基于表面肌电图的肱二头肌肌力和疲劳的临床应用及监测方法验证

INLOCKED12（2018）34基于表面肌电图的肱二头肌肌力和疲劳的计算方法及其临床应用切坦湾Kuthea， Rashmi V. Uddanwadikerb，Alankar A. Ramtekeca马哈拉施特拉邦理工学院，印度bVNIT，Nagpur，印度c印度那格浦尔关节重建A R T I C L E I N F O关键词：表面肌电图肌肉疲劳全膝关节置换术A B S T R A C T介绍：本研究的主要目的是计算肱二头肌的肌肉力量和疲劳方面的肌肉力量，使用静态收缩（等长收缩）的训练和未经训练的受试者。方法：将14名受试者分为两组，每组14名，分别作为训练组和未训练组。由两组在三个次最大收缩水平L1（50%MVC）、L2（75%MVC）和L3（100%MVC）下进行等长收缩，每个60 s或直到任务失败，以先发生者为准。研究比较了两组的力量的基础上最大的等长肌力和肌肉疲劳状态使用的斜率中位数频率（ε）。结果：训练组肱二头肌肌力较对照组提高18.39%（P0.05<），L1、L2、L3肌力差值分别为1.36%、3.48%、6.17%。与训练组（-0.2155）相比，未训练组显示出更负的斜率（-0.2470）。临床实施：在患者同意的情况下，对全膝关节置换患者进行了临床验证。结论：该方法可用于等长收缩时的肌力监测和预测肌肉疲劳。1. 介绍目前，使用无线传输系统的生理监测可以应用于许多生物医学应用[1]，例如使用便携式医疗设备的医疗保健监测[2]。表面肌电信号（S-EMG）是生理测量系统中一种重要的无创性肌肉疲劳监测方法Yu等人开发了一种无线医疗传感器测量系统，包括肌电图（EMG）、运动检测和肌肉力量，以检测多发性硬化症患者的疲劳[3]。有许多基于S-EMG的应用，例如运动分析，健身监测[4，5]和上肢假肢控制[6]。因此，存在EMG驱动的肌肉模型的几种应用，用于确定正常和病理条件下踝关节、膝关节、背部和上肢中的肌肉力[7，8]。肌肉疲劳的检测是肌电信号应用中的重要问题之一。有几项研究讨论了通过表面EMG（S-EMG）振幅和频率检测肌肉疲劳[9，10]。缺氧和营养不良引起肌肉疲劳的复杂现象，人体疲劳有三种类型：（1）中枢疲劳，（2）神经肌肉接头疲劳，和（3）外周肌肉疲劳[11]。外周肌肉疲劳是人机交互、人机工程学、职业治疗和运动科学的研究热点。有三种类型的控制肌肉收缩，pp。(1)等张（肌肉长度的恒定位置或不变）（2）等张（肌肉的恒定力或缩短/延长）和（3）等速（收缩的恒定速度）。等长收缩是肌肉长度没有变化的收缩（例如，要求受试者将哑铃保持在静止位置）。时间依赖性肌肉疲劳可以通过S-EMG连续监测，使用诸如肌肉力量和肌肉在其等长收缩和等张收缩期间所做的功的参数。S-EMG可用作运动学工具，以检查特定任务期间的肌肉功能。它用于评估肌肉力量，肌肉疲劳和肌肉收缩类型[12]。为了分析疲劳状况，在实践中有各种方法，例如等强度测试、运动耐力测试、肌肉活检和肌肉成像。表面肌电图（sEMG）信号的分析是另一种广泛使用的评估和表征肌肉的技术*Correspondent author.电子邮件地址：786chetankuthe@gmail.com（C.D. Kuthe）。https://doi.org/10.1016/j.imu.2018.06.004接收日期：2018年3月23日;接收日期：2018年6月18日;接受日期：2018年6月18日2018年6月2日至3日，2352-9148/©2018PublisheddbyElsevierLtd.这是一个不可避免的问题，因为CCBY-NC-NDLicense（http：//creativecommons.org/licenses/BY-NC-ND/4。0/）。目录可在ScienceDirect医学信息学杂志主页：www.elsevier.com/locate/imuINLOCKED12（2018）34C.D. Kuthe等人35疲劳[13]。EMG信号的分析通常可以分为三个主要问题，即，肌肉力量、肌肉几何形状和肌肉疲劳[14]。平均绝对值、均方根和每秒过零是表面EMG的常用时域特征[14]。时域特征经常被用作肌肉力量检测工具，而使用这些特征检测肌肉疲劳是无效的[14]。然而，发现用于肌肉疲劳检测的基于频率的EMG特征分析是有效的[14]。几种频谱S-EMG分析方法可用于揭示肌肉电生理特征的变化，因此，其评估肌肉疲劳的有效性[15]。