表面肌電技術(shù)在骨科應(yīng)用中的研究進展

王加旭，吳繼功，潘子杰，張樂樂，黃世博，王莉荔，陳 力，崔 翔

(1.中國人民解放軍戰(zhàn)略支援部隊特色醫(yī)學(xué)中心脊柱外科，北京 100107;2.中國人民解放軍63650部隊醫(yī)院洛陽門診部，河南 洛陽 471003;3.中國人民解放軍總醫(yī)院第一醫(yī)學(xué)中心全科醫(yī)學(xué)科，北京 100853;4.中國人民解放軍總醫(yī)院第四醫(yī)學(xué)中心骨科醫(yī)學(xué)部/國家骨科與運動康復(fù)臨床醫(yī)學(xué)研究中心，北京 100853)

表面肌電技術(shù)(surface electromyography，sEMG)是一種通過測量人體皮膚表面生物電信號反映人體肌肉活動的肌電監(jiān)測技術(shù)，其本質(zhì)是肌肉組織在受到神經(jīng)刺激后，能在肌肉纖維表面誘發(fā)傳導(dǎo)動作電位的變化[1]。17世紀末，Galvani在蛙身上實驗得出骨骼肌的收縮與神經(jīng)電信號的變化存在相關(guān)性，開啟了肌電研究的開端；直到18世紀中葉，Dubois等首次證實了人體骨骼肌的收縮與神經(jīng)電活動同樣具有相關(guān)性；1912年，Piper、Gasser及Erlange等先后利用不同方法成功記錄出人類肌電圖[2]。之后，表面肌電技術(shù)逐漸被研究人員發(fā)現(xiàn)并應(yīng)用到疾病的診治中。

20世紀末以來，表面肌電技術(shù)因其具有無創(chuàng)性、實用性及便捷性等優(yōu)勢，在骨科、體育、運動醫(yī)學(xué)、康復(fù)訓(xùn)練及神經(jīng)科學(xué)等領(lǐng)域逐漸廣泛應(yīng)用，成為了分析骨科相關(guān)疾病，輔助診斷治療及康復(fù)訓(xùn)練的重要方法之一[3]。骨骼肌在受到神經(jīng)刺激發(fā)出動作電位后，皮膚表面的接收器對采集到的表面肌電信號進行處理，得到肌肉收縮的激活時間、順序及振幅等參數(shù)。這些參數(shù)常用的分析方法有時域分析、頻域分析、時域—頻域法及非線性分析法[4]。時域分析是利用時間函數(shù)的數(shù)值代表不同時間維度上的肌電信號，用于描述表面肌電信號的振幅特征，主要包括均方根振幅、平均振幅和積分肌電；頻域分析是利用傅立葉變換方法，得到可識別的表面肌電信號的頻譜及不同頻率維度上表面肌電信號的變化，分析得出表面肌電信號的頻率特征，主要包括平均功率頻率和中值頻率及二者的衍生指標平均功率頻率斜率和中值頻率斜率。通過這些指標實時、精準地反映骨骼肌的狀態(tài)，對客觀探究骨骼肌疲勞程度、電生理變化及神經(jīng)肌肉協(xié)調(diào)性具有重要意義。

1 表面肌電技術(shù)在骨科疾病診斷中的應(yīng)用

1.1 表面肌電技術(shù)在骨骼肌勞損中的應(yīng)用

骨骼肌勞損是指骨骼肌機能不能有效保持在某一特定水平和/或不能維持某一預(yù)設(shè)運動強度的狀態(tài)[5]。骨骼肌勞損的過程中會出現(xiàn)多種病理生理變化，為了客觀地反映出骨骼肌狀態(tài)，目前國內(nèi)外主要的研究方向是提取出骨骼肌勞損狀態(tài)下肌電信號的特征因素，分析骨骼肌勞損的狀態(tài)及病理生理機制[6]。糜超等[7]構(gòu)建了一套表面肌電肌肉疲勞識別系統(tǒng)，提出了肌肉疲勞狀態(tài)下表面肌電信號特征的提取方法，以此進行肌肉疲勞分類，該系統(tǒng)可有效識別肌肉的疲勞狀態(tài)，準確率達98%。提示表面肌電技術(shù)在骨骼肌勞損的研究中具有重要的應(yīng)用價值。

