表面肌電信號(hào)分解算法及其在小兒腦癱評(píng)估中的應(yīng)用.pdf

1、表面肌電信號(hào)(sEMG)是由肌肉興奮時(shí)所募集的運(yùn)動(dòng)單位產(chǎn)生的一個(gè)個(gè)動(dòng)作電位序列(Motor Unit Action Potentialtrains，MUAPT)在皮膚表面疊加而成，是一種非平穩(wěn)的微弱信號(hào)。而肌電信號(hào)的分解則是其形成的求逆過(guò)程，從分解結(jié)果可以獲得運(yùn)動(dòng)單位的募集發(fā)放信息和運(yùn)動(dòng)單位動(dòng)作電位(MUAP)的波形信息，這是提供觀察中樞神經(jīng)系統(tǒng)各運(yùn)動(dòng)神經(jīng)元活動(dòng)狀態(tài)的一種途徑，由此可以獲得神經(jīng)肌肉疾病患者運(yùn)動(dòng)控制機(jī)制病理等變化的正確理解

2、和解釋。表面肌電信號(hào)分解是一項(xiàng)難度較大的研究工作，研究成果對(duì)于神經(jīng)肌肉系統(tǒng)控制的基礎(chǔ)研究和神經(jīng)肌肉疾病的臨床診斷具有重要的理論意義和應(yīng)用價(jià)值。
　　 表面肌電信號(hào)是一種復(fù)雜的電信號(hào)，對(duì)其進(jìn)行分解是一項(xiàng)難度很大的工作。本文首先進(jìn)行了表面肌電信號(hào)的仿真研究，并在針對(duì)插入式肌電信號(hào)與表面肌電信號(hào)進(jìn)行廣泛調(diào)研之后，提出了兩種實(shí)現(xiàn)表面肌電信號(hào)分解的新方法，同時(shí)通過(guò)對(duì)仿真信號(hào)和真實(shí)信號(hào)的實(shí)驗(yàn)研究，論證算法的可行性與有效性。另外，利用表面肌電

3、信號(hào)對(duì)痙攣型腦癱患兒的運(yùn)動(dòng)神經(jīng)元發(fā)放特性進(jìn)行了研究，旨在為腦癱患兒的運(yùn)動(dòng)障礙評(píng)估提供一種量化指標(biāo)。
　　 本文的主要工作和研究成果有：
　　 1.sEMG信號(hào)的仿真研究。根據(jù)表面肌電信號(hào)的生理層模型，實(shí)現(xiàn)了對(duì)表面肌電信號(hào)的仿真，用以提供驗(yàn)證肌電信號(hào)分解效果的仿真信號(hào)。重點(diǎn)討論了檢測(cè)電極與肌纖維的相對(duì)位置以及肌纖維的傳導(dǎo)速度對(duì)單纖維動(dòng)作電位產(chǎn)生的影響，同時(shí)提出了一種動(dòng)態(tài)恒力的運(yùn)動(dòng)單元募集方案。sEMG信號(hào)的仿真根據(jù)真實(shí)采集

4、方案進(jìn)行了單電極和差分式電極兩種電極方案的仿真，在一定程度上描述了sEMG信號(hào)的形成過(guò)程。
　　 2.針對(duì)盲源分離求解欠定混合方程存在的問(wèn)題，提出將基于稀疏分量分析的欠定盲源分離算法用于肌電信號(hào)分解的實(shí)現(xiàn)方法。在去噪和稀疏化表面肌電信號(hào)的過(guò)程中，采用了一種基于遺傳算法改進(jìn)的匹配追蹤算法，提高了稀疏化和去噪的效率；采用hough變換法進(jìn)行混合矩陣估計(jì)，并提出一種空間退化方法優(yōu)化了hough算法，減少了偽軸的產(chǎn)生；在聚類(lèi)算法中，采用

5、減法聚類(lèi)實(shí)現(xiàn)了對(duì)混合矩陣的自動(dòng)估計(jì)。實(shí)驗(yàn)結(jié)果表明，基于稀疏分量分析的欠定盲源分離方法可以較好的解決低收縮力下表面肌電信號(hào)的分解問(wèn)題。
　　 3.提出了基于多維子空間聚類(lèi)的獨(dú)立分量分析實(shí)現(xiàn)表面肌電信號(hào)分解的算法。針對(duì)表面肌電信號(hào)在中度收縮力下難以估計(jì)源信號(hào)的難點(diǎn)，通過(guò)將多維的表面肌電信號(hào)投影在多維子空間中進(jìn)行降維，獲得中度收縮力下的表面肌電信號(hào)的局部混合結(jié)構(gòu)，從而估計(jì)混合矩陣，并由此獲得表面肌電信號(hào)源信號(hào)的估計(jì)值。同時(shí)進(jìn)行仿真信號(hào)

6、與真實(shí)信號(hào)的驗(yàn)證實(shí)驗(yàn)。在真實(shí)表面肌電信號(hào)的實(shí)驗(yàn)中，采用雙源法進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文算法對(duì)于中度收縮力的表面肌電信號(hào)分解具有明顯的分解效果。
　　 4.提出利用肌電信號(hào)運(yùn)動(dòng)單位動(dòng)作電位數(shù)目估計(jì)的方法研究痙攣型腦癱患兒神經(jīng)元的發(fā)放特性。小兒腦癱患者的運(yùn)動(dòng)障礙分級(jí)和康復(fù)評(píng)估具有重要的臨床價(jià)值。本文采用平滑非線性能量算子(SNEO)算法，對(duì)痙攣型腦癱患兒表面肌電信號(hào)中的運(yùn)動(dòng)單位動(dòng)作電位(MUAP)數(shù)目進(jìn)行估計(jì)，并獲得MUAP的