Download
1 / 58
670 likes | 1.73k Views
生醫訊號處理概論. 報告主題： Electromyography(EMG- 肌電圖 ) 組長： 姜禮翊 組員： 吳庭毅 王振彥. 大綱. Electromyography(EMG) 簡介 〈Page.03〉 Electromyography(EMG) 測量的方法 〈Page.05〉 Electromyography(EMG) 處理的目的 〈Page.〉 Electromyography(EMG) 處理的流程 〈Page.〉 Electromyography(EMG) 處理的方法 〈Page.〉
E N D
生醫訊號處理概論 報告主題：Electromyography(EMG-肌電圖) 組長： 姜禮翊 組員： 吳庭毅 王振彥
大綱 • Electromyography(EMG)簡介 〈Page.03〉 • Electromyography(EMG)測量的方法 〈Page.05〉 • Electromyography(EMG)處理的目的 〈Page.〉 • Electromyography(EMG)處理的流程 〈Page.〉 • Electromyography(EMG)處理的方法 〈Page.〉 • Electromyography(EMG)處理的結果 〈Page.〉 • 報告結論 〈Page.〉 • 心得 〈Page.〉
Electromyography(EMG)簡介 肌電圖檢查是利用神經及肌肉的電生理特性，以電流刺激神經，記錄其運動和感覺的反應，肌電圖包括了神經傳導檢查和針極肌電圖來作為幫助診斷神經肌肉疾病的一種檢查。 它可以偵測神經病變或損傷的位置、性質與嚴重程度，是神經內科重要的檢查工具，以便協助醫師能夠正確做出臨床診斷、選擇治療方式、評估治療效果和推斷疾病的預後。 針極肌電圖是將針極刺入肌肉，來記錄在各種電擊狀態下的電位活動，再經由多條肌肉的檢查來判定神經、肌肉病變的特性，部位及範圍和嚴重度。 一般常用針極大致分為同軸針極及單極針極兩種，同軸針極的部分在材質上是比較耐用，在訊號干擾部分也比較少，相對的對患者來說會比較有疼痛的感覺；在單極針的部份好處就是可記錄的面積大，對患者來講也比較不會有疼痛的感覺，但單極針也比較容易損壞而且干擾也大，也各有優缺點。
傳統肌電圖&表面肌電圖 • 傳統肌電圖是應用肌電儀記錄肌肉在放鬆和收縮時的生物電活動同時監聽聲音變化，結合神經傳導速度測定，可確定神經、肌肉功能狀態的檢查方法。通過病理狀態下，發生相應的肌電圖變化，協助診斷和鑒別診斷。 • 表面肌電圖（surface electromyography， sEMG），又稱動態肌電圖（dynamic electromyography ,DEMG），是從肌肉表面通過電極引導、記錄下來的神經肌肉系統活動時的生物電信號。它與肌肉的活動狀態和功能狀態之間存在著不同程度的關聯性，因而能在一定程度上反映神經肌肉的活動。肌肉運動中產生的生物電通過兩個測量電極（相對於參考電極）產生電位差，差分放大器檢測到該信號後，經過放大、記錄後所得到的圖形，現代高檔的sEMG都是把放大的信號再轉化為數字信號，經過通訊系統傳輸給微機。微機中的分析軟件對所獲得的數據進行分析處理，從而完成測試評估等科研或臨床診斷任務。sEMG是一種簡單、無創、大範圍測量且容易被受試者接受的肌電活動。
Electromyography(EMG)測量的方法 • 表面導出法：把但及貼附在皮膚上導出電位的方法，可做神經傳導檢查和特出檢查。主要展示神經和肌肉接頭功能（需電刺激）。 • 針電極法：把針電極刺入肌肉測得某個運動單位中的肌肉放鬆時的自發電位和肌肉主動收縮時的運動單位電位變化，主要展示肌肉本身的功能狀態（不需任何電刺激）。
表面導出法 & 針電極法 ↑表面導出法↑針電極法
Electromyography(EMG)處理的目的 • 偵測神經病變或損傷的位置、性質與嚴重程度，是神經內科重要的檢查工具，以便協助醫師能夠正確做出臨床診斷、選擇治療方式、評估治療效果和推斷疾病的預後。 • 針極肌電圖是將針極刺入肌肉，來記錄在各種電擊狀態下的電位活動，再經由多條肌肉的檢查來判定神經、肌肉病變的特性，部位及範圍和嚴重度。 • 可用於肌病、周圍神經病，神經終板疾病的診斷，可協助判別病變的部位、程度、預後。可以鑒別肌原性或神經原性損害；區別周圍神經的髓鞘損害和軸索損害；確定神經損傷及壓迫的部位、程度及預後；判定神經吻合後功能恢復的情況；判定咀嚼肌的功能，膀胱括約肌、肛門括約肌的功能。 • 肌電訊號量測與分析方法：肌電圖(electromyography,EMG)是肌肉或肌群生理條件的量測方法之一，這是因為神經傳導是靠電位的變化，將電極置於肌肉表面皮膚或肌肉內部，量測肌肉活動時，微弱的電流變化，並將其訊號放大且紀錄。 • 表面電極(Surface Electrode)：在肌肉外緣的皮膚面直接貼上電極，以非侵入的方式(Non-Invasive)量測，將電極固定在預偵測的肌肉皮膚上即可，既方便又安全。雖然能記錄表層肌肉的活動，卻無法選擇性的測量小肌肉群的運動訊號，故較適合用在測量表層大區域肌肉的訊號。
