表面肌電信號的下肢痙攣信號的特征分析與識別

劉 建,鄒任玲,姜亞斌,徐秀林,胡秀枋

(上海理工大學(xué) 醫(yī)療器械與食品學(xué)院， 上海 200093)

表面肌電信號的下肢痙攣信號的特征分析與識別

劉 建,鄒任玲*,姜亞斌,徐秀林,胡秀枋

(上海理工大學(xué) 醫(yī)療器械與食品學(xué)院， 上海 200093)

腦卒中患者康復(fù)治療中會引起下肢肌肉痙攣，這種現(xiàn)象給患者的康復(fù)訓(xùn)練過程帶來極大的危害，因此能夠在訓(xùn)練過程中識別痙攣并及時中斷訓(xùn)練具有重要的實(shí)際意義。本研究通對下肢表面肌電信號的采集，采用基于形狀的模版匹配法來識別痙攣信號，并以皮爾遜相關(guān)系數(shù)來分析表征下肢痙攣信號的相關(guān)性大小。分析結(jié)果表明，通過仿真驗(yàn)證了模版匹配法在個人痙攣信號識別中的準(zhǔn)確性，顯示了在泛用痙攣信號識別中的可行性。

表面肌電信號；下肢痙攣信號；模板匹配法；皮爾遜相關(guān)系數(shù)

肌肉痙攣俗稱抽筋，是肌肉發(fā)生不自主強(qiáng)直收縮所產(chǎn)生的一種現(xiàn)象，不受主體意識支配。肌肉痙攣是中樞神經(jīng)系統(tǒng)損傷最常見的并發(fā)癥，嚴(yán)重影響肢體功能的恢復(fù)和日常生活自理能力[1]。產(chǎn)生痙攣的肌肉長時間處于緊張僵硬狀態(tài)，這種癥狀在體育運(yùn)動和康復(fù)訓(xùn)練中較為常見。尤其在下肢康復(fù)訓(xùn)練中，患者的下肢肌肉常常會因?yàn)榭祻?fù)訓(xùn)練時間過長，或因?yàn)榧∪馄诘纫蛩?，而出現(xiàn)肌肉痙攣的情況，從而對患者造成二次傷害，嚴(yán)重的會出現(xiàn)骨折。識別出患者康復(fù)訓(xùn)練中的痙攣狀態(tài)對于制定康復(fù)訓(xùn)練計(jì)劃及保護(hù)患者不受二次傷害都有著十分重要的意義。痙攣可能發(fā)生在任何一塊肌肉上，發(fā)生情況與人體當(dāng)時肌肉使用情況有關(guān)。目前痙攣在國際上還未有一個統(tǒng)一的定義，學(xué)者普遍采用的痙攣定義為痙攣是屬于運(yùn)動神經(jīng)元綜合征的運(yùn)動障礙表現(xiàn)之一，其特征為肌張力隨肌肉牽張反射的速度增加而增高，伴隨著由于牽張反射過度興奮導(dǎo)致的腱反射亢進(jìn)，肌肉痙攣的一個主要外在表現(xiàn)是肢體運(yùn)動阻力增加。肌肉痙攣的定量性評估一直以來是肌肉痙攣研究中的一個重要課題。

痙攣評估已經(jīng)有了多種方法，包括神經(jīng)生理學(xué)評定法、生物力學(xué)評定法、藥理學(xué)評定法、Ashworth量表、痙攣指數(shù)CSS評定等。本文采用基于形狀的模版匹配法來識別痙攣信號，并以皮爾遜相關(guān)系數(shù)來分析表征下肢痙攣信號的相關(guān)性大小。

1 模版匹配法

模板匹配是圖像識別、目標(biāo)跟蹤等研究領(lǐng)域中一項(xiàng)非常重要的識別技術(shù)[2]。它是將已知的一段信息作為模版，與其他信息做比較，當(dāng)信息與模版相似度到達(dá)預(yù)定的閥值時則可稱信息與模版相匹配。此方法廣泛運(yùn)用在圖像比較中。圖像比較中，模版就是已知的小圖像，其他信息就是一幅已知的大圖像。若已知的大圖像中要有與已知的小圖像相同的圖像，那么就一定可以通過算法將其找出。模版匹配算法分為3類：基于灰度值的模版匹配算法、基于邊緣點(diǎn)的模版匹配算法和基于形狀的匹配算法[3]。

