢肌纖維百分比與肌電平均功率之間呈顯著性負相關，且其相關程度與MVC百分比呈正相關。Wrestling等（1987）認為，較低的MVC會造成骨骼肌的不完全募集和激活。王楠等（1985）的研究在70%MVC等長收縮條件下，將肌電圖、肌力及等長耐力3個方面的12項指標與快肌纖維百分比作了單相關分析以及多元回歸分析后，得出肌電間接測定股外側肌快肌纖維百分比的回歸方程。本研究團隊延用高強（1985）的運動方案，對于肌纖維類型百分比的HD-sEMG測定進行了研究，發(fā)現(xiàn)HD-sEMG的精度比普通肌電高，快肌纖維類型與平均功率和肌纖維傳導速度都有一定的關系，還需要后續(xù)進行更多樣本的驗證。
3 結語
HD-sEMG作為一種新的測定骨骼肌肌肉狀態(tài)的信號分析工具，與傳統(tǒng)肌電相比，解決了傳統(tǒng)表面肌電信噪比低問題，能夠提供關于肌肉的解剖或幾何特性相關信息，比如肌纖維長度和方向、神經支配區(qū)分布、肌腱位置等，可以進行肌肉肌腱單元肌力可視化測定，通過分析不同區(qū)域發(fā)力模式為動作分析提供可視化圖，且可以通過分析骨骼肌運動單位數(shù)目反映神經肌肉功能狀態(tài)等；與插入式肌電信號相比，具有檢測的無創(chuàng)傷性、不需要專業(yè)醫(yī)護人員進行處理、更易為受試者所接受等優(yōu)點，因此具有更廣闊的研究應用前景。但多通道表面肌電在采集到豐富的信息同時也帶來冗余和干擾信息，預處理困難，特別是在復雜多變的運動環(huán)境中，隨著肌肉收縮力不斷增大，疊加波形會不斷增多，其分解工作具有相當?shù)奶魬?zhàn)性，因此，還需要更加成熟且有針對性的研究。
如果您對高密度表面肌電研究感興趣，請與我們聯(lián)系！
聲明：文章僅用于學術交流，不用于商業(yè)行為，若有侵權及疑問，請后臺留言，管理員即時刪侵！
