高密度阵列式肌电信号在体育领域中的应用综述
高密度阵列式肌电信号在体育领域中的应用综述
曹春霞 王瑞元* 北京体育大学
摘要：高密度阵列式表面肌电采集系统是采用二维矩阵式表面电极覆盖于整块肌肉皮肤区域，以采集并记录骨骼肌生物电信号的测定方法，由于其便携、无创、可视化等特点，被广泛应用到体育领域。通过对高密度阵列式表面肌电的工作原理、指标分析、数据处理以及在体育领域中的应用综述表明，高密度阵列式表面肌电解决了传统表面肌电信噪比低的问题，可提供骨骼肌发力可视化图，且由于其无创、易于被受试者接受等原因，被逐步应用到在肌纤维传导速度测定、运动动作分析、肌肉力量评估和运动单位数目估计等方面。其缺点是多通道肌电测定带来的数据冗余，数据分解和数据处理工作较难，因此未来需要更多关于肌电数据处理的算法研究解决该问题。
关键词：高密度阵列式表面肌电；运动康复；空间域；等高线图
表面肌电图（surface electromyography，sEMG）是指骨骼肌在兴奋时通过表面电极引导、记录、采集的肌肉活动时的生物电信号。sEMG多采用单电极或双电极置于肌腹处提取肌电信号，但运动过程中骨骼肌内部存在不均匀的激活状态，较少的电极通道提取信号时会由于放置电极位置不同而产生差异，因而很难完成精确的肌肉激活分析和肌肉力估计等任务（张聪， 2020）。高密度阵列式表面肌电（high-density surface electromyography，HD-sEMG）采用二维矩阵式表面电极覆盖于整块肌肉皮肤区域，HD-sEMG可得到目标肌肉时频域和空间域信息，获得骨骼肌相对应的激活区域可视化图，克服了普通电极空间分辨率低的缺点（Harrach et al.， 2017）。目前，HD-sEMG作为一种客观量化的手段，被逐步应用于运动康复领域。
1 HD-sEMG简介
1.1 HD-sEMG工作原理
机体受到外部刺激后，神经肌肉系统中运动神经元被不同程度激活，肌肉收缩，经过由肌肉、脂肪及皮肤组织构成的容积导体后在皮肤表面测量处与各种噪声信息叠加而形成的电位波形即为表面肌电信号（Farina et al.， 2001）。sEMG的获取由采集、传导、处理3部分组成（王坤 ， 2020）。sEMG信号幅值在0～1.5 mV，但有用的信号频率在0～500 Hz，因此，信号采集后需要进行滤波预处理（曹月盈， 2020）。
1.2 HD-sEMG指标分析
1.2.1 时域目前对肌电信号分析的方法较多，使用最多和最常见的是时域分析法，即通过计算特定单位时间内的肌电信号获取相关肌电指标数值，主要包括积分肌电（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是指肌肉在特定的时间段产生的运动单位放电总量，即在时间相同的情况下积分肌电的大小，反映参加肌肉活动的运动单位数量以及每个运动单位放电的大小（Viitasalo et al.， 1977）。RMS是指积分肌电除以监测积分肌电的时间，能够比较在一定时间内肌肉放电的一般水平（王念 ， 2019；Madeleine et al.， 2002）。ARV是指一段时间内瞬间肌电幅值的平均值，是反映sEMG信号幅值变化的特征性指标，其变化主要反映肌肉活动时运动单位激活的数量、参与活动的运动单位类型以及同步化程度。过零率反映信号在单位时间内的过零次数，过零率的降低与疲劳的发生有关（Inbar et al.， 1986）。1.2.2 频域时域信号通过快速傅立叶转换（fast Fourier transform，FFT）后得到的肌电信号（Ming et al.， 2014）。常用的频域指标包括平均功率频率（mean power frequency，MPF）和中位频率（median frequency，MF）。