當(dāng)前，基于表面肌電技術(shù)的骨骼肌勞損研究主要集中在以下三點：①依據(jù)時域特征的表面肌電信號研究。劉曉光等[8]對10名志愿者進行梯次負載功率騎行實驗，通過分析志愿者騎行負載不同功率時的股外側(cè)肌、股直肌和豎脊肌的表面肌電信號，得出騎行運動中腰部及大腿肌群疲勞功率區(qū)間。相較于其他檢測方法，時域特征的優(yōu)勢在于所需的特征數(shù)據(jù)量較少，分析的計算量明顯減少。然而時域特征過于依賴表面肌電信號的信噪比，頻譜失真現(xiàn)象時常發(fā)生。②依據(jù)不同變換域特征的表面肌電信號研究。Brighton等[9]引入了平均功率頻率及中值頻率兩個新的評價指標，通過處理數(shù)字信號研究骨骼肌疲勞時表面肌電信號的特征，從而明確骨骼肌疲勞前后的差異。Liu等[10]采用便攜式電極片實時采集運動中腓腸肌表面肌電信號，再將該信號通過實時傅立葉變換方法轉(zhuǎn)換為中值頻率，依據(jù)中值頻率的變化反映骨骼肌疲勞狀態(tài)。這種基于變換域特征的檢測方法，能夠持續(xù)監(jiān)測運動中骨骼肌表面肌電信號的變化，信號的時頻分辨率極高，可避免受試者個體化差異。然而，該方法所得數(shù)據(jù)必須經(jīng)過頻域變換，若缺乏表面肌電信號的原始信息，則無法實時監(jiān)測骨骼肌的疲勞狀態(tài)。③依據(jù)人工智能的表面肌電信號研究。Wei等[11]構(gòu)建出一種基于卷積神經(jīng)網(wǎng)絡(luò)的模型，利用機器學(xué)習(xí)對表面肌電信號進行分類、識別及訓(xùn)練，發(fā)現(xiàn)其對骨骼肌疲勞的診斷準確率可達92.8%，但樣本量較小，需進一步大數(shù)據(jù)繼續(xù)訓(xùn)練該模型。Zhang等[12]采集受試者做不同手勢時的表面肌電信號，以此反映不同手勢之間、手掌間諸肌肉的收縮情況，構(gòu)建前反饋人工神經(jīng)網(wǎng)絡(luò)，通過對該神經(jīng)網(wǎng)絡(luò)的反復(fù)訓(xùn)練，骨骼肌疲勞的診斷準確率可達98.7%。依據(jù)人工智能的表面肌電信號研究往往能訓(xùn)練機器學(xué)習(xí)并自動識別、判定骨骼肌勞損狀態(tài)，對提升診斷骨骼肌疲勞的準確率具有重要意義。

1.2 表面肌電技術(shù)在腰痛中的應(yīng)用

腰痛是臨床常見的高發(fā)病癥候群，腰部肌肉勞損以及收縮能力下降會造成腰椎穩(wěn)定系統(tǒng)改變，從而導(dǎo)致腰部軟組織炎癥反應(yīng)、疼痛[13]。Takahashi等[14]對比腰痛患者與非腰痛受試者在負重狀態(tài)下保持直立時的表面肌電信號，發(fā)現(xiàn)2組腰豎脊肌平均功率頻率斜率顯著不同。其原理在于，人體的核心肌群集中在腰腹部，包括豎脊肌、髂肋肌、腹直肌、多裂肌、腹橫肌等，這些肌肉收縮或病變后，表面肌電信號出現(xiàn)相應(yīng)的改變，可無創(chuàng)地反映腰背部肌肉狀態(tài)、肌力以及肌群間協(xié)調(diào)性[15]。同樣，Hanada等[16]針對徒步狀態(tài)下的腰痛患者，探測出腰痛時腹直肌及腰后側(cè)肌群的表面肌電信號變化較腹內(nèi)斜肌明顯，表明腰痛患者的核心肌群協(xié)調(diào)性變差，證實了表面肌電信號的變化能客觀地反映出腰痛患者的核心肌群情況，表面肌電技術(shù)可作為理想的腰痛輔助診斷方法。

