[发明专利]一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法有效
申请号: | 201810595364.7 | 申请日: | 2018-06-11 |
公开(公告)号: | CN108742614B | 公开(公告)日: | 2021-03-30 |
发明(设计)人: | 盛鑫军;郭伟超;丁雪聪 | 申请(专利权)人: | 上海交通大学 |
主分类号: | A61B5/389 | 分类号: | A61B5/389;A61B5/397;A61B5/1455;A61B5/22 |
代理公司: | 上海旭诚知识产权代理有限公司 31220 | 代理人: | 郑立 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 联合 表面 肌电肌音 红外 光谱 肌肉 疲劳 检测 方法 | ||
1.一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,包括以下步骤:
步骤1、采用等长静力收缩,制造肌肉疲劳;
步骤2、记录肌肉活动时的表面肌电、肌音和近红外光谱信号;
步骤3、从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动特性、血液动力学特性及血氧代谢五个方面量化建立相应的疲劳参数,分析评定肌肉疲劳机理,所述血液动力学特性,通过近红外光谱的光强信号衡量,所述光强信号反映了血液体积BV的变化,所述血液动力学特性对应的疲劳参数为归一化的血液体积BV,其计算过程如下:
(1)计算近红外光谱的光强特征
式中x表示近红外信号,N为单位窗长下的近红外数据样本数;
(2)对所述光强特征进行归一化处理,得到XNIRS序列{XNIRS};
(3)对归一化后的光强特征序列进行翻转处理,计算归一化的血液体积BV,公式如下:
BV=2-{XNIRS}
得到血液体积BV的变换趋势。
2.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述等长静力收缩,采用力测量装置进行标定。
3.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述制造肌肉疲劳是通过一定时间的等长静力收缩进行诱导实现的。
4.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述表面肌电、肌音和近红外光谱信号需通过肌电、肌音及近红外混合式传感器同时测量。
5.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述肌纤维动作电位募集特性和肌纤维低频振动特性,均通过肌电信号的均方根RMS进行量化,所述肌纤维动作电位募集特性和肌纤维低频振动特性对应的疲劳参数分别为RMS_emg和RMS_mmg,其计算公式如下:
式中x表示肌电信号,N为单位窗长下的肌电数据样本数。
6.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述动作电位传导特性,通过肌电信号的中值频率MDF量化,所述动作电位传导特性对应的疲劳参数为MDF,其计算公式如下:
式中MDF为中值频率,P(f)为肌电信号的功率谱密度,fs为采样频率。
7.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述血氧代谢,通过含氧血红蛋白浓度的变化进行衡量,所述血氧代谢对应的疲劳参数即为△HbO2,采用修正的朗伯-比尔定律进行计算。
8.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述分析评定疲劳机理,通过分析所述疲劳参数随着所述等长静力收缩时间的变化趋势实现。
9.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述分析评定疲劳机理,通过建立所述疲劳参数之间的相关关系,分析各疲劳参数之间的相关性。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810595364.7/1.html,转载请声明来源钻瓜专利网。