|
康復訓練中基于sEMG的軀干補償檢測
柯馬1、嚴晨2、張曉婭3、鄭海清3*、宋宇2、蔡思琪2、謝隴漢2*
1華南理工大學機械與汽車工程學院，中國廣州
2中國廣州華南理工大學吳智能工程學院
3廣州中山大學附屬第三醫院康復醫學科
腦卒中患者在上肢康復訓練中經常使用軀干來補償上肢運動功能受損，這導致康復訓練效果降低。檢測軀干補償可以提高康復訓練的效果。本研究探討了基于表面肌電圖的軀干補償檢測（sEMG-bTCD）方法的可行性。招募了5名具有認知和理解能力的健康受試者和9名中風受試者參與實驗。在三項無補償和三種常見軀干補償[前傾（LF）、軀干旋轉（TR）和肩部抬高（SE）]的康復訓練任務（前后伸、左右伸和上下伸）中，收集了來自九塊淺表軀干肌肉的sEMG信號。進行濾波、主動段檢測等預處理，并從收集的sEMG信號中提取五個時域特征（均方根、方差、平均絕對值（MAV）、波形長度和四階自回歸模型系數）。通過使用支持向量機（SVM）分類器，健康參與者獲得了優異的TCD性能（LF：準確度=94.0%，AUC=0.97，F1=0.94；TR：準確度95.8%，AUC=0.099，F1=0.96；SE：準確度100.0%，AUC=1.00，F1=1.00）。通過使用SVM分類器，還獲得了中風參與者的TCD表現（LF：準確度=74.8%，AUC=0.90，F1=0.73；TR：準確度=67.1%，AUC=8.85，F1=0.71；SE：準確度=91.3%，AUC=0.098，F1=0.90）。與基于相機或慣性傳感器的方法相比，在健康和中風參與者中都獲得了更好的檢測性能。結果證明了sEMG-bTCD方法的可行性，有助于提示腦卒中患者糾正錯誤姿勢，從而提高康復訓練的有效性。
介紹
中風是世界上致殘的主要原因之一（Burton et al.，2018），約80%的中風患者伴有上肢運動功能障礙（如肌肉無力、姿勢控制異常和肢體協調運動異常）。上肢運動功能障礙嚴重影響中風患者的日常生活和工作（Hatem et al.，2016）。許多臨床實踐表明，康復訓練能有效促進上肢運動功能障礙的恢復（Zhang et al.，2015）。然而，在康復訓練期間，患者通常通過恢復完整的軀干肌肉和關節來補償受損的上肢（Cirstea和Levin，2000）。這種補償運動被稱為軀干補償。根據軀干的不同運動特征，常見的軀干補償有三種：前傾（LF）、軀干旋轉（TR）和肩部抬高（SE）（Dolatabadi et al.，2017）。無論補償類型如何，軀干補償都會降低康復訓練的效果，阻礙上肢運動功能障礙的恢復（Levin等人，2009）。
為了提高康復訓練的有效性，應采取措施檢測軀干補償。在早期研究中，身體約束（Michaelsen和Levin，2004；Pain等人，2015；Greisberger等人，2016）使用帶子或特殊線束應用于中風患者的軀干，將患者的軀干約束在椅子上，而不進行補償。軀干補償的這些限制可以改善患者的手臂功能（Wee等人，2014）。然而，患者的康復訓練是重復和密集的。長期的身體約束會導致不適和焦慮。此外，一旦康復訓練超過了患者的運動范圍，很可能會給患者帶來壓力。因此，在沒有軀干約束的情況下，利用檢測技術檢測軀干補償對腦卒中患者更合適、更有效。
目前，可穿戴慣性傳感器（Najafi et al.，2003）或相機（Bakhti et al.，2018）主要用于檢測軀干補償。盡管可穿戴慣性傳感器系統通常用于評估和監測中風患者的上肢運動能力（Zhang et al.，2012；Urbin et al.，2015），但一項初步研究表明，可以通過慣性傳感器識別補償策略（Salazar et al.，2014）。例如，Ranganathan等人（2017）在模擬軀干補償時，使用兩個可穿戴慣性傳感器收集了20名健康參與者的運動數據。使用天真的貝葉斯分類器進行二元分類（是否存在軀干移位），作者獲得了88.6%的準確率。簡而言之，基于慣性傳感器的軀干補償檢測（TCD）方法在中風患者中實現了不令人滿意的檢測準確率（<90%），并且缺乏TCD。此外，為了減少測量誤差，需要一些動作來校準慣性傳感器，例如手臂水平外展，但中風患者很難執行這些動作。此外，由于人體皮膚的靈活性，慣性傳感器的位置可能在運動過程中發生變化，導致數據采集的有效性降低。
