便攜式非特異性腰痛測量系統研制

【作 者】崔莉，周鈞鍇, ，王念, ，肖京，季宇宣，姜美馳

1 中國科學院計算技術研究所，北京市，100190

2 中國科學院大學，北京市，100190

3 中國中醫科學院西苑醫院，北京市，100091

0 引言

目前臨床上常用的肌電采集和分析設備多為大型、昂貴的肌電采集分析設備，它能準確采集肌電信號并作常規分析，但需要醫生輔以測試及人工讀取評判數據，使用成本高。近年，便攜式的肌電采集設備因具有移動性、操作便捷、維護成本低等特點而得到發展，產品如Trigno和BTS FREEEMG等，可進行常規肌電測量。然而，面向支持非特異腰痛臨床醫學診斷和康復訓練等特定需求的便攜式肌電采集系統以及相應的肌電狀態自動識別分析方法尚缺乏。此外，針對便攜式設備在佩戴者運動中及無醫生全程輔助的使用條件下面臨的肌電信號采集干擾信號大、動作區間起止點難以準確標定、因患者與正常人肌電數據集的樣本不均衡而影響特征值的精確性及分類模型的精度等問題也亟待解決。

研究一種便攜式非特異腰痛肌電采集系統EasiLBP，包括一套規定測試動作和一套信號采集處理和肌肉狀態分析識別方法。系統針對采集肌電信號過程中因運動干擾而噪聲信號大的問題，提出了一種基于小群組的噪聲去除方法；針對采集過程中難以確定各個運動區間的起止點的問題，提出了一種動態雙閾值運動區間自動識別方法；針對肌電信號樣本不均衡的問題，提出了一種趨向正域化的過采樣方法。本工作開展的臨床比對實驗和統計分析，重點驗證便攜式肌電采集系統EasiLBP測量出的正常人和非特異性腰痛患者的肌電信號特征具有顯著性差異，同時驗證本便攜式肌電采集系統與醫用肌電采集設備在采集測量結果上的一致性，并對比形成精確特征集合的準確性。

1 系統的設計

設計一種便攜式非特異腰痛肌電采集系統EasiLBP及其肌肉狀態識別方法，由信號采集及預處理、特征工程和分類診斷三個部分組成，系統整體架構示意，如圖1所示。

圖1 系統整體架構示意圖Fig.1 Schematic diagram of the overall system architecture

1.1 硬件設計

硬件采集系統主要涉及多導表面肌電信號的采集和加速度傳感器信號的采集[8]。本研究設計的便攜式肌電采集設備，如圖2所示。

圖2 便攜式肌電采集設備Fig.2 Portable EMG acquisition equipment

1.2 上位機信號采集和交互軟件設計

本研究自主設計采集設備配套的軟件，其軟件流程，如圖3所示。

圖3 軟件流程Fig.3 Software flow

在數據采集過程中，為方便醫生對患者的肌電采集過程進行查看，并根據采集情況對患者進行指導。本研究設計了采集軟件界面，如圖4所示。人機交互軟件界面，如圖5所示。軟件可實現信號與同期采集視頻的同步播放、運動區間標記、帶通濾波以及常用醫學特征的提取等功能。

圖4 采集軟件界面Fig.4 Acquisition software interface

圖5 人機交互軟件界面Fig.5 Human-computer interaction software interface

1.3 采集動作設計和測試流程

目前，臨床醫學已總結出多種針對腰痛和非特異性腰痛患者輔助診斷的肌電測試動作。患者在執行各測試動作時會表現出與正常人不同的運動表現和肌電性質，可用于后續的臨床分析。例如，腰部屈曲放松運動能夠用于評估受試者腰肌的放松能力和避痛反應[5]；BS運動可評估受試者腰肌的耐勞性[6]；雙足橋式運動可說明患者腰肌的平衡性[7]；單足橋式運動可用于研究患者單側肌肉的募集能力[7]等。

在臨床跟蹤過程中，本研究觀察到BS等長測試通常會引起受試者腰肌的疲勞，從而影響受試者的運動能力并降低后續測試數據的可用性，因此，BS等長運動被安排于測試的最后進行。而屈曲放松運動可激活腰肌的活性，起到拉伸和熱身的作用，可以降低后續測試中受試者受傷和肌肉痙攣的概率，因此被安排于測試的首位。三種橋式運動的執行順序按照先進行較為輕松的雙足支撐，后進行較為費力的單足橋式運動的順序。

a）充分發揮機械電氣設備的安全控制功能，完全掌握和運用；b）工作流程標準化，培訓電氣工人，在具體工作中有理論指導；c）采礦機械設備的驗收和使用系統嚴格化，不合格產品堅決杜絕；d）老舊設備及時更換和維護。

基于以上研究和觀察成果，我們選擇典型肌電測試動作，形成了一套肌電測試流程：第一步，受試者進行5次連續的屈曲放松運動；第二步，受試者執行單次雙足支撐橋式運動；第三步，受試者執行單次右足支撐的橋式運動、單次左足支撐的橋式運動（右足和左足支撐的橋式運動順序可調換）；第四步，受試者執行單次BS等長運動。運動測試的流程，如圖6所示。在采集過程中，上述運動的肌電信號會按照時間順序串行連接，構成該受試者的一條肌電信號數據。

