便携式非特异性腰痛测量系统研制

【作 者】崔莉，周钧锴, ，王念, ，肖京，季宇宣，姜美驰

1 中国科学院计算技术研究所，北京市，100190

2 中国科学院大学，北京市，100190

3 中国中医科学院西苑医院，北京市，100091

0 引言

目前临床上常用的肌电采集和分析设备多为大型、昂贵的肌电采集分析设备，它能准确采集肌电信号并作常规分析，但需要医生辅以测试及人工读取评判数据，使用成本高。近年，便携式的肌电采集设备因具有移动性、操作便捷、维护成本低等特点而得到发展，产品如Trigno和BTS FREEEMG等，可进行常规肌电测量。然而，面向支持非特异腰痛临床医学诊断和康复训练等特定需求的便携式肌电采集系统以及相应的肌电状态自动识别分析方法尚缺乏。此外，针对便携式设备在佩戴者运动中及无医生全程辅助的使用条件下面临的肌电信号采集干扰信号大、动作区间起止点难以准确标定、因患者与正常人肌电数据集的样本不均衡而影响特征值的精确性及分类模型的精度等问题也亟待解决。

研究一种便携式非特异腰痛肌电采集系统EasiLBP，包括一套规定测试动作和一套信号采集处理和肌肉状态分析识别方法。系统针对采集肌电信号过程中因运动干扰而噪声信号大的问题，提出了一种基于小群组的噪声去除方法；针对采集过程中难以确定各个运动区间的起止点的问题，提出了一种动态双阈值运动区间自动识别方法；针对肌电信号样本不均衡的问题，提出了一种趋向正域化的过采样方法。本工作开展的临床比对实验和统计分析，重点验证便携式肌电采集系统EasiLBP测量出的正常人和非特异性腰痛患者的肌电信号特征具有显著性差异，同时验证本便携式肌电采集系统与医用肌电采集设备在采集测量结果上的一致性，并对比形成精确特征集合的准确性。

1 系统的设计

设计一种便携式非特异腰痛肌电采集系统EasiLBP及其肌肉状态识别方法，由信号采集及预处理、特征工程和分类诊断三个部分组成，系统整体架构示意，如图1所示。

图1 系统整体架构示意图Fig.1 Schematic diagram of the overall system architecture

1.1 硬件设计

硬件采集系统主要涉及多导表面肌电信号的采集和加速度传感器信号的采集[8]。本研究设计的便携式肌电采集设备，如图2所示。

图2 便携式肌电采集设备Fig.2 Portable EMG acquisition equipment

1.2 上位机信号采集和交互软件设计

本研究自主设计采集设备配套的软件，其软件流程，如图3所示。

图3 软件流程Fig.3 Software flow

在数据采集过程中，为方便医生对患者的肌电采集过程进行查看，并根据采集情况对患者进行指导。本研究设计了采集软件界面，如图4所示。人机交互软件界面，如图5所示。软件可实现信号与同期采集视频的同步播放、运动区间标记、带通滤波以及常用医学特征的提取等功能。

图4 采集软件界面Fig.4 Acquisition software interface

图5 人机交互软件界面Fig.5 Human-computer interaction software interface

1.3 采集动作设计和测试流程

目前，临床医学已总结出多种针对腰痛和非特异性腰痛患者辅助诊断的肌电测试动作。患者在执行各测试动作时会表现出与正常人不同的运动表现和肌电性质，可用于后续的临床分析。例如，腰部屈曲放松运动能够用于评估受试者腰肌的放松能力和避痛反应[5]；BS运动可评估受试者腰肌的耐劳性[6]；双足桥式运动可说明患者腰肌的平衡性[7]；单足桥式运动可用于研究患者单侧肌肉的募集能力[7]等。

在临床跟踪过程中，本研究观察到BS等长测试通常会引起受试者腰肌的疲劳，从而影响受试者的运动能力并降低后续测试数据的可用性，因此，BS等长运动被安排于测试的最后进行。而屈曲放松运动可激活腰肌的活性，起到拉伸和热身的作用，可以降低后续测试中受试者受伤和肌肉痉挛的概率，因此被安排于测试的首位。三种桥式运动的执行顺序按照先进行较为轻松的双足支撑，后进行较为费力的单足桥式运动的顺序。

a）充分发挥机械电气设备的安全控制功能，完全掌握和运用；b）工作流程标准化，培训电气工人，在具体工作中有理论指导；c）采矿机械设备的验收和使用系统严格化，不合格产品坚决杜绝；d）老旧设备及时更换和维护。

基于以上研究和观察成果，我们选择典型肌电测试动作，形成了一套肌电测试流程：第一步，受试者进行5次连续的屈曲放松运动；第二步，受试者执行单次双足支撑桥式运动；第三步，受试者执行单次右足支撑的桥式运动、单次左足支撑的桥式运动（右足和左足支撑的桥式运动顺序可调换）；第四步，受试者执行单次BS等长运动。运动测试的流程，如图6所示。在采集过程中，上述运动的肌电信号会按照时间顺序串行连接，构成该受试者的一条肌电信号数据。

