论文部分内容阅读
肌肉协同被认为是中枢神经系统进行运动控制的最小受控单位。相关动物实验及人体研究表明,肌肉协同分析方法在揭示神经系统运动控制策略方面具有巨大的潜力。人体运动时各块肌肉的表面肌电信号(surface Electromyography, sEMG)能反映神经系统对骨骼肌的协调控制。并且,表面肌电信号的采集具有无创、安全、方便的特点。在多通道表面肌电信号的基础上,将肌肉协同分析方法应用于小儿脑瘫下肢前向行走的步态分析中以探索脑瘫患儿异常步态的神经肌肉控制策略,可为患儿的康复训练提供评估和指导。本研究招募了26名受试者(5名健康成人、10名健康儿童和11名小儿脑瘫患者)。研究中选取负责步态活动的八块较大的下肢肌肉(胫前肌、比目鱼肌、腓肠肌外侧、股外侧肌、股直肌、半腱肌、股二头肌和阔筋膜张肌),在受试者进行步态活动时采集多通道表面肌电信号与小腿膝盖下方胫骨处的加速度信号。首先用数字滤波器对肌电信号进行平滑,然后基于加速度信号进行步态分割得到每个步态周期的包络信号。在此基础上,利用非负矩阵分解算法(Non-negative matrix factorization, NMF)对包络信号进行矩阵分解得到肌肉协同,并提出一种肌肉协同综合评价(Synergy Comprehensive Assessment, SCA)模型对全体受试者步态运动功能进行定量评估。本文详细分析了脑瘫患儿肌肉协同与健康受试者的差异。通过对比分析发现,相比于健康儿童,脑瘫患儿的肌肉协同与健康成人的肌肉协同的差异更大,包括减少的肌肉协同数量、变化了的肌肉协同结构、每个受试者双腿肌肉协同对称性水平。我们提出的SCA评价模型不仅能定量分析肌肉协同在这几方面的变化,还能有效地定量评估肌肉协同异常。研究结果显示,脑瘫组的某些肌肉协同和控制组是一致的,而其他肌肉协同则是脑瘫组所特有的。当SCA模型应用于具体数据时发现,该模型能有效地对受试者肌肉协同进行量化评估,CP患者SCA评分显著低于对照组(p<0.001)。肌肉协同数量或双腿对称性的减少和结构的改变表征着脑瘫患者的运动功能障碍,同时也表明这些患者的中枢神经系统的生理变化。本研究成果有助于理解中枢神经系统的运动控制策略,给临床医生为脑瘫患者制定个性化的康复治疗方案提供了一种新思路。