小程序点这里??
产品说明书合辑
/点击即可查看/BCIPro科研级脑电放大器说明书EDUduino单通道可穿戴脑机设备使用说明书EXOduino可编程手外骨骼说明书EMGduino8通道肌电采集模组说明书BCIduino高精度脑电放大器参数说明书上肢运动学分析和特定功能性肌力预测方法
摘要：
本文提出了一种通过获取上肢肌肉群表面肌电图（sEMG）信号并结合HILL模型进行肌力预测的方法。利用上肢运动学数据驱动OpenSim中的上肢肌肉模型模拟上肢肌力，并与sEMG计算的肌力进行比较，验证了sEMG预测肌力的方法是可行的。上肢肌力的预测可以为上肢康复过程提供一个评价指标。通过对上肢肌电信号进行挖掘，为研制肌电信号驱动的上肢康复机器人奠定了基础。
介绍
心脑血管疾病（中风）是世界上老年人第二大死亡原因和第八大严重残疾原因。康复机器人作为一种重要的康复设备，相对于传统的运动功能障碍患者康复治疗具有许多潜在优势，对上肢运动功能的恢复非常有效。我们的工作旨在建立一个肌肉纤维输出的计算模型，并利用该模型获取运动数据，以便准确描述中风患者上肢在康复过程中的日常活动强度。这些工作的最终目的是提高老年人和残疾人的生活质量和自主性，并减轻社会、保健和家庭负担。
早期的运动干预，如被动伸展、关节全空间屈曲和伸展，通常被认为是预防关节挛缩、肌肉萎缩和改善患者状况的有效方法。近年来，许多研究机构一直致力于身体康复机器人的研发，这些设备的目的是增强人体力量，改善老年人的生活质量，恢复因疾病或事故导致的残疾人的活动能力。而人体康复机器人已经成为全球研究的热点。
目前对人体上肢功能性运动能力评价的研究主要集中在标准运动轨迹的测量和与病理运动轨迹的定性比较上。目前的挑战是开发与上肢活动和能力相关的客观指标，这些指标可以与临床量表相结合，应用于日常生活表现中的上肢功能评估。另一方面，必须进一步研究所有运动学指标之间的关系，以验证其在临床应用中的可行性。
人体肢体在运动过程中具有一些基本的运动特征，如速度轨迹的单峰钟形和运动轨迹的曲率特征。在整个运动过程中，这些基本运动特征不随身体的运动范围、速度振幅、载荷和运动方向而改变。
提出了一种基于生物信号的上肢机器人外骨骼自适应阻抗控制方法。首先，我们建立了肌肉纤维输出的计算模型，该模型通过肌肉纤维长度、肌肉收缩率、肌肉激活和肌肉生理横截面来反映肌肉纤维输出。第二，康复行动和对比实验，共收集4组实验行动、不同生物信号差异和不同康复训练方案的差异，同时收集运动信息和表面肌电信号数据，并对两种生物信号参数的组合进行了分析。所建立的模型为机器人主动控制手臂进行康复训练提供了更精确的解决方案。
实验设计
本文的实验思路是同步进行人体上肢运动捕捉采集实验和人体上肢表面肌电信号采集实验，并对运动捕捉数据进行深度分析，通过优化计算得到运动过程中的肌力值。利用OpenSim骨骼肌仿真软件，建立了人体上肢肌肉骨骼模型，并导入运动学数据模拟上肢运动过程中的肌肉力量。将表面肌电信号数据导入希尔模型。通过调整参数系数，使模型预测值接近模拟肌力值，实现了直接利用表面肌电信号数据预测肌力的方法。
七名健康男性受试者（年龄：22.5±1.2岁，身高：.3±3.5厘米，体重：70±6.5公斤）自愿参与收集实验，并填写书面知情同意书。该项目获得新疆大学人文伦理委员会的批准。受试者坐在椅子上，完成上述图3所示的四组动作，每组动作重复两次，以获得两组数据，一组用于参数调整，另一组用于模拟预测。使用VICON光学运动捕捉系统收集受试者的身体运动数据，并使用Neuracle16通道肌电图信号采集系统收集受试者上肢特定肌肉的表面肌电图数据。
人体光学运动捕捉实验要求实验者穿紧身衣或暴露实验部位，以最小化标记点的偏移。实验放置位置采用全身39点贴纸设计，放置位置如图1所示。
图1：同步采集系统场景
人体上肢肌电信号采集实验主要采集涉及人体上肢、前臂和腕部运动的肌肉群的肌电信号数据。肌肉共涉及12块肌肉，包括：斜方肌、胸大肌、大圆肌、三角肌、肱二头肌、三头肌、桡趾屈肌、桡趾伸肌、尺腕屈肌、尺腕伸肌、浅屈肌和总伸肌（图2）。根据SENIAM（无创性肌肉表面肌电图）公约的建议，将电极沿肌肉纤维方向纵向放置，并放置在每个肌肉的位置，接地电极放置在肘关节的顶部。
图2：上肢的肌肉
实验期间设计的四个动作（图3）：A康复训练装置驱动上肢在水平方向上进行辅助康复动作；B手臂从自然下垂状态提升到水平运动状态；C手臂的承重肌肉在一定的阻力下提升到水平运动；D自然下垂状态会自动升起直接悬挂在头部高度前面的球，并放下手臂运动。
图3：实验中设计了四个动作。
实验数据分析
