在SE补偿（AUC=1.00，F1=1.0）上获得了最佳的检测性能，其次是TR补偿（AUC=0.99，F1=0.96），最后是LF补偿（AUC=0.97，F1=0.94）。与结果（SE:AUC=0.66，F1=0.07；TR:AUC=0.77，F1=2.57；LF:AUC=0.98，F1=1.82）相比（Zhi等人，2017），本文中SE和TR补偿的检测性能得到显著改善，但LF补偿的等效检测性能除外。

此外，采用与健康组相同的过程，基于健康组的表面肌电信号建立中风检测模型。结果表明，该模型的平均准确率为83.1%。具体而言，NC和SE补偿实现了高精度（超过90%），其次是LF补偿（74.8%），最后是TR补偿（67.1%）。使用AUC和F1分数对模型进行评估，结果表明NC检测性能最佳（AUC=1.00，F1=1.0），其次是SE补偿（AUC=0.98，F1=0.90），然后是LF补偿（AUC=0.90F1=0 0.73），最后是TR补偿（AUC=0.85，F1=0.71）。同样，招募了9名中风受试者参与实验（Zhi等人，2017年）。与他们的结果（SE:AUC=0.27，F1=0.07；LF:AUC=0.77，F1=2.17；TR:AUC=0.81，F1=3.27）相比，发现三种类型的主干补偿的AUC和F1值通常更高。

总的来说，使用sEMG-bTCD方法，我们在健康组和中风组中获得了更好的TCD表现。结果表明了该方法的可行性和有效性。然而，我们发现，中风检测模型的TCD性能通常低于健康组。这一结果可能有许多原因。首先，中风组的实际躯干补偿是多个肌肉组的关节运动，这使得区分躯干补偿更加困难。第二，抓住木制手电筒上的棍子进行康复训练，由于远端（腕部）肌肉无力，中风患者使用近端（肩部）肌肉来辅助。这一动作使DT肌肉在各种康复训练任务中异常激活，而不仅仅是在SE补偿中。此外，尽管进行了皮肤预处理，但表面肌电信号的采集（特别是来自LRA、RRA、LOEA和ROEA肌肉）受到传感器位置和人体软脂肪组织的影响。这一观察结果可能是LF和TR补偿检测性能低的原因之一。此外，恢复较好或受轻伤的中风患者有足够的运动能力产生较少的补偿，这不利于躯干补偿的检测。最后，无法精确控制中风患者的运动策略可能导致同时的多躯干补偿，而不是健康组模拟的单一类型的补偿。

未来的工作应侧重于改善中风患者的检测性能。考虑到中风患者可能同时进行多个躯干补偿，将建立、训练和测试多标签分类模型。此外，闭环方法，例如使用滑轨机构而不是开环木制闸板，可以减少甚至消除棍棒对中风患者近端肌肉的影响。此外，多个传感器，如表面肌电图、摄像机和惯性传感器，应进行TCD融合。最后，虽然通过较少的通道实现了较低的检测精度，但我们将尝试采用一些新方法，如深度学习，以确保准确性，同时减少肌肉数量。

未来的工作还应认识到所提出方法的潜在医学价值，并为姿势矫正提供反馈。研究表明，表面肌电信号可用于肌肉痉挛的定量评估（Zhang等人，2019年），也可用于机器人（Koh等人，2017年）或假肢的反馈控制（Zhai等人，2017）。因此，未来的工作应使用表面肌电信号对躯干补偿进行定量评估，并作为机器人康复训练的反馈控制，以纠正姿势。

结论

在本文中，我们提出了表面肌电bTCD方法，并研究了该方法的可行性。招募健康组（5名受试者）和中风组（9名受试）参与实验。所有受试者均接受三项康复训练任务。在三次无代偿和三次普通躯干代偿的康复训练任务中，采集了九块浅干肌肉的表面肌电信号。进行滤波、主动段检测等预处理，提取五个时域特征。使用SVM分类器获得的四类模型在健康参与者中具有良好的检测性能准确度=94.0%，AUC=0.97，F1=0.94；TR：准确度=95.8%，AUC=0.99，F1=0.96；SE：准确度=100.0%，AUC=1.00，F1=1.0）。在卒中参与者中也实现了良好的检测性能（LF：准确度=74.8%，AUC=0.90，F1=0.73；TR：准确度=67.1%，AUC=0.85，F1=1.71；SE：准确度=91.3%，AUC=0.98，F1=2.90）。结果表明，表面肌电bTCD方法是可行的。这种方法有助于促使患者纠正错误的姿势，从而提高康复训练的效果。为了提高脑卒中患者的检测性能，应检测复合躯干补偿，而不是单躯干补偿。此外，多个传感器，如表面肌电图、摄像机和惯性传感器，应进行TCD融合。

数据可用性声明

支持本手稿结论的原始数据将由作者毫无保留地提供给任何合格的研究人员。

道德声明

所有参与者均获得了伦理批准和参与同意（即书面知情同意），以完成广州市第一人民医院科室伦理委员会批准的方案。所有研究都是根据赫尔辛基宣言进行的。

作者贡献

KM构思了这项研究，并参与了整个研究过程，包括实验、数据处理、结果分析以及手稿起草和修订。YC和LX构思了这项研究，并参与了实验和修改手稿。XZ和HZ参与了实验和结果分析。SY和SC参与了实验和数据处理。