最后，“结论”部分对论文进行了总结。

材料和方法

参与者

本文招募了14名参与者参与实验，包括5名健康受试者（均为男性，年龄25.7±1.8岁，无上肢运动功能障碍）和9名中风受试者。所有参与者均获得了伦理批准和参与同意（即知情同意），以完成广州市第一人民医院科室伦理委员会批准的方案。所有研究均按照赫尔辛基宣言进行。中风受试者由康复治疗师筛选。中风受试者的入选标准包括：（a）年龄在20至80岁之间；（b） Brunnstrom量表第二阶段以上，具有上肢运动能力；以及（c）具有认知和理解技能。最后，招募了9名中风患者参与实验，详见表1。

表1

www.frontiersin.org

表1.九名中风受试者的详细信息。

实验协议

康复训练任务和躯干补偿

每位参与者都进行了三项基本康复训练任务，包括前后伸（T1）、左右伸（T2）和上下伸（T3）动作。T1运动是指上肢（例如，右手、左手对称于右手）在矢状面和横向平面上的直线向前和向后运动。起点位于人体中心轴上，距离参与者20厘米，如图1A所示。运动范围是木制闸板五个圆形凹槽中心之间的距离（约24厘米）（34厘米×28厘米×2厘米）。T2运动意味着上肢在横向平面上以内收和外展的直线运动。起点位于参与者身体一侧，距离参与者20厘米，如图1B所示。运动范围也是24厘米。如图1C所示，T3运动是一种肩部屈曲，其范围为0到参与者在矢状面上的最大角度（<180°）。

图1

www.frontiersin.org

图1.三项康复训练任务。（A） 向前向后伸展，（B）左右伸展，（C）上下伸展。

康复训练任务涉及肩关节和肘关节，这有助于恢复这两个关节的运动功能。更重要的是，这些任务旨在引出三种常见的主干补偿：LF、TR和SE。如图2A所示，当参与者的髋部弯曲角度小于90°时，会发生低频补偿。TR补偿发生在参与者在横向平面内旋转躯干时，如图2B所示。SE补偿发生在参与者在冠状面抬高单侧肩膀时，如图2C所示。基本运动（任务）对应于躯干补偿。参与者在执行T1运动时可能经历LF补偿。参与者在执行T2运动时可能经历TR补偿。此外，参与者在执行T3运动时可能会经历SE补偿。

图2.三种常见的干线补偿类型。（A） 肩部抬高，（B）前倾，（C）躯干旋转。

表面肌电信号采集系统

表面肌电信号的采集严格按照推荐标准进行（Hermens等人，1999；Konrad，2005）。结合一些参考（Larivière等人，2000年；Ghofrani等人，2017年；Mueller等人，2017；Varrecchia等人，2018年）和生理学，从参与三种躯干补偿的众多躯干肌肉中选择了九种浅表躯干肌肉。这些肌肉是左、右腹直肌（LRA和RRA）、左、右外斜肌（LOEA和ROEA）、左、右侧胸竖脊肌（LTE和RTE）、左、右腰竖脊肌和斜方肌的下降部分（DT，运动上肢一侧）。DT肌肉在SE补偿中起主要作用。LOEA和ROEA肌肉在TR补偿中起关键作用，而其他肌肉有助于控制LF补偿。然后，使用九对表面电极记录九块躯干肌肉的表面肌电信号。表面电极材料为AgCl，电极之间的距离为2cm。电极的方向与肌纤维平行。如图3A所示放置电极。LRA和RRA的表面电极放置在肚脐左右2cm处。LOEA和ROEA的表面电极放置在脐部左右15厘米处。LTE和RTE的表面电极放置在T10棘突左右3cm处。LLE和RLE的表面电极放置在L3 spino左右3cm处在放置表面电极之前，我们在皮肤表面擦拭酒精以降低皮肤阻抗。然后，使用采样频率为2000 Hz的16通道Ultium肌电传感器系统（Noraxon USA Inc.，Scottsdale，AZ，United States）的第1-9通道采集原始表面肌电信号。振幅范围为100–5000μV，频率分量为0–500 Hz（Merletti等人，1992），将表面肌电信号放大1000倍，并以10–500 Hz的带通进行滤波。

图3

www.frontiersin.org

图3.（A）躯干肌肉上的电极放置。DT，斜方肌下降部分；左腹直肌；右腹直肌；左腹外侧斜肌；右外斜肌；左胸竖脊肌；右胸竖脊肌；左腰竖脊肌；RLES，右腰椎竖脊肌。（B） 实验设置的快照。

实验课

实验方案包括两个阶段，包括健康组和中风组实验阶段。首先，我们研究了具有健康组模拟躯干补偿的表面肌电bTCD方法的可行性。其次，我们验证了所提出的方法是否能够检测到中风患者的实际躯干代偿。使用健康组模拟数据而不是直接从中风患者获得的数据有两个原因。一方面，这是一项新的研究，不能直接用于中风患者。另一方面，之前的一项研究（Zhi等人，2017）表明，健康人可以通过模拟躯干补偿获得有价值的实验数据。

实验设置如图3B所示。健康组的每个参与者都坐在椅子上，躯干没有任何身体约束。参与者面前摆着一张水平的桌子。桌子上固定了一块木制的手电筒来引导参与者的动作。用一根棍子，参与者以正常速度在木质插板上完成三项任务（T1、T2和T3动作）。此外，参与者根据我们研究团队的指导和演示，模拟了三种类型的主干补偿（LF、TR和SE补偿）。与健康组不同，中风组的所有参与者都用健康和受影响的手执行了三项任务。将执行任务的健康手的数据用作无补偿的数据。执行任务的受影响手的数据表示躯干补偿数据。每个动作重复10次。为了防止疲劳，每个参与者在两个动作之间休息10秒，在五个动作后休息1分钟。至少有一名康复治疗师参与了中风组的整个实验，帮助我们的研究团队直观地观察中风患者是否出现躯干补偿以及躯干补偿的类型。

干线补偿检测程序

表面肌电信号的处理使用MATLAB 2017a（美国马萨诸塞州纳蒂克市MathWorks公司）（图4）实现，包括预处理、特征提取和分类。预处理包括三个部分：滤波去噪、分析窗口和主动段检测。

图4

www.frontiersin.org

图4.表面肌电图处理程序流程图。

预处理

滤波去噪

采集过程中的各种外部因素，如50或60 Hz的工频干扰、运动伪影和ECG干扰，都会很容易干扰表面肌电信号（Phinyomark等人，2012；Barrios Muriel等人，2016）。为了消除ECG干扰和运动伪影，通过使用具有0.1 dB通带纹波和50 dB阻带衰减的巴特沃斯滤波器对表面肌电信号进行20–200 Hz带通滤波。使用巴特沃斯滤波器实现50Hz陷波滤波器以消除工频干扰。这些预处理方法旨在提高表面肌电信号的信噪比（SNR）。

分析窗口

由于表面肌电信号的随机性和非平稳性，分析窗口而不是瞬时值是模式识别过程中的有用输入（Smith等人，2010）。在本文中，我们使用了一个重叠分析窗口，窗口长度为256毫秒（512个样本），窗口滑动步长为64毫秒（128个样本）。因此，1s内采集的表面肌电信号可分为12个分析窗口。本文中后续的活动段检测、特征提取和分类都是基于这些分析窗口的。

主动段检测

本文提出了一种基于最优阈值的样本熵（SampEn）方法来检测表面肌电信号的活动段。SampEn是一种基于近似熵（ApEn）测量时间序列复杂性的改进方法（Richman和Moorman，2000）。一项研究应用了基于