肌电信号功率谱分析中最常用的两个特征是中值频率和平均频率。然而，在确定肌肉力量时使用肌张力和MNF说明了矛盾的发现[14]。E-X-MRI研究[14，16，17]表明，随着肌肉力量水平的增加，肌张力和MNF持续增加。相比之下，在一些研究中，随着力水平的增加，阻力和MNF降低[14]。此外，肌力和MNF的值不受肌力变化的影响（与收缩水平无关）[14]。肌肉疲劳的肌电表现可以被认为是研究工具，至少在等长疲劳收缩中，并且在职业医学中具有相当大的兴趣[18]。持续四头肌等长收缩期间的EMG功率谱分析是一项重要技术[19]。关于EMG功率谱分析参数的相关性，先前的研究表明，疲劳期间的MF斜率反映了个体肌纤维动作电位传播的变化，这是代谢副产物（乳酸盐和细胞外K+）相关积累的结果[19]。很少有基于时频的特征，即瞬时平均频率、瞬时中值频率和瞬时谱矩，被报道用于跟踪SEMG信号的谱分量的瞬时变化[ 20 ]。Gonzalez在动态肌肉收缩期间确定了几个EMG功率谱参数[21]。当肌肉在收缩过程中发生疲劳时，MNF和TMF通常向较低的频率移动;这表明肌肉疲劳开始于收缩的那个阶段。因此，肌肉疲劳的估计是S-EMG测量的重要应用之一，随着运动和康复计划的需要。此外，尚不清楚功率谱的哪个参数可以更有效地描述疲劳[22]。因此，本研究旨在找到最合适的参数来更有效地描述肌肉疲劳。无线S-EMG系统的主要问题是需要高传输速率。通常，测量S-EMG所需的采样频率高于1 kHz [15，21，23]。如果使用EEG评估肌肉疲劳，则采样频率必须为1 kHz。在这项研究中，肌肉性能记录使用无线S-EMG记录系统与1 kHz的采样率疲劳估计。在无计数活动中，尤其是在体育运动中，在使用收缩肌肉产生运动之前，通过延长收缩肌肉来增强力量[24，25]。强度的有效临床评估要求在每次后续测试中保持评估强度的关节位置[26]。临床医生在测量力量时，以及在设计改善肌肉运动的干预策略时，必须考虑关节位置对肌肉输出的影响。有各种主观测试来评估肌肉力量（例如手动肌肉测试，等长休息测试）。由于这些是主观测试，它们可以显示测试者之间的差异。个体肌肉力量的估计仍然是生物力学中的主要挑战之一[27]。关于使用自动化系统来检测/预测疲劳的实现的研究很少[28]。因此，本研究的目的是量化肌肉力量的基础上产生的力量，肌肉在等长收缩，肌肉疲劳。此外，该研究旨在验证基于临床试验提出的方法。2. 方法2.1. 科目28名男性（18-所有受试者均进行体力活动，无上肢损伤史。他们（对照组）被分为两组，即训练组和未训练组，每组14名受试者。接受过培训的受试者组包括那些参与日常结构化培训方案的男性。未经训练的受试者组是一组没有参加任何训练方案的活跃男子该研究方案得到了印度中央医学研究伦理委员会的批准2.2. 实验方案在进行测试之前，所有受试者都熟悉用于测量MVC和肌肉收缩类型的实验装置本研究的强度和疲劳方案包括次最大收缩，如50% MVC（L1）、75% MVC（L2）和100% MVC（L3）持续60秒或任务失败，以先发生者为准。肱二头肌的肌肉收缩基于每个受试者的MVC。每个受试者使用图1所示的实验装置完成8-10次全范围肘部运动的热身。 1，然后在开始方案之前休息10分钟。2.3. MVC test该测试包括进行三次MVC的受试者，每次持续3-4s，间隔10分钟的休息时间。两个最高值的平均值被视为MVC期间的100%力生成（两个最高MVC之间的差异不超过5%）。该值用于计算受试者特异性L1、L2和L3。2.4. 强度和疲劳任务受试者的力量和疲劳在50%MVC、75%MVC和100%MVC下进行测试。受试者提供在进行疲劳和力量方案之前休息10分钟。Fig. 1. 肱二头肌等长收缩测量实验装置的建立。INLOCKED12（2018）34C.D. Kuthe等人36甲乙2克服STFT的分辨率限制[29]。CWT是针对时域信号的不同片段单独计算的[30]。给定输入信号s（t），信号s（t）的连续小波变换被定义为s（t）与一族窗函数φ a，b（t）的积分变换。−∞ws（a，b）=φs（t）φs（t）dt甲乙丙∞（一）图2.表面肌电电极。其中a> 0表示尺度参数，b是时间平移参数（时移）。CWT的输出是小波系数。同时，等式（1）中的上标 * 是指复共轭。通过在时间b和尺度a缩放母小波φ（t）来获得φ（t）[31]，φa，b=1φt-b受试者被要求在60秒内生成L1、L2和L3，或者⎝一个（二）受试者的不适，以较早者为准。