目的:采用非线性动力学方法提取慢性腰痛(cLBP)患者与健康对照者深度多裂肌不同状态下肌电图(EMG)信号中所蕴含的非线性动力学信息，比较二者的非线性指标Lempel-Ziv(LZ)复杂度的变化特点。方法:选取符合标准的cLBP患者25例设为cLBP组，另选取性别、年龄、教育程度等相匹配的正常受试者28例设为正常组。采用sEMG结合丝电极记录2组受试者腰部L 4深层多裂肌EMG信号，分析静息状态、最大肌力、耐力收缩、持续收缩后放松等4种不同状态下多裂肌电非线性特征LZ复杂度的差异，并比较cLBP组腰部痛侧与非痛侧多裂肌LZ复杂度的差异性。采用Pearson相关分析cLBP组的疼痛持续时间、疼痛强度和功能障碍指数与LZ复杂度的相关性。 结果:cLBP组患者的VAS评分平均为(4.00±1.04)分，持续疼痛时间平均为(5.96±4.69)年，ODI指数平均为(17.12±10.49)。cLBP组患者肌电信号采集各时间点(进针时、退针后、肌肉收缩时和动作终止时)的VAS评分均显著高于正常组，差异均有统计学意义( P<0.01)。cLBP组在肌力测试、耐力测试和持续收缩后放松的深层多裂肌LZ复杂度与正常组比较，差异均有统计学意义( P<0.01)。2组受试者肌力测试、耐力测试和持续收缩后放松的深层多裂肌LZ复杂度与组内静息状态比较，差异均有统计学意义( P<0.01)；2组受试者持续收缩后放松的深层多裂肌LZ复杂度与组内肌力测试和耐力测试时比较，差异均有统计学意义( P<0.01)。cLBP组疼痛持续时间与其深层多裂肌最大等长收缩(肌力测试时和耐力测试时)的LZ复杂度呈显著负相关( P<0.01)。 结论:持续的疼痛刺激会影响大脑对深层多裂肌的协调控制，进而导致中枢对核心稳定肌肉的控制能力下降，提示中枢参与核心稳定肌调控障碍可能是cLBP病因机制的关键因素。

目的:探讨心脏MR特征追踪（CMR-FT）技术在早期定量分析高血压性心脏病（HHD）左心室亚临床功能障碍中的应用价值。方法:回顾性分析2018年10月至2019年11月于华中科技大学同济医学院附属同济医院诊治的高血压性心脏病伴左心室肥厚（HHD-LVH）患者16例、高血压性心脏病不伴左心室肥厚（HHD-非LVH）患者24例及年龄与性别相匹配的血压正常者24名。所有研究对象进行3.0 T CMR检查，扫描序列包括心脏电影和钆延迟增强。通过Argus后处理软件测量左心室心功能参数，主要包括左心室舒张末期容积指数（LVEDVI）、左心室质量指数（LVMI）、左心室壁最大厚度（LVMWT）及左心室质量与左心室舒张末期容积比例（M/V）。采用CVI 42商业后处理软件测量左心室心肌应变指标，包括整体径向、圆周、长轴应变（GRS、GCS、GLS），收缩期径向、圆周、长轴应变率峰值（SRSR peak、SCSR peak、SLSR peak），舒张期径向、圆周、长轴应变率峰值（DRSR peak、DCSR peak、DLSR peak）。以单因素方差分析（scheffe校正）或Kruskal-Wallis检验比较3组组间连续性变量的差异。以Pearson或Spearman相关系数进行相关性分析。 结果:HHD-LVH组的LVEDVI、LVMI、LVMWT及M/V均显著高于HHD-非LVH组和对照组（ P<0.05）。与对照组比较，HHD-LVH组的GRS、GCS和GLS减低，HHD-LVH组和HHD-非LVH组的DRSR peak、DCSR peak和DLSR peak均减低，差异均具有统计学意义（ P<0.05）。相关性分析发现LVMI与GRS（ r=-0.384， P=0.002）、GCS（ r=0.392， P=0.001）、GLS（ r=0.491， P<0.0001）存在线性相关，LVMWT与GRS（ r=-0.362， P=0.003）、GCS（ r=0.384， P=0.002）、GLS（ r=0.422， P=0.001）存在非线性相关，LVEDVI与GRS（ r=-0.295， P=0.018）、GCS（ r=0.264， P=0.035）存在非线性相关。 结论:CMR-FT技术测量的心肌应变指标可作为早期评价HHD患者左心室亚临床功能障碍的影像学参数，并有助于指导早期干预治疗，改善心室重塑。

