表面肌電信號分解算法及其在小兒腦癱評估中的應用.pdf

1、表面肌電信號(sEMG)是由肌肉興奮時所募集的運動單位產生的一個個動作電位序列(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。而肌電信號的分解則是其形成的求逆過程，從分解結果可以獲得運動單位的募集發(fā)放信息和運動單位動作電位(MUAP)的波形信息，這是提供觀察中樞神經(jīng)系統(tǒng)各運動神經(jīng)元活動狀態(tài)的一種途徑，由此可以獲得神經(jīng)肌肉疾病患者運動控制機制病理等變化的正確理解

2、和解釋。表面肌電信號分解是一項難度較大的研究工作，研究成果對于神經(jīng)肌肉系統(tǒng)控制的基礎研究和神經(jīng)肌肉疾病的臨床診斷具有重要的理論意義和應用價值。
　　 表面肌電信號是一種復雜的電信號，對其進行分解是一項難度很大的工作。本文首先進行了表面肌電信號的仿真研究，并在針對插入式肌電信號與表面肌電信號進行廣泛調研之后，提出了兩種實現(xiàn)表面肌電信號分解的新方法，同時通過對仿真信號和真實信號的實驗研究，論證算法的可行性與有效性。另外，利用表面肌電

3、信號對痙攣型腦癱患兒的運動神經(jīng)元發(fā)放特性進行了研究，旨在為腦癱患兒的運動障礙評估提供一種量化指標。
　　 本文的主要工作和研究成果有：
　　 1.sEMG信號的仿真研究。根據(jù)表面肌電信號的生理層模型，實現(xiàn)了對表面肌電信號的仿真，用以提供驗證肌電信號分解效果的仿真信號。重點討論了檢測電極與肌纖維的相對位置以及肌纖維的傳導速度對單纖維動作電位產生的影響，同時提出了一種動態(tài)恒力的運動單元募集方案。sEMG信號的仿真根據(jù)真實采集

4、方案進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信號的形成過程。
　　 2.針對盲源分離求解欠定混合方程存在的問題，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分解的實現(xiàn)方法。在去噪和稀疏化表面肌電信號的過程中，采用了一種基于遺傳算法改進的匹配追蹤算法，提高了稀疏化和去噪的效率；采用hough變換法進行混合矩陣估計，并提出一種空間退化方法優(yōu)化了hough算法，減少了偽軸的產生；在聚類算法中，采用

5、減法聚類實現(xiàn)了對混合矩陣的自動估計。實驗結果表明，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的分解問題。
　　 3.提出了基于多維子空間聚類的獨立分量分析實現(xiàn)表面肌電信號分解的算法。針對表面肌電信號在中度收縮力下難以估計源信號的難點，通過將多維的表面肌電信號投影在多維子空間中進行降維，獲得中度收縮力下的表面肌電信號的局部混合結構，從而估計混合矩陣，并由此獲得表面肌電信號源信號的估計值。同時進行仿真信號

6、與真實信號的驗證實驗。在真實表面肌電信號的實驗中，采用雙源法進行對比實驗。實驗結果表明，本文算法對于中度收縮力的表面肌電信號分解具有明顯的分解效果。
　　 4.提出利用肌電信號運動單位動作電位數(shù)目估計的方法研究痙攣型腦癱患兒神經(jīng)元的發(fā)放特性。小兒腦癱患者的運動障礙分級和康復評估具有重要的臨床價值。本文采用平滑非線性能量算子(SNEO)算法，對痙攣型腦癱患兒表面肌電信號中的運動單位動作電位(MUAP)數(shù)目進行估計，并獲得MUAP的