每一个都被10分钟的休息间隔分开，而在每个次最大MVC期间记录EMG。2.5. 表面肌电图记录具有99.9%银函数φ（t）通常被称为母小波，而函数族φa，b（t）被称为子小波，因为它们是从母小波的缩放和移位中导出的[31]。母小波的两个主要性质是零均值和归一化常数，−∞φ（t）dt=0在肘关节窝与肩峰内侧连线的1/3处，以10 mm（中心至中心）电极间距离。 电极棒的接触面积−∞（三）5 mm × 1 mm（见图）。2），并使用粘合剂将电极粘附到肌肉上。表面电极位置-φ（t）2=φ（t）φ（t）dt=1∞（四）通过遵循非侵入性肌肉评估的表面肌电图（SENIAM）的建议进行。通过清洁和轻轻摩擦皮肤获得电极之间的低电阻EMG信号被预放大，增益为909（共模抑制比为95 db，基线噪声为0.5 mVRMS），用5 Hz和500 Hz之间的带通频率滤波与STFT不同，CWT的φa，b（t）的时间宽度不是常数。它随着针对每个单个谱com计算变换而改变分量，比例参数a.小波尺度参数与其中心频率之间的关系定义为：ωf0以1 kHz的采样频率进行数字化，并由Power Lab记录=afs（五）数据采集单元（AD Instruments，澳大利亚）。将参考电极置于髂前上棘。选择骨突上的该位置以最小化暴露于参考的EMG活动。2.6. EMG数据分析进一步分析了从EMG设备捕获的原始信号。使用频率范围为5 - 500Hz的带通滤波器（二阶Butterworth）对原始EMG信号进行滤波。低端切割消除了与导丝摆动和生物伪影相关的电噪声，高端切割消除了电极部位的组织噪声。为了估计肌肉力量，需要平滑的肌电信号。使用50Hz截止频率的低通滤波器进一步分析整流的EMG信号，以获得平滑的EMG。此外，平均RMS（均方根）肌电信号计算从平滑的肌电信号为每1-s的窗口。随后，将RMS归一化为MVC期间记录的EMG信号的RMS利用连续小波变换（CWT）获得肌肉收缩的时频响应，通过中值频率和中值频率回归斜率计算肌肉疲劳指标。所有信号均由MATLAB R2014a（MathWorks）中编写的定制开发程序处理。其中fs是采样频率，f 0是尺度a = 1的母小波的中心频率，并且是对应于小波尺度a的伪频率（Hz）。基于这种关系，可以观察到，大尺度对应于低频，而小尺度对应于高频。对于分辨率属性，较低的尺度具有较好的尺度分辨率，这意味着关于尺度的确切值的模糊性较小。然而，更高的尺度对应于在较低频率处更好的频率分辨率图3示出了针对受试者之一的等长收缩的分析的S-EMG信号和对应的尺度图。在MATLAB实现中，选择小波尺度长度为128来计算Scalogram。根据Karlsson等人的建议，Morlet小波被选为母小波。[32，33]。Morlet小波是一种复解析函数，在信号处理中有着广泛的应用 图图4说明了时域中的实值Morlet小波。作为一个频谱参数，已被提取的时频分析。肌电是一种有用的频域特征[16]，也就是说，它经常用于S-EMG信号的肌肉疲劳评估[34]。使用尺度图，代表信号频率域特征的频率被定义为EMG功率谱被分为两个具有相等幅度的区域的频率[17，35]。它使用等式（7）[34]计算，2.7. 肌力和肌力测量MDF1升aE（aj，bi）为了研究具有时频表示的S-EMG信号，i=∑j=1（七）连续小波变换被经常用于提取频率参数，这已被证明是计算效率和更好地估计频率变量。CWT最早由Morlet于1982年引入，作为短时傅立叶变换（STFT）的替代方法，其中aj>0表示比例参数，bj是时间平移参数（时移）。E（aj，bi）是Scalogram。Scalo- gram是一个二维（j×i）矩阵X，其中i是输入数据样本索引，j是小波尺度索引。La是刻度的长度本研究中用于预测肌肉疲劳的有用参数一∞LaINLOCKED12（2018）34C.D. Kuthe等人37图3. 单次等长收缩的S-EMG信号和相应的尺度图轮廓图。在哪里，Y：中位数（中位数频率），x：时间间隔，m：回归斜率，c：偏倚。代表肌肉疲劳方面S-EMG稳定性的相关系数（r）由等式（9）定义。nr=∑i=1{∑i=1（xi−x）（yi−y）∑i=11}1（九）n（xi−x）2[n（y i−y）]22图4.时域Morlet小波。是在等长收缩期间，训练和未训练的受试者的回归斜率。对伴随着疲劳和肌力的肌肉疲劳状态进行预测是足够的。