1.1 波形識別中的模版匹配法

模版匹配法在波形識別中早有運(yùn)用。在腦電信號的識別中，可以通過模版匹配法來找出具有代表性的癲癇信號：棘波和尖波，以此來識別痙攣信號。棘波在癲癇腦電信號最為常見，它是由復(fù)數(shù)的神經(jīng)元快速超同步放電產(chǎn)生的。棘波擁有明顯的特征，出現(xiàn)時限約為20～70 ms，其幅值一般小于100 μV，波形是尖銳的，相對于背景極為突出。故可利用模版匹配法在腦電信號中找出棘波以此來判斷癲癇的發(fā)生[4]。

在心電圖波形識別中，研究者人工截取R波信號及T波信號作為模版，再對整段的心電圖信號進(jìn)行模版匹配計(jì)算可找出最相匹配的波形來到達(dá)波形識別的目的[5]。

除了生理電信號領(lǐng)域之外，基于形狀的模版匹配法在其他領(lǐng)域問題也有應(yīng)用。例如在電力資源領(lǐng)域，可以通過模版匹配法查出異常電能表用戶。通常情況下，受于生活習(xí)慣的影響，電能表用戶的每月用電量情況應(yīng)該是相似的。以日為X軸，用電量為Y軸，一星期為周期制作波形圖，其圖像應(yīng)是相似的。通過模版匹配法來比較折線圖的相似程度可看出電能用戶的異常用電情況。

1.2基于形狀的模版匹配法在痙攣信號波形識別中的適用性

本文通過試驗(yàn)收集了下肢痙攣信號的表面肌電信號波形圖像。通過對波形圖像進(jìn)行分析從而得到了下肢痙攣信號波形的一些特性。

1.2.1 高波形重復(fù)率

如圖1(a)所示為痙攣波形，圖1(b)為正常波形，痙攣波形是一個波形在痙攣的持續(xù)時間內(nèi)的重復(fù)出現(xiàn)，從生理學(xué)角度上來解釋是肌肉發(fā)生不自主的強(qiáng)直收縮所引起的。肌肉不斷的重復(fù)不完全收縮使表面肌電信號也出現(xiàn)大量重復(fù)。而一般人體運(yùn)動的肌肉的運(yùn)動復(fù)雜多變，不可能出現(xiàn)這樣高的重復(fù)率。在實(shí)驗(yàn)中還讓被測人員保持一個姿勢肌肉持續(xù)發(fā)力，發(fā)現(xiàn)采集到的波形還是有極大的差異，顯示人體無法刻意的保持這種特征波形，因此痙攣信號與普通運(yùn)動時的肌電信號有極大的不同?？梢宰鳛樽R別方法的一個參考。

1.2.2 波形簡單

如圖2所示，痙攣信號中最大不重復(fù)的信號出來即基本單位波形單獨(dú)研究，不難發(fā)現(xiàn)基本單位波形是十分簡單的，波形的幅值跨度不大，波形的變化趨勢也是十分簡單的，在基本單位波形中波峰波谷出現(xiàn)的較少。從生理學(xué)的角度來解釋是因?yàn)榧∪獍l(fā)生不完全收縮，肌肉運(yùn)動不完全且較為機(jī)械，產(chǎn)生的表面肌電波形也較為簡單。

從上述兩點(diǎn)來看，痙攣信號的模版制作是可行的。簡單的基本單位波形及極高的重復(fù)率，為模版的選取帶來的極大的便利。而痙攣信號波形與一般表面肌電信號波形的巨大差異也保證了波形匹配的準(zhǔn)確性。

圖1 正常與痙攣波形Fig.1 Normal and spasm waveform

圖2 基本單位波形Fig.2 The basic unit waveform

2 利用皮爾遜相關(guān)系數(shù)實(shí)現(xiàn)模版匹配法在痙攣信號識別的運(yùn)用

本文在痙攣信號的識別中以基于形狀的模版匹配法為核心思想，利用皮爾遜相關(guān)系數(shù)作為主要參數(shù)來實(shí)現(xiàn)模版匹配法在痙攣信號識別中的運(yùn)用。

皮爾遜相關(guān)系數(shù)r是統(tǒng)計(jì)學(xué)概念，又名皮爾遜積矩相關(guān)系數(shù)(Pearson product-moment-correlation coefficient)，是由卡爾·皮爾遜從弗朗西斯·高爾頓的統(tǒng)計(jì)思想的基礎(chǔ)上衍化的。該系數(shù)運(yùn)用于度量兩個定距變量之間的線性相關(guān)性。它的值介于-1和+1之間[6]，其中：

