基于sEMG的手指康复治疗的信号处理研究

手指功能在日常生活中特别重要,特别是在一些需要抓取和一些较为精细的动作中,对日常生活质量有着不可忽视的影响。而目前临床针对手指功能康复的治疗模式主要采用辅助设备康复,而这种模式又较为枯燥。提出了一种通过采集表面肌电信号(sEMG)的方式,使得手指功能受损的患者可以脱离现有比较枯燥的治疗方式,同时也更有利于患者其他功能例如神经系统功能的恢复。采用肌电信号公开数据集,对原始肌电信号做相关的预处理,同时采用matlab仿真的方式验证预处理的正确性;并通过临床实验采集患者肌电信号的方式验证使用目前的肌电传感器对运动意图分析的可行性。

运动特征对抽象动词具身表征的影响:来自fMRI及EMG的证据

本研究将学习−测试范式与功能磁共振成像技术(fMRI)以及肌电图技术(EMG)相结合,探讨了运动特征与抽象动词具身表征之间的因果联系,旨在证明词语的运动特征可能是以往研究结果不一致的关键因素,为抽象概念表征的具身认知观点提供支持证据。任务态功能磁共振成像研究(实验1)发现,运动特征增加后,新造词在后测加工中引发的运动相关脑区(如左侧中央前回)的活动强度显著高于前测中的;且运动相关脑区(右侧中央前后回、左侧中央前回等)在新造抽象动词加工中的参与度受到词语运动特征值的调节。肌电图研究(实验2)发现,运动特征增加后的新造词加工也引发了手臂指伸肌肌电活动的增强。这表明,词语的运动特征在抽象动词具身表征中发挥因果性作用,运动特征对中枢运动系统的影响能够延伸至外周肌肉运动系统。结果为具身认知语言理解观提供了新的证据及重要完善和补充。

World Class Elite Breaststrokers Downward Kick EMG Muscle Activity of the Gluteus Maximus, Quadriceps Femoris, Hamstring, Gastrocnemius Medialis, Rectus Abdominal, and Erector Spinae

This study analyzed the difference between using a downward breaststroke kick and a horizontal breaststroke kick in a sample of world class elite swimmers.We compared average muscle activity of the gluteus maximus,quadriceps femoris(vastus medialis and rectus femoris),hamstring/long head of the biceps femoris,gastrocnemius medialis,rectus abdominal,and erector spinae when using the downward breaststroke kick technique.We find that when this sample of swimmers utilized the downward breaststroke kick,max speed and velocity per stroke increased,measured by 12,788 EMG samples,where the results are highly correlated to duration of the aerodynamic buoyant force in breaststroke kick technique.The increases in performance observed from measuring the world class elite swimmers is highly correlated to the duration of the kick aerodynamic buoyant force.Among this sample of elite swimmers,the longer a swimmer demonstrates a buoyant force breaststroke kick,the lower the time in a 100 breaststroke.

基于sEMG的快递职业上装与肌肉疲劳度关系的研究

为了研究快递员职业上装与肌肉疲劳度之间的关系,以顺丰速运有限公司的夏、秋两套职业装为例,招募了7名男性受试者来模拟快递员的行为特征,测量了受试者工作状态下指伸肌、肱二头肌长头、斜方肌3个肌群的表面肌电信号,运用统计学分析方法分析了工作状态中的肌肉疲劳特征。在模拟快递员工作的实验中,结合受试者的主观分析及表面肌电信号数据可知,肱二头肌长头相比其他测试部位肌肉疲劳感最为强烈,穿着样衣2^(#)时的疲劳感比穿着样衣1^(#)时显著增加(p<0.05)。研究结果可为快递员职业上装的版型设计提供参考。

基于sEMG信号和BPNN算法的机械臂控制系统设计

为了解决市场康复假肢功能单一、使用效果极差和价格昂贵等缺点,提出一种基于表面肌电信号的机械手控制系统。该系统主要分为两部分:一部分是基于Cortex-M4系列的肌电信号采集、预处理、BP神经网络分类的信号处理系统;另一部分是基于Cortex-M3系列的机械手臂控制系统。信号处理系统发出控制命令无线传输到机械臂,控制6舵机自由度的机械臂,实现6个动作的展示。试验结果证明:该系统能够实现6个动作的自学习,成功率在80%以上,系统有一定的应用价值。