的其中x 和y 分别是x和y图1是描述等长收缩时检测肌肉疲劳过程的信号流程图。 5.肌肉力是肌肉在收缩时产生的力。根据L1、L2和L3的平滑EMG计算肌肉力量平滑的EMG信号用于计算收缩期间的力，最大限度地去除此类信号中的噪声，并由等式（10）[37]给出肌肉收缩的时间响应和时间响应之间的线性函数由等式（8）定义。负斜率值越大，表明肌肉疲劳越严重[36]。y=mx+c（8）Ft=g E（t）其中，Ft：等长收缩过程中t时刻的肌肉力量，E（t）：收缩时刻的平滑EMG，g：S-EMG的增益因子。（十）图5.用于估计由于等长收缩引起的肌肉疲劳的信号流程图。INLOCKED12（2018）34C.D. Kuthe等人383. 统计数据采用统计学检验比较两组的肌力和收缩率的变化，以评估与疲劳对肌肉收缩的影响相关的中位频率的时域变化。将参数统计应用于受试者的个人信息和肌肉疲劳参数（回归斜率和相关系数）。适当时，使用事后分析（Bonferroni检验）检验平均值对之间的差异。统计学显著性的α水平设定为p<0.05。使用SigmaPlot软件（版本13; Systat SoftwareInc，Chicago）进行统计分析。 数据报告为平均值±标准值偏差(mean±SD）表。4. 结果4.1. 等长肌力对于每个负荷水平，对于肱二头肌肌肉和实验方案，数据显示进行性肌肉疲劳，显著性水平为5%。在L1、L2和L3三个载荷水平下，对两组受试者的右臂肱二头肌进行了弹性实验。在不同的负荷水平下，未经训练和训练的肌肉群的RMS EMG振幅之间存在显著差异（p<0.05）。在每个负荷水平下，与未训练的肌肉组相比，训练的肌肉组的受试者具有更大的振幅-参见表1。肌电活动增加的MVC水平增加的培训和未经培训的科目。在所有次最大MVC下，经过培训和未经培训的受试者的平均峰值振幅显著不同（p0.05）;见表1。<与未接受训练的受试者相比，接受训练的受试者在L3处的平均EMG振幅增加了26.29%肌肉力量定义为肌肉在收缩期间产生的力[12];因此，在MVC和所有次最大MVC收缩时，使用公式（10）表2显示了L1、L2和L3的平均峰值肌力，L3的平均峰值肌力显著不同（p0.05）。<肱二头肌的力量被发现在训练的情况下比未经训练的受试者多13.41%，如图所示。第六章随着MVC水平的增加，两组的肌肉力量都增加。训练后肌肉力量分别提高32.38%和30.04%。另一方面，对于未经训练的受试者，随着MVC水平从L1增加到L2和从L2增加到L3，肌肉力量分别增加了30.97%和22.3%，如图所示。第七章4.2. 肌肉疲劳中位功率频率（Median power frequency，缩写为中频）用于引导研究，以检查来自两组训练和未训练肌肉的受试者的肌肉行为。使用公式（7）计算每个受试者和每个负荷水平下每个收缩阶段的收缩率。在三个收缩阶段中，表2训练和未训练受试者在不同MVCs水平下的平均峰值肌肉力量。负载水平肌力（N）%变化UT不L148.38± 9.6949.25± 15.141.78L270.03± 11.3972.83± 14.643.85L390.15± 12.89104.12± 23.9313.41*数值为平均值±SD。显著差异（*p 0.05），UT未培训和T培训受试者。<图6.经过训练和未经训练的受试者在不同MVC水平下的标准化平均峰值力比较图。图7.不同MVC水平下受试者的标准化平均力。表3训练和未训练受试者组的平均心率两组用于简单比较两组中肌肉的疲劳状态。训练后的和训练后的加载水平时间[秒]Avg. [Hz] P值表1未经训练的肌肉（14名男性）训练肌肉(14男性）培训和未培训受试者的RMS峰值振幅负荷水平未经培训的受试者经培训的受试者%变化峰值RMS（mV）ET（s）峰值RMS（mV）ET（s）L1 53.22± 2.96 60 65.18± 5.66 60 18.34*长2 66.03± 2.85 46.8 82.12± 5.11 60 19.58*L3 77.93± 4.23 26.3 105.73± 3.20 42.5 26.29*数值为平均值±SD。显著变化（分别为 *p<0.05和 **P <0.001）。第一级L1 20 91.5192 92.3664086.661788.920.003a6085.486886.782级L22090.8491.914085.291187.380.004a6079.33683.013级L32088.73490.6794081.31885.250.001a6076.62779.302a表示重大价值。