图6 受试者临床肌电测试流程Fig.6 Process of clinical EMG tests for subjects

2 信号采集处理和分析方法

2.1 基于小群组的噪声去除方法

成品医用肌电采集装置的肌电信号采集过程是在医生指导下进行的，而便携式肌电采集设备的数据采集过程是在运动过程中及无医生辅助监督中进行的，导致干扰信号大，这对微弱的肌电信号造成了强干扰，这类低密度的噪声样本数量少且密度低，但是会极大地增加数据集的不确定性[8]，所以需要对肌电信号中的干扰信号进行去除。

基于小群组的噪声去除方法首先使用基于密度的聚类方法将分类不确定的样本分成若干个小群组，聚类后的样本如图7（a）所示，然后计算每个小群组的噪声度和密度值，之后算法根据设置的噪声度阈值和密度阈值对样本中的低密度噪声群组进行识别，即将噪声度大于噪声度阈值且密度值小于密度阈值的小群组识别为噪声群组，如图7（b）中噪声群组部分所示，之后该方法对噪声群组及其中的样本进行去除，保留有效信号样本，并支持后续平衡样本的过采样计算，如图7（c）所示。

图7 基于小群组的噪声去除方法和基于小群组的过采样方法的关键步骤示意图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 运动区间起止点的自动识别方法

临床上使用的成品肌电设备有医生的指导和辅助，易于对各个运动区间的开始时间点和结束时间点进行判断，而便携式设备在肌电信号的采集过程中由于缺乏医生观察，导致难以判断各个运动区间的起止点。为解决此问题，本研究提出了一种基于局部动态双阈值的运动区间起止点识别方法[9]。根据多个运动的规定顺序分别计算出多个低识别阈值和高识别阈值，然后基于双阈值对运动区间的起止点进行识别，如图8所示。低识别阈值和高识别阈值的计算公式分别为：

图8 基于局部动态阈值的信号活动区间识别方法Fig.8 Recognition method of signal activity interval based on local dynamic threshold

其中，AEMG为肌电平均值，VAR为肌电方差，k1、k2、k3、k4为比例系数。

2.3 基于小群组的过采样方法

肌电信号的数据集通常是不平衡的，多数机器学习算法会更加关注多数类样本，而忽略少数类样本来达到识别精度最大化的目的，导致算法会忽略那些不常见但很重要的疾病信息，影响系统测试分类精度和诊断结果。过采样和降采样是常用的数据集不平衡处理方法[10]。与降采样方法相比，过采样具有不浪费原始数据并保持原始数据集中样本分布的优点，因此，本工作设计了一种基于小群组的趋于正域化的过采样方法[8]。

算法以基于小群组的噪声去除方法处理后的数据集为输入，再选择一个保留的小群组中的随机样本和一个B类中的随机样本，向少数类样本（B类样本）方向在二者间进行插值，如图7（c）所示。此时，经过基于小群组的过采样方法处理后的数据集分布更加平衡，如图7（d）所示，可产生精确特征集合并支持分类模型的准确建模。

3 验证与讨论

3.1 研究对象与设备

本文的研究对象为健康志愿者和非特异腰痛患者。入组共30例，其中非特异性腰痛患者15名（男性7例，女性8例），正常人15名（男性7例，女性8例），本研究经中国医学科学院西苑医院伦理委员会批准同意。

肌电信号采集采用Thought Technology Ltd公司生产的Thought Technology FlexComp Infiniti 10设备与自研便携式肌电采集设备EasiLBP，表面电极采用上海韩洁电子科技有限公司生产的CH3236TD一次性使用心电电极。

3.2 肌电信号采集方法

实验于中国中医科学院西苑医院理疗科康复大厅设立的10 m2的测试区域内进行，以排除外界干扰。实验中，医生先将Thought Technology FlexComp Infiniti 10设备部署于受试者的目标肌肉，受试者先后执行屈曲放松运动、双足桥式运动、单足桥式运动和BS等长运动，完成一次完整的肌电测试。待受试者休息5 min，使受试者的肌肉状态得以复原。医生再将EasiLBP设备部署于受试者的目标肌肉并进行一次相同的完整肌电测试。部署设备时，表面肌电传感器部署于受试者多裂肌纵轴，放置于左L5～S1节段的肌肉突起处两侧和右L5～S1节段的肌肉突起处两侧，电极直径0.5 cm，每对电极间隔2 cm。采用双电极记录法记录表面肌电信号，参考电极置于髂前上脊，其中Thought Technology FlexComp Infiniti 10和EasiEMG设备的硬件数据采样频率均设置为1 000 Hz。安放电极前用75%酒精对相应部位的皮肤进行反复摩擦清理脱脂，必要时刮除体毛，并待皮肤干燥后部署电极。

