基于表面肌电信号的椎旁肌监测系统研制

叶科学，邢丽冬，陆俊，钱志余 ，刘伟清南京航空航天大学，南京市，210016

0 引言

椎旁肌组织及其神经控制系统对稳定人体躯干具有重要作用[1]。椎旁肌表面肌电信号不仅能体现人体躯干结构上的改变，还能反映其神经肌肉功能状况。近年来，椎旁肌表面肌电信号已较多地应用于诊断与评估人体脊柱类骨科疾病。李永忠等[1]利用表面肌电信号分析了退行性腰椎后凸患者手术前、后椎旁肌肉功能变化；许轶等对椎旁肌两侧平均肌电比值和脊柱侧弯患者Cobb角进行了相关度分析；梁崎等发现脊柱侧弯患者椎旁肌凹凸两侧的表面肌电信号的时域变化具有一定的规律。这些应用中，椎旁肌肌电信号的采集及其特征提取是其重要的基础。

本文设计了一套软硬件结合的基于表面肌电信号的椎旁肌监测系统。该系统通过实时采集人体脊椎两侧椎旁肌表面肌电信号，对其进行时域与频域分析，计算表征椎旁肌生理状态特征参数并显示在应用界面上。本系统开发对医生诊断和治疗脊柱疾病具有重要的实用价值。

系统研发主要包括系统硬件设计、信号去噪算法研究、特征参数选取、系统软件设计及系统实现五个部分。

1 系统硬件设计

sEMG采集系统总体设计框图如图1所示，系统主要由电极、信号调理电路、微控制器模块以及上位机这四个部分组成。其中，电极用来提取sEMG信号；信号调理电路实现对sEMG信号进行滤波、放大处理；微控制器模块负责信号采集与数据传输工作；上位机APP负责数据处理分析与计算工作。

1.1 sEMG采集电极选取

相比于针电极，贴片电极不会对被测人员带来身体上的创伤，具有无创、使用方便等特点。因此，本系统选用低内阻、高灵敏度、高重现性的氯化银贴片电极来拾取椎旁肌sEMG。本文中采用三点式差分输入方式放置电极，其中的2个电极作为sEMG的输入端，另一个电极作为右腿屏蔽驱动，以此提高采集信号的准确性[2]。

图1 sEMG采集系统总体设计框图Fig.1 sEMG acquisition system overall design block diagram

1.2 信号调理电路设计

本文设计的信号调理电路如图2所示，主要由前级放大、带通滤波、次级放大三部分组成[3]。前级放大选用TI公司的三运放仪用运算放大器INA128作为sEMG信号的模拟输入前端。本文中前级放大51倍，通过放大器增益计算公式，可确定RG为1 kΩ。次级放大选用运算放大器OPA227组成滤波放大电路，首先将前级放大的信号经过由R3与C1构成的一阶RC低通滤波器、R4与C2构成的一阶RC高通滤波器后，再通过同相放大电路放大8倍。最后将二级放大后的信号通过由OP07组成的同相加法放大电路，将输出的电压信号抬升到模数转换器最大采样电压的1/3至2/3范围内。

图2 信号调理电路Fig.2 Signal conditioning circuit design

1.3 微控制器单元与数据无线传输

系统选用挪威NORDIC公司生产的一款超低功耗无线应用蓝牙芯片NRF52832作为主控制器，实现前端信号的模数转换以及与上位机APP的无线数据传输。在开发环境下编写 NRF52832的控制程序并烧录到芯片中，设定A/D转换器的采样频率为1 kHz，并将A/D转换后的数字信号进行格式转换，发送到数据发送缓存区等待传输。

2 sEMG信号去噪

表面肌电信号的幅度小，频谱分布较宽，极其容易被噪声淹没[4]。sEMG信号的构成比较复杂，许多有效信息存在于信号的非平稳部分，使用传统的滤波方法则会丢失非平稳部分，导致有效信息严重丢失[5]。为了尽可能保留信号的有效信息，本文使用小波阈值去噪的方法，在小波域内对sEMG信号与噪声进行区分，实现信号去噪。具体地，本文选取sys4作为母小波，将sEMG进行5层分解，使用极大极小阈值进行阈值去噪。由采样定理可知，1 kHz的采样频率可以得到信号的最大频率为500 Hz，那么信号的五阶逼近频段小于15.6 Hz。这样通过小波重构原始信号减去五阶逼近频段的重构信号即可滤去低频噪声干扰。

由图3(a)(b)可知，sEMG信号经过小波阈值去噪后，从时域信号图可以清晰地看出sEMG信号随着时间变化的特征；由图3(c)(d)可知，sEMG信号经过小波阈值去噪后，低频噪声、工频噪声以及固有噪声得到了有效地抑制，信号频谱分布在10～500 Hz之间，主要能量也在50 ～150 Hz之间。因此，sEMG信号经过小波阈值去噪后可以有效地保留有用信号和抑制噪声信号。

图3 sEMG原始信号与小波阈值去噪后时频域信号对比Fig.3 Comparison of time-frequency domain signals between sEMG original signal and wavelet threshold denoising

