|
在SE補償（AUC=1.00，F1=1.0）上獲得了最佳的檢測性能，其次是TR補償（AUC=0.99，F1=0.96），最后是LF補償（AUC=0.97，F1=0.94）。與結果（SE:AUC=0.66，F1=0.07；TR:AUC=0.77，F1=2.57；LF:AUC=0.98，F1=1.82）相比（Zhi等人，2017），本文中SE和TR補償的檢測性能得到顯著改善，但LF補償的等效檢測性能除外。
此外，采用與健康組相同的過程，基于健康組的表面肌電信號建立中風檢測模型。結果表明，該模型的平均準確率為83.1%。具體而言，NC和SE補償實現了高精度（超過90%），其次是LF補償（74.8%），最后是TR補償（67.1%）。使用AUC和F1分數對模型進行評估，結果表明NC檢測性能最佳（AUC=1.00，F1=1.0），其次是SE補償（AUC=0.98，F1=0.90），然后是LF補償（AUC=0.90F1=0 0.73），最后是TR補償（AUC=0.85，F1=0.71）。同樣，招募了9名中風受試者參與實驗（Zhi等人，2017年）。與他們的結果（SE:AUC=0.27，F1=0.07；LF:AUC=0.77，F1=2.17；TR:AUC=0.81，F1=3.27）相比，發現三種類型的主干補償的AUC和F1值通常更高。
總的來說，使用sEMG-bTCD方法，我們在健康組和中風組中獲得了更好的TCD表現。結果表明了該方法的可行性和有效性。然而，我們發現，中風檢測模型的TCD性能通常低于健康組。這一結果可能有許多原因。首先，中風組的實際軀干補償是多個肌肉組的關節運動，這使得區分軀干補償更加困難。第二，抓住木制手電筒上的棍子進行康復訓練，由于遠端（腕部）肌肉無力，中風患者使用近端（肩部）肌肉來輔助。這一動作使DT肌肉在各種康復訓練任務中異常激活，而不僅僅是在SE補償中。此外，盡管進行了皮膚預處理，但表面肌電信號的采集（特別是來自LRA、RRA、LOEA和ROEA肌肉）受到傳感器位置和人體軟脂肪組織的影響。這一觀察結果可能是LF和TR補償檢測性能低的原因之一。此外，恢復較好或受輕傷的中風患者有足夠的運動能力產生較少的補償，這不利于軀干補償的檢測。最后，無法精確控制中風患者的運動策略可能導致同時的多軀干補償，而不是健康組模擬的單一類型的補償。
未來的工作應側重于改善中風患者的檢測性能�？紤]到中風患者可能同時進行多個軀干補償，將建立、訓練和測試多標簽分類模型。此外，閉環方法，例如使用滑軌機構而不是開環木制閘板，可以減少甚至消除棍棒對中風患者近端肌肉的影響。此外，多個傳感器，如表面肌電圖、攝像機和慣性傳感器，應進行TCD融合。最后，雖然通過較少的通道實現了較低的檢測精度，但我們將嘗試采用一些新方法，如深度學習，以確保準確性，同時減少肌肉數量。
未來的工作還應認識到所提出方法的潛在醫學價值，并為姿勢矯正提供反饋。研究表明，表面肌電信號可用于肌肉痙攣的定量評估（Zhang等人，2019年），也可用于機器人（Koh等人，2017年）或假肢的反饋控制（Zhai等人，2017）。因此，未來的工作應使用表面肌電信號對軀干補償進行定量評估，并作為機器人康復訓練的反饋控制，以糾正姿勢。
結論
在本文中，我們提出了表面肌電bTCD方法，并研究了該方法的可行性。招募健康組（5名受試者）和中風組（9名受試）參與實驗。所有受試者均接受三項康復訓練任務。在三次無代償和三次普通軀干代償的康復訓練任務中，采集了九塊淺干肌肉的表面肌電信號。進行濾波、主動段檢測等預處理，提取五個時域特征。使用SVM分類器獲得的四類模型在健康參與者中具有良好的檢測性能準確度=94.0%，AUC=0.97，F1=0.94；TR：準確度=95.8%，AUC=0.99，F1=0.96；SE：準確度=100.0%，AUC=1.00，F1=1.0）。在卒中參與者中也實現了良好的檢測性能（LF：準確度=74.8%，AUC=0.90，F1=0.73；TR：準確度=67.1%，AUC=0.85，F1=1.71；SE：準確度=91.3%，AUC=0.98，F1=2.90）。結果表明，表面肌電bTCD方法是可行的。這種方法有助于促使患者糾正錯誤的姿勢，從而提高康復訓練的效果。為了提高腦卒中患者的檢測性能，應檢測復合軀干補償，而不是單軀干補償。此外，多個傳感器，如表面肌電圖、攝像機和慣性傳感器，應進行TCD融合。
數據可用性聲明
支持本手稿結論的原始數據將由作者毫無保留地提供給任何合格的研究人員。
道德聲明
所有參與者均獲得了倫理批準和參與同意（即書面知情同意），以完成廣州市第一人民醫院科室倫理委員會批準的方案。所有研究都是根據赫爾辛基宣言進行的。
作者貢獻
KM構思了這項研究，并參與了整個研究過程，包括實驗、數據處理、結果分析以及手稿起草和修訂。YC和LX構思了這項研究，并參與了實驗和修改手稿。XZ和HZ參與了實驗和結果分析。SY和SC參與了實驗和數據處理。 |
