表面肌阻抗混合信号的盲源分离电特性提取方法

doi:10.12141/j.issn.1000-565X.210752

华南理工大学学报(自然科学版) ›› 2022, Vol. 50 ›› Issue (12): 142-150.doi: 10.12141/j.issn.1000-565X.210752

所属专题： 2022年电子、通信与自动控制

• 电子、通信与自动控制 • 上一篇

表面肌阻抗混合信号的盲源分离电特性提取方法

严洪立¹ 黄林南¹ 高跃明¹ VASIĆ Željka Lučev² CIFREK Mario²

^1.福州大学物理与信息工程学院/福建省医疗器械和医药技术重点实验室, 福建福州 350108
^2.萨格勒布大学电气工程与计算学院, 萨格勒布 10436

收稿日期:2021-12-01 出版日期:2022-12-25 发布日期:2022-07-29
通信作者: 高跃明（1982-），男，博士，研究员，博士生导师，主要从事生物电磁和生物医学信号检测研究。 E-mail:fzu-gym@gmail.com.
作者简介:严洪立（1992-），男，博士生，主要从事智能图像与医学信息处理研究。E-mail:yan-hongli@foxmail.com.
基金资助:
国家重点研发计划项目(2022YFE0115500);科技部政府间交流例会项目(国科外［2019］16号);福建省科技计划项目(2021I0005)

Blind Source Separation Electrical Characteristics Extraction Method of Surface Electrical Impedance Myography Mixed Signals

YAN Hongli¹ HUANG Linnan¹ GAO Yueming¹ VASIĆ Željka Lučev² CIFREK Mario²

^1.College of Physical and Information Engineering/ Fujian Key Lab of Medical Instrumentation and Pharmaceutical Technology，Fuzhou University，Fuzhou 350108，Fujian，China
^2.Faculty of Electrical Engineering and Computing，University of Zagreb，Zagreb 10436，Croatia

Received:2021-12-01 Online:2022-12-25 Published:2022-07-29
Contact: 高跃明（1982-），男，博士，研究员，博士生导师，主要从事生物电磁和生物医学信号检测研究。 E-mail:fzu-gym@gmail.com.
About author:严洪立（1992-），男，博士生，主要从事智能图像与医学信息处理研究。E-mail:yan-hongli@foxmail.com.
Supported by:
the National Key R&D Project of China(2022YFE0115500);the Regular Intergovernmental Exchange Project of the Ministry of Science and Technology（GKW ［2019］ No.16） and the Science and Technology Planning Project of Fujian Province(2021I0005)

摘要/Abstract

摘要：

表面肌阻抗图（sEIM）是肌肉失衡与肌肉疾病状态评估中的重要手段。表面电极获取的皮下多层组织阻抗混合信号包含众多冗余成分。为了提升sEIM检测对目标肌肉状态变化的敏感性，文中将sEIM获取的混合信号作为盲信号，肌肉层阻抗值作为源信号，提出了一种基于阻抗等效分析和盲源分离的肌肉层阻抗分离方法。首先，建立肢体多层圆柱体有限元模型，采用灵敏度方法计算各组织层的阻抗贡献，用于排除冗余微弱信号，并将其等效为以肌肉为目标组织的盲源分离问题；然后，通过数值仿真和在体实验，比较了独立成分分析法、主成分分析法和等变化自适应独立分离法（EASI）的分离效果，获得最优方案并验证方法的可行性。结果显示，采用EASI分离肌肉层阻抗的方法，相关系数大于0.98，抗噪性约为0.8，串音误差收敛于0.876，在体实验中分离的肌肉层阻抗值符合人体阻抗特性规律，表明采用EASI的肌肉层阻抗分离方法能够较好地分离sEIM中肌肉层阻抗值，可用于提升检测目标的肌肉状态变化敏感性。

关键词: 肌阻抗图, 生物电阻抗, 盲源分离, 有限元法, 肌肉

Abstract:

Surface electrical impedance myography (sEIM) is important for evaluating muscle imbalance and muscle diseases. The mixed signals of impedance in the subcutaneous multilayer tissue captured by surface electrodes contain diverse-redundant components. Taking the mixed signals captured by sEIM as the blind signals and the muscle layer impedance as the source signal, this paper proposed a method for separating muscle layer impe-dance based on the impedance equivalent analysis and blind source separation, in order to improve the sensitivity of sEIM detecting changes in target muscle state. Firstly, a limb multilayer cylindrical finite element model for simulation was constructed. Secondly, a sensitivity method was employed to calculate the impedance contribution of each tissue layer for excluding redundant weak signals, which was equated to a blind source separation problem targeting the muscle layer. Finally, the separation effects of independent component analysis, principal component analysis, and equivariant adaptive separation via independence (EASI) were compared by numerical simulation and in vivo experiments to obtain the optimal solution and verify its feasibility. The results show that the correlation coefficient is above 0.98, the noise immunity is approximately 0.8, and the error cross talking (ECT) converges to 0.876 using the EASI-based method for separating muscle layer impedance. The separated muscle layer impedance in the in vivo experiments is consistent with the law of human impedance characteristics, indicating the method for separating muscle layer impedance with EASI can better enhance the sensitivity of sEIM to detect changes in the target muscle state.

Key words: electrical impedance myography, bioimpedance, blind source separation, finite element method, muscle

中图分类号:

TP391

严洪立, 黄林南, 高跃明, 等. 表面肌阻抗混合信号的盲源分离电特性提取方法[J]. 华南理工大学学报(自然科学版), 2022, 50(12): 142-150.

YAN Hongli, HUANG Linnan, GAO Yueming, et al. Blind Source Separation Electrical Characteristics Extraction Method of Surface Electrical Impedance Myography Mixed Signals[J]. Journal of South China University of Technology(Natural Science Edition), 2022, 50(12): 142-150.

