Integration of active pauses and pattern of muscular activity during computer work

Abstract

Submaximal isometric muscle contractions have been reported to increase variability of muscle activation during computer work; however, other types of active contractions may be more beneficial. Our objective was to determine which type of active pause vs. rest is more efficient in changing muscle activity pattern during a computer task. Asymptomatic regular computer users performed a standardised 20-min computer task four times, integrating a different type of pause: sub-maximal isometric contraction, dynamic contraction, postural exercise and rest. Surface electromyographic (SEMG) activity was recorded bilaterally from five neck/shoulder muscles. Root-mean-square decreased with isometric pauses in the cervical paraspinals, upper trapezius and middle trapezius, whereas it increased with rest. Variability in the pattern of muscular activity was not affected by any type of pause. Overall, no detrimental effects on the level of SEMG during active pauses were found suggesting that they could be implemented without a cost on activation level or variability.

Practitioner Summary: We aimed to determine which type of active pause vs. rest is best in changing muscle activity pattern during a computer task. Asymptomatic computer users performed a standardised computer task integrating different types of pauses. Muscle activation decreased with isometric pauses in neck/shoulder muscles, suggesting their implementation during computer work.     

基于柔性神经树和表面肌电信号的手势识别模型

表面肌电信号因为具有非入侵式、易于采集特点,被广泛应用于康复医疗和行为识别等领域.传统的基于表面肌电信号sEMG( Surface Electromyography)的手势识别通常采用数字信号处理DSP( Digital Signal Processing)芯片或者集合方法研究实时识别问题.这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低.提出一种基于肌电信号与柔性神经树FNT(Flexible Neural Trees)模型的实时手势识别模型.柔性神经树模型通过简单的预定义建立,能够解决人工神经网络ANN( Artificial Neural Network)的结构高依赖性问题.柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率.针对六名参与者的六种手势进行实验,实验结果表明:该模型的均方根误差RMSE(Root Mean Square Error)最低为0.000385,实时识别率最高可达97.53％.     

基于相位划分的下肢连续运动预测

为了实现针对特定个体的运动特点进行更精确的下肢连续运动预测和用更短的时间开展预测模型训练,采用对每个步态相位都建立预测模型的方法. 在识别出当前的步态相位后,使用当前相位的预测模型进行关节角度的预测. 使用支持向量机（SVM）,对提出的方法进行验证. 实验表明,采用基于相位划分的下肢连续运动预测方法相比于对整个运动状态进行关节角度建模的预测方法,具有更高的预测精度和更短的模型训练时间. 髋、膝、踝关节的预测结果与真实值的相关系数均大于0.99,每次预测的角度与真实值的平均均方根误差均小于2°,训练时间缩短4.0~5.0倍.     

带触觉的肌电假手握力模糊控制方法

从注重残疾人本体感出发,提出了一种新的用于肌电假手握力控制的方法.该方法利用短时傅里叶变换思想对信号进行时间片分割,并对时间片内的信号分析选取了几个具有代表性的肌电信号参数,并用训练后的神经网络对其进行分析处理,进而估计出相应的肌肉用力大小.同时将肌电假手指端的力触觉传感器所得的力触觉信号和肌肉用力大小信号输入模糊控制器,根据设计好的模糊控制规则调节肌电假手驱动电机的转动速度从而控制握力大小.该方法可以有效减小个人差异性和肌电信号传感器检测位置不同对控制效果的影响,可以减小肌电传感器安装难度并可供不同的残疾人使用.实验结果证明了该握力控制方法的有效性.     