0.8

0.6

0.4

0.2

0≤r≤0.2，極弱相關(guān)或無相關(guān)；

-1≤r<0，負(fù)相關(guān)。

線性關(guān)系顯示了當(dāng)兩個變量中一個變量發(fā)生變化時，另一個變量的變化情況。從波形圖像上來看代表了其波形走向的相似度。從圖像的整體來看表現(xiàn)兩個變量的波形圖像形狀的相似度。因此皮爾遜相關(guān)系數(shù)可以作為基于形狀的模版匹配法在痙攣信號識別中的主要參數(shù)，來匹配出一段被測表面肌電信號中的痙攣信號。

皮爾遜相關(guān)系數(shù)的計(jì)算公式為[7]

式中：N為樣本量；X、Y分別為兩個變量的值； ∑X為變量X值的總和；∑Y為變量Y值的總和；rxy為皮爾遜相關(guān)系數(shù)的值。

3 數(shù)據(jù)采集

3.1 仿真實(shí)驗(yàn)準(zhǔn)備階段

本文目的是下肢表面肌電信號的痙攣信號的識別，因此在MATLAB仿真實(shí)驗(yàn)前要先收集下肢痙攣的表面肌電信號。同時由于痙攣一般出現(xiàn)在劇烈運(yùn)動后和偏癱病人并發(fā)癥中，并且具有突發(fā)性、及時性，故采集難度較大。因此選擇從上海市第一康復(fù)醫(yī)院選取了相應(yīng)的被測試人員：發(fā)生痙攣癥狀的4名男性患者，年齡42～55歲，4名女性腦卒中患者，年齡45～58歲；正常對照組，3名男性，年齡43～53歲，3名女性正?；颊撸挲g42～57歲。

實(shí)驗(yàn)采用的是芬蘭Mega的ME6000表面肌電測試儀，ME6000表面體積小巧，卻擁有8個通道的數(shù)據(jù)記錄系統(tǒng)和無限遙控裝置。運(yùn)用了MegaMin系統(tǒng)來分析處理采集到正常表面肌電信號和痙攣信號，將得到的數(shù)據(jù)調(diào)出后再導(dǎo)入Matlab中進(jìn)行運(yùn)算來達(dá)到識別痙攣信號的目的。

數(shù)據(jù)采集時間為151 s?？偣膊杉?2組痙攣數(shù)據(jù)，圖3所示的為其中一次的痙攣信號圖。為了與痙攣信號做對比，還采集了一般人在正常步態(tài)中的表面肌電信號。分別從腓腸肌(小腿內(nèi)側(cè))1通道，脛骨前肌(小腿外側(cè))2通道，股內(nèi)側(cè)肌(大腿內(nèi)側(cè))3通道及股外側(cè)肌(大腿外側(cè))4通道。采集時間為151 s。在肌電采集過程中，運(yùn)用了表面電極以避免對被測人員帶來不必要的身體傷害。共獲得了11組正常步態(tài)數(shù)據(jù)。圖4所示為其中一組正常信號的數(shù)據(jù)。

圖3 下肢痙攣信號波形Fig.3 Lower limb spasm signal waveform

圖4 正常步態(tài)信號Fig.4 Normal gait signal

3.2 仿真實(shí)驗(yàn)內(nèi)容

從不同組的在下肢痙攣表面肌電信號中截取出模版信號如圖5所示，同時截取有效數(shù)據(jù)，共300個數(shù)值。將其與同組和不同組的痙攣信號分別進(jìn)行仿真實(shí)驗(yàn)。在截取一般人正常步態(tài)的表面肌電信號將其與痙攣信號模版型號進(jìn)行仿真實(shí)驗(yàn)。

圖5 痙攣模版信號波形Fig.5 Spasm template signal waveform

4 數(shù)據(jù)分析

將分組采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換后，導(dǎo)入已經(jīng)編程好的Matlab，通過運(yùn)算分析得出皮爾遜相關(guān)系數(shù)r數(shù)值以及對照組的仿真圖像重合度對照圖。分別對數(shù)據(jù)進(jìn)行了以下3組對比分析，以驗(yàn)證模版匹配法的準(zhǔn)確性。

4.1 模版信號與同組痙攣信號實(shí)驗(yàn)