INLOCKED12（2018）34C.D. Kuthe等人39图8.受试者负荷水平的平均体重趋势图9.训练和未训练肌肉组的回归斜率图。表4受试者在不同负荷水平下肱二头肌收缩曲线的回归斜率。在肌肉疲劳的情况下是阴性的。两组之间存在显著差异（p<0.05）;见表4。回归趋势的斜率在未经训练的肌肉中（-0.2470）比训练过的肌肉组（-0.2155）更大;见图8。研究结果有助于解释训练受试者的肱二头肌与未经训练的受试者相比可以维持更长时间的收缩。因此，研究假设似乎有效，显著性水平为5%。研究完成时，r2值的变化非常小，这意味着r2的下降和r2的趋势与时间无关，而是受试者特异性的。该发现与其他发现一致，表明表面EMG可用作量化静态肌肉收缩疲劳的指标[38]。5. 讨论肌肉性能通常是衡量其力量或能力，以产生在收缩期间的力量。因此，测量了训练和未训练受试者在等长收缩期间骨骼肌产生的力。选择经培训和未经培训的受试者进行测量，以便强度的差异可用于确认测量的正确性。在过去的研究中，个体肌肉力量的测量是不可能的，但目前的研究解决了无创的S-EMG方法的力量测量。训练和未训练受试者的肱二头肌力量的变化是因为大量的运动单位（MU）被招募参与收缩以获得更大的力量，并且招募的MU的数量取决于肌肉的生理状态。因此，与未训练的肌肉相比，训练过的肌肉在收缩期间招募更多的MU。在等长收缩任务中，检测了三种负荷运动的标准肌肉疲劳指数、回归系数和斜率。经过训练和未经训练的受试者之间的回归斜率存在显著差异。该研究方案可用于监测肌肉疲劳效应相关的肌肉力量尺度上的肌肉力量，特别是在等长任务期间以及训练-未训练的人。本研究可用于客观记录肌肉力量与疲劳效应的关系，特别是在工业、家庭护理和康复机构中。过去 研究 报道称， 行使 可以 损坏负载水平对于未经训练的肌肉[14男性]对于受过训练的肌肉[14男性]肌肉，但无法确定个体肌肉力量的确切大小。因此，很难监测生理浓度，回归斜率回归系数[R2]回归斜率回归系数[R2]个人肌肉的发展。 需要计算出在离心和向心性肌肉收缩1 - 0.1408 0.889 - 0.1397 0.982L2−0.2876 0.999 −0.2225 0.999L3 −0.3027 0.983 −0.2844 0.994使用表面肌电信号;这可能有助于监测个体肌肉的生理状况，从而避免由于过载而造成的伤害为了充分了解这个复杂的结构，所有（标准Dev.）-0.2470（0.0836）0.957（0.059）-0.2155（0.0726）0.992（0.008）在疲劳任务期间，特别是在同心和离心收缩期间的神经肌肉策略[39-未经培训的受试者L1为1.36%，L2为3.48%，L3为6.17%。结果表明，组显示的重要的差异（p<0.05），见表3。来自训练过的肌肉组的受试者与未训练过的肌肉组相比具有更大的平均值对于未经培训的受试者，L1至L2的平均寿命下降了2.27%，L2至L3的平均寿命下降了5.81%。另一方面，对于经过训练的子系统，L1到L2的L2到L3的L2值降低了1.11%，L2到L3的L2值降低了2.82%。这些结果帮助我们推断，与未经训练的受试者相比，经过训练的受试者的肱二头肌可以承受更大的负荷。第 八章斜率的回归是一个现代的工具，以指示局部肌肉疲劳。在本研究中，各组的平均Δ T值的回归斜率显示出沿三个负荷水平的连续定量下降趋势;见图。第九章回归的斜率为拮抗肌疲劳表现[41]。本研究未测量局部代谢因素。据报道，从最大等长运动中恢复主要与肌肉代谢状态的变化有关[41]。对于未来的工作，这是合理的怀疑，在疲劳机制的差异。6. 临床实施本研究中描述的用于计算肌肉力量的方法在全膝关节置换术（TKR）患者中临床实施。全膝关节置换术的目标是恢复膝关节的机械功能，使患者能够恢复日常生活活动。其他文献报告了TKR术后股肌（FM）的肌力不足，尽管几乎所有TKR患者INLOCKED12（2018）34C.D. Kuthe等人40图10.记录其中一名患者在TKR手术前后的FM S-EMG信号（a）术前（b）术后第1天（c）术后第2天（d）术后第3天（e）术后第4天（f）术后第14天（g）术后第45天。接受理疗师的康复治疗。研究人员将FM的虚弱归因于骨关节炎的废用，骨关节炎是一个因手术后活动减少而加剧此外，肌肉无力被认为是骨关节炎的潜在原因。