圖6 受試者臨床肌電測試流程Fig.6 Process of clinical EMG tests for subjects

2 信號采集處理和分析方法

2.1 基于小群組的噪聲去除方法

成品醫用肌電采集裝置的肌電信號采集過程是在醫生指導下進行的，而便攜式肌電采集設備的數據采集過程是在運動過程中及無醫生輔助監督中進行的，導致干擾信號大，這對微弱的肌電信號造成了強干擾，這類低密度的噪聲樣本數量少且密度低，但是會極大地增加數據集的不確定性[8]，所以需要對肌電信號中的干擾信號進行去除。

基于小群組的噪聲去除方法首先使用基于密度的聚類方法將分類不確定的樣本分成若干個小群組，聚類后的樣本如圖7（a）所示，然后計算每個小群組的噪聲度和密度值，之后算法根據設置的噪聲度閾值和密度閾值對樣本中的低密度噪聲群組進行識別，即將噪聲度大于噪聲度閾值且密度值小于密度閾值的小群組識別為噪聲群組，如圖7（b）中噪聲群組部分所示，之后該方法對噪聲群組及其中的樣本進行去除，保留有效信號樣本，并支持后續平衡樣本的過采樣計算，如圖7（c）所示。

圖7 基于小群組的噪聲去除方法和基于小群組的過采樣方法的關鍵步驟示意圖Fig.7 Schematic diagram of the key steps of the small group-based noise removal method and the small group-based oversampling method

2.2 運動區間起止點的自動識別方法

臨床上使用的成品肌電設備有醫生的指導和輔助，易于對各個運動區間的開始時間點和結束時間點進行判斷，而便攜式設備在肌電信號的采集過程中由于缺乏醫生觀察，導致難以判斷各個運動區間的起止點。為解決此問題，本研究提出了一種基于局部動態雙閾值的運動區間起止點識別方法[9]。根據多個運動的規定順序分別計算出多個低識別閾值和高識別閾值，然后基于雙閾值對運動區間的起止點進行識別，如圖8所示。低識別閾值和高識別閾值的計算公式分別為：

圖8 基于局部動態閾值的信號活動區間識別方法Fig.8 Recognition method of signal activity interval based on local dynamic threshold

其中，AEMG為肌電平均值，VAR為肌電方差，k1、k2、k3、k4為比例系數。

2.3 基于小群組的過采樣方法

肌電信號的數據集通常是不平衡的，多數機器學習算法會更加關注多數類樣本，而忽略少數類樣本來達到識別精度最大化的目的，導致算法會忽略那些不常見但很重要的疾病信息，影響系統測試分類精度和診斷結果。過采樣和降采樣是常用的數據集不平衡處理方法[10]。與降采樣方法相比，過采樣具有不浪費原始數據并保持原始數據集中樣本分布的優點，因此，本工作設計了一種基于小群組的趨于正域化的過采樣方法[8]。

算法以基于小群組的噪聲去除方法處理后的數據集為輸入，再選擇一個保留的小群組中的隨機樣本和一個B類中的隨機樣本，向少數類樣本（B類樣本）方向在二者間進行插值，如圖7（c）所示。此時，經過基于小群組的過采樣方法處理后的數據集分布更加平衡，如圖7（d）所示，可產生精確特征集合并支持分類模型的準確建模。

3 驗證與討論

3.1 研究對象與設備

本文的研究對象為健康志愿者和非特異腰痛患者。入組共30例，其中非特異性腰痛患者15名（男性7例，女性8例），正常人15名（男性7例，女性8例），本研究經中國醫學科學院西苑醫院倫理委員會批準同意。

肌電信號采集采用Thought Technology Ltd公司生產的Thought Technology FlexComp Infiniti 10設備與自研便攜式肌電采集設備EasiLBP，表面電極采用上海韓潔電子科技有限公司生產的CH3236TD一次性使用心電電極。

3.2 肌電信號采集方法

實驗于中國中醫科學院西苑醫院理療科康復大廳設立的10 m2的測試區域內進行，以排除外界干擾。實驗中，醫生先將Thought Technology FlexComp Infiniti 10設備部署于受試者的目標肌肉，受試者先后執行屈曲放松運動、雙足橋式運動、單足橋式運動和BS等長運動，完成一次完整的肌電測試。待受試者休息5 min，使受試者的肌肉狀態得以復原。醫生再將EasiLBP設備部署于受試者的目標肌肉并進行一次相同的完整肌電測試。部署設備時，表面肌電傳感器部署于受試者多裂肌縱軸，放置于左L5～S1節段的肌肉突起處兩側和右L5～S1節段的肌肉突起處兩側，電極直徑0.5 cm，每對電極間隔2 cm。采用雙電極記錄法記錄表面肌電信號，參考電極置于髂前上脊，其中Thought Technology FlexComp Infiniti 10和EasiEMG設備的硬件數據采樣頻率均設置為1 000 Hz。安放電極前用75%酒精對相應部位的皮膚進行反復摩擦清理脫脂，必要時刮除體毛，并待皮膚干燥后部署電極。