假肢手恒定力量输出的诱发肌电反馈控制研究

肌电假肢手的连续动态控制有益于提高假肢手的使用性能和用户对假肢手的交互控制能力,产生持续稳定的力量是假肢手需要完成的一种常见任务,但是疲劳、注意力分散等诸多因素都可能导致肌电信号发生变化从而影响假肢手稳定力量输出。本文提出了一种基于电刺激诱发肌电的假肢手稳定力量输出控制方法,通过电刺激尺神经诱发肌电信号对假肢手恒定力量输出进行持续控制。为验证方法可行性,招募了7名健康被试,首先测试了稳定抓握过程中注意力分散对屈肌肌电活动水平的影响,并确定电刺激强度与诱发肌电(M波)幅度的关系模型;在此基础上,测试了电刺激在注意力分散过程中是否能诱发出预期的肌电信号。结果表明注意力分散会引起肌电信号幅度下降,通过电刺激方法可以得到恒定的肌电输出;同时,通过调节刺激参数可以控制诱发肌电强度,可为肌电假肢手的稳定力量输出提供有效的控制信号。     

基于表面肌电信号的前臂手部多运动模式识别

基于表面肌电信号的肢体运动模式识别是假手仿生控制的基础，SEMG的个体差异与识别率是肌电假手实用化必须面对的问题。本文根据SEMG的频谱特性提出了一种新的特征提取方法——功率谱比值法。该方法的主要特点是以实时取得的SEMG功率谱信号为基础，确定最大功率谱附近的谱能量与全信号段谱能量之比为特征值，将人的个体差异影响降低到最低程度。模式分类器采用特别设计的Bayes统计决策算法，该方法在非特定人的条件下应用于前臂肌群的多运动模式识别时，识别正确率达到84％，已具备一定的实用性。     

表面肌电信号的小波消噪改进算法

根据在不同尺度下信号和噪声的小波变换系数的相反特性，提出了一种改进的小波消噪算法来去除肌电信号中的噪声.利用Mallat算法对肌电信号进行小波分解，实质上就是将信号投影到尺度空间和小波空间，分别包含了信号的光滑通道分量和细节分量.兼顾软阈值和硬阈值量化方法的优点，利用两者的加权平均值滤除由噪声所决定的小波变换系数，从而在大尺度下补充细节信息并保持信号在奇异点的特征.利用保留下来的小波变换系数进行信号重构即得到消噪后的信号.实验结果表明，该方法可以有效去除噪声，兼顾了软、硬阈值的优点，保留了在模式变化过程中肌电信号细节部分的有用信息.     

基于表面肌电信号的人因与工效学评估研究综述

目的 对使用表面肌电信号技术评估人因与工效学问题相关研究进行分析与梳理,促进表面肌电信号技术在人因与工效学领域的创新与发展。方法 首先,概述人因与工效学的定义、发展历程与研究方法。然后,从数据采集方式、数据预处理、特征选择与提取、训练及分类器选择这4个实验流程归纳表面肌电信号技术的研究方法与研究进展,并对目前该领域的研究热点与研究趋势进行详细总结。结论 表面肌电信号技术仍是人因与工效学领域的重要评估方法,随着创新技术与深度学习算法的不断发展,从多模态、多方法交叉融合的角度构建大规模可公开数据集与创新智能化评估系统在未来将成为表面肌电信号在人因与工效学领域的重点研究方向。     

一种基于奇异值分解的ECG噪声处理算法

介绍了一种在标准12导联心电图中消除噪声信号的正交化方法。使用一种基于奇异值分解(SVD)的算法,将信号分解为两个时正交的子空间即一个包含了ECG信号,另一个则包含了人工噪声,诸如基线漂移(Bw)和肌电信号(EMG),这种方法利用了存在于12导联心电图中的冗余。在完整丢失信道的重建方面该方法也适用。最后,给出了这种方法的在线实现。     

The influence of task variation on manifestation of fatigue is ambiguous – a literature review

Task variation has been proposed to reduce shoulder fatigue resulting from repetitive hand–arm tasks. This review analyses the effect of task variation, both ‘temporal (i.e. change of work–rest ratio)’ and ‘activity (i.e. job rotation)’ variation, on physiological responses, endurance time (ET) and subjective feelings. Pubmed was searched and complemented with references from selected articles, resulting in 17 articles. Temporal variation had some positive effects on the objective parameters, as blood pressure decreased and ET increased, and on the subjective feelings, as perceived discomfort decreased. The observed findings of activity variation showed both positive and negative effects of increased activity variation, while hardly any effects were found on electromyography manifestations of fatigue. In conclusion, the evidence for positive effects of increasing the level of variation is scarce. The number of studies on variation is limited, while in most studies the findings were not controlled for the amount or intensity of work.