论文部分内容阅读
近年来,表面肌电(Surface Electromyography,SEMG)信号的分析已成为临床诊断领域的研究热点。在临床研究中,疼痛是表征腰痛患者腰椎功能特性的指标,常采用量表对其进行评估。但是疼痛的程度作为一种主观感受,且个体差异大易受到外界环境的影响,因此采用量表评估则具有一定的缺陷。而表面肌电信号可以客观的、定量的对下背痛(Low back pain,LBP)和腰椎间盘突出症(Lumbar disc herniation,LDH)的腰椎肌肉进行评估。本文首先介绍了SEMG信号研究背景和意义,肌电信号采集技术的影响因素等,并且对信号的产生及其标准化做了说明,然后对时域、频域以及时频域的特征值提取算法做了简述。结合实验采集的SEMG信号,提取了均方根、积分肌电值、平均功率频率、中位频率、小波包能量和小波包振幅等肌电特征值,利用SPSS软件对实验采集的肌肉信号特征值进行统计分析。最后重点介绍了单侧痛腰椎间盘突出症的SEMG特征和小波包算法的表面肌电信号处理。本文主要研究内容为:(1)探索单侧痛腰椎间盘突出症患者和健康者的表面肌电图的特征差异。单侧疼痛LDH组与健康组在多块肌肉的各项变量均有显著性差异,表明腰椎肌肉的SEMG信号的RMS、MPF特征值可以作为LDH患者风险的预测因子,有统计学意义。同时结合常用的视觉模拟量表(Visual Analogue Scale,VAS)进行临床研究,通过客观测量值来探讨患者的主观反应,随着单侧痛腰椎间盘突出患者主观疼痛值增大,肌电信号的特征值减小。结果证明LDH患者的疼痛程度影响腰背部肌肉运动。(2)采用频带小波包能量和重构小波包振幅的方法探讨受试者的表面肌电图的特征差异,结果具有显著性差异,同时不同组使用小波包算法的特征值的差异性比使用RMS、IEMG、MF、MPF特征值更明显。本项目的完成将有助于提升医生对患者治疗效果的精细判断,有助于提高医疗康复技术往精准医疗方向发展。