足下垂功能性電刺激自適應閾值啟停控制算法研究

陳建國，丁建華，陳 楷，李玉榕

（福州大學 電氣工程與自動化學院，福建省醫療器械和醫藥技術重點實驗室，福建 福州 350108）

由于神經傳導通路的改變或者中斷而造成走路時神經系統對腳部支配能力的下降，造成步行過程中踝關節無法產生背屈，導致出現足尖上抬不完全或不能的現象，稱之為足下垂[1-3]。足下垂患者行走時步態異常，常伴隨著腳趾拖地，行走過程中容易導致重心不穩，增加跌倒的風險，以至于二次中風，嚴重影響了患者的行走能力和生命健康[4]，更使得其日常生活能力和生活質量受到很大影響。

功能性電刺激（functional electrical stimulation，FES）療法是利用安全低頻脈沖刺激由中風等中樞神經病變導致功能性障礙的目標肌肉再次傳出神經興奮，使肌肉獲得功能恢復的技術手段[5]。目前，該技術已經應用在中風后運動恢復[6-7]、輔助腦性麻痹兒童改善上肢功能[8]、治療不完全脊髓損傷患者行走期間的步態[9]、基于FES的神經假肢使截癱個體恢復失去的運動功能等康復領域[10]。在臨床上，FES技術是重要的肢體康復技術之一[11]，同時也是應用最為廣泛的足下垂治療方法。利用FES技術對足下垂患者進行康復訓練或者輔助行走，是在患者患肢擺動過程中，對脛骨前肌施加低頻電刺激，誘發脛骨前肌收縮，使腳尖能夠上抬，從而改善步態。

目前，許多研究人員利用步態數據進行步態事件檢測，文獻[12]采用固定閾值進行步態檢測，當小腿角度達到預設值時，將觸發刺激。文獻[4]同樣也采用固定閾值進行步態檢測，由于沒有考慮到個體間的差異性，因此魯棒性較差。文獻[13]對加速度和角速度求方差作為閾值對步態事件進行檢測，但是設計的算法需要事先采集好數據。文獻[14]將慣性傳感器（IMU）采集的角速度信號通過 Zigbee無線傳輸技術傳輸到計算機儲存，再進行步態分段檢測。文獻[15]利用角速度信號對步態周期各階段進行識別，這些都屬于離線算法，無法在采集數據的同時進行步態檢測，因此無法應用到實時治療系統。針對這些不足之處，本文設計了功能性電刺激自適應閾值啟停控制算法，該算法可以在每個步態周期更新閾值，降低個體差異性帶來的誤差，也可以實現在采集步態數據的同時進行步態檢測，并應用到實時治療系統。

1 步態數據采集實驗

人的步行過程具有一定的規律性和周期性，一個完整的步態可以分為3個階段：站立相、擺動相和推動相，當一側腳從站立相開始，經過腳跟離地（heel off，HO）、腳尖離地（toe off，TO）和腳跟著地（heel strike，HS），再次回到站立相稱為一個完整步態[16]。功能性電刺激啟停控制指的是在患者患肢擺動階段對脛骨前肌施加電刺激，即對應在TO時刻開啟電刺激，在 HS時刻停止電刺激，在擺動階段足尖能夠上抬從而改善步態。因此需要研究實時在線算法找到開啟和停止電刺激的兩個關鍵時刻點。

由于人行走過程中的活動規律主要體現在矢狀面[17]，同時，研究發現：足下垂患者與健康受試者的踝關節、小腿下部、小腿中部及小腿上部的角速度變化具有一致性[4,18]，考慮到患者佩戴功能性電刺激儀的舒適性和美觀性，認為小腿上部是佩戴功能性電刺激儀的最佳位置，即是采集角速度信號的最佳位置。