图/表 13

图1

表1

图2

表2

图3

表3

图4

图5

表4

图6

图7

图8

图9

参考文献 21

1	贾雪莹，巩丽，张伟．重症肌无力病因学及发病机制的研究进展［J］．细胞与分子免疫学杂志，2021，37（4）：368-372.
	JIA Xueying， GONG Li， ZHANG Wei ．Progress on etio-logy and pathogenesis of myasthenia gravis ［J］．Chinese Journal of Cellular and Molecular Immunology，2021，37（4）：368-372.
2	汪敏加，齐梓伊，朱玮华，等．肌肉萎缩机制及临床研究进展：基于第65届美国运动医学学会年会的思考［J］．中国组织工程研究，2019，23（15）：2421-2426.
	WANG Minjia， QI Ziyi， ZHU Weihua，et al ．Mechanism and clinical research advance of muscle atrophy：thinking based on the 65th Annual Meeting of American College of Sports Medicine ［J］．Chinese Journal of Tissue Engineering Research，2019，23（15）：2421-2426.
3	菲尔·佩治，克莱尔C弗兰克，罗伯特·拉德纳．肌肉失衡的评估与治疗［M］．焦颖，李阳，王松，译．北京：人民体育出版社，2016.
4	SIAO P， KAKU M ．A clinician's approach to peripheral neuropathy ［J］．Seminars in Neurology，2019，39（5）：519-530.
5	SANCHEZ B， MARTINSEN O G， FREEBORN T J，et al. Electrical impedance myography：a critical review and outlook ［J］．Clinical Neurophysiology，2021，132（2）：338-344.
6	职文倩，刘超然，王宁华．超声成像测量不同姿势下腓肠肌形态的信度［J］．中国康复理论与实践，2019，25（11）：1336-1341.
	ZHI Wen-qian， LIU Chao-ran， WANG Ning-hua ．Reliability of morphological measurement of gastrocnemius using ultrasonography in different positions ［J］．Chinese Journal of Rehabilitation Theory and Practice，2019，25（11）：1336-1341.
7	崔晗．基于血液循环信息的神经肌肉功能评估及其在面瘫和偏瘫中的应用研究［D］．深圳：中国科学院大学，2019.
8	SANCHEZ B， RUTKOVE S B ．Electrical impedance myography and its applications in neuromuscular disorders ［J］．Neurotherapeutics：the Journal of the American Society for Experimental Neuro Therapeutics，2017，14（1）：107-118.
9	李钊，朱愈，田东，等．肌肉阻抗图评估神经肌肉疾病的研究进展［J］．中华生物医学工程杂志，2018，24（1）：62-65.
	LI Zhao， ZHU Yu， TIAN Dong，et al ．Research pro-gress on the assessment of neuromuscular diseases by electrical impedance myography ［J］．Chinese Journal of Biomedical Engineering，2018，24（1）：62-65.
10	潘喜福，滕召胜，张甫，等.基于肌电和肌阻抗的吞咽信号同步测量方法［J］．仪器仪表学报，2020，41（10）：178-186.
	PAN Xifu， TENG Zhaosheng， ZHANG Fu，et al ．Swa-llowing signal synchronous measurement method based on EMG and EIM ［J］．Chinese Journal of Scientific Instrument，2020，41（10）：178-186.
11	RUTKOVE S B， SANCHEZ B ．Electrical impedance methods in neuromuscular assessment：an overview ［J］．Cold Spring Harbor Perspectives in Medicine，2019，9（10）：a034405/1-13.
12	BAIDYA S， AHAD M A ．Assessment of optimized electrode configuration for electrical impedance myography using genetic algorithm via finite element model［J］．Journal of Medical Engineering，2016，2016：9123464/1-7.
13	王剑楠，周海燕，高跃明.基于肌阻抗图的肌肉疲劳检测电极配置优化研究［J］．电气技术，2020，21（7）：48-52.
	WANG Jiannan， ZHOU Haiyan， GAO Yueming ．Optimization of electrode configuration for muscle fatigue detection based on electrical impedance myography ［J］．Electrical Engineering，2020，21（7）：48-52.
14	GABRIEL C， GABRIEL S， CORTHOUT E ．The dielectric properties of biological tissues：Ⅲ．parametric models for the dielectric spectrum of tissues ［J］．Physics in Medicine and Biology，1996，41（11）：2271-2294.
15	RUTKOVE S B， PACHECK A， SANCHEZ B ．Sensitivity distribution simulations of surface electrode configurations for electrical impedance myography ［J］．Muscle and Nerve，2017，56（5）：887-895.
16	LI J， GEISBUSH T R， ROSEN G D，et al ．Electrical impedance myography for the in vivo and ex vivo assessment of muscular dystrophy （mdx） mouse muscle ［J］．Muscle and Nerve，2014，49（6）：829-835.
17	KWON H， MALIK W Q， RUTKOVE S B，et al ．Separation of subcutaneous fat from muscle in surface electrical impedance myography measurements using model component analysis ［J］．IEEE Transactions on Biomedical Engineering，2019，66（2）：354-364.
18	何璇，吴小培，张超，等．基于面部视频的血流信号提取方法的比较及适用性研究［J］．生物医学工程学杂志，2017，34（2）：278-289.
	HE Xuan， WU Xiaopei， ZHANG Chao，et al ．Comparison and applicability study of blood volume pulse extraction based on facial video ［J］．Journal of Biomedical Engineering，2017，34（2）：278-289.
19	张瑞峰，白金桐，关欣，等．结合SE与BiSRU的Unet的音乐源分离方法［J］．华南理工大学学报（自然科学版），2021，49（11）：106-115，134.
	ZHANG Ruifeng， BAI Jintong， GUAN Xin，et al ．Music source separation method based on Unet combining SE and BiSRU ［J］．Journal of South China University of Technology（Natural Science Edition），2021，49（11）：106-115，134.
20	吴佳佳，行鸿彦，孙江．一种雨声信号的盲源分离处理方法［J］．电子测量与仪器学报，2019，33（9）：144-153.
	WU Jiajia， XING Hongyan， SUN Jiang ．Blind source separation processing method for the rain sound signal ［J］．Journal of Electronic Measurement and Instrumentation，2019，33（9）：144-153.
21	孙瑾铃，张伟涛，楼顺天．基于等变化自适应源分离算法的滚动轴承故障信号自适应盲提取［J］．电子与信息学报，2020，42（10）：2471-2477.
	SUN Jinling， ZHANG Weitao， LOU Shuntian ．Adaptive blind extraction of rolling bearing fault signal based on equivariant adaptive separation via independence ［J］．Journal of Electronics & Information Technology，2020，42（10）：2471-2477.

f/kHz	σ/（s·m^-1）					ε
f/kHz	皮肤	脂肪	横向肌肉	纵向肌肉	骨骼	皮肤	脂肪	横向肌肉	纵向肌肉	骨骼
1	0.000 2	0.022 4	0.321 2	0.642 4	0.020 4	1 135.6	24 104.0	434 930.0	869 860.0	521.64
10	0.000 2	0.023 8	0.340 8	0.681 6	0.020 5	1 133.6	1 085.3	25 909.0	51 818.0	330.00
50	0.000 3	0.024 3	0.351 8	0.703 6	0.020 6	1 126.8	172.4	10 094.0	20 188.0	264.19
100	0.000 5	0.024 4	0.361 9	0.723 8	0.020 8	1 119.2	92.9	8 089.2	16 178.4	227.64
1 000	0.013 2	0.025 1	0.502 7	1.005 4	0.024 4	990.8	27.2	1 836.4	3 672.8	144.51