传统上，力量训练计划用于对抗由于受伤、老化或手术引起的肌肉形态变化。患有膝关节骨关节炎和TKR的患者能够通过每周三次的传统力量训练计划增加其FM的力量产生，持续三个月。尽管力量训练方案确实增加了TKR患者的FM力量产生，但力量不足仍然存在。本临床研究用于确定TKR患者手术前后FM产生的确切力以及TKR手术后康复引起的确切的力是使用本研究中建立的方法计算。研究方案由Care Hospital（Nagpur）伦理委员会批准。6.1. 临床试验方法本节讨论了实验的细节，包括参与者的选择。• 自愿参与患者被告知他们自愿参加这项活动。患者在签署知情同意书后参加研究。INLOCKED12（2018）34C.D. Kuthe等人41图十一岁经处理的TKR患者腿部FM S-EMG样本表5TKR手术患者的S-EMG平均振幅记录S-EMG振幅的日期（mV）P1P2P3P4P5P6PR-S20.4336.637.5930.8139.8632.5PO-S125.343.237.3135.6353.5645.13PO-S246.4265.6537.8844.0167.8945.48PO-S357.565.9947.3348.4167.5655.13PO-S465.867.9859.8760.2867.8159.15PO-S1466.1676.5170.40272.0378.1570.04PO-S4585.1293.2580.8386.6698.3179.59PR-S：术前。PO-S：术后（1、2、3、4、14和45表示术后天数表6相对于健康腿，TKR腿的EMG振幅恢复S-EMG振幅（mV）P1P2P3P4P5P6是说健康腿244.3252.7309.3275.8315.3295.5282.15PO-S4585.1293.2580.8386.6698.3179.5987.29回收率%34.8436.9026.1331.4231.1726.9330.93• 描述这一过程在物理治疗师的监督下进行试验。参与者进行静态腿部休息（SLR）运动，持续5 s，重复10次。每个阶段的总持续时间为30 min。将EMG传感器附着到覆盖四头肌的皮肤第1阶段：术前（手术前一晚）。阶段2：术后住院期间[术后第1、2、3、4天]。第3阶段：常规随访期间（第45天），术后第14天和术后6周拆线后。图10（a）至（g）显示了TKR患者每天运动时来自FM的S-EMG信号的记录。临床记录的S-EMG信号的每一天，用于处理和计算的FM强度使用本研究中提出的方法• 研究干预类型本研究未进行干预。这是一项非侵入性和观察性研究。6.2. 信号记录和评估在手术前后从健康和TKR手术腿的FM记录信号采用无创表面肌电传感器检测TKR患者FM的电活动图11示出了TKR受试者之一的记录的EMG和处理的S-EMG信号。6.3. 实力评价表5中给出了TKR患者（n=6名受试者）手术前和手术后手术腿的经处理S-EMG信号的平均幅度。除第3例患者的肌电活动逐渐改变外，其余患者的S-EMG振幅均明显增加 这可能是由于医学神经支配的影响。所有受试者均表现出高增益INLOCKED12（2018）34C.D. Kuthe等人42图12. TKR患者（n= 6）的S-EMG振幅平均增益。表7采用S-EMG方法计算平均力记录肌力的天数（N）iv. 随着MVC收缩水平的进展，局部肌肉疲劳v. 提出了用回归斜率来表示局部肌肉疲劳的方法利益冲突作者声明他们没有利益冲突伦理声明经培训和未经培训的受试者的研究方案得到了印度中部医学研究伦理委员会的膝关节植入手术患者的研究方案已获得Care Hospital（Nagpur）伦理委员会确认衷 心 感 谢 印 度 科 学 技 术 部 为 该 项 目 提 供 资 助 ， 资 助 号 为SERB/F/0892/2013-14。我们感谢Care医院给予对TKR患者进行临床试验的伦理批准。博士Alankar Ramteke支持这项研究，并对临床验证表现出兴趣缩写S-EMG法平均SD最大自主收缩L1 50% MVCPR-S32.9960611.22596L275% MVCPO-S136.379098.745972L3100% MVCPO-S246.5607711.29705S-EMG表面肌电图人机交互频率中位数PO-S4579.348326.59394MNF平均频率健康腿256.474426.82556RMS均方根CWT连续小波变换在45天后，他们的肌电图峰值幅度，因为这些患者定期进行康复锻炼，以改善他们的手术腿的功能。