基于sEMG-JASA的脊柱手术器械操作肌肉疲劳度测评

基于时频联合分析法(JASA),开展基于表面肌电信号的脊柱手术器械上肢操作肌肉疲劳评估研究,完成脊柱手术器械优化前后操作舒适性的对比测评。共招募17名受试者分别采集其肱桡肌和肱二头肌的表面肌电信号,选取5种优化前后的手术器械进行数据对比,基于RMS和MF特征值计算相同任务下各组器械的操作疲劳时间占比。结果表明完成相同操作任务时,优化前手术器械的操作疲劳时间显著高于优化后器械(P<0.05);操作同一器械,肱桡肌和肱二头肌疲劳状态无显著性差异(P>0.05),这为手术器械的人因学设计及疲劳损伤防护等提供客观数据及参考。

肌电信号控制的智能小车实验平台设计

肌电信号是人体肌群在运动时产生的一种微弱信号,该信号蕴藏着与运动相关的控制信息源。提出了一种基于肌电信号的智能小车控制系统。该系统由肌电信号采集模块、无线传输模块、小车控制模块和显示模块等组成。整个系统分为主从两部分。主机采用STM32F103ZET6微处理器对肌电信号进行多通道采集,提取所采集信号的特征值。将特征值分为测试集和训练集,并对不同手势信号贴上对应的标签,使用K最近邻(KNN)算法对测试集进行准确度分析以实现对不同手势的识别。识别结果通过无线传输模块发送给从机小车,小车接收到主机发送的内容后进行相应的动作。测试结果表明,所提出的方法在不同时间段信号采集的平均准确率可达91.14%以上,系统具有很好的鲁棒性。

基于多模态轻量化混合模型的情绪识别

实现更加准确的情绪识别是当前面临的一项富含挑战性且十分有意义的任务。由于情绪的复杂多样性,单一模态的脑电信号难以对情绪进行全面客观的度量。因此本文提出一种多模态轻量化混合模型PCA-MWReliefFGAPSO-SVM,该混合模型由PCA-MWReliefF特征通道选择器和GAPSO-SVM分类器构成。选用脑电信号(EEG)、肌电信号(EMG)、体温信号(TEM)三模态信号进行情绪识别。在DEAP公共数据集上进行多次实验验证,在效价维度、唤醒维度和四分类中分别取得了97.5000%、95.8333%、95.8333%的分类准确率。实验结果表明,提出的混合模型有助于提高情绪识别准确率且明显优于单模态情绪识别。与近期的类似工作相比,本文提出的混合模型具有较高准确率、计算量小且通道数少的优点,更易于实际应用。

基于背部受压分区的小学生书包背板设计研究

针对小学生书包背板设计不合理引起的背部疼痛和脊柱侧弯的问题,提出了基于背部受压分区的小学生书包背板三维造型设计。首先,通过对人体背部主要受压区域进行分区,记录受试者背部各区域肌肉群在受压前后完成相应动作的表面肌电信号,分析目标肌肉群的适能性;然后,运用人体测量学方法采集用户的标准背部数据(n=240),结合背部各区域肌肉群的适能性设计书包背板的三维造型并制作样机;最后,召集受试者通过体压分布实验及主观评价对样机与竞品进行验证。实验结果表明:斜方肌和背阔肌区域受压能力较好,竖脊肌区域受压能力较差。样机书包能够把背负压力合理分配到背部分区上,有效避免因压力集中引起的不适和肌肉损伤等危害。

