基于表面肌电信号参数的人体上肢运动研究

根据检测得到的右上肢主肌肉群的肌电信号,探讨了人体右上肢主肌肉群的肌肉功能状态和男性与女性之间肌肉功能状态的差别.20位实验者右上肢完成13个基本动作,对三角肌、肱二头肌、肱三头肌、掌长肌和指伸肌五块肌肉进行肌电采集,用SPSS 14.0软件时特征参数平均振幅(AEMG)和积分肌电(IEMG)进行数据处理.结果表明:完成不同的日常生活活动,肌肉的活跃程度存在着一定的相似性和差异性;男性以增强指伸肌和三角肌为主,女性则以掌长肌和三角肌为主.实验数据可为老年人和残疾人康复训练及肌电信号控制提供一定的理论依据和指导作用.     

基于肌电触发的上肢康复训练机器人的实现

在三自由度中央驱动式上肢康复训练机器人样机的基础上,通过提取患者的肌电信号,设计了一种肌电触发的助力训练控制方案,达到帮助上肢功能障碍患者进行助力康复训练的目的.运用多种电子技术,提取桡侧腕屈肌和尺侧腕屈肌这一对拮抗肌的表面肌电信号,结合运动系统的分层多核控制方案,实现对患者肌电信号的检测和处理,根据患者的运动意图提供相应的助力动作,实现肌电触发的助力训练模式.进行了肌电信号识别实验和速度调节验证实验,验证了肌电触发的速度可调式助力训练方案的可行性.     

前臂骨间背侧神经分支规律与临床治疗对策

探讨了前臂骨间背侧神经（posterior interosseous nervus,pIN）的分支规律及其在临床对伸肌腱损伤的影响。在24例成人尸体上,通过前臂背侧切口进入,找到穿出该肌深浅头出口之间的pIN。对pIN各分支距起点的距离及pIN支配各伸肌肌支的数目等进行观测。pIN有3处主要分支点：pIN近端：pIN分支至指伸肌肌支（3±1）、尺侧腕伸肌肌支（4±1）处,距pIN出口（24±3）mm,其中指伸肌肌支28例（47%）位于近侧,32例（53%）位于远侧;pIN中端：pIN分支至指伸肌肌支（3±1）、拇短伸肌肌支（1±1）、拇长展肌肌支（2＋1）、小指伸肌肌支（2±1）处,距pIN出口（47±3）mm;pIN远端：pIN分支至拇短伸肌肌支（1±1）,拇长展肌肌支（2±1）,拇长伸肌（2±1）,示指固有伸肌（2±1）处,距pIN出口（81±3）mm。24例中23例获随访,平均随访14个月,3例pIN或其分支损伤完全恢复,最快恢复时间为2个月。pIN分支复杂但有规律可循,其不同节段的损伤产生不同的临床表现,对指导临床治疗有积极的意义。     

基于小波变换的表面肌电信号去噪方法

表面肌电信号是通过表面电极记录下来的神经肌肉活动时发放的生物电信号,它反映了神经、肌肉的功能状态。表面肌电信号在临床医学、运动医学、康复医学、神经生理学、电生理等领域被广泛应用。本文所研究的肌电信号是在右下臂上采集到的一组表面肌电信号,通过小波变换等方法对肌电信号进行去噪处理。实验表明,该方法能够有效的去除肌电信号的噪声,为下一步的信号分析打下良好的基础。     

基于指部感觉刺激的手功能康复系统研究

为解决手功能康复难题,针对康复科医生手动刺激患者指部缓解痉挛的治疗方法,文章设计一款基于指部感觉刺激的手功能康复平台系统,该系统分为康复训练装置、下位机控制系统、上位机控制软件3个部分。为治疗不同程度的手功能障碍患者,根据不同按压力度设置3种训练模式;根据表面肌电信号设计一种定量评估手功能康复效果的方法,通过识别患者手指伸展的手势情况进行评估;最后通过样机试验测试,证明该手功能康复系统能够代替医生进行手部刺激训练并能对康复效果进行定量评估,大大提高按压刺激的精准度和效率。该文研究结果可为手功能康复治疗提供一种有效的康复训练装置。     

