肌肉疲劳与超声衰减相关性研究

发布时间：2020-05-30 18:43

【摘要】：在采用SEMG信号评价肌肉疲劳时,存在两点不足:首先,SEMG信号属于微弱信号,其振幅和频率主要由肌肉的生理特性所决定,呈现出“被动”特性,容易埋没在噪声中;第二,首先需要对SEMG信号进行时域和频域分析才能得到有效信息,实时性不佳。而超声信号方向性强,能量更集中,穿透力强。发射信号可控,具有“主动”的特性。用超声波评价肌肉疲劳可以提高信噪比,改善系统的实时性。本文研究内容主要分为理论分析和实验分析。理论分析阶段,首先对超声评价肌肉疲劳的可行性进行了分析:重点对肌肉组织中的超声特性进行了分析,并结合肌肉疲劳过程中其形态参数和生理参数的变化,对超声在逐渐疲劳的肌肉中幅值衰减模型进行了简化;其次,对标准SSA分析在处理较长时间序列时计算量较大的问题行了改进,并对窗口长度和重构奇异值个数的选择方法进行了综述。实验分析阶段:首先对比分析了改进SSA、小波阈值、经验公式三种算法在抑制高斯噪声和随机脉冲噪声时的效果;其次,对10名被试者在做手臂等长运动时的肌电信号和超声信号同步进行采集。利用采集到的信号分析超声幅值衰减与肌肉发达程度、肌肉疲劳程度的关系,并分析了超声在逐渐疲劳的肌肉组织中的衰减规律。超声在逐渐疲劳的肌肉组织中的衰减模型可以简化为只与衰减系数和传播距离相关的函数。对于逐渐疲劳的肌肉组织,其生理特性发生改变(PH值下降、温度上升、肌肉厚度增加),这些改变导致衰减系数增大、传播距离加长,从而引起超声幅值的衰减,并且其呈指数衰减。超声响应信号衰减率可用于评估肌肉的发达程度,被试者肌肉越发达,超声幅值随肌肉组织状态变化而大幅度变化;当超声幅值变化缓慢时,被试者肌肉不够发达。在处理非平稳序列和较长时间序列时,重叠奇异谱分析算法去噪效果优于标准SSA算法。
【图文】：

算法流程图,死区

MUSA算法流程图

计算图,腱膜,自动搜索

(2) 自动搜索可能的腱膜首先将图像的行数和列数减半。为了增强图像内可能出现的所有的腱膜结构，计算图像的垂直Sobel梯度（图2-5c），然后对经过处理的图像垂直应用一阶导数高斯（FODG）滤波，最后将 FODG 输出设置为阈值以产生二进制 FODG 掩模（图 2-5d），阈值设置为 FODG 输出的最大灰度的 80%。从图 2-5d 中可以看出二进制 FODG 掩模表示了两个肌肉腱膜，而其他白色区域为其他结构。在图 2-5d 中标出所有不连通的区域，将它们近似为椭圆，，并移除所有偏心率小于 0.995，且长轴短于图像长度 70%的区域，得到图 2-5e。对图 2-5e 中的不规则图形进行校正得到图 2-5f。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN911.7;R685

【参考文献】