26、生物医学信号分析：从表面肌电图到心音图的应用探索

生物医学信号分析：从表面肌电图到心音图的应用探索

1. 小波变换在帕金森病诊断中的应用

小波变换（WT）已成功应用于帕金森病的诊断和跟踪。研究中记录了胸大肌和后三角肌在弹道运动时的表面肌电图（sEMG），使用Morlet复小波，并计算描述所考虑肌肉信号的函数 (f(t)) 和 (g(t)) 的连续小波变换 (W_f(a, τ)) 和 (W_g(a, τ)) 之间的互相关。小波互谱图由以下公式给出：
[W_{fg}(a, τ) = W_f^*(a, τ)W_g(a, τ)]
互相关谱定义为：
[|W_{fg}(a, τ)|^2 = |Re(W_{fg}(a, τ))|^2 + |Im(W_{fg}(a, τ))|^2]
对局部小波互相关谱在 (τ) 上进行积分，可得到全局小波互谱。与傅里叶变换（FT）不同的是，这里可以选择合适的积分时间间隔。研究中选择的阈值比最大小波功率峰值高5%。正常组的互相关功率时频分布在时间和频率上比帕金森病组更集中，帕金森病组的分布较为分散，尤其是在时间上。为了量化这些差异，通过对尺度图在频率和时间上进行积分确定了一个称为全局功率的参数，该参数比传统医学测量方法更能区分帕金森病组和正常受试者，并且被提议作为评估疾病进展的有用参数。

2. 表面肌电图（sEMG）分解

近年来，sEMG技术备受关注，部分原因是人们担心针电极会导致感染。然而，sEMG技术存在固有问题，即组织的容积传导和低通滤波效应会导致运动单位动作电位（MUAPs）持续时间增加、形状平滑，以及它们之间的差异减小。因此，sEMG最初被视为干扰信号，只能评估运动单位的全局特性及其放电率。

在20世纪70年代初，Gydikov及其同事提出