目前，基于攝像頭的檢測方法已經得到了廣泛的應用（Duff et al.，2010；Subramanian et al.，2013）。例如，Taati等人（2012）使用深度相機捕捉了七名健康參與者模擬LF、TR、SE和無精打采補償的視頻數據。使用改進的隱馬爾可夫支持向量機（HM-SVM）分類器進行多分類，作者獲得了每幀85.9%的平均準確率。隨后，Zhi等人（2017）用Kinect v2相機拍攝了10名健康參與者的模擬LF、TR和SE補償的視頻數據，以及9名中風參與者的實際軀干補償。使用支持向量機和遞歸神經網絡分類器，作者獲得了類似的分類性能。在健康參與者的模擬軀干補償數據集中，LF補償的檢測性能最高（AUC=0.98，F1=0.82），其次是TR補償（AUC=7.77，F1=0.57），最后是SE補償（AUC=0.66，F1=0.07）。相反，在中風患者的實際軀干補償數據集中實現了較低的檢測性能，即：LF補償（AUC=0.77，F1=0.17）、TR補償（AUC=0.81，F1=0.27）和SE補償（AUC=0.27，F1=0.07）。我們發現檢測性能并不理想，尤其是在檢測中風參與者的軀干補償方面。此外，由于對照明的依賴，基于相機的檢測系統僅限于室內環境。更重要的是，基于攝像頭的檢測系統可能會導致隱私問題，尤其是對中風患者。由于上述兩種方法的缺點，需要一種方便、獨立于環境、準確的檢測方法來檢測主干補償。
表面肌電信號是一種包含肌肉運動信息的生物電信號。與相機和慣性傳感器相比，sEMG信號的采集不依賴于外部環境，如照明，也不需要校準。基于這些優勢，基于表面肌電的模式識別技術迅速出現并發展起來。特征提取和分類是基于表面肌電的模式識別技術中最關鍵的技術。迄今為止，時域、頻域和時頻域特征已被廣泛用于sEMG信號的分析和處理（Burhan和Ghazali，2016；Majid等人，2018；Phinyomark等人，2018）。此外，出現了許多用于分類的分類器算法，如SVM、人工神經網絡（Ann）和線性判別分析（LDA）（Chowdhury等人，2013；Nazmi等人，2016）。由于具有多種特征和分類器，基于sEMG的模式識別技術已被廣泛用于上肢運動模式識別（Lucas et al.，2008；楊和陳，2016；魯等人，2017）和上肢連續運動估計（Liu et al.，2017；張等人，2017年）。然而，它尚未用于中藥。
因此，本文提出了基于表面肌電的TCD（sEMG-bTCD）方法，并通過實驗驗證了其可行性。實驗分為兩個階段。首先，招募了5名健康參與者來驗證該方法的實際可行性，然后招募了9名中風參與者來驗證臨床可行性。具體來說，我們從控制三個軀干補償的軀干肌肉中選擇了九個軀干肌肉，并從這些肌肉中收集sEMG信號。然后，我們從獲取的sEMG信號中提取了五個時域特征，并使用SVM分類器進行了TCD，取得了良好的檢測性能。本文的其余部分結構如下。“材料和方法”一節介紹了參與者和實驗方案。“主干補償檢測程序”一節詳細介紹了TCD程序，特別是改進的有源段檢測方法。“結果和討論”部分分析了實驗結果和討論。最后，“結語”部分對論文進行了總結。
材料和方法
參與者