组织层	R/Ω		R的贡献率/%		X/Ω		X的贡献率/%
组织层	频点为1 kHz	频点为50 kHz	频点为1 kHz	频点为50 kHz	频点为1 kHz	频点为50 kHz	频点为1 kHz	频点为50 kHz
合计	81.49	74.96	100.00	100.00	-5.31	-2.09	100.00	100.00
皮肤	-0.08	0.04	-0.10	0.05	-0.04	-0.37	0.75	16.52
脂肪	51.98	48.02	63.79	64.06	-3.06	-0.47	57.63	20.98
肌肉	29.35	26.69	36.02	35.61	-2.18	-1.24	41.05	55.36
骨骼	0.24	0.21	0.29	0.28	-0.03	-0.16	0.56	7.14

组织层	电阻率分离相关系数			电抗率分离相关系数
组织层	ICA	PCA	EASI	ICA	PCA	EASI
脂肪层	0.859	0.909	0.981	0.676	0.636	0.862
肌肉层	0.370	0.097	0.999	-0.291	0.041	0.983

编号	年龄	身高/cm	体质量/kg
1	26	172	70.0
2	26	168	60.0
3	25	169	67.5

[1]	李俊烨, 田龚强, 王新鹏, 等. 基于有限元法的导电滑环刷丝成型特性分析[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 140-150.
[2]	张喜德梁金志江佳霖. 中空玻璃板单向冷弯力学行为试验及数值研究[J]. 华南理工大学学报（自然科学版）, 2022, 50(1): 50-58, 68.
[3]	翟宇毅, 马新愿, 陈冬冬, 等. 柔性穿戴式上肢康复机器人关节运动控制研究[J]. 华南理工大学学报(自然科学版), 2021, 49(6): 19-27.
[4]	唐亮, 郑佳佳, 李文熙, 等. 人体腰椎生物力学模型及损伤参数敏感性分析[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 94-106.
[5]	黄文强, 李卫, 毛飞宇, 等. 面接触应力分布与磨损分析[J]. 华南理工大学学报（自然科学版）, 2020, 48(8): 91-101.
[6]	吴素珍何卫东张迎辉. RV传动机构用转臂轴承的受力及接触特性分析[J]. 华南理工大学学报（自然科学版）, 2020, 48(6): 25-33.
[7]	刘凯, 陈伊宁, 吴阳, 等. 基于 RBF 神经网络的气动人工肌肉 PID 位置控制[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 142-148.
[8]	刘永财鲍益东胡庆婉陈文亮. 一种改进大步长静力隐式有限元接触搜寻算法[J]. 华南理工大学学报（自然科学版）, 2019, 47(7): 136-144.
[9]	吴家鸣鲁宇帆廖华卢立桦. 三用工作船与平台桩柱侧碰时船体结构的动力响应分析[J]. 华南理工大学学报（自然科学版）, 2017, 45(8): 92-102.
[10]	方燕飞何军黄平. 基于光弹实验与有限元法的涂层/基体接触应力分析[J]. 华南理工大学学报（自然科学版）, 2016, 44(5): 103-109.
[11]	林腾蛟王清谢言潘丽吕和生. 湿式摩擦离合器带排扭矩预测及影响因素分析[J]. 华南理工大学学报（自然科学版）, 2016, 44(3): 29-35.
[12]	韩强汪志钢张永强陶旭. 深海 S-lay 铺设大直径薄壁管道的奇异摄动分析[J]. 华南理工大学学报（自然科学版）, 2015, 43(6): 116-121.
[13]	李明鸿万水蒋正文马磊. 波形钢腹板混凝土组合梁挠度计算的初参数法[J]. 华南理工大学学报（自然科学版）, 2015, 43(2): 66-74.
[14]	张红邓汉国姚小虎龙谦. 夹层玻璃抗爆设计W-R法研究[J]. 华南理工大学学报（自然科学版）, 2015, 43(11): 119-126.
[15]	李春雷韩强刘义捷肖栋梁. 螺旋曲杆中导波传播特性的有限元分析[J]. 华南理工大学学报（自然科学版）, 2014, 42(8): 6-13,33.

表面肌阻抗混合信号的盲源分离电特性提取方法

Blind Source Separation Electrical Characteristics Extraction Method of Surface Electrical Impedance Myography Mixed Signals

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 21

相关文章 15

编辑推荐

Metrics

本文评价