羽毛球运动训练对航母舰载机飞行学员颈痛的干预效果研究

目的评估羽毛球运动对舰载机飞行学员颈痛的干预效果,为该运动预防和缓解舰载机飞行学员颈痛提供科学依据。方法根据纳入和排除标准筛选16名航母舰载机飞行学员作为受试者,随机分为运动康复组和对照组,每组各8人。运动康复组除进行部队日常训练外,另进行每周3次,每次1 h的羽毛球运动;对照组进行部队日常训练,不做其他干预。研究为期3个月。颈痛的干预效果以实验前后颈椎功能障碍指数(NDI)评分、视觉模拟疼痛量表(VAS)、颈椎活动度(CROM)、颈部最大肌力、表面肌电信号均方根值(RMS)、积分肌电值(iEMG)作为评价指标。结果运动康复组NDI评分较干预前具有显著性差异(P<0.05),对照组NDI评分较干预前无显著性差异(P>0.05)。运动康复组VAS评分较干预前有显著性差异(P<0.01),对照组VAS评分较干预前无显著性差异(P>0.05)。运动康复组受试者干预后颈椎最大活动度在各方向均有所增加,且左屈、右屈活动度较干预前具有显著性差异(P<0.05),其余方向无显著性差异(P>0.05);对照组颈椎各方向最大活动度较干预前无显著性差异(P>0.05)。运动康复组受试者颈部最大肌力在前屈、后伸、左屈方向较干预前具有显著性差异(P<0.01),右屈、左旋、右旋值较干预前具有显著性差异(P<0.05);左右侧胸锁乳突肌RMS在四个方向动作中无显著性差异(P>0.05),左侧斜方肌上束在前屈和右屈动作中RMS具有显著性差异(P<0.05),在后伸和左屈动作中无显著性差异(P>0.05),右侧斜方肌上束在四个方向动作中无显著性差异(P>0.05)。运动康复组受试者干预后在前屈、后伸以及右屈运动中,4块肌肉iEMG均大于干预前,但无显著性差异(P>0.05)。在左屈动作中,左侧胸锁乳突肌与右侧斜方肌上束iEMG大于干预后,右侧胸锁乳突肌和左侧斜方肌上束iEMG小于干预后,但均无显著性差异(P>0.05)。结论羽毛球运动干预能够缓解航母舰载机飞行学员的颈部疼痛,使其颈椎功能障碍得到一定程度的恢复,并且能够增加颈部灵活性,增强颈部肌力,同时激活深层肌肉参与维持颈部稳定,有效提升颈部肌肉群的抗疲劳能力。

基于肌电控制的半定制柔性康复训练手套

针对现有康复训练手套舒适性差、适用范围窄、康复训练效果不佳等问题,文章设计一种由柔性执行器和肌电控制系统组成的半定制康复训练手套。基于Yeoh理论建立执行器弯曲模型,借助有限元仿真对执行器气腔进行分析,研究执行器气腔压强、高度、底层厚度对弯曲角度的影响;选取柔性执行器尺寸参数,采用3D打印技术制作长度可调的连接部件实现半定制;利用Myoware传感器采集皮肤表面肌电信号同时进行滤波处理,利用Arduino UNO单片机执行特征提取,由支持向量机(support vector machine,SVM)算法完成运动意图识别,并依据识别结果控制气动系统驱动康复训练手套。结果表明,SVM算法分类准确率高,所研制的半定制柔性康复训练手套结构简单,与手部贴合度高,性能可靠。该康复训练手套对主动式镜像康复训练具有积极的效果。

基于表面肌电信号及肌肉疲劳的上肢肌力预测

为解决目前肌肉力测量时用肢体末端力表示实际肌肉力大小,以及未将肌肉疲劳程度考虑在内的问题,本文提出了一种基于表面肌电信号和肌肉疲劳的上肢肌肉力预测方法。利用AnyBody软件建立上肢肌肉骨骼模型,并将上肢末端力经过仿真得到单块肌肉的肌力大小;采用肌肉等长收缩的时间来表征肌肉疲劳程度。10名健康男性受试者进行上肢等长收缩实验,提取实验过程中肱二头肌肌电信号的积分肌电值、均方根、中值频率、平均功率频率、最大小波系数及其对应频率六个特征值;将肌肉力与特征值、肌肉疲劳程度进行分析后发现三者之间高度相关。采用麻雀搜索算法优化BP神经网络的权值和阈值,构造并训练上肢肌力预测模型。经测试集检验结果表明,该方法的误差小于12%,可以对肌力进行较为准确的预测。