因此，从TKR手术患者的电活动增加中可以明显看出，他们的FM能够招募更多的肌肉，以完成收缩。从这些受试者的健康腿测量的电活动在表6中给出。结果发现，TKR术侧FM的S-EMG幅度平均比健侧增加30.93%（n=6）。同样的结果显示在 图 12岁表7给出了使用基于S-EMG的方法计算的TKR患者的平均力，并根据其趋势进行预测。随着康复计划的日益进展，发现患者在TKR手术后肌肉力量得到改善。TKR术后45天，患者的FM强度有明显增加本研究结果表明，本文提出的方法是非常有用的测量个体肌肉力量。7. 结论i. 肱二头肌的力量被认为是更多的情况下，训练的受试者比未经训练的受试者的13.41%。ii. 所提出的方法在临床上实施TKR患者，并显示其实用性。iii. 所提出的方法可以用来量化肌肉力量的几个生物力学和生物医学应用。附录A. 补充数据与本文相关的补充数据可以在http：//dx上找到。doi.org/10.1016/j.imu.2018.06.004。引用[1] LeeY，Lee M. 利用咬紧牙齿的肌电信号进行电子健康通讯的短讯应用。TelemedJe Health 2008;14：593-7.[2] WangWS，Huang HY，Wu ZC，et al. 用于便携式医疗监护的无线生物电位采集系统。医学工程技术杂志2011;35：254-61。[3] 杨伟，王晓，王晓.多发性硬化症患者疲劳的无线医疗传感器测量。2010年IEEE医学与生物工程学会（EMBC）年度国际会议论文集。2010. p. 3763-7[4] HsuHH，Chou YL，Huang YP，et al. 俯卧撑速度对上肢疲劳训练的影响。 JMed Biol Eng 2011;31：289-93.[5] 伯-海二氏湖运动和健身的非侵入性生理监测。神经研究2011;33：3-17。[6] JenkinsC，Jenkins C，Jenkins M，et al. 利用肌电即时预测关节角度，以控制一具感觉回馈系统的假手。J MedBiol Eng 2010;30：399-406.[7] 卢西亚诺LM。等速训练后股四头肌强化的肌电驱动模型。程序IUTAM。2011. p.131比41[8] 克里斯托弗JG。评估三种方法确定肌电图肌肉力量参数估计的肩部肌肉。临床生物机械2008;23（2）：166-74。[9] DimitrovaNA，Hogrel JY，Arabadzhiev TI，等. 连续刺激下人肱二头肌m波变化的估计。肌电与运动学杂志2005;15：341-8.[10] DimitrovGV，Arabadzhiev TI，Hogrel JY，等. 疲劳性随意收缩时干扰肌电信号的仿真分析。第二部分-振幅和频谱特性的变化。肌电与运动学杂志2008;18：35-43.[11] MesinL，Merletti R，Rainoldi A. 表面肌电图，电极位置的问题JElectromyogr Kinesiol 2009;19：719-26.PO-S351.798617.751042PO-S457.70543.778742PO-S1460.13947.7869INLOCKED12（2018）34C.D. Kuthe等人43[12] O’sullivan身体康复。第六版Philadelphia：F.A. Davis;2013.[13] [10]杨文，李文，李文.使用sEMG信号的与肌肉疲劳状况相关联的多时间窗特征的Ex牵引和分析。 E X pert Syst Appl 2014;41：2652-9.[14] 吴伟杰，王晓刚，王晓刚.基于时变功率谱的肌电信号平均和中值频率确定肌肉力量。Elektronika Ir Elektrotechnika2013;19（3）：51-6.[15] 张文，张文，等.肱二头肌等长收缩时肌电信号的疲劳分析.中华医学杂志，2000，24（1）：117 - 118. J Electromyogr Kinesiol 2009;19：252-8.[16] 张文，张文，等.一种基于神经网络的肌电信号特征提取方法.北京：中国神经科学出版社，1999 . 2009年p. 3912 -73. arXiv预印本[17] 杨伟杰，杨伟杰，陈晓华.用于EMG信号分类的特征约简和选择。 E X pert Syst Appl2012;39（8）：7420-31。