1.1 實驗設置

實驗招募了3名足下垂患者（I1、I2和I3）和一名健康人進行實驗，采集了患者的角速度信號、肌電信號以及健康人的肌電信號。實驗時使用Trigno Lab（DELSYS INC.，USA）無線采集系統采集患者小腿上部的角速度信號和肌電信號，肌電信號的采樣頻率為2 000 Hz，角速度信號的采樣頻率為148.15 Hz。為了能準確采集到患者的步態信息，3名足下垂患者在采集角速度數據的全過程中，處于反重力跑步機（antigravity treadmill）中，不會因為受到外部因素導致步態信息異常，同時也可以避免在采集數據過程中出現患者摔倒的風險。如圖 1(a)所示是其中一名患者處于反重力跑步機中采集角速度信號和肌電信號，圖 1(b)所示為采集健康人自然步態下的肌電信號示意圖。

圖1 一名足下垂患者和健康人信號采集實驗

1.2 數據采集與分析

圖2 所示為1名健康受試者和3名患者行走時脛骨前肌的肌電信號。從圖中可以發現，健康受試者在行走時脛骨前肌的肌電信號很明顯，而足下垂患者脛骨前肌的肌電信號較弱，尤其是I1和I2，患者I3其脛骨前肌的肌電信號雖然較為明顯，但是仍然弱于健康人的肌電信號。正是因為患者的肌力較弱，導致無法產生正常的背屈，出現了足下垂步態，所以需要利用功能性電刺激技術，輔助患者進行康復訓練甚至輔助患者行走。

截取3名患者任意一段時間內矢狀面的角速度，其波形圖如圖3所示。其中，圖3(a)、3(b)和3(c)呈現的波形是患者 I1、I2 和 I3各自在 0.25、0.20和 0.6 m·s–1的速度下采集的。觀察波形變化，發現不同足下垂患者小腿角速度規律大致相同，在不同的行走速度下，每個步態周期采集到的角速度數據個數不同，并不會改變小腿角速度的變化規律。

圖2 健康受試者與足下垂患者肌電信號

圖3 3名患者角速度波形圖

2 自適應閾值啟停控制算法

首先對步態角速度信號進行特征分析，然后根據特征分析設計基于自適應閾值的足下垂FES啟停控制算法，用于控制功能性電刺激的開啟和停止。

2.1 步態特征分析

如圖 4所示為患者在一個步態周期內矢狀面角速度變化曲線，結合步態過程分析不同階段關鍵時刻的特征：

（1）腳跟離地時刻。腳跟離地后表示站立相結束，步態從站立相遷移到推動相，理論上站立過程中陀螺儀輸出的角速度應該為0，但是由于陀螺儀存在漂移，導致站立過程中角速度略低于0，隨著腳跟開始離地，陀螺儀輸出負的角速度，隨著腳跟與地面的夾角不斷增大，陀螺儀輸出的角速度數值不斷變小。

（2）腳尖離地時刻。當角速度接近負峰值（波谷）時，腳尖開始離地。

（3）擺動階段中點。腳尖離地之后進入步態的擺動相，陀螺儀輸出的角速度逐漸由負轉為正，當角速度達到極大值后便逐漸變小，這個過程中出現的極大值點又稱為擺動相中點。

（4）腳跟著地時刻。經過擺動相中點后角速度開始不斷變小，當出現第一個負峰值時，意味著腳跟開始著地，擺動相開始向站立相過渡。文[19]指出由于陀螺儀信號的抖動，可能會有不止一個負峰值出現，且負峰值彼此接近，如果在未來的一段時間內出現另外一個負峰值，并且后一個的負峰值與前一個負峰值的幅度差不大于10 (°)/s，那么認為后一個負峰值出現的時刻為腳跟著地時刻。此后，角速度又回到0附近的某一負值，返回站立相，標志著一個步態周期結束。