采用表面肌电信号的手指关节角度精确感知方法

针对目前采用肌电信号的手指关节角度连续解码误差较大,导致肌电假肢手运动效果较差的情况,提出了一种应用表面肌电信号、深度回归森林模型和人工神经网络相结合的手指关节角度连续精确感知方法。首先,应用基于滑动时间窗的特征提取器从前臂8个通道的肌电信号中各提取7种肌电信号特征(肌电信号的平均绝对值、积分肌电值、均方根、波形长度、对数特征、过零点数、斜率符号变化数),输入深度森林回归模型得到具有较大波动的掌指关节估计角度;然后,采用人工神经网络对这些掌指关节估计角度进行优化,以创建一种深度森林回归模型与人工神经网络相结合的综合回归模型;最后,利用该综合回归模型对采集到的表面肌电信号进行连续精确解码,得到肌电假手掌指关节角度控制量,其余手指关节角度可通过比例控制得到。采用所提方法进行实验验证,结果表明：所提方法的平均轨迹跟踪精度比传统高斯过程方法提高了42%,达到82.12%,证明所提方法对基于肌电信号的手指关节角度估计具有非常优良的效果。     

基于肌电控制的辅助型机器人外骨骼

针对臂丛神经损伤患者上肢功能部分或完全丧失的问题,本文设计了一款基于肌电控制的辅助型机器人外骨骼。该外骨骼具有2个自由度,受试者穿戴上之后能完成5个上肢动作。采用腱鞘驱动方式设计外骨骼结构,减轻受试者上肢使用负担。通过提取受试者健侧手臂产生的肌电信号,使用基于贝叶斯决策的线性判别分析方法解码受试者运动意图,实现利用健侧上肢运动带动患侧运动的目的。而本研究最终目标则是通过解码患侧肌电信号控制患侧上肢运动,实现受试者在不需要任何帮助的前提下重建患侧上肢运动功能。系统对肌电信号的处理、识别均为在线进行,整个过程耗时约57 ms,完全符合外骨骼使用过程中的延时要求。对4名健康受试者进行实验,结果表明5类动作的平均在线识别率均达到95%以上,且受试者能够顺畅使用所设计外骨骼系统。     

采用小波变换和高斯过程的肌电信号模型预测

根据表面肌电信号的生物电信号特点,采用小波变换和高斯过程建模的方法对表面肌电信号进行建模和预测.对非线性的表面肌电信号利用拟合能力强大的高斯过程进行建模,预测效果较好,但所需运算时间长.针对其运算时间长的缺点进行改进,将预处理后的表面肌电信号小波分解,对分解后的系数高斯建模,然后重构.实验结果表明:该改进方法在响应时间和预测误差方面效果明显.     

用于手部康复的热塑性聚氨酯软体驱动器研究

针对软体康复训练手套制作流程复杂和辅助力低等问题，文章基于热塑性聚氨酯(thermoplastic polyurethane, TPU),借助3D打印技术，研制具有单、双向软关节的分段式气动软体驱动器。通过有限元软件建立TPU材料超弹性本构模型，仿真分析软体驱动器弯曲特性，试验测试研究软体驱动器弯曲角度、运动轨迹和握力，结果表明，软关节特性满足人手关节最大弯曲角度120°需求，软体驱动器弯曲状态与人手运动轨迹相符，最高握力达11.5 N。直接3D打印的软体驱动器制作简单，辅助力强，满足手指康复训练需求，为手功能损伤患者提供一种更加安全有效的康复训练设备。     