[18] [14]杨晓，王晓.肌肉力量和肌肉疲劳的肌电表现在自愿和电诱发收缩表面肌电图：生理学，工程和应用第1版Wiley出版物; 2016年。[19] Minoshima Yuta等，持续股内侧肌等长收缩过程中记录的表面肌电图功率谱分析在评估肌肉疲劳性中的可靠性。 开放J Ther Rehabil 2017;5：43-52。[20] Karthick PA，Ramakrishnan S.基于表面肌电图的肌肉疲劳进展分析，使用改进的B分布时频特征。生物医学信号处理控制2016;26：42-51。[21] Gonzalez-Izal M，Malanda A，Navarro-Amézqueta I，et al. EMG频谱指数和动态收缩期间的肌肉力量疲劳。J Electromyogr Kinesiol2010;20：233-40.[22] 李雨萌。肱二头肌等长收缩疲劳的表面肌电分析：初步研究。J骨骼和肌肉研究2017：41-4。[23] 小波特文 肌肉运动学对疲劳动态收缩时表面肌电振幅和频率的影响。J ApplPhysiol 1997;82：144-51.[24] 赫尔佐格·德·拉西耶缩短对单个骨骼肌纤维拉伸诱导力增强的影响。 J Biomech2004;37：1305-12.[25] 放大图片作者：J.人类拇内收肌次最大自主收缩中肌肉缩短后的力抑制。JBiomech2007;40：1-8.[26] HislopHJ，Montgomery J.人工检查技术费城：WBSaunders;1995.[27] 拥抱弗朗索瓦，塔克凯莉，根尼森让-卢克，坦特米奇，诺德兹安托万。肌肉生物力学弹性成像：个体肌肉力量的估计。E Xerc Sport Sci Rev 2015;43：125-33.[28] Al-MullaMohamed R，Sepulveda Francisco，Colley Martin. 检测和预测局部肌肉疲劳的非侵入性技术综述。 传感器2011;11：3545-94.[29] DeCusatis C，Das PK. Wavelength and Subbands，pp.基础和应用。Birkhauser;2002.[30] http://person.hst.aau.dk/enk/ST8/wavelet_tutotial.pdf。[31] AbbateAgostino，DeCusatis CM，Das PK. Wavelength and Subbands，pp.基本原理和应用。Boston：Birkhauser;2002.[32] 李晓梅，李晓梅.动态收缩过程中肌电信号的时频分析。比较研究。Biomed Eng IEEETrans2000;47（2）：228-38.[33] [10] MargaretP，Margaret L，et al. 等长收缩时局部背部和臀部肌肉疲劳分析中短时傅立叶变换和连续小波变换之间的相关性。J Electromyogr Kinesiol 2008;18（4）：637-44.[34] Cifrek M ， Medved V ， Tonkovi ć S ， et al. Surface EMG based musclefatigueevaluation in biomechanics. 临床生物力学2009;24（4）：327-40。[35] Oskoei MA，Hu H，Gan JQ.玩电脑游戏时产生的动态收缩肌电信号中疲劳的表现。EMBS的会议记录。2008. p. 315-8[36] 谢宏，王志.希尔伯特-黄变换求平均频率及其在疲劳肌电信号分析中的应用生物医学计算机方法进展2006;82：114-20.[37] HofAL。肌电和肌肉力量，pp。一个介绍 《运动科学》1984;3：119-53。[38] Schmitz RJ，Arnold BL，Perrin DH，et al.等张和等长膝关节伸展运动对疲劳的机械和肌电图特异性的影响。Isokinet E X erc Sci 2002;10：167-75.[39] NicolaL，Cristian M，Francesco N，等. 等长收缩时的肱二头肌疲劳：拮抗肌疲劳是一个关键因素吗？ Open Sports Med J2013;7：1-8.[40] Grabiner MD，Owings TM.在运动开始之前，同心和离心最大自主收缩之间的EMG差异是明显的。《脑研究》，2002年;145：405-