疲劳时，功率谱大多由高频向低频漂移，平均功率频率和中位频率也相应的下降（蒋文都 等， 2019；Trappe et al.， 2000；Xiang et al.， 2013）。频域指标抗干扰性强，适应的负荷水平范围较广，适用于各类肌肉及各种收缩形式的运动。1.2.3 时频域将表面肌电的时域值和频域值进行组合，可以得到sEMG的时频域特征。目前，研究常用的时频域分析方法主要有短时傅立叶变换（short-time Fourier transform，STFT）、小波变换（wavelet transform，WT）和小波包变换（wavelet packet transform，WPT）等。STFT是最基本的时频分析方法（陈飚 等， 2012）。Bai等（2010）用STFT在肘关节恒力收缩和动态收缩条件检测肌肉的疲劳时，发现在疲劳产生的过程中时频域特征变化明显。WT是目前研究中得到普遍认可的时频转换方法，通过使用平移和伸缩变换的方式对肌电信号进行多尺度精细化分析，将原始肌电信号按照对应的时间分解到不同频率带上或者对肌电信号进行特定精度的表达，既能够显现信号的全局性特征信息，也能够显现局部时段的特征信息，WT也被称为数学显微镜。与其他分析方法相比，WT更适用于运动过程中非稳定肌电信号的分析（何涛 等， 2015）。1.2.4 空间域HD-sEMG区别于sEMG的重要特征就是空间域，在经过如Muticlass CSP、PCA等空间滤波算法后，得到分离矩阵，再经过小波变换等进行详细分解，最终得到所需要的二维或三维图形（陈淑甜， 2019）。
1.3 HD-sEMG指标信号预处理
肌电信号采集过程中容易受到电磁干扰和噪声等影响，想要得到合理的肌电信号，需要对其进行预处理，以去除信号中的噪声、冗余、伪迹等成分。肌电信号中包含的噪声主要分为系统噪声、伪迹、工频干扰和通道间串扰4种（黄成君， 2017）。系统噪声可利用去均值和小波重构等手段去除。伪迹的处理主要为高通滤波法、带通滤波法、自适应滤波法、小波分析法等（Lin et al.， 2013；Luca et al.， 2010；Mak et al.， 2010；Zhang et al.， 2013）。工频干扰和通道间串扰可选择盲源分离法进行滤波处理。
2 HD-sEMG在体育领域应用现状
2.1 肌纤维传导速度
在神经通路的2个或2个以上的点给与电流刺激，从该神经所支配的肌肉上记录诱发电位，2个刺激点之间的距离除以电位传导时间，即为肌纤维传导速度（muscle fiber conduction velocity，MFCV）。MFCV与肌纤维直径和肌纤维类型有关，受到肌纤维膜特性（钠离子、钾离子浓度）影响，在临床上常被用来协助诊断代谢性疾病和离子通道疾病等。也有研究认为，可以用此进行肌纤维类型百分比无创测定和局部肌肉疲劳的判断（黄志强 等，1987）。MFCV测试方法由Troni等（1983）提出，传统测试需要同心圆针电极远端刺激和近端记录，该方法有一定创伤性，后有研究者尝试用表面肌电测定（付聪，2010），但测得的结果精度不高且测试程序繁杂，一直未得到普遍认可。直到多通道电极的应用才使得表面肌电测定肌纤维传导速度成为可能。利用HD-sEMG测定MFCV是通过多通道表面肌电信号获取信号中的动作电位波形在不同电极位置间的时间延迟。Farina等（2001）和Simunic等（2011）通过二维矩阵电极和空间滤波处理的方式测定动作电位波形的分辨力，发现经过波束算法处理后测得的MFCV精度较高。Casolo等（2020）以重复测量的方式记录了主观用力程度与MFCV之间的关系，发现在肌力增加过程中，MFCV估算出的绝对值和相对值重复性较高。Stefano等（2020）对前交叉韧带重建后健康侧和损伤侧术后进行MFCV比较，发现损伤侧容易出现快肌纤维选择性萎缩和功能下降，可以利用HD-sEMG监控机体损伤后康复情况。
