一种腰部肌电信号采集与分析方法

本发明属于生物医电，具体涉及一种腰部肌电信号采集与分析方法。背景技术：1、随着科技的发展，生物医学信号处理技术在医疗、康复、体育等领域得到了广泛的应用。腰部作为人体的重要部位，承担着支撑躯干、保护内脏和运动协调的关键作用。然而，随着人口老龄化形势不断加深，腰部疾病频频发生，严重影响生活质量。2、研究腰部的肌电信号对于揭示腰部疾病的发病机制、预防及康复具有重要意义，针对腰部肌电信号的精确检测与分析可为临床诊断和治疗提供科学依据。因此，开展腰部肌电装置的研究具有重要的实际应用价值。腰部肌电信号作为一种重要的生物电信号，其在肌肉活动、神经肌肉疾病诊断、康复训练等方面具有重要的研究价值和应用前景。3、现有的腰部肌电采集由于传感器与皮肤接触不充分，人体运动时存在信号采集传输不稳定的问题。且采集到的数据多采用传统的数据统计分析方法，存在一定的局限性，如只能简单地对信号强度进行分析，不能解构出信号包含的大部分生物信息。此外，传统的肌电信号以时序数据的形式存储，包含多种不同的生物信息，无法直接用肉眼提取分析，在后续临床应用方面也存在一定的不足，比如医生无法直接解读时序腰部肌电信号。技术实现思路1、为了克服现有技术的不足，本发明提供了一种腰部肌电信号采集与分析方法，使用基于stm32f103芯片的adc数模转换功能，使用keil5编程控制并实时通过dma技术读取腰部肌电数据，提高数据采集的效率；采用ttl串口发送数据的方式，方便数据的传输和后续处理。在数据读取和分析方面，本发明使用了基于python的pyserial库函数，实现基于python环境的数据获取分析，能够调用丰富的库和框架，为数据分析提供了便捷的工具。同时，使用基于深度学习的自监督特征提取算法分析信号，提取新的信号特征，为后续的信号分析比如分类或聚类，提供更有代表性的基础数据。2、本发明解决其技术问题所采用的技术方案如下：3、步骤1：构建腰部肌电采集装置，包括基于stm32f103芯片单片机、模数转换器adc、串口通信模块、3.3v电源、干电极肌电传感器；4、步骤1-1：将3.3v电源连接至单片机和干电极肌电传感器，保持电路处于工作状态；5、步骤1-2：将干电极肌电传感器信号线连接至单片机pc1引脚，用于单片机接受干电极肌电传感器测量的肌电信号；6、步骤2：对腰部竖脊肌和多裂肌对应皮肤表面清洁；顺着肌肉方向，将干电极肌电传感器放置并固定在竖脊肌和多裂肌对应皮肤表面，放置位置距离腰中线2cm位置；7、步骤3：在keil5软件上使用c语言写程序，控制stm32f103芯片相关寄存器；创建main.c文件，用于编写主程序运行代码；8、步骤3-1：配置adc和dma并初始化；9、步骤3-2：控制stm32f103芯片相关寄存器，配置usart串口并初始化；10、步骤4：通过ch340芯片连接计算机和单片机；11、将ch340芯片连接到单片机的对应通信引脚上，将ch340芯片使用usb线连接到计算机的usb接口上。12、步骤5：代码控制计算机与串口之间的连接；13、在计算机python环境下，导入serial，time及binascii包，使用pyserial.serial类创建一个串口对象，初始化串口参数，波特率为115200、停止位为1、无校验位，与单片机串口参数对应；14、在python写准备接收单片机数据指令，通过serial.write()函数，发送准备接收指令至单片机；在keil5软件串口中断执行函数里写接收计算机指令，通过usart_getitstatus(debug_usartx,usart_it_rxne)函数返回值判断是否有发送指令，使用usart_sendhalfword()函数开始发送所测的肌电数据至计算机。