欠驱动式外骨骼手指康复机器人的设计和仿真

本文提出一种新的基于脑电信号控制的外骨骼手指康复机器人系统,该系统主要由外骨骼手指康复机器人、脑电信号系统(EEG)、肌电信号系统(EMG)、人机交互系统、电机控制单元、相关传感器和工作站组成.患者通过外界的视觉刺激产生脑电信号,工作站经过对这些信号采集和处理后传递给电机控制单元控制,并驱动电机实现穿戴在患者手上的外骨骼手指机器人运动,辅助其完成康复训练.该机器人主要采用欠驱动的方式,由安装在手背处的电机带动同步齿形带传动机构实现机器的三个关节的弯曲和伸展运动.文章主要利用UG软件对手指机器人进行设计和ADAMS软件进行运动仿真.根据机器人运动轨迹和机器人末端的运动参数曲线可以看出该手指机器人具有运动平稳,不存在运动死点等特点,且机器人能满足人体手指的运动要求,符合人体工学的设计特点,仿真实验证明能够辅助患者进行重复性康复训练.     

基于表面肌电信号的下肢康复主动训练研究*

由于传统的人工康复手段已经很难满足患者对康复治疗的需求,因此提出一种基于表面肌电信号的下肢康复主动训练模式。通过提取患者下肢肌电信号在时域内的特征量,经BP神经网络辨识患者的运动意图,最后将辨识结果作为驱动下肢康复机器人的信号源,实现对患者的主动康复训练。根据临床试验中患者在主动训练前后各项生命体征数据稳定,以及主动训练后神经功能和运动功能具有显著恢复效果患者数较传统训练模式提升了50%,表明该主动训练模式的可行性和安全性。为今后深入研究主动康复训练奠定了理论和实践基础。     

基于表面肌电信号的下肢康复主动训练

由于传统的人工康复手段已经很难满足患者对康复治疗的需求,因此提出一种基于表面肌电信号的下肢康复主动训练模式。通过提取患者下肢肌电信号在时域内的特征量,经BP神经网络辨识患者的运动意图,最后将辨识结果作为驱动下肢康复机器人的信号源,实现对患者的主动康复训练。根据临床试验中患者在主动训练前后各项生命体征数据稳定,以及主动训练后神经功能和运动功能具有显著恢复效果患者数较传统训练模式提升了50%,表明该主动训练模式的可行性和安全性。为今后深入研究主动康复训练奠定了理论和实践基础。     

人体腿部表面肌电信号特征提取方法

表面肌电信号(sEMG,surface electromyography)作为人体运动检测的主要信息源之一,已被广泛应用于康复训练福祉机器人领域。针对人体下肢动作识别的问题,提出了一种针对表面肌电信号进行小波变换的特征提取方法。在肌电信号的频域分布中,该方法选取小波子空间中活动段的平均功率组成特征向量。为验证所提出方法的有效性,设计实现了一种微型便携式多通道sEMG信号采集系统,并利用支持向量机(SVM,support vector machine)构建分类器对腿部动作进行识别。实验结果表明:该方法能有效识别腿部常见的4种动作,同一个体动作识别率能达到95%以上,不同个体识别率平均能达到85%,能够较好地应用于下肢运动障碍患者的日常康复训练。     

不同路况对人体下肢肌肉特征参数的影响

提高医疗康复辅具的智能化水平能够明显改善老年人等弱势群体的运动步态及肢体运动能力,以及增强他们的自理能力、社会参与能力.因此,有效地获取人体在不同运动模式下的步态信息并将其应用在智能动作辅助系统控制系统的设计上是目前需要解决的重要问题.肌电信号能够很好地反映人体在运动时的肌肉活动状态和功能状态,本文针对不同路况下人体下肢肌肉的表面肌电信号进行一系列实验研究.通过比较人体下肢主要肌肉群的特征参数,得出人体下肢存在优势侧和非优势侧的结论,且不同路况下的这种差别是不同的.此外,本研究还通过分析不同路况下行走时人体下肢4组主要肌肉群(股内侧肌(VMO)、胫骨前肌(TIB)、半腱肌(SEM)和腓肠内肌(MED))的特征参数变化,得知双下肢的肌肉特征参数随路况的变化而变化的具体参数特点.本研究揭示了在不同路况下行走时人体下肢主要肌群的活动状态和变化特征,可为有行走功能障碍的患者及老年人的医疗诊断、康复训练及康复评定提供依据,同时也为双足机器人/智能助行器的优化设计奠定了基础.     