神经肌肉系统是一个实时变化的复杂系统,不仅受运动类型和收缩条件等外部因素影响,还受中枢神经控制、外周体液调节等系统内各部分错综复杂的交互影响.应用肌电信号(electromyographic signal,EMG)的传统线性分析方法监测神经肌肉系统活动会忽略神经肌肉系统在实际收缩过程中的复杂变化,存在众多局限.而非线性动力学分析方法可综合考虑系统的实时变化性和复杂性,量化系统的动力学过程.本研究梳理了非线性动力学方法的发展历程,探讨神经肌肉系统EMG的非线性特征,并总结了非线性动力学方法在EMG中的应用及未来研究展望.结果显示:1)神经肌肉系统属于复杂系统,EMG具有混沌和分形的特征;2)在诸多实际条件下,EMG非线性分析方法的信效度高于传统线性分析方法,可提取到传统线性分析方法无法监测到的EMG特征;3)非线性分析方法在运动领域还有很大应用潜力,未来研究可集中于EMG信号与其他生物信号非线性特征的联合分析,这有助于建立综合全面的神经肌肉系统动力学理论模型,对于进一步揭示人体运动过程中的生理系统的深层调控机制具有重要意义.

脑肌耦合能够反映大脑皮层和肌肉在感觉运动之间的联系.针对传统表面肌电信号输入-输出非线性的问题,本研究提出一种新的脑肌耦合分析方法.将运动单元分解后能线性传输神经驱动的累计尖峰序列(CST)与脑电信号进行相干性分析,定量描述上肢抓握运动中不同收缩力水平下,不同频段特征的脑肌耦合强度和神经元的共同轴突输入.在10名健康人的指浅屈肌(FDS)和尺侧腕屈肌(FCU)的同步脑肌电数据进行了测试和分析.结果表明,在上肢抓握运动中,频段(F(4,8)=337.2,P＜0.01)与收缩力水平(F(2,8)=12.15,P＜0.01)均对肌间耦合影响显著,其中β与α频段最为明显,在30％MVC下,β频段相干性均值为0.23±0.10,α频段相干性均值为0.47±0.02.轴突共同输入控制收缩力水平.脑肌耦合整体强度较小,耦合强度最大的为β频段,30％MVC下相干性均值为0.12±0.02.CST脑肌耦合分析显示了脑肌间各个频段、各个收缩力水平的耦合特性和共同轴突输入,为脑肌耦合分析提供了一种新的方法.

人体运动中脑电(EEG)信号和肌电(EMG)信号间的同步特征能够反映皮层肌肉间功能耦合(FCMC)的关系.本文将Gabor小波和传递熵(TE)结合,提出一种新的方法(Gabor-TE)用以定量分析不同恒定握力下EEG-EMG信号间的非线性同步耦合特征及方向特性.本研究首先选取9名健康受试者在4种不同恒定握力下的EEG、EMG信号,并以Gabor小波变换进行局部分解;然后计算频带TE值并定义单位传递面积指标(ATE),分析恒定握力下EEG-EMG信号的局部频段同步特征及方向特性;最后探究EEG信号和EMG信号功率谱对Gabor-TE方法分析结果的影响.本文研究结果表明:恒定握力下,β频段EEG→EMG方向TE值高于EMG→EEG方向,且随握力水平增加EEG→EMG方向上β频段ATE值降低;γ频段TE值在EMG→EEG和EEG→EMG方向上的差异随握力增加而呈现出一定的变化规律;EMG功率谱与特征频段TE结果强相关.本文试验结果表明,Gabor-TE方法能定性、定量描述EEG-EMG信号在局部频带和信息传递上的非线性同步耦合特征,今后或可为研究运动控制及患者康复评价提供一定的理论依据.