圖4 一個步態周期矢狀面角速度變化曲線

2.2 自適應閾值的足下垂FES啟停控制算法設計

根據前文的步態特征分析，采用有限狀態機對步態角速度進行步態檢測，狀態 state是一個有限集合{0，1，2，3}，分別代表初始站立狀態、檢測擺動相過程、檢測腳跟著地和檢測腳尖離地。由于當前時刻之前的幾個步態周期之間的關系可以為檢測下一個腳尖離地事件提供參考[20]，因此本文提出的自適應閾值是根據前兩個步態腳尖離地過程中的角速度最小值來更新閾值，即閾值不是固定不變的，而是隨著步態的變化而自動調整。

算法循環不斷讀取角速度，直到最后一個角速度結束算法。首先通過 Pre_count變量控制檢測并記錄初始兩步腳尖離地過程中的負峰值；然后根據式（1）計算檢測下一個步態腳尖離地的閾值，當角速度小于閾值后的第一個波谷為腳尖離地時刻，之后進入擺動相檢測，在檢測擺動相過程中，需要先儲存腳尖離地過程中的負峰值，在擺動相中點過后進入腳跟著地時刻的檢測，在這個過程中，先檢測角速度小于0的第一個波谷，如果在第一個波谷之后的8個數據點都小于 0，且存在另外一個波谷，則后一個波谷為腳跟著地時刻，否則在第8個角速度數據結束時，作為腳跟著地時刻。

其中TOthreshold表示閾值，TOdata1和TOdata2是前兩個步態周期腳尖離地過程中的負峰值，比例系數a的具體取值將在后文中作進一步討論。

本文設計出基于自適應閾值的足下垂FES啟停控算法，算法流程圖如圖5所示。

圖5 啟停控制算法流程圖

3 結果與分析

式（1）提出了檢測腳尖離地的閾值更新公式，其中a的取值對檢測腳尖離地時刻有影響。如果a的取值太小，計算得到的閾值較小，可能會較早檢測到閾值之后的首個波谷，即算法提前檢測到腳尖離地時刻的可能性越高，而電刺激儀開啟輸出電刺激的時刻越早，患者感受到不適的可能性越高；如果a取值太大，即更新后的閾值太大，有可能越過腳尖離地時刻，從而無法檢測到腳尖離地時刻。利用算法對3名患者的步態角速度進行檢測，檢測結果為：患者I1、I2和I3的參數a分別取0.7、0.6和0.7時檢測結果更準確。3名患者的檢測結果分別如圖6、7和8所示。

圖6 患者I1參數a取0.7的識別結果

圖7 患者I2參數a取0.6的識別結果

圖8 患者I3參數a取0.7的識別結果

將檢測出的腳尖離地時刻與實際點進行比較并統計，統計結果如表1所示，時間差的單位以采樣點表示，患者I1、I2和I3比實際提前檢測到腳尖離地點的最大采樣點分別為32、8和46，比實際滯后檢測到腳尖離地點的采樣點均為 1。造成提前檢測的原因是在行走過程中角速度信號抖動產生波谷，導致算法檢測腳尖離地時刻提前，而造成滯后檢測的原因是在檢測到實際腳尖離地時刻時，完成對波谷的檢測是在波谷的后一個數據點，因此會滯后1個采樣點。本文使用無線采集系統采集角速度信號，其采樣頻率為148.15 Hz，因此，3名患者提前檢測到腳尖離地時刻的最大時間分別為216.0、54.0和310.5 ms，滯后檢測到腳尖離地時刻的時間都是6.7 ms。從功能性電刺激儀的實際使用考慮，不能在患者腳尖已經離地較長時間后才輸出電刺激，否則在這段時間內會患者脛骨前肌無法收縮，存在腳尖拖地的現象，這會導致患者重心不穩而跌倒。雖然算法可能會滯后6.7 ms檢測到腳尖離地導致滯后啟動電刺激，但是由于滯后時間非常短，不會造成影響；而提前開啟電刺激，從人體感覺而言差異性不大，且能使脛骨前肌收縮，避免出現腳尖拖地，從角速度信號而言，小于閾值后的第一個波谷已經是比較接近負峰值，此時實際上已經處于推動相的某個位置，所以可以在此刻輸出電刺激。