腰椎退變性病變是導(dǎo)致腰痛的常見疾病，發(fā)病率較高[17]。對于長期忍受腰痛的患者，保守治療、鍛煉或手術(shù)均是解除其痛苦的方法。然而如何評判治療效果，尚無有效的技術(shù)手段。表面肌電技術(shù)可在反映腰痛患者癥狀轉(zhuǎn)歸情況方面發(fā)揮一定的作用。郭猛[18]對70例腰椎間盤突出癥患者治療前后的表面肌電信號進行統(tǒng)計分析得出，推拿組腰背伸肌群收縮力量、平均效率顯著優(yōu)于對照組的牽引治療，肯定了表面肌電技術(shù)在腰椎間盤突出癥療效評價中的價值。魏天祺等[19]探討了32例產(chǎn)婦產(chǎn)后合并腰痛的治療情況，觀察腰痛癥狀的緩解情況與表面肌電信號之間的關(guān)聯(lián)性，其認為核心肌群的鍛煉可有效緩解產(chǎn)后腰痛，且豎脊肌及多裂肌的表面肌電信號能較好地反映出腰痛的改善情況。易向東等[20]檢測了24例腰椎手術(shù)患者在術(shù)前及術(shù)后3個月不同狀態(tài)下的腰背部肌肉表面肌電信號，結(jié)果顯示術(shù)后3個月靜息、伸展及抬物保持狀態(tài)下，表面肌電信號值顯著低于術(shù)前，提示表面肌電技術(shù)可用于判斷腰痛的轉(zhuǎn)歸。

1.3 表面肌電技術(shù)在其他骨科疾病診斷中的意義

肩峰下撞擊綜合征是指肩關(guān)節(jié)上舉活動時，肱骨大結(jié)節(jié)反復(fù)撞擊喙肩弓，誘發(fā)肩峰下滑囊炎癥、肩袖肌腱組織病變，最終導(dǎo)致肩部疼痛和關(guān)節(jié)活動受限。表面肌電技術(shù)在肩峰下撞擊綜合征中的應(yīng)用尚存在爭議[21]。Cools等[22]對39例患者及30名健康志愿者在外展和外旋運動時使用表面肌電技術(shù)測量上、中、下斜方肌的肌電活動，結(jié)果顯示患者組的上斜方肌活動顯著增加，外展時下斜方肌活動減少，外旋時中斜方肌活動減少；肌內(nèi)活動比分析顯示，外展時，患者組傷側(cè)的上/中斜方肌和上/下斜方肌不平衡，外旋時三種肌肉活動比均不平衡，肯定了表面肌電技術(shù)在肩峰下撞擊綜合征診斷中的應(yīng)用價值，并強調(diào)了恢復(fù)肌肉平衡與肩關(guān)節(jié)康復(fù)的相關(guān)性。

2 表面肌電技術(shù)在骨骼肌康復(fù)及訓(xùn)練中的應(yīng)用

骨骼肌損傷是骨科或運動醫(yī)學(xué)領(lǐng)域最常見的創(chuàng)傷之一，直接影響體育愛好者和運動員的比賽、訓(xùn)練[23]。目前，許多學(xué)者將表面肌電技術(shù)引入到骨骼肌損傷后的康復(fù)評定中[24-26]。Li等[26]通過回顧性分析90例單側(cè)前交叉韌帶(anterior cruciate ligament，ACL)損傷患者的表面肌電信號，探討ACL損傷患者的生物力學(xué)特征，采集雙側(cè)股直肌、股內(nèi)側(cè)肌和股外側(cè)肌的表面肌電信號，并用方根振幅評估肌肉活動，結(jié)果表明股外側(cè)肌肉的恢復(fù)速度最慢，雙側(cè)直腿抬高(30°)是最好的訓(xùn)練方式，尤其是股外側(cè)肌鍛煉對康復(fù)非常重要，并建議ACL重建術(shù)在損傷1年內(nèi)進行。Le Sant等[27]在拉伸研究中，利用表面肌電技術(shù)表征肌肉的力學(xué)性能，總結(jié)出1%的被動狀態(tài)閾值是健康人群肌肉拉伸的安全閾值。

在訓(xùn)練過程中，肌肉的不對稱性會增加運動員受傷的風(fēng)險。在訓(xùn)練過程中通過表面肌電技術(shù)實時監(jiān)測運動員骨骼肌肌電信號變化，對促進合理訓(xùn)練、避免肌肉損傷、評估康復(fù)狀態(tài)及恢復(fù)正常訓(xùn)練具有重要意義。為了驗證短道速滑運動員腿部肌肉的功能，Konieczny等[28]對比波蘭女子國家短道速滑隊的8名隊員與8名非訓(xùn)練人員在等距收縮期間的臀大肌表面肌電信號頻率發(fā)現(xiàn)，在滑冰運動員中，左右臀大肌之間疲勞的肌電表現(xiàn)明顯不同，而非訓(xùn)練人員中則無此表現(xiàn)，這對臀大肌損傷同樣起到預(yù)警作用，因此，該研究建議采用新的訓(xùn)練方案來避免肌肉的不對稱性。腘繩肌損傷是運動員常見的問題，其損傷后的肌電活動受到廣泛關(guān)注[29-31]。Areia等[32]評估了腘繩肌腱拉傷足球運動員的神經(jīng)肌肉適應(yīng)性，在偏心膝關(guān)節(jié)伸直30°和120°條件下對受試者進行等速力量測試，結(jié)果表明傷側(cè)股四頭肌的肌電活動較正常側(cè)明顯下降，肌肉功能不對稱。因此，表面肌電技術(shù)在預(yù)警損傷、評估損傷康復(fù)情況及改良訓(xùn)練方法等方面可發(fā)揮重要作用。