中风后小鱼际肌的诱发和自主表面肌电图研究（英文）

利用诱发和自主表面肌电研究在中风后偏瘫病人的小鱼际肌的生理变化.通过对11个受测者患侧和正常侧的对比,发现患侧肌肉的复合动作电位和运动单位个数索引略为降低.正常侧的小鱼际肌最大自主收缩肌电与复合动作电位的比值显著大于患侧,表明患侧肌肉的激活能力明显不足.相比传统的针电极检测,通过无创的表面肌电实现了对中风后运动单位变化的研究,以促进对中风后肌无力的理解与康复.     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Ch irp let(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Ch irp let时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fug l-M eyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Chirplet(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Chirplet时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fugl-Meyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。     

基于表面肌电信号的绝缘手套法带电作业人员上肢肌肉疲劳分析

绝缘手套法是配网带电作业的主要作业方式,为获取穿戴绝缘手套的带电作业人员上肢肌肉的疲劳特性及其诱发的肌肉骨骼系统疾患(work-related musculoskeletal disorders,WMSDs)的风险,开展了基于表面肌电信号(surface electromyogra-phy,sEMG)的绝缘手套法带电作业人员上肢肌肉疲劳评估研究.针对配网绝缘手套法的典型作业工况,搭建了绝缘手套法带电作业上肢的sEMG试验平台,采集受试者上肢(右手)各目标肌肉在是否穿戴绝缘手套下的sEMG信号;基于时域特征参数积分肌电值(integrated electromyography,IEMG)、均方根值(root mean square,RMS)及频域特征参数平均功率频率(mean power frequency,MPF)、中位频率(median frequency,MDF)对绝缘手套的上肢肌肉疲劳特征进行评估;基于支持向量机(support vector machine,SVM)构建了带电作业人员上肢肱桡肌疲劳状态识别模型.结果表明:穿戴绝缘手套作业时各目标肌肉更容易进入疲劳状态;穿戴绝缘手套作业时,作业人员上肢部位的肱桡肌、肱二头肌、肱三头肌、三角肌的疲劳程度依次递减,与仿真计算的分析结果一致;sEMG时域特征参数IEMG、RMS对作业人员上肢肌肉疲劳的表征效果要优于频域特征参数MPF和MDF;带电作业人员上肢肱桡肌疲劳状态识别模型总体平均准确率为86.56％,能有效识别上肢肱桡肌肌肉疲劳状态.     

基于ARM的肌电假肢手控制器

由于肌电假肢手大多基于阈值的张、合控制,并存在操作灵活性差等问题,提出一种基于ARM的肌电假肢手控制器设计方案.采用ARM核STM32处理器作为主控芯片,通过2路A/D采集手臂尺侧腕屈肌和桡侧腕屈肌的肌电信号,分别提取时域和频域上的4种特征值,并采用BP神经网络分类算法实现对5种手掌动作模式的在线实时识别.实验结果表明,该控制器对5种动作的整体在线识别率可达97%,且符合实时性要求,很好地满足了残疾人假肢手控制的需求.     

表面肌电在攀岩训练中的应用研究

肌肉疲劳产生过程中,肌电图的振幅和频谱指标均会产生相应变化.运用肌电图对运动员肌肉状态指标的评定可以对运动训练起指导作用.肌电图在攀岩领域的应用还比较少,通过对攀岩运动员在间歇训练法训练时的上肢主要做功肌肉左右腕屈肌、左右腕伸肌的的表面肌电信号(sEMG)进行分析,观察肌电图的变化情况,探讨肌电图在攀岩运动过程中应用的可行性.