表1 腳尖離地檢測結果與實際值的時間差（采樣點個數）

將檢測出的腳跟著地時刻與實際點進行比較并統計，統計結果如表2所示，時間差的單位以采樣點表示。3名患者腳跟著地點的檢測均滯后實際點，最大的滯后采樣點都為 8，本文采用的傳感器采樣頻率為148.15 Hz，所以最大的滯后時間為54.0 ms。由于腳跟著地后重心穩定，因此可以允許滯后停止電刺激，為防止提前停止電刺激而引起跌倒，要盡量避免提前停止電刺激。從表2結果可以發現本文的算法符合要求。

表2 腳跟著地檢測結果與實際值的時間差（采樣點個數）

4 在線實驗結果與分析

將算法寫入到 STM32F407為主控制器的電刺激儀中，用于實施控制電刺激儀的開啟和停止，電刺激儀的刺激頻率為20 Hz，幅值變化范圍為0~50 mV，刺激波形為雙極性脈沖，板載 MPU6050傳感器用于采集角速度信號。招募一名來自福建醫科大學附屬第一醫院康復科的足下垂患者進行實驗，所涉及的實驗均與患者的主治醫師進行討論，確保實驗的安全性后開展。如圖9所示為患者佩戴功能性電刺激儀輔助行走實驗圖，仍然采用無線采集系統，分別采集患者無電刺激行走過程中的肌電信號以及佩戴功能性電刺激儀后行走時小腿的角速度信號和脛骨前肌的肌電信號，如圖10—12所示。

圖9 受試者佩戴電刺激儀輔助行走

圖10 患者無電刺激下行走時采集的肌電信號

圖11 患者電刺激下行走時采集的角速度信號

圖12 患者電刺激下行走時采集的肌電信號

電刺激儀采集小腿角速度，并通過算法在線檢測腳尖離地和腳跟著地兩個時刻，能夠準確地在腳尖離地和腳跟著地期間施加電刺激，如圖12所示。對比圖 10和圖12，在電刺激儀開啟過程中，采集的肌電信號較為明顯，然而，利用電刺激脈沖刺激脛骨前肌收縮而產生的肌電信號，是電刺激誘發的肌肉反應（muscle responses，M-wave）和電刺激偽跡（stimulation artifacts，SA）[21-23]疊加產生的信號，電刺激誘發的肌肉反應又稱為M波，是電刺激引起運動單元激活[21]，表征電刺激下的肌肉激活水平，可作為電刺激下的生物反饋信號[24-27]，而 SA是隨著電刺激信號同時出現的，因此圖12中不僅有M波信號，還有SA信號，為了得到M波信號，我們需要濾除SA信號。本文采用屏蔽法濾除 SA信號，即將正負峰值時間窗口內、正峰值前面幾個點和負峰值后面幾個點的信號為0[28-29]，得到M波信號如圖13所示，再對M波信號進行1-范數計算包絡，即計算每個電刺激脈沖整流后的M波面積，表現為這段時間內肌肉響應的累積值，如圖14所示，可見相對于無電刺激下的自主運動，肌肉運動單元很明顯已經被激活。綜上所述，表明了足下垂功能性電刺激起停控制的準確性。

圖13 電刺激下的M波

圖14 電刺激下的M波包絡

5 結語

本文提出來一種基于自適應閾值的足下垂FES啟停控制方法。通過采集足下垂患者下肢步態角速度信號，并對其進行特征分析，根據特征分析設計的自適應閾值啟停控制算法可以在每個步態周期更新一次閾值，實現在線檢測腳尖離地時刻和腳跟著地時刻，作為控制功能性電刺激儀開啟和停止的信號，用于足下垂患者的康復治療。最后通過在線實驗進一步驗證了自適應閾值啟停控制算法的可行性，表明了足下垂功能性電刺激起停控制的準確性。