將截取的模版信號與同組的痙攣信號進(jìn)行MATLAB仿真實(shí)驗(yàn)后結(jié)果如圖6所示。

圖6 仿真圖像與判斷結(jié)果Fig.6 The simulation image and judging results

通過Matlab軟件，計(jì)算得出皮爾遜相關(guān)系數(shù)的r數(shù)值為0.959 7，p>0.05,顯著性差異不明顯，根據(jù)皮爾遜相關(guān)系數(shù)r是統(tǒng)計(jì)學(xué)概念，表明了模版信號與同組的痙攣信號有極高的相關(guān)度。在圖6中，2個信號的波形也基本重疊，佐證了模版信號也被測信號擁有高相關(guān)度。判斷語句也顯示了被測信號是痙攣信號，顯示的正確的結(jié)果。證明了本文運(yùn)用的算法能識別出同一人的痙攣信號。

4.2 模版信號與不同組痙攣信號實(shí)驗(yàn)

將截取的模版信號與不同組的痙攣信號進(jìn)行MATLAB仿真實(shí)驗(yàn)后結(jié)果如圖7所示。

圖7 仿真圖像與判斷結(jié)果Fig.7 The simulation image and judging results

計(jì)算代表皮爾遜相關(guān)系數(shù)的r數(shù)值為0.643 8，p>0.05,顯著性差異不明顯，根據(jù)皮爾遜相關(guān)系數(shù)r是統(tǒng)計(jì)學(xué)概念，表明了模版信號與不同組的痙攣信號有一定的相關(guān)度但是不足夠?qū)⑵湔J(rèn)為是同一波形。在圖7中，2個信號的波形也不重疊，但是形狀略有相似，佐證了模版信號與被測信號擁有一定相關(guān)度。判斷語句顯示了被測信號不是痙攣信號，這顯然不是理想的結(jié)果。說明了本文運(yùn)用的算法目前無法運(yùn)用在不同人的痙攣信號識別中，但有一定的可行性。

4.3 模版信號與一般人步態(tài)實(shí)驗(yàn)

將截取的模版信號與一般人步態(tài)實(shí)驗(yàn)信號進(jìn)行MATLAB仿真實(shí)驗(yàn)后結(jié)果如圖8所示。

圖8 仿真圖像與判斷結(jié)果Fig.8 The simulation image and judging results

計(jì)算皮爾遜相關(guān)系數(shù)的r數(shù)值為-0.094 8，p<0.05,顯著性差異明顯，根據(jù)皮爾遜相關(guān)系數(shù)r是統(tǒng)計(jì)學(xué)概念，表明了模版信號與一般人正常步態(tài)信號的相關(guān)度極低。在圖8中，2個信號的波形也完全不重疊且有較大差異，佐證了模版信號與被測信號沒有相關(guān)度。判斷語句顯示了被測信號不是痙攣信號，給出了正確的結(jié)果。證明了本文運(yùn)用的算法在識別不是痙攣信號時是可行的。

5 結(jié) 論

1)綜合上述各組的實(shí)驗(yàn)仿真情況，發(fā)現(xiàn)以皮爾遜相關(guān)系數(shù)作為理論依據(jù)的基于波形形狀的模版匹配算法，在將采集到的痙攣表面肌電信號和正常人的表面肌電信號導(dǎo)入MATLAB系統(tǒng)中，進(jìn)行仿真實(shí)驗(yàn)后。得到了痙攣信號的判斷結(jié)果，判斷出了個人專屬模版信號在病人判斷痙攣中的可行性。可以得出基于形狀的模版匹配算法在同一患者的痙攣?zhàn)R別上有較高的準(zhǔn)確性，能基本達(dá)到預(yù)設(shè)的效果。

2)但由于個體的表面肌電信號的差異性，算法目前無法通過一個共用模版準(zhǔn)確的識別不同患者的痙攣信號，不同的患者需要使用自身采集的模版信號。算法有一定病人依賴性(patient-depend)。一般情況下正常步態(tài)肌電信號與痙攣信號相關(guān)度極小，因此不會出現(xiàn)將正常信號識別成痙攣信號的情況。當(dāng)然對于模版適用性的問題，目前有兩個解決方案。一是通過大量的數(shù)據(jù)采集，進(jìn)行大量的仿真實(shí)驗(yàn)來逐漸優(yōu)化模版，并最終得到一個通用性的模版信號；二是將模版信號與被測型號進(jìn)行二次的數(shù)據(jù)處理，提高周期在形狀相似度中的比重，減少幅值的影響。

References)

[1]劉青,曹建國,贠國俊.體外沖擊波療法在肌肉痙攣治療中的應(yīng)用[J].中國康復(fù), 2014,29(1):65-67.DOI:10.3870/zgkf.2013.06.022.