2.2 运动单位数目估计
运动单位数目估计（motor unit number estimation，MUNE）于1971年提出，其依据运动神经的兴奋阈值不同，在相同位置逐渐增加刺激强度，可获得连续的独立运动单位电位，将同一肌肉中全部运动单位的波幅或面积与该肌肉中单个动作电位相除，得出功能性运动动作电位数量（王莲 等， 2010）。MUNE在神经肌肉病变研究中应用较多，通过MUNE，可以根据运动单位数目减少程度及随病情发展或恢复时运动单位数目变化监测疾病的发生发展，并可对疗效进行定量评价。MUNE测试方法是采用针电极单点或多点刺激方法获得其支配肌肉的M波或F波，通过识别引起针极肌电图上棘波触发的对应表面肌电图单个动作电位，计算出平均值，此方法具有侵入创伤性。Merletti（2008）和Stegeman等（2012）发现，可以通过HD-sEMG无创分解运动单元电位序列，进而应用MUNE（Bo et al.， 2015）。Van Dijk等（2010）使用HD-sEMG进行多点刺激与增量计数相结合，解决了增量计数的交替问题，提供了一种综合评价MUNE的方法，该方法的缺点是仅适用于远端肌肉测定。Peng等（2016）在此基础上结合新的分解算法，解决了肌肉位置受限的问题。
2.3 肌力估计
在骨骼肌中，肌腱和肌腹构成肌肉肌腱单元。有研究认为，骨骼肌收缩时，为了适应不同动作，肌肉肌腱单元会出现不同程度的激活（黄成君，2017），在预测肌力时，应以肌肉肌腱为单位进行肌肉活动区域划分，等时间间隔计算各通道肌力信号的均方根值或绝对值均值，再根据各通道在二维空间上的位置绘制幅值分布的等高线图，由颜色深浅区域判断肌肉活动的剧烈程度。不同于传统的三维测力台和等速测力仪进行肌肉力量测定，利用HD-sEMG测定肌力时可以根据肌肉肌腱单元或肌肉主要活动区域的定位进行测定，更好的分析单块肌肉肌腱单元功能，分析不同区域发力模式，得到可视化图形（图1）。
图1 高密度矩阵式表面肌电等高线图
Figure 1 High-Density Matrix Surface Electromyography Contour Map
Ping等（2011）利用HD-sEMG测量并绘制了右手食指在5个不同方向运动时，第一骨间背侧肌的肌电信号等高线图，发现同一块肌肉在不同形式运动中其激活情况不同。Monica等（2012）将HD-sEMG电极放置于肱二头肌、肱三头肌、肘后肌等5块骨骼肌上，进行肘关节曲、伸、内旋和外旋动作，记录运动时各块受试肌肉的肌电幅值变化情况，使用面积重构分水岭算法割出同一块骨豁肌的不同活动区域，探讨运动过程中不同肌肉发力情况。Vieira等（2010）使用分水岭算法对来自腓肠肌的120通道高密度阵列肌电信号构成的灰度图进行分割，得到了腓肠肌内外侧肌肉肌腱单元的分界线，但分水岭算法会发生过分割的现象，且该方法仅适用于肌肉肌腱单元间分离度较高的肌肉。Staudenmann等（2009）用128通道对小腿三头肌肌电信号进行模糊K均值聚类分析，将具有相似收缩特性的通道聚为一类并绘制成拓扑图，但K均值聚类的结果在二维电极平面上的分布与腓肠肌生理学上内侧头、外侧头以及比目鱼肌的位置并不相符。因此，在进行肌肉发力情况等高线图切割时需要考虑不同的肌肉和运动情况从而选择不同的算法。
2.4 动作分析