3 表面肌電技術(shù)在骨科輔助系統(tǒng)研發(fā)中的應(yīng)用

肌肉的收縮和舒張活動帶動骨骼，根本在于中樞神經(jīng)系統(tǒng)定向傳達運動命令，從而實現(xiàn)人體的活動。研究表明，表面肌電信號的能量值大小代表了肌肉收縮舒張程度[33-34]。因此，把采集到的表面肌電信號處理成為生物反饋信息，可直觀地反映肌肉的狀態(tài)，促進自身運動學(xué)習(xí)及控制，并可有針對性地增強肌肉鍛煉、調(diào)整鍛煉方法及治療手段，從而實現(xiàn)康復(fù)，這種方法被稱作表面肌電生物反饋。

目前表面肌電生物反饋技術(shù)在骨科治療及康復(fù)中廣泛應(yīng)用，是臨床改善患者腰背痛、肌無力、癱瘓、關(guān)節(jié)活動障礙及恢復(fù)肌肉肌力的有效方法[15]。Guo等[35]探討了表面肌電生物反饋改善不完全脊髓損傷患者股四頭肌運動功能的有效性，其選取損傷后6個月內(nèi)股四頭肌強度1～3級的不完全截癱患者33例，對照組(16例)采用常規(guī)物理治療增強股四頭肌力量，干預(yù)組(17例)采用常規(guī)物理治療和表面肌電生物反饋訓(xùn)練，通過表面肌電圖、肌力、股四頭肌運動功能評價，結(jié)果顯示，與對照組相比，干預(yù)組的表面肌電圖值和股四頭肌強度明顯改善，且干預(yù)組股四頭肌肌電圖值的增加早于股四頭肌肌力的增加。故其認為表面肌電生物反饋訓(xùn)練是一種有效改善不完全脊髓損傷患者股四頭肌運動功能的方法，同時表面肌電圖可在變化發(fā)生之前準確地量化單個肌肉肌力的變化。在其他骨骼肌的康復(fù)治療及訓(xùn)練中，表面肌電生物反饋系統(tǒng)同樣具有良好的效果。Lirio-Romero等[36]進行了臨床隨機對照試驗，發(fā)現(xiàn)表面肌電生物反饋系統(tǒng)治療在短期內(nèi)可有效改善癱瘓上肢的運動功能。Portero等[37]甚至將表面肌電生物反饋系統(tǒng)應(yīng)用于物理治療的教學(xué)中，讓學(xué)生對生理和生物力學(xué)有更深入的了解，引發(fā)學(xué)生對表面肌電信號作為工具的興趣，并提供關(guān)于良好的表面肌電信號實踐的知識。

表面肌電圖能按時間順序記錄肌肉活動及狀態(tài)信息，通過轉(zhuǎn)換器轉(zhuǎn)化為海量的數(shù)據(jù)信息，利用計算機即可識別、學(xué)習(xí)、預(yù)測肌肉的運動狀態(tài)，從而形成人機信息交流系統(tǒng)。既往研究表明，神經(jīng)驅(qū)動發(fā)生在運動開始之前，可以通過放電率和運動單元速度來表征，這一特征意味著與脊髓交界部位的表面肌電信號可以準確預(yù)測肌肉收縮[38]。Prakash等[39]設(shè)計出一種低成本、高靈敏度的肌電假肢控制系統(tǒng)，比商用肌電傳感器的信噪比低4倍，靈敏度高50%，輸出響應(yīng)速度比商用傳感器快57%。該系統(tǒng)已在截肢患者身上測試成功，可使患者更快、更直觀地驅(qū)動假肢手手指。當(dāng)前，肌電控制系統(tǒng)多用于前臂截肢者。Lee等[40]提出一種新型背負式肌電控制系統(tǒng)，可適用于高位截肢患者，結(jié)果顯示每個受試者的平均分類正確率達到97.92%，說明該系統(tǒng)可以準確識別表面肌電信號。對于高位截肢患者而言，預(yù)計該系統(tǒng)能精準控制他們的肌電假體。肌電假肢控制系統(tǒng)實用性高，為患者更加靈活地使用假肢、改善日常生活提供了可能，應(yīng)用前景廣泛。