多源域迁移学习的肌电-惯性特征融合及手势识别

在跨用户手势识别研究中,针对单源域迁移学习存在的负迁移和模型泛化性能差的问题,本研究创新性地提出了一种基于肌电-惯性特征融合的多源域迁移学习策略,关键创新点在于整合多个源域的数据,并在此基础上采用域特有特征对齐与域分类器对齐的技术手段。这一方法旨在强化模型在不同用户间的手势识别性能,进而显著提升跨用户手势识别系统的准确性。首先,引入长短时记忆(long short-term memory, LSTM)网络模型,提取肌电-惯性信息的平均绝对值、方差、峰值等时序特征;其次进行域特有特征对齐与域分类器对齐,利用多个源域数据完成对目标域的特征提取;最后融合分类损失、域特有特征差异损失和域分类器差异损失3个损失函数,协同优化整体损失。实验结果表明,所提方法与单源域、源域组合等多种传统方法相比,识别平均率有所提高,在NinaPro DB5数据集上,目标用户的手势识别平均准确率达到80%以上。

面向采摘机器人采摘作业的可穿戴设备控制系统设计

介绍了肌电传感器的工作原理,设计了基于MYO可穿戴设备的手指姿态采集与处理模块,并基于BP神经网络实现了对操作人员的手势识别,实现了基于MYO可穿戴设备的采摘机器人采摘控制。实验结果表明:系统准确识别率高达97.33%,平均响应时间只有36.94ms,交互控制准确度高,能够完成对采摘机器人的远程控制,具有准确性和可行性。

针刺联合川平法治疗脑卒中后上肢功能障碍的疗效及电生理特征研究

目的观察针刺联合川平法治疗脑卒中后上肢功能障碍的疗效及对电生理特征的影响。方法筛选2022年1月—2022年12月,康复科及神经科收治住院的脑卒中后上肢功能障碍患者135例作为研究对象,采用随机数表法分为针刺组、川平组与联合组,每组45例。3组患者均给予常规药物治疗及康复训练。针刺组在常规治疗的基础上给予针刺治疗,川平组在常规治疗的基础上给予川平法(反复促通技术)(Repetitive facilitative exercise, RFE)治疗,联合组在常规治疗的基础上给予针刺联合川平法治疗,均为每日治疗1次,每周连续5 d休息2 d,共治疗8周。分别在治疗前、治疗4周、治疗8周后,比较3组的上肢运动功能[简化Fugl-Meyer评定量表(FMA)],上肢肌张力[改良Ashworth量表(MAS)],手活动功能[Wolf手活动功能测试(WMFT)]及日常生活活动能力[改良Barthel指数(MBI)评分];比较3组的肱二头肌、肱三头肌及腕背伸肌的最大收缩时肌电信号(Electromyography, EMG)界限值,采用生物反馈治疗仪进行测定。结果治疗4周和治疗8周后,3组的简化FMA评分、WMFT评分和MBI评分整体比较差异均有统计学意义(P<0.05),治疗后均较治疗前显著提升(P<0.05),且联合组显著高于针刺组和川平组(P<0.05);3组的改良MAS评分整体比较亦有差异有统计学意义(P<0.05),治疗后均较治疗前显著降低(P<0.05),且联合组显著低于针刺组和川平组(P<0.05)。治疗4周和治疗8周后,3组间肱二头肌、肱三头肌和腕背伸肌的最大收缩时EMG界限值整体比较均有统计学意义(P<0.05),3组的EMG界限值均较治疗前显著提升(P<0.05),且联合组显著高于针刺组和川平组(P<0.05)。结论针刺联合川平法治疗脑卒中后上肢功能障碍,能够有效提高患者上肢及手部主要肌群的最大收缩时EMG界限值,改善患者上肢及手部肌肉的收缩能力,从而显著提升患者的上肢和手部运动功能,缩小上肢肌张力,改善患者的日常生活活动能力。

