基于ICA算法的肌肉肌腱单元定位和肌力预测研究

发布时间：2018-01-31 17:16

本文关键词： 运动生物力学肌肉肌腱单元表面肌电信号高密度阵列电极独立成分分析肌力预测　出处：《中国科学技术大学》2017年硕士论文　论文类型：学位论文

【摘要】：运动生物力学是关系人们运动健康的重要学科,开展运动生物力学研究可以了解运动的内在机理。通过神经-肌肉-骨骼模型可进行运动生物力学研究,骨骼肌是该模型的基本单位。因此,对于运动生物力学的研究需建立在清楚了解骨骼肌生理特性的基础上。骨骼肌是由肌肉肌腱单元组成的,不同骨骼肌拥有数目不等的肌肉肌腱单元,且运动过程中各肌肉肌腱单元的激活情况并不一致。表面肌电信号是骨骼肌收缩过程中在皮肤表面采集到的生理电信号,包含了肌肉收缩信息,具有采集无创、简单等优点。相比常规电极,高密度阵列电极采集的信号能够减少表面肌电中运动单位动作电位波形的混叠情况,提高肌电信号定量分析的准确度,为运动过程中骨骼肌内各肌肉肌腱单元的定位、激活水平分析和肌力预测提供了一种有效的手段。本论文以高密度阵列电极采集肌电信号为分析对象,探索了基于独立成分分析算法(Independent Component Analysis,ICA)的肌肉肌腱单元定位及激活水平分析方法,并开展了基于肌肉肌腱单元的肌力预测研究,主要研究内容及取得的研究成果可概括如下:(1)肌肉肌腱单元定位及激活水平研究。提出了一种基于ICA算法的骨骼肌内肌肉肌腱单元定位和激活水平分析方案:首先,选用高密度阵列电极采集腓肠肌与指总伸肌运动过程中的表面肌电信号;然后,使用ICA将阵列式表面肌电矩阵分解成一个权值矩阵和一个源矩阵;接着,对源矩阵进行频谱分析,区分噪声源与肌电源,获取与肌肉肌腱单元相关的源信号;最后,由肌电源对应的权值矩阵的分布确定肌肉肌腱单元的位置,同时通过源信号分析运动过程中各肌肉肌腱单元的激活水平。对八位受试者开展的与腓肠肌相关的提踵任务和与指总伸肌相关的依次伸指任务实验结果表明,本文提出的方案可有效实现运动过程中肌肉肌腱单元的定位和激活水平分析,与基于肌电幅值的方法相比,基于ICA的方法具有明显的优越性。(2)基于肌肉肌腱单元的肌力预测研究。对ICA分离出来的肌肉肌腱单元源信号进行相关处理,提取肌电-肌力预测模型(本文采用的是神经网络模型)的输入信号,将肌力预测研究推进到肌肉肌腱层面。以肱二头肌作为目标肌肉,设计了周期性恒力和线性上升力两种发力模式以及中立和后旋姿势两类屈肘任务。对八名受试者开展了 20%、40%和60%最大随意收缩力(maxium voluntary contraction,MVC)水平下的数据采集和肌力预测实验。实验结果表明,基于肌肉肌腱单元的肌力预测根据动作差异选择合适源信号,提取出肌力预测模型输入信号。对比使用原始肌电的方法,基于肌肉肌腱单元的预测可获得更高的预测精度。运动生物力学与我们的生活息息相关,开展运动生物力学相关研究非常有必要。对肌肉肌腱单元的研究能够加深对运动生物力学的理解,并促进运动生物力学的发展。本文提出了一种新方法研究肌肉肌腱单元在动态运动中的功能状态,并开展基于肌肉肌腱单元的肌力预测研究,将对肌肉的研究深入到肌肉肌腱单元层次。
[Abstract]:......
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：G804.6

【相似文献】