對15名nLBP患者和15名正常人在相同條件下使用Thought Technology FlexComp Infiniti 10和EasiLBP設備采集完整肌電測試的肌電信號。

3.3 正常人與患者的肌電特征差異性分析

肌肉的募集能力等性質可由平均肌電值、均方根和肌電方差進行分析和診斷。例如在雙足橋式運動和BS等長運動中，nLBP患者會在腰部肌電信號上顯示為均方根值、平均肌電值和肌電方差與正常人不同的現象。因此，通過雙足橋式運動和BS等長運動時上述肌電特征的變化，有效地區分nLBP患者和正常人，并作為臨床診斷依據[1]。選擇平均肌電值（AEMG）、均方根（RMS）和肌電方差（VAR）這3個典型肌電特征進行相關臨床試驗分析。

系統對肌電信號進行預處理和噪聲去除，得到精確特征集合，并對每個受試者的完整肌電信號分別進行MVC歸一化處理[11]。然后將15名nLBP患者使用EasiLBP設備采集的肌電數據作為一組，15名正常人使用EasiLBP設備采集的肌電數據作為另一組，計算每組樣本數據集的平均肌電值（AEMG）、均方根（RMS）和肌電方差（VAR）。采用SPSS 19統計軟件并使用配對樣本t檢驗對患者與正常人的差異性進行分析，結果如表1所示。

由表1結果可得，患者與正常人的3個典型肌電特征的P值均小于0.05，兩組樣本存在顯著性差異，說明使用EasiLBP設備采集的nLBP患者在做雙足橋式運動和BS等長運動時表面肌電的均方根（RMS）、平均肌電值（AEMG）和肌電方差（VAR）與正常人相比有明顯差異。表面肌電信號的這三個特征在識別nLBP患者肌肉狀態中具有明確意義，且EasiLBP設備采集的雙足橋式運動和BS等長運動的肌電信號可以有效地體現出這種差異。

表1 患者與正常人的肌電特征值的配對樣本t檢驗結果表Tab.1 Paired sample t-test result of EMG characteristic values of patients and normal subjects

3.4 肌電設備采集肌電典型特征一致性分析

本工作進一步使用Bland-Altman方法[12]對兩種設備采集數據的一致性進行檢驗。將15名正常人使用Thought Technology FlexComp Infiniti 10設備采集的測試動作肌電數據作為一組，使用EasiLBP設備采集的肌電數據作為另一組，對肌電信號進行預處理和噪聲去除后得到精確特征集合，并對兩種設備采集的每個受試者的每段運動數據分別進行歸一化[13]。然后計算每組樣本數據集的平均肌電值、均方根和肌電方差3個肌電特征。然后采用MedCalc 19.5軟件使用Bland-Altman方法對Thought Technology FlexComp Infiniti 10設備和EasiLBP設備采集的肌電信號典型特征進行一致性檢驗。肌電測試流程中的部分測試動作的平均肌電值（AEMG）、均方根（RMS）和肌電方差（VAR）的Bland-Altman圖，如圖9所示。

由圖9結果可知，兩種采集設備對于平均肌電值（AEMG）、均方根（RMS）和肌電方差（VAR）3個肌電特征的采集具有良好的一致性，從而說明它們之間在一定程度具有相互替代性。

圖9 各個肌電測試動作的平均特征Bland-Altman圖Fig.9 Bland-Altman diagram of the average characteristics of each EMG test action

4 討論

本工作針對目前的醫用肌電采集設備體積大、使用成本高、不便于在診斷及運動康復中普及應用的現狀，提出了一種便攜式非特異性腰痛測量系統EasiLBP，以及肌肉狀態識別方法和測量流程，初步形成了一套能簡捷全面地對腰背部肌肉狀態進行評估的動態測試方法。在系統的測試技術方面，有效解決了運動噪聲干擾問題，能自動確定運動區間起止點，并解決了數據集不平衡的問題。在系統性能驗證方面，EasiLBP設備測量出的正常人和非特異性腰痛患者的肌電信號特征具有顯著性差異，且對比了醫用肌電采集設備Thought Technology FlexComp Infiniti 10和自研便攜式肌電采集設備EasiLBP的肌電特征采集一致性，兩種采集設備采集的肌電特征具有良好的一致性，且具有統計學意義，在一定程度上具有可替代性。相對于現有的大型商用醫用肌電采集設備，便攜式系統減少了肌電信號采集的場地限制，更加快速便捷，而且便攜式系統在采集獲得精確特征值之后，可以基于分類模型對肌電特征值進行準確分類，自動識別出對應肌肉的狀態，并輔助診斷。分類與識別部分涉及的驗證與評價工作將作為另外一個臨床驗證題目單獨開展和總結。總之，本工作研制的系統可降低對專業醫護人員人工的依賴性、人力成本和工作強度，降低整體醫療和康復成本，便于推廣到社區醫療、遠程醫療和運動康復等場景，具有良好的應用前景。