对15名nLBP患者和15名正常人在相同条件下使用Thought Technology FlexComp Infiniti 10和EasiLBP设备采集完整肌电测试的肌电信号。

3.3 正常人与患者的肌电特征差异性分析

肌肉的募集能力等性质可由平均肌电值、均方根和肌电方差进行分析和诊断。例如在双足桥式运动和BS等长运动中，nLBP患者会在腰部肌电信号上显示为均方根值、平均肌电值和肌电方差与正常人不同的现象。因此，通过双足桥式运动和BS等长运动时上述肌电特征的变化，有效地区分nLBP患者和正常人，并作为临床诊断依据[1]。选择平均肌电值（AEMG）、均方根（RMS）和肌电方差（VAR）这3个典型肌电特征进行相关临床试验分析。

系统对肌电信号进行预处理和噪声去除，得到精确特征集合，并对每个受试者的完整肌电信号分别进行MVC归一化处理[11]。然后将15名nLBP患者使用EasiLBP设备采集的肌电数据作为一组，15名正常人使用EasiLBP设备采集的肌电数据作为另一组，计算每组样本数据集的平均肌电值（AEMG）、均方根（RMS）和肌电方差（VAR）。采用SPSS 19统计软件并使用配对样本t检验对患者与正常人的差异性进行分析，结果如表1所示。

由表1结果可得，患者与正常人的3个典型肌电特征的P值均小于0.05，两组样本存在显著性差异，说明使用EasiLBP设备采集的nLBP患者在做双足桥式运动和BS等长运动时表面肌电的均方根（RMS）、平均肌电值（AEMG）和肌电方差（VAR）与正常人相比有明显差异。表面肌电信号的这三个特征在识别nLBP患者肌肉状态中具有明确意义，且EasiLBP设备采集的双足桥式运动和BS等长运动的肌电信号可以有效地体现出这种差异。

表1 患者与正常人的肌电特征值的配对样本t检验结果表Tab.1 Paired sample t-test result of EMG characteristic values of patients and normal subjects

3.4 肌电设备采集肌电典型特征一致性分析

本工作进一步使用Bland-Altman方法[12]对两种设备采集数据的一致性进行检验。将15名正常人使用Thought Technology FlexComp Infiniti 10设备采集的测试动作肌电数据作为一组，使用EasiLBP设备采集的肌电数据作为另一组，对肌电信号进行预处理和噪声去除后得到精确特征集合，并对两种设备采集的每个受试者的每段运动数据分别进行归一化[13]。然后计算每组样本数据集的平均肌电值、均方根和肌电方差3个肌电特征。然后采用MedCalc 19.5软件使用Bland-Altman方法对Thought Technology FlexComp Infiniti 10设备和EasiLBP设备采集的肌电信号典型特征进行一致性检验。肌电测试流程中的部分测试动作的平均肌电值（AEMG）、均方根（RMS）和肌电方差（VAR）的Bland-Altman图，如图9所示。

由图9结果可知，两种采集设备对于平均肌电值（AEMG）、均方根（RMS）和肌电方差（VAR）3个肌电特征的采集具有良好的一致性，从而说明它们之间在一定程度具有相互替代性。

图9 各个肌电测试动作的平均特征Bland-Altman图Fig.9 Bland-Altman diagram of the average characteristics of each EMG test action

4 讨论

本工作针对目前的医用肌电采集设备体积大、使用成本高、不便于在诊断及运动康复中普及应用的现状，提出了一种便携式非特异性腰痛测量系统EasiLBP，以及肌肉状态识别方法和测量流程，初步形成了一套能简捷全面地对腰背部肌肉状态进行评估的动态测试方法。在系统的测试技术方面，有效解决了运动噪声干扰问题，能自动确定运动区间起止点，并解决了数据集不平衡的问题。在系统性能验证方面，EasiLBP设备测量出的正常人和非特异性腰痛患者的肌电信号特征具有显著性差异，且对比了医用肌电采集设备Thought Technology FlexComp Infiniti 10和自研便携式肌电采集设备EasiLBP的肌电特征采集一致性，两种采集设备采集的肌电特征具有良好的一致性，且具有统计学意义，在一定程度上具有可替代性。相对于现有的大型商用医用肌电采集设备，便携式系统减少了肌电信号采集的场地限制，更加快速便捷，而且便携式系统在采集获得精确特征值之后，可以基于分类模型对肌电特征值进行准确分类，自动识别出对应肌肉的状态，并辅助诊断。分类与识别部分涉及的验证与评价工作将作为另外一个临床验证题目单独开展和总结。总之，本工作研制的系统可降低对专业医护人员人工的依赖性、人力成本和工作强度，降低整体医疗和康复成本，便于推广到社区医疗、远程医疗和运动康复等场景，具有良好的应用前景。