LIU Qing, CAO Jianguo, YUN Guojun. Extracorporeal shock wave therapy in the treatment of muscle spasm[J]. Chinese Journal of Rehabilitation, 2014,29(1):65-67.DOI:10.3870/zgkf.2013.06.022.

[2]王智文,蔡啟先,陳勁飆,等.利用膚色分割和自適應(yīng)模版匹配的人臉檢測[J].廣西工學(xué)院學(xué)報(bào), 2013,24(1):1-8.DOI:10.3969/j.issn.1004-6410.2013.01.001.

WANG Zhiwen, CAI Qixian, CHEN Jinbiao, et al.Face detection using skin-color segmentation and adaptive template matching[J].Journal of Guangxi University of Technology, 2013,24(1):1-8.DOI:10.3969/j.issn.1004-6410.2013.01.001.

[3]卜凡艷. 數(shù)字圖像匹配技術(shù)研究[D].合肥：合肥工業(yè)大學(xué),2010.

PU Fanyan. Research on thetechniques of digital image matching[D]. Hefei: Hefei University of Technology,2010.

[4]袁琦. 癲癇腦電的分類識別及自動檢測方法研究[D]. 濟(jì)南：山東大學(xué), 2014.

YUAN Qi. Research on epileptic EEC identificatian and automatic seizure detectiong[D]. Jinan:Shandong University, 2010.

[5]江依法, 周青, 陳偉燕. 一種改進(jìn)的模板匹配算法及其在ECG波形識別中的應(yīng)用[J]. 中國生物醫(yī)學(xué)工程學(xué)報(bào), 2012,31(5):775-780.DOI:10.3969/j.issn.0258-8021.2012.05.019.

JIANG Yifa, ZHOU Qing, CHEN Weiyan. An improved template-matching algorithm and its application in ECG waveform recognition[J].Chinese Journal of Biomedical Engineering, 2012,31(5):775-780.DOI:10.3969/j.issn.0258-8021.2012.05.019.

[6]李宏彬,赫光中,果秋婷.基于皮爾遜相關(guān)系數(shù)的有機(jī)質(zhì)譜相似性檢索方法[J].化學(xué)分析計(jì)量, 2015,24(3):33-37.DOI:10.3969/j.issn.1008-6145.2015.03.009.

LI Hongbin, HE Guangzhong, GUO Qiuting. Similarity retrieval method of organic mass spectrometry based on the pearson correlation coefifcient[J]. Chemical Analysis and Meterage, 2015,24(3):33-37.DOI:10.3969/j.issn.1008-6145.2015.03.009.

[7]車遠(yuǎn)宏,賈雍,湯卓,等.皮爾遜相關(guān)系數(shù)在風(fēng)電功率組合預(yù)測中的應(yīng)用[J].廣西電力,2016,39(3):50-53.DOI:10.3969/j.issn.1671-8380.2016.03.013.

CHE Yuanhong, JIA Yong, TANG Zhuo, et al. Application of pearson correlation coefficient in wind power combination prediction[J]. Guangxi Electric Power, 2016,39(3):50-53.DOI:10.3969/j.issn.1671-8380.2016.03.013.

FeatureanalysisandrecognitionoflowerlimbspasmsignalbasedonsurfaceEMGsignal

LIU Jian, ZOU Renling*, JIANG Yabin, XU Xiulin, HU Xiufang

(SchoolofMedicalInstrumentandFoodEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

Rehabilitation treatment of patients with cerebral stroke can cause muscle cramp of lower limbs. This phenomenon will do great harm to the process of rehabilitation training for patients, so it plays an important role in the training process to identify muscle cramp and interrupt training in time. The shape of the template matching method is used to identify spasm signal, and the Pearson correlation coefficient was used to achieve surface electromyography of lower limbs spasm signal template matching analysis. Simulation results demenstrated the accuracy of template matching method in the identification of individual spasm signals,and showed the feasibility of the algorithm in the identification of the pan.

Surface electromyography; Muscle cramp of lower limbs signal; Template matching method; Pearson’s correlation coefficient

R318.04

A

1672-5565(2017)03-186-05

10.3969/j.issn.1672-5565.20160705001

2016-07-05；

2016-10-06.

上海市科學(xué)技術(shù)委員會科研計(jì)劃項(xiàng)目(14441905100).

劉建，男，碩士研究生，研究方向：康復(fù)醫(yī)療器械；E-mail：aidesiyu_liu@163.com.

*通信作者：鄒任玲，女，副教授，研究方向：生物醫(yī)學(xué)工程；E-mail：zourenling@163.com.