单一的肌电信号对肢体运动状态很难作出全面的判断，多通道肌电采集与惯性传感技术相结合能较为全面地实现肢体运动监测与评价，与普通的肌电采集电极相比，HD-sEMG信号采集电极可呈现肌肉电信号位置，从而获得更多的EMG信号特征，提高肢体运动监测准确度、增加评价指标。Zhang等（2013）利用89通道的高密度表面电极，从12名中风患者的瘫痪肌肉中采集肌电信号，采用一系列的识别算法解析12种上肢动作，识别率达到96.1%。Dario等（2014）用HD-sEMG分析了胸部肌肉sEMG信号，通过代偿方式解析了肩离断患者肩、肘、手动作，实现了肘部开合2种模式、腕部上下左右4种运动模式以及手部开合2种模式。Geng等（2016）针对高密度表面电极提出了一种瞬时肌电信号图像姿势识别的方法，该方法直接对HD-sEMG信号形成的瞬时二维空间分布图像进行识别，并利用深度卷积神经网络对姿势进行分类，不同时刻HD-sEMG图像作为网络的输入，网络的输出对应不同的手部姿势类，其对不同姿势的识别率达到89.3%。Wang等（2016）针对中风患者康复问题，对前臂和上臂进行了HD-sEMG信号的小波包解析，并通过建立的通道选择验证了通道数量与识别准确率之间的关系，利用较少的关键通道可以获得较高的准确率。Kim等（2017）提出了一种基于高密度空间图案的手指运动估计方法，该方法使用基于微针的高密度界面，微针穿透高电阻死皮层并与活表皮直接接触，通过使用所提出的接口，可以在小区域中获得有助于运动估计的空间模式，进行抓取运动估计、手指关节角度估计和手指屈曲分类。目前，基于HD-sEMG的动作模式识别虽然起步较晚，但准确率较高。体育运动中，运动募集的肌肉数量和肌肉动员情况广受关注，若可以得到全身肌肉运动的高密度肌电可视化图，将为运动动作的理解提供更为直观的呈现。现已有关于纹身电极的研究（王振明，2021），在可拉伸的电子膜上制造纹身高清电极网格，且电极不需要凝胶粘贴，若能将电极在身上保持一周，基本可采集到大部分的动作模式。因此，未来的研究可以包括结合多模态输入，如结合视觉信息和可穿戴的运动传感器来进行复杂的动作模式识别系统。
2.5 肌纤维类型
不同类型的肌纤维存在形态、收缩和代谢特性等方面的差异，肌纤维类型作为运动选材的重要指标之一，其测量方法主要为基于肌肉活检的免疫组化染色和免疫印迹法。利用表面肌电预测骨骼肌纤维类型的理论依据是肌肉在抗阻负荷过程中，平均功率值的变化特征与慢肌纤维比例呈负相关，与快肌纤维比例呈正相关。Moritani等（1985）以50%MVC的等长收缩作为负荷条件，发现股外侧肌慢肌纤维百分比与肌电平均功率之间呈显著性负相关，且其相关程度与MVC百分比呈正相关。Wrestling等（1987）认为，较低的MVC会造成骨骼肌的不完全募集和激活。王楠等（1985）的研究在70%MVC等长收缩条件下，将肌电图、肌力及等长耐力3个方面的12项指标与快肌纤维百分比作了单相关分析以及多元回归分析后，得出肌电间接测定股外侧肌快肌纤维百分比的回归方程。本研究团队延用高强（1985）的运动方案，对于肌纤维类型百分比的HD-sEMG测定进行了研究，发现HD-sEMG的精度比普通肌电高，快肌纤维类型与平均功率和肌纤维传导速度都有一定的关系，还需要后续进行更多样本的验证。
3 结语
HD-sEMG作为一种新的测定骨骼肌肌肉状态的信号分析工具，与传统肌电相比，解决了传统表面肌电信噪比低问题，能够提供关于肌肉的解剖或几何特性相关信息，比如肌纤维长度和方向、神经支配区分布、肌腱位置等，可以进行肌肉肌腱单元肌力可视化测定，通过分析不同区域发力模式为动作分析提供可视化图，且可以通过分析骨骼肌运动单位数目反映神经肌肉功能状态等；与插入式肌电信号相比，具有检测的无创伤性、不需要专业医护人员进行处理、更易为受试者所接受等优点，因此具有更广阔的研究应用前景。但多通道表面肌电在采集到丰富的信息同时也带来冗余和干扰信息，预处理困难，特别是在复杂多变的运动环境中，随着肌肉收缩力不断增大，叠加波形会不断增多，其分解工作具有相当的挑战性，因此，还需要更加成熟且有针对性的研究。
如果您对高密度表面肌电研究感兴趣，请与我们联系！
声明：文章仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！