Electromyography(EMG)頻譜分析 • EMG訊號與施力的關係：一般以肌電活動性的方式來評估施力的強度，而強度分析的指標有均方根值(root mean square,RMS)，平均振幅(MA)，皆可反應活動中，肌肉的施力程度，在不疲勞的狀況下，同一條肌肉肌電訊號越大則表示施力越大，在靜態等長收縮施力中更為明顯。另外以MVC(maximum voluntary contraction)最大肌力收縮量做為變數來評估肌電訊號，MVC指的是人在自由意志之下，肌肉收縮所得到的最大收縮力量，與個人肌肉強度及疲勞狀態息息相關 • EMG訊號與肌肉疲勞的關係：肌肉疲勞與否和程度，訊號頻譜分析為一重要指標。頻譜分佈的變化與施力大小、速度大小以及疲勞度有關。在為疲勞之前，施力的變化會使頻譜分佈在較高之頻率下，疲勞之後，會使頻譜分佈在較低之頻帶，原因是當肌肉疲勞時，肌纖維間的傳導速度減慢。。
矩形窗FFT %加窗FFT %矩形窗FFT fd = 1/length(signalEMG)*fs; f = 0:fd:(length(signalEMG)-1)*fd; rectwin_wind_1_fft = fft(rectwin_wind_1) figure(15) subplot(211) plot(f,abs(rectwin_wind_1_fft)) title('矩形窗FFT傅利葉頻譜') subplot(212) plot(f,angle(rectwin_wind_1_fft)) title('矩形窗FFT傅利葉相位')
海明窗FFT • %海明窗FFT • fd = 1/length(signalEMG)*fs; • f = 0:fd:(length(signalEMG)-1)*fd; • hamming_wind_1_fft = fft(hamming_wind_1) • figure(16) • subplot(211) • plot(f,abs(hamming_wind_1_fft)) • title('海明窗FFT傅利葉頻譜') • subplot(212) • plot(f,angle(hamming_wind_1_fft)) • title('海明窗FFT傅利葉相位')
漢寧窗FFT • %漢寧窗FFT • fd = 1/length(signalEMG)*fs; • f = 0:fd:(length(signalEMG)-1)*fd; • hanning_wind_1_fft = fft(hanning_wind_1) • figure(17) • subplot(211) • plot(f,abs(hanning_wind_1_fft)) • title('漢寧窗FFT傅利葉頻譜') • subplot(212) • plot(f,angle(hanning_wind_1_fft)) • title('漢寧窗FFT傅利葉相位')
三角窗FFT • %三角窗FFT • fd = 1/length(signalEMG)*fs; • f = 0:fd:(length(signalEMG)-1)*fd; • bartlett_wind_1_fft = fft(bartlett_wind_1) • figure(18) • subplot(211) • plot(f,abs(bartlett_wind_1_fft)) • title('三角窗FFT傅利葉頻譜') • subplot(212) • plot(f,angle(bartlett_wind_1_fft)) • title('三角窗FFT傅利葉相位')
布雷克曼窗FFT • %布雷克曼窗FFT • fd = 1/length(signalEMG)*fs; • f = 0:fd:(length(signalEMG)-1)*fd; • blackman_wind_1_fft = fft(blackman_wind_1) • figure(19) • subplot(211) • plot(f,abs(blackman_wind_1_fft)) • title('布雷克曼窗FFT傅利葉頻譜') • subplot(212) • plot(f,angle(blackman_wind_1_fft)) • title('布雷克曼窗FFT傅利葉相位')
M點濾波 • %% • %M點濾波 • M1=30; • A1=ones(M1,1)/M1; • filter_A1=filter(A1,1,EMG3); • M2=100; • A2=ones(M2,1)/M2; • filter_A2=filter(A2,1,EMG3); • figure(20) • subplot(211) • plot(tc,EMG3,'r',tc,filter_A1,'b') • title('M點平均濾波(M=30)') • xlabel('Frequency(Hz)') • ylabel('Magnitude') • subplot(212) • plot(tc,EMG3,'r',tc,filter_A2,'b') • title('M點平均濾波(M=100)') • xlabel('Frequency(Hz)') • ylabel('Magnitude')
