基于ICA算法的肌肉肌腱單元定位和肌力預(yù)測研究.pdf

1、運(yùn)動生物力學(xué)是關(guān)系人們運(yùn)動健康的重要學(xué)科，開展運(yùn)動生物力學(xué)研究可以了解運(yùn)動的內(nèi)在機(jī)理。通過神經(jīng)-肌肉-骨骼模型可進(jìn)行運(yùn)動生物力學(xué)研究，骨骼肌是該模型的基本單位。因此，對于運(yùn)動生物力學(xué)的研究需建立在清楚了解骨骼肌生理特性的基礎(chǔ)上。骨骼肌是由肌肉肌腱單元組成的，不同骨骼肌擁有數(shù)目不等的肌肉肌腱單元，且運(yùn)動過程中各肌肉肌腱單元的激活情況并不一致。表面肌電信號是骨骼肌收縮過程中在皮膚表面采集到的生理電信號，包含了肌肉收縮信息，具有采集無創(chuàng)、簡單

2、等優(yōu)點(diǎn)。相比常規(guī)電極，高密度陣列電極采集的信號能夠減少表面肌電中運(yùn)動單位動作電位波形的混疊情況，提高肌電信號定量分析的準(zhǔn)確度，為運(yùn)動過程中骨骼肌內(nèi)各肌肉肌腱單元的定位、激活水平分析和肌力預(yù)測提供了一種有效的手段。
　　本論文以高密度陣列電極采集肌電信號為分析對象，探索了基于獨(dú)立成分分析算法(Independent Component Analysis，ICA)的肌肉肌腱單元定位及激活水平分析方法，并開展了基于肌肉肌腱單元的肌力預(yù)測

3、研究，主要研究內(nèi)容及取得的研究成果可概括如下:
　　(1)肌肉肌腱單元定位及激活水平研究。提出了一種基于ICA算法的骨骼肌內(nèi)肌肉肌腱單元定位和激活水平分析方案:首先，選用高密度陣列電極采集腓腸肌與指總伸肌運(yùn)動過程中的表面肌電信號;然后，使用ICA將陣列式表面肌電矩陣分解成一個(gè)權(quán)值矩陣和一個(gè)源矩陣;接著，對源矩陣進(jìn)行頻譜分析，區(qū)分噪聲源與肌電源，獲取與肌肉肌腱單元相關(guān)的源信號;最后，由肌電源對應(yīng)的權(quán)值矩陣的分布確定肌肉肌腱單元的位置

4、，同時(shí)通過源信號分析運(yùn)動過程中各肌肉肌腱單元的激活水平。對八位受試者開展的與腓腸肌相關(guān)的提踵任務(wù)和與指總伸肌相關(guān)的依次伸指任務(wù)實(shí)驗(yàn)結(jié)果表明，本文提出的方案可有效實(shí)現(xiàn)運(yùn)動過程中肌肉肌腱單元的定位和激活水平分析，與基于肌電幅值的方法相比，基于ICA的方法具有明顯的優(yōu)越性。
　　(2)基于肌肉肌腱單元的肌力預(yù)測研究。對ICA分離出來的肌肉肌腱單元源信號進(jìn)行相關(guān)處理，提取肌電-肌力預(yù)測模型（本文采用的是神經(jīng)網(wǎng)絡(luò)模型）的輸入信號，將肌力預(yù)測

5、研究推進(jìn)到肌肉肌腱層面。以肱二頭肌作為目標(biāo)肌肉，設(shè)計(jì)了周期性恒力和線性上升力兩種發(fā)力模式以及中立和后旋姿勢兩類屈肘任務(wù)。對八名受試者開展了20％、40％和60％最大隨意收縮力（maxium voluntarycontraction，MVC）水平下的數(shù)據(jù)采集和肌力預(yù)測實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，基于肌肉肌腱單元的肌力預(yù)測根據(jù)動作差異選擇合適源信號，提取出肌力預(yù)測模型輸入信號。對比使用原始肌電的方法，基于肌肉肌腱單元的預(yù)測可獲得更高的預(yù)測精度。