在本章中，选择动作D（自然下垂状态自动将球举起，球直接悬挂在头部高度前方，并放下手臂运动）的实验数据进行深入分析。将以肌电图信号为输入的肌力预测模型与以运动捕捉数据为输入的模拟肌力值进行比较，以优化最合适的肌力预测模型。
A.运动学数据分析
我们通过实验获取人体关节运动的空间数据，并将数据导入到建立的上肢关节模型中计算关节角度。我们在关节模型中寻找任何关节的分量向量，并使用空间向量关系忽略绝对零的位置干涉来求解关节角度。
图4：关节角度变化图
左肩（SAl）、左肘（EAl）和左腕（WAl）的关节角度（图4）。
随着人体测量学的发展，学者们获得了大量的实验数据，以获得上肢局部质量和体重之间的关系，上肢局部长度、重心位置和高度之间的关系，我们测量志愿者的体重和身高，计算体重、长度和上肢质心位置等参数。图5显示了由逆动力学方程计算的关节力矩。
图5：肘关节扭矩变化值
B.基于OpenSim的肌肉力量仿真
图6显示了由OpenSim建立的人类上肢骨骼肌模型。人体上肢骨骼肌模型的建立是一个复杂的过程。模拟过程如下：
缩放：Opensim在模拟中需要的输入数据是运动学数据，即通过运动捕捉系统获得的对象的运动轨迹。这些数据按比例因子进行缩放。
反向运动学（IK）：标记的坐标用于计算相应的关节角度。IK分析的目的是确定模型的整体坐标与特定对象的实验运动学数据匹配。
逆动力学（ID）：ID可以求解给定运动中每个连杆的力和力矩以及施加的外力。计算的力值是驱动模型运动的主动扭矩。
静态优化是上述反向动力学的扩展。根据模型设计，每个时刻的关节力矩进一步分解为单个肌力。
图6：人体上肢骨骼肌模型
C.表面肌电信号处理分析
考虑到肌电信号在时域分析中具有良好的实时性，可以实时、无损地反映肌肉活动。均方根（RMS）用作时域指标，用于分析不同条件下的肌肉肌电，如下所示：
式中：N——采样点数；EMGi—i采样点的肌电图信号值。
肌肉的激活程度是影响肌肉张力大小的重要因素。其他事情都是一样的，肌肉的激活程度越高，肌肉的兴奋性就越大，肌肉的张力也就越大。在确定肌肉张力的大小时，分析肌肉激活的程度是必不可少的，肌肉激活通常以肌电信号强度指标为特征。肌电信号的强度由归一化处理表示，表示为实时肌电信号的RMS值与肌肉最大自愿收缩时肌电信号的RMS值之比，如下所示：
式中：RMS（t）——实时肌电信号的RMS值；RMSmax——肌肉最大自愿收缩时肌电信号的均方根值。
根据HILL模型的肌肉激活度和肌电信号强度之间的关系，肌肉激活度a如下所示：
式中：a（u（t））——肌肉的激活程度；A——非线性曲线系数。
通过将肌肉激活度a代入Hill模型，可以实现利用肌电信号预测肌肉力量的方法，并且通过不断调试非线性曲线因子a的大小，范围通常取a0，最后，肌电信号引入预测模型得到的肌力值与仿真得到的肌力值趋势基本一致，如图7所示。
图7：肱二头肌和肱肌的肌力（PV）与预测模型得到的模拟肌力之间的最佳对比度。
讨论
上肢运动功能障碍是脑卒中或其他脑损伤的主要症状之一，严重影响患者的日常生活和工作。由于上肢的运动功能远比下肢复杂，因此目前还没有对上肢进行客观评估的建议。人体上肢可分为肩关节、上臂、肘关节、前臂和手。肘关节不仅是上臂和前臂的关节，也是手在空间中定位的基础，它决定了手可以到达的空间位置。据估计，肘关节活动减少50%将使上肢功能减少近80%。鉴于此，对人体上肢关节运动学和特定功能性肌力的分析至关重要。为此，我们同时获取了上肢运动过程中的运动学数据和表面肌电信号数据，并基于希尔肌肉模型计算了上肢运动参数。肌力预测模型分析了肘关节屈曲过程中主要肌力的动态变化，更深入地了解了上肢的动力学机制。
为了验证模型的可行性和准确性，本文采用OpenSim骨骼肌仿真软件对肌肉力量进行仿真，并将运动捕捉的运动学信息引入仿真软件中，并根据受试者的运动状态驱动骨骼肌模型进行运动仿真。利用OpenSim模拟运动时上肢二头肌和膈肌的肌力值，调整sEMG预测模型得到的肌力值。通过调整权重因子，表面肌电肌力预测值更接近模拟值。最后，完成了预测模型的构建。
成果
综上所述，本研究结合运动评价和表面肌电图分析的优点，提出了一套上肢运动学分析和特定功能性肌力预测方法，并在上肢运动功能评价和功能性神经康复领域进行了论证。准确的肌力预测方法确保神经系统驱动运动的可靠性，并能促进对神经康复医学和人类运动生理学的深入理解。
产品推荐
BCIduino工业级脑肌电放大器
BCIduino脑肌电模块主要用于脑电、肌电等电生理信号采集，将采集到的电生理信号放大并转换成数字信号，通过USB接口（或蓝牙）传输到电脑中（亦可通过蓝牙传输信号至Android手机等），以供后续的数据处理以及实验。最新活动：购买BCIpro送BCIduino哦！快来选购呀！！!
医工结合
END
创领未来
COME
联系我们
扫描