在這篇論文中，招募了14名參與者參與實驗，其中包括5名健康受試者（均為男性，年齡25.7±1.8歲，無上肢運動功能障礙）和9名中風受試者。獲得所有參與者的倫理批準和參與同意書（即知情同意書），以完成廣州市第一人民醫院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。中風受試者由康復治療師進行篩選。中風受試者的入選標準包括：（a）年齡在20至80歲之間；（b） Brunnstrom量表II級以上具有上肢運動能力；以及（c）具有認知和理解能力。最后，招募了9名中風患者參與實驗，詳見表1。
表1
www.frontiersin。組織
表1。九名中風受試者的詳細信息。
實驗協議
康復訓練任務與軀干補償
每個參與者都進行了三項基本的康復訓練任務，包括前后伸（T1）、左右伸（T2）和上下伸（T3）動作。T1運動是指上肢（例如，右手、與右手對稱的左手）在矢狀面和橫向平面上的直線向前和向后運動。起點位于人體中心軸上，距離參與者20厘米，如圖1A所示。運動范圍是木制手電筒的五個圓形凹槽中心之間的距離（約24厘米）（34厘米×28厘米×2厘米）。T2運動意味著上肢在橫向平面內以內收和外展的直線運動。起點位于參與者身體的一側，距離參與者20厘米，如圖1B所示。運動范圍也是24厘米。T3運動是指在矢狀面上從0到參與者最大角度（<180°）的肩部屈曲，如圖1C所示。
圖1
www.frontiersin。組織
圖1。三項康復訓練任務。（A） 前后伸展，（B）左右伸展，（C）上下伸展。
康復訓練任務涉及肩關節和肘關節，這有助于恢復這兩個關節的運動功能。更重要的是，這些任務旨在引發三種常見的主干補償：LF、TR和SE。LF補償發生在參與者的髖關節彎曲角度＜90°時，如圖2A所示。TR補償發生在參與者在橫向平面內旋轉軀干時，如圖2B所示。SE補償發生在參與者在冠狀平面內抬起單側肩膀時，如圖2C所示�；緞幼鳎ㄈ蝿眨⿲谲|干補償。當執行T1動作時，參與者可能經歷LF補償。當執行T2運動時，參與者可能經歷TR補償。此外，當執行T3動作時，參與者可能經歷SE補償。
圖2:
www.frontiersin。組織
圖2。干線補償的三種常見類型。（A） 肩部抬高，（B）前傾，（C）軀干旋轉。
sEMG采集系統
sEMG信號的收集嚴格按照推薦標準進行（Hermens等人，1999；康拉德，2005年）。結合一些參考文獻（Larivière等人，2000年；Ghofrani等人，2017；Mueller等人，2017年；Varrecchia等人，2018）和生理學，從參與三種軀干補償的眾多軀干肌肉中選擇了九種淺表軀干肌肉。這些肌肉是左右腹直�。↙RA和RRA）、左右腹外斜�。↙OEA和ROEA）、左右胸豎棘（LTES和RTES）、左右腰豎棘（LLES和RLES）以及斜方肌的下降部分（DT，在運動的上肢一側）。DT肌在SE補償中起著重要作用。LOEA和ROEA肌肉在TR補償中起著關鍵作用，而其他肌肉則有助于控制LF補償。然后，使用九對表面電極記錄九塊軀干肌肉的表面肌電信號。表面電極材料是AgCl，并且電極之間的距離是2cm。電極的方向與肌肉纖維平行。電極的放置如圖3A所示。LRA和RRA的表面電極放置在臍附近左右2cm處。用于LOEA和ROEA的表面電極被放置在靠近臍的左右15cm處。LTES和RTES的表面電極放置在T10棘突左右3cm處。LLES和RLES的表面電極放置在L3棘突左右3cm處（Larivière等人，2000；Ghofrani等人，2017）。在放置表面電極之前，我們在皮膚表面擦拭酒精，以降低皮膚阻抗。然后，使用采樣頻率為2000 Hz的16通道Ultium-EMG傳感器系統（Noraxon USA Inc.，Scottsdale，AZ，United States）的第1至第9通道采集原始sEMG信號。振幅范圍為100–5000μV，頻率分量為0–500 Hz（Merletti et al.，1992），sEMG信號被放大1000次，并通過10–500 Hz的帶通濾波。 |