基于表面肌电信号对乒乓球运动员挥拍动作的特征研究

通过对乒乓球运动员进行采集上肢表面肌电信号数据的实验,分析其在进行挥拍动作时的肌肉活动特征。实验对象为30名具有一定乒乓球训练经验的运动员,分别进行正手挥拍、反手挥拍的实验任务。通过表面肌电信号采集设备记录运动员挥拍时肌肉的电活动信号,并对信号进行预处理和分析,提取出肌肉活动的特征参数。利用BP神经网络算法比较表面肌电信号时域特征、频域特征以及时频特征对挥拍动作的影响及识别预测。通过比较肌肉活动特征,探讨乒乓球运动员在不同动作中肌肉协调和活动强度的变化,实验中可正确模拟采集上肢挥拍规律,在运动员基础训练中具有应用价值。

EMG作增容剂的PPS/PA1010合金的力学性能及增容机理

将用4，4’-二苯基甲烷二异氰酸酯（MDI）化学处理过的PPS（简称CPPS）与PA1010及高分子量的乙烯、马来酸酐、甲基丙烯酸缩水甘油酯三元共聚物（简称EMG）共混，制备了一系列不同配比NCPPS／PA1010／EMG共混物，并对这些共混物的力学性能进行了测试。结果表明，当MDI含量在2．0份～2．5份之间时，材料的综合力学性能较好。而随着EMG含量的增加，材料的冲击强度显著提高，且其它的力学性能基本保持不变。并推测了增容机理。

划船运动员静力及动力性肌肉运动疲劳时肌氧含量的变化特征及对EMG参数的影响

研究目的:1)研究静力和动力性肌肉运动疲劳时肌肉氧含量的变化特点及其规律;2)了解静力性、动力性递增强度运动时EMG参数变化;3)探讨肌氧含量与EMG参数变化之间的关系,为肌肉疲劳时影响肌电-肌氧机制提供可能的理论基础。研究方法:1)肌氧含量的测试:探头纵向旋转让光源和检测器的轴线平行于股外侧肌外侧头大腿测定运动时肌氧含量的变化;2)肌电的测试:采用表面肌电图的测量,得出表面电图各指标参数;3)静力负荷等长收缩:通过力量传感器测出其最大肌肉收缩所对应的MVC;4)动力性负荷运动:采取功率自行车逐级递增负荷的测试方法作为肌肉的动力性运动,同步记录EMG参数,并在每一级负荷末30s采血测定血乳酸浓度。结论:静力性运动时E/T值大幅度增大的时间大多出现在肌氧停止下降之后,肌氧的降低程度与肌肉疲劳程度有关。动力性运动时血乳酸值随负荷而增加,IEMG的变化趋势与血乳酸相似,IEMG、Oxy-Hb、BL值三者呈非常显著性相关,表明肌肉疲劳时肌肉氧供和内环境的改变也是影响EMG信号的重要因素。

肌电图(EMG)在运动生物力学研究中的应用

主要通过文献研究,从应用的角度出发,对肌电图(EMG)在运动生物力学研究中的相关研究进行综述。包括EMG的测量、结果的处理与分析、应用研究成果、存在问题和应用展望。重点对目前的研究提出问题并进行探讨,为EMG在运动生物力学中的进一步研究与应用提出思考和帮助。

一种双路并行的大规模手势识别模型

文章以大规模手势为研究对象,提出一种基于肌电信号(electromyography,EMG)分支和惯性测量单元(inertial measurement unit,IMU)分支的双路并行手势识别模型。首先,设计双路并行模型来充分提取数据特征,EMG分支利用二维卷积神经网络设计双流结构,分别关注EMG信号的空间和通道变化,IMU分支在卷积长短时记忆(convolutional long short-term memory,ConvLSTM)网络基础上引入时间机制,将空间信息与时间信息融合;其次,对模型预训练并根据预训练模型进行参数微调,提高模型泛化性;最后,在500个常用的中国手语手势上进行测试,结果表明,该模型平均识别率为82.1%,与SignSpeaker和CG-Recognizer相比分别提高了21.0%和6.8%。