在运动控制中,脑肌电耦合强度可以反映大脑皮层和运动肌肉之间的联系.传统的时间序列符号化方法容易混淆原始信号,丢失信号的动态特性.因此,提出可变尺度参数的符号传递熵,对上肢不同握力下的皮层脑电和表面肌电信号进行多通道耦合性分析,进而提出一种耦合强度的表示方法,对脑肌电耦合强度进行定量分析.首先,分析并比较尺度参数对脑肌电传递熵的影响,并选择优化的尺度进行符号化传递熵的计算;其次,针对不同握力下多通道脑肌电信号的分析,验证大脑运动区C3、C4通道的脑电在运动控制中占主导地位以及大脑的对侧控制机制.实验中还发现,随着握力的增强,肌电到脑电的传递熵有增大趋势,右手(惯用手)脑电到肌电的传递熵较左手的高,同时随着输出力量的增强,脑肌电的双向平均耦合强度也增大.结果分析显示:5、10、20 kg握力下,EMG→EEG方向的左手耦合强度分别为0.033 0±0.005 8、0.037 3±0.0040、0.045 1±0.005 5,右手耦合强度分别为0.0352±0.0029、0.0432±0.0035、0.0603±0.001 8,除左手5和10 kg握力间不存在显著性差异,其余都具有显著性差异(P＜0.05);EEG→EMG方向左手耦合强度分别为0.0253±0.0047、0.037 9±0.002 6、0.048 1土0.006 8,右手耦合强度分别为0.033 3±0.004 1、0.051 0±0.005 7、0.064 9±0.008 5,不同握力间均有显著性差异.研究结果表明:皮层肌肉功能耦合具有双向性,而且耦合强度在通道和握力不同时有差异.变尺度传递熵可用于定量描述大脑皮层与神经肌肉组织之间的非线性同步特征及信息交互.

目的:采用表面肌电(sEMG)分析系统结合丝电极探讨健康人群腰部深层多裂肌活动的EMG信号特征,分析不同性别健康人群多裂肌功能状态差异.方法:31例健康受试者(15男,16女)采用针头导入0.16mm钢丝电极线至L4水平深层多裂肌后完成改良BST动作,采集多裂肌最大随意收缩时的EMG信号,比较不同性别健康受试者平均肌电值(AEMG)、均方根值(RMS)、中位频率(MF)、平均功率频率(MPF)和非线性指标LZ复杂度的差异性.结果:不同性别健康人群腰部深层多裂肌电信号时域指标差异有显著性意义,男性多裂肌AEMG、RMS明显大于女性(P＜0.05);两组间频域指标MF、MPF、MFs、MPFs差异无显著性意义(P＞0.05).男性和女性中,双侧多裂肌电活动无显著性差异(P＞0.05).结论:采用sEMG系统结合丝电极能够可靠、灵敏地检测出腰部深层多裂肌的肌电活动,这是一种针对性地评估深层肌肉功能活动的有效方法,具有较好的临床应用价值;同时不同性别健康人群深层多裂肌EMG的差异性为设置多裂肌正常肌电值提供了一定参考价值.

基于线阵电荷耦合器件(charge coupled device,CCD)设计了一种数字差分式肌张力传感器,以悬臂梁为弹性元件,线阵CCD为检测元件,将张力变化转化为激光光斑在CCD感光窗口上的位置变化,实现了肌张力的数字差分式测量.采用两组线阵CCD对称式设计,使传感器具有差动式测量的优点;位移变化是以线阵CCD像元的数量来体现,使传感器具有数字化测量的特点.结果证明,测量方法具有数字差分的特征,显著降低了传感器的非线性误差和迟滞,适用于微张力的数字化测量.

人体生物信号包括心电、脑电、肌电等电生理信号和血压、脉搏等非电生理信号,其信号的复杂性能够准确反映人体的生理病理状况.这些信号是人体生理、病理信息的载体,已经被证明是混沌信号,它们具有信号弱、噪声强、频率范围较低、随机性强、复杂度高等非线性动力学特征.传统线性分析方法是将复杂的信息化整为零进行研究,缺乏对信息的全面了解和综合分析.但由于人体各种生物信号是一个复杂的整体系统,不能简单地归结为部分之和,其各部分之间的相互作用是非线性的[1],因此,非线性动力学分析方法更为适用.本文将综述非线性动力学在脑电、肌电、步态、声音等信号分析中的应用,为神经损伤疾病的早期诊断、康复评价、预后预测等提供有价值的指导.

当前肌肉疲劳表面肌电信号(surface electromgography,sEMG)特征提取方法,忽略了非线性跳错信号的影响,且不能在非平稳状态下进行特征提取,存在特征提取准确度差的问题.提出基于小波变换的肌肉疲劳sEMG特征提取研究,采用小波变换对所采集的样本去噪,结合时域、频域特征分析法,融合傅里叶变换方法对肌电信号中的线性特征进行提取,根据带谱近似熵理论对非线性挑错信号进行特征回归分析,并利用拟态分解函数和希尔伯特变换法对肌电信号进行时频特征的整合提取,最终完成基于小波变换的肌肉疲劳sEMG特征提取研究.实验验证,所提方法具有可行性,且将1000个肌电信号样本分成5组,对其中的跳错信号进行特征提取,所提方法准确度较文献方法高出75％,在非平稳状态下将200个肌电信号样本分成5组进行特征提取,所提方法准确度较文献方法高出33％.由此得出,所提方法优于当前特征提取方法.