3 特征参数选取

本系统按照sEMG的基本分析方法，选取了时域指标与频域指标对椎旁肌的生理状态进行监测。

3.1 时域指标

平均肌电波幅（Averaged EMG, AEMG）作为表面肌电信号的时域特征，可以表征肌肉收缩过程中的sEMG的幅值变化情况。人体脊柱两侧椎旁肌的平均肌电波幅比值（Paraspinal Activity (EMG) Ratio，PAR）用以衡量人体脊柱两侧椎旁肌的肌力平衡性[6-7]。研究表明青少年特发性脊柱侧弯症患者PAR值与Cobb角（侧弯角）呈正相关，Cobb角越大，凹侧与凸侧的肌力差异就越大，不平衡程度越明显[8-10]。

3.2 频域指标

sEMG的频域特征分析一般是将其时域信号经过傅里叶变换为频域信号，进而分析信号的频谱信息。本文为了监测人体脊柱两侧椎旁肌的肌力特征，引入频谱面积（Spectrum Area, SPA）与带谱熵（Band Spectral Entropy，BSE）两项频域指标的计算。频谱面积是sEMG信号经过傅里叶变换后频谱在给定两个频率点之间的积分值，带谱熵是信息熵与频带分解的结合[11-12]。肌肉疲劳状态与非疲劳状态相比，其带谱熵的数值会有趋势性地下降，从而反映了肌肉的疲劳程度[13]。

4 软件设计

4.1 控制器软件设计

系统的控制器软件流程图如图4所示，系统上电启动后，首先对整个系统进行初始化，然后主控制器会与手机蓝牙进行配对。当主控制器接收到手机发出的开始采集指令后，主控制器会对信号调理电路的输出信号进行A/D采集，采集完成的数据进行格式转换处理，最后将数据发送至APP。该系统是一个闭环系统，这就保证系统采集到数据得以实时更新。

图4 控制器软件设计流程图Fig.4 Controller software design flow chart

4.2 应用程序软件设计

设计安卓应用程序（Android Application，APP）之前，需要先搭建开发环境。本文中开发的APP是在基于Eclipse的集成开发环境下设计的。Eclipse是进行Android应用开发的一个集成工具，就其本身而言，它只是一个框架和一组服务，用于通过插件组件构建开发环境[14]。因此除了Eclipse，还需要安装Java开发工具（Java Development Kit，JDK）与开发Android应用必备的框架Android SDK（Software Development Kit，SDK）。

本系统中APP的主要功能是完成手机与NRF52832之间蓝牙连接、对接收数据包进行解析、实现信号去噪处理以及特征参数的计算与显示。为了使软件设计具有更好的实用性，还加入了设备电量监测与电极连接状态显示的功能。

5 系统实现

本文选取人体脊柱两侧椎旁肌进行实验。实验前先使用医用酒精对椎旁肌附近皮肤进行清洁，再将电极沿着志愿者脊椎两侧椎旁肌的肌肉纤维方向上对称放置，并将系统的信号调理电路模拟输入端与电极连接。本实验选取一名年轻志愿者，实验前没有剧烈运动，背部脊柱两侧椎旁肌均无损伤与疲劳感。实验中，志愿者通过站立弯腰抬物的方式，实现背部肌肉的发力，每次以站立—弯腰—抬起物体—放下物体—恢复站立为椎旁肌一个发力—放松周期，并且要求其每个周期中所有动作均需在6 s内完成。

被试者脊柱两侧椎旁肌的活动状态与功能状态，包括代表左右两侧肌肉活动性的AEMG与SPA、代表两侧肌肉平衡性的平均肌电比值PAR以及可代表肌肉疲劳度的BSE。其参数显示图，如图5所示。

图5 实验中APP各参数显示图Fig.5 APP parameters display chart in the experiment

由图5(a)(b)可看出，当人体脊柱正常状态下即两侧椎旁肌对称情况下，反映两侧肌肉对称性PAR值为0.964 3。AEMG1与AEMG2的数值分别为0.005 4、0.005 6，SPA1与SPA2的数值分别为0.409 1、0.427 8，数值几乎相等。当模拟脊柱侧弯状态下即两侧椎旁肌不对称情况下，PAR值为2.091，与1的偏差较大。AEMG1与AEMG2的数值分别为0.002 3、0.001 1，SPA1与SPA2的数值分别为0.409 1、0.231 6，数值明显不相等。由于在脊柱正常状态下实验时，志愿者已经做过若干组抬物实验，所以图5(a)代表肌肉疲劳度的BSE数值均小于图5(b)中BSE数值。

6 结语

本文所设计的人体脊柱椎旁肌监测系统能够对脊柱两侧椎旁肌的表面肌电信号进行实时采集，通过模拟滤波与数字滤波结合的方式，对表面肌电信号进行处理，从而直观准确地显示出表征椎旁肌的生理状态的特征参数。通过实验验证可知，该系统可以实时有效地计算出代表左右两侧椎旁肌肉活动性的AEMG与SPA、代表两侧肌肉平衡性的平均肌电比值PAR以及可代表肌肉疲劳度的BSE。从而实现了对人体脊柱两侧椎旁肌的生理状态进行实时监测，为探究椎旁肌肌肉特性与脊柱侧弯症之间相关性提供了便利。