4 人工智能輔助表面肌電技術(shù)的系統(tǒng)應(yīng)用

如前所述，研究人員利用表面肌電技術(shù)對疾病的診斷、治療、康復(fù)訓(xùn)練等諸多方面進行了大量的研究，這些研究所需的參數(shù)大多是通過人工提取或生物力學(xué)模型(基于肌肉骨骼模型來建立表面肌電信號與關(guān)節(jié)運動之間的關(guān)系)獲得，耗時較長。然而，由于對人類神經(jīng)、肌肉和骨骼系統(tǒng)的協(xié)調(diào)機制尚不完全明確，導(dǎo)致無法準確模擬人類的神經(jīng)、肌肉及骨骼系統(tǒng)，這是計算模型的致命缺陷，表現(xiàn)為個體差異明顯[41]?；诤Ａ繑?shù)據(jù)的人工智能分析具有良好的系統(tǒng)特性和廣泛性，是解決這一難題的有效措施[42]。隨著人工智能技術(shù)的發(fā)展，人工智能輔助表面肌電技術(shù)的研究也逐漸增多。

手勢識別與預(yù)測是研究較多的方向。Hu等[43]采用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network，RNN)的混合模型，以捕獲表面肌電信號的時間特性，在5個表面肌電信號基準數(shù)據(jù)庫(NinaProDB1、NinaProDB2、BioPatRec、CapgMyo、CSL-HDEMG)中識別手勢，分別比最先進的性能提高了9.2%、3.5%、1.2%、0.2%和5.2%。Zhang等[44]單獨利用RNN模型從原始表面肌電信號中學(xué)習(xí)手勢并預(yù)測手勢，結(jié)果表明，已知數(shù)據(jù)的時間步長越大，所提出的模型給出的瞬時預(yù)測精度越高；此外，用40個時間步長(200 ms)的數(shù)據(jù)預(yù)測手勢時，預(yù)測準確率達到89.6%左右，這意味著手勢可以在手勢開始執(zhí)行200 ms后預(yù)測，而不是等到手勢的結(jié)束。Nasri等[45]為殘疾人發(fā)明了一種新型人機交互形式，其利用基于深度學(xué)習(xí)的體系結(jié)構(gòu)進行實時手勢識別，使用包含7個手勢的數(shù)據(jù)集，以此來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型，允許一些殘疾人士使用低成本的表面肌電信號傳感器來體驗控制3D游戲，讓患者專注于康復(fù)訓(xùn)練。目前，表面肌電的數(shù)據(jù)特征包括均值絕對值、零交、均方根、功率譜比、離散小波變換等，機器學(xué)習(xí)方法對這些特征的分類方法包括k-最近鄰、人工神經(jīng)網(wǎng)絡(luò)、高斯混合模型、線性判別分析、隱馬爾科夫模型、支持向量機和隨機森林。雖然這些基于特征的方法表現(xiàn)出了良好的性能，但復(fù)雜的特征提取過程可能會導(dǎo)致有用信息的丟失，進而導(dǎo)致預(yù)測準確率不高。因此，表面肌電信號特征的提取、分類及深度學(xué)習(xí)模型的構(gòu)建仍需不斷完善。

5 展望

表面肌電技術(shù)是一種無創(chuàng)、安全、便捷的技術(shù)，能客觀地反映出神經(jīng)肌肉狀態(tài)，為評估骨科疾病診治及康復(fù)鍛煉療效等提供依據(jù)；隨著計算機技術(shù)及人工智能技術(shù)的蓬勃發(fā)展，與表面肌電技術(shù)結(jié)合的系統(tǒng)應(yīng)用也在不斷完善和提高。表面肌電生物反饋等系統(tǒng)的構(gòu)建，提高了患者康復(fù)治療、假肢結(jié)合的效率；與人工智能結(jié)合，更有助于表面肌電信號的識別，提高了診斷效率、減輕了醫(yī)務(wù)人員的繁瑣工作，但目前尚未完全實現(xiàn)智能化，且樣本量小、數(shù)據(jù)量少、神經(jīng)網(wǎng)絡(luò)模型不完善等限制了該方法的廣泛應(yīng)用。人工智能結(jié)合表面肌電技術(shù)仍有待提高，是一個不斷探索優(yōu)化的過程。