基于sEMG与K-means聚类的上肢痉挛状态定量评定方法

为解决临床痉挛状态评定主观性大,信度效度待提高的问题,提出基于表面肌电(surface electromyography,s EMG)信号与K-means聚类的上肢痉挛状态定量评定方法。结合时频域分析与非线性动力学分析方法,利用s EMG信号希尔伯特-黄变换(Hilbert-Huang transform,HHT)边际谱熵判定牵张反射肌电阈值(stretch reflex onset,SRO);取SRO后固定长度s EMG信号均方根(root mean square,RMS)个体差异消除后得到的均方根差值(RMS difference,RMSD)评定痉挛状态,利用K-means聚类算法对RMSD分类以重新评估痉挛状态。实验数据表明HHT边际谱熵能够准确识别SRO(识别率:95%),且在背景含尖锐毛刺噪声以及短时信号处理上表现出很好的性能;RMSD与改良Ashworth量表(modified Ashworth scale,MAS)评分显著相关(test:r=0.843,r~2=0.711,p0.01;retest:r=0.836,r~2=0.699,p0.01),重测信度良好;基于K-means聚类算法的痉挛状态等级与RMSD相关性为(test:r=0.946,r~2=0.895,p0.01;retest:r=0.942,r~2=0.887,p0.01),且各组之间差异性显著(p0.01)。实验结果表明,该方法可为上肢痉挛状态评定提供一种客观定量的分析手段,相比于MAS能更好的定量评定与细分痉挛状态。