博文
肌音图原理及应用
|||
自从1665年一个意大利的科学家Grimaldi发表了一篇关于肌音的论文，我们开始知道肌肉的收缩可以产生振动这一事实。
肌肉自主收缩力的无创检测在生理学研究，体育和康复医学中均有广泛的应用。一般来说，表面肌电图（sEMG）用于这样的无创测量，但是表面肌电图有局限性，表现在使用表面肌电图测量肌肉力量需要从皮肤表面产生的电势中获取。所以，若要比较同一个人的不同肌肉力量，或者比较在不同时间测量同一块肌肉，或者对不同人的同一块肌肉力量进行比较，都会带来困难。另外，肌肉疲劳研究也很难采用表面肌电图的方法，因为当肌肉纤维使用率增加时肌电图活性是增加的，但是肌肉力量是减少的。
为了克服使用表面肌电图记录肌肉力量的局限，许多研究者开始将目光投到了肌音图上（VMG）,尝试使用肌音图或记录肌肉纤维的振动来测量肌肉力量。微电机加速计的发展加速了这个趋势。如今，低噪音传感器的价格也不再那么昂贵。但是，将肌音图值转化为肌肉力量，由于肌肉运动单元使用过程的本性，仍然是个难题。为了增加肌肉力量，神经系统需增加激活的肌肉运动单元， 和/或者增加每个运动单元的激活速率，一般来讲，这两方面是同时进行的。同时，当肌肉力量增加时，从肌肉测量到的振动在幅度上减小，但是频率会增加。这个现象在体外肌肉刺激－反应研究中已经得到证明。
图 1 肌肉振动的幅度降低，频率增高可以使肌肉力量输出增加
图二是将所有肌肉纤维抽动加起来所得到的肌肉力量。但是这些肌肉纤维抽动在低频率范围内经常被肌肉微动，生理抖动和在试验中的身体运动所覆盖。如果我们的肌音图数据记录中包括了这些低频率的部分，我们就不能得到准确的肌肉力量。
图2 肌音图数据的频谱显示低频噪音，在10hz下，噪音掩盖了肌肉纤维抽动信息
现在，通过运用特殊的生物传感器，加上带通过滤器和小波包分析技术，这一难题已经被攻克了。小波包分析算法适宜地将肌肉纤维抽动信息进行加权，从而提供了肌音图和肌肉力量直接的线性关系。
图三展示了，高敏感，低噪音的微电机传感器结合过滤器及小波包分析技术可以使实验者的肌音图数据和通过功率计研究测量出的自主肌肉力量相符。
图3 肌音图数据和肌肉力量间的联系
应用1: 肌音图在测量膝盖肌肉平衡上的应用
表面肌电图的一个局限在于可重复性差。其不可重复性源于肌电图是测量电压不同，所以两个电极必须要贴在皮肤上。这就意味着传感器所在位置一个小小的变化，或者皮肤处理的些许不同可以很大程度上影响数据的记录。因此，对不同季节，相同个体的不同肌肉，或者不同个体的相同肌肉所测得的绝对肌肉力量水平的比较是充满争议的。
肌音图测量时仅需一个传感器，并且对皮肤的状况要求极小，受到其影响极小的特点很大的提供了肌音图测量不同个体，不同肌肉力量时的可重复性和稳定性。可以进行不同个体间及相同个体不同肌肉间的比较的优势是可以进行肌肉力量平衡的评估。比如，前十字韧带拉伤的风险主要源于在膝盖延伸时四头肌和腿筋之间力量的不平衡。肌音图分析可以在功能性活动过程中进行实时肌肉力量测量。图四显示35位年轻女运动员侧蹲时得到的Q/H的峰值。注意两个人的Q/H值大于4，这表示前十字韧带拉伤的风险很大。
图4 在侧蹲运动过程中由肌音图方法测得的膝盖肌肉力量 （35位年轻女运动员，平均重复3次）。与体重呈显 著的关系，并且两个人的Q/H值偏高。
应用2： 在疲劳运动中使用肌音图进行肌肉力量测量
表面肌电图的另一个局限是无法检测疲劳中的肌肉力量。这是由于表面肌电图是测量肌肉的电活动，所以当之前激活的肌肉单元开始疲惫时，神经系统会激活更多的肌肉单元，所以表面肌电图的信号会增加，虽然肌肉力量在减少或保持不变。因为肌音图是记录肌肉运动单元的机械运动，所以肌音图可以准确地在肌肉疲劳运动中记录肌肉力量。
图5: 三头肌持续静态收缩的肌音图数据，实验共持续4周，每周的数据用不同的颜色表示。加粗的黑线是四周数据的平均值。
结论
通过使用特殊的传感器以及数据处理系统提供了一个测量肌肉绝对力量值的简单且可重复性的方法。肌音图分析的特点对希望进行不同时间肌肉力量比较，不同人间力量比较和不同肌肉群肌肉力量比较的研究者有很大的用处.在时间分辨率为16ms时，可以对肌肉的动态运动进行研究，不仅仅包括峰值的估测，还有到峰值的时间长度。而且当与运动学研究相结合时，校准的数据可以用来估计实际产生的肌肉力量。
更多关于肌音图的研究，请查看我们的网站：www.sonostics.com
https://blog.sciencenet.cn/blog-498969-386211.html
上一篇：肌音图绘制四头肌（股外侧肌）的长度－张力曲线
下一篇：VMG (肌音图)的稳定性及可重复性的测定