15、步骤6：计算机基于python环境读取并转化串口信号；16、步骤6-1：计算机python环境设置读取数据为utf-8字节编码格式，调用serial.read()函数接收串口腰部肌电数据集，从串口缓冲区读取指定长度的比特流数据；17、步骤6-2：使用binascii.hexlify()函数，把比特流数据转换为16进制数据流；18、步骤6-3：用int()函数把16进制数据流转换为最终整型数据；19、通过for循环函数，循环读取16进制数据流的前四位，得到16位的数据，再由int()函数转化为最终整型数据；20、步骤7：基于python环境，写信号分析代码，使用multiview graph contrastive自监督算法对肌电信号进行特征提取，以实现腰部肌电信号的解析；21、步骤7-1：对采集到的原始肌电信号进行数据准备和预处理；22、腰部肌肉电信号数据记作其中n表示信号通道数量，t表示时间点数量；设xit表示信号i在时间点t的强度；23、对数据预处理，包括去噪和标准化；去噪使用低通滤波器，标准化将信号强度缩放到统一0-1范围，标准化公式为：24、25、其中，x′it是标准化后的信号强度，min(xi)和max(xi)分别表示信号i的最小值和最大值；26、步骤7-2：构建内信号图和间信号图图结构，将腰部肌电信号数据转换为图结构表示，并进行信号掩码；27、内信号图考虑时间窗口w，基于时间窗口的选择，每个时间点作为图的一个节点，构建图表示信号在时间序列上的依赖性；28、间信号图将每个信号通道作为一个节点，节点间的连接权重反映了通道间的相互依赖性，表示不同信号通道间的相互影响；29、信号掩码基于信号的重要性系数c随机选择部分信号进行掩码，重要性系数c的计算公式为：30、c＝wx+b31、其中，w是可学习的权重矩阵，b是偏置项；32、p＝sigmoid(c)表示每个信号被保留的概率，使用gumbel-softmax决定哪些信号被掩码；33、步骤7-3：进行多视图对比学习；34、利用生成的不同视图，计算对比损失以训练模型识别不同数据增强视图间的差异，对比损失的计算公式为：35、36、其中，u和v分别是正样本对中的两个视图的特征表示，v包含一个正样本对和多个负样本对，sim(u,v)计算两个视图的相似度；τ是温度参数，控制分布的平滑程度；37、步骤7-4：利用transformer架构将从间信号图和内信号图中学到的特征进行融合，并重构信号；特征融合后的表示f通过以下公式计算：38、f＝linear(concat(uinter,uintra))39、其中，concat(·)表示拼接操作，uinter和uintra分别是间信号图和内信号图学习到的特征表示；40、步骤7-5：构建损失函数，结合重构损失和对比学习损失，公式如下：41、l＝lmse+λ1lcross-v+λ2lcross-g42、上式中，l表示总损失函数，用于衡量模型性能的综合指标；lmse为均方误差损失，用于计算模型重构的信号与原始信号之间的差异，评估模型重构能力的准确性；lcross-v为交叉视图对比损失；lcross-g为交叉图对比损失；λ1和λ2为平衡因子，用于调节lcross-v和lcross-g在总损失中的贡献比重；43、步骤7-6：设置超参数与优化模型；44、设置超参数平衡因子λ1为1，λ2为0.1，批大小为64；45、使用adam优化器最小化总损失l，设置学习率为1e-3；46、迭代训练模型，每次迭代计算前向传播得到损失值，然后进行反向传播更新模型参数，当验证集上的损失不再显著下降时停止训练，得到腰部肌电特征提取模型。47、优选地，所述皮肤表面清洁包括剃须、酒精擦拭和打磨皮肤表面。48、优选地，所述步骤3-1具体如下：49、创建adc.c文件，编写配置adc代码以及相关使用函数，配置pc1引脚为输入模式；50、配置dma初始化结构体，外设地址指向adc数据存储器地址，设置缓冲区大小为1，设置外设数据大小为2个字节，设置循环传输模式，并把dma优先级调至最高；51、配置adc结构体，配置转换结果为右对齐，设置连续转换模式，设置采样时间为55.5个周期；52、通过dma技术读取adc控制的pc1引脚腰部肌电数字信号，提高数据采集效率。53、优选地，所述步骤3-2具体如下：54、创建usart.c文件，写配置usart代码以及相关使用函数；55、编写串口中断nvic初始化函数，设置为高优先级；56、设置pa9、pa10为通信引脚，配置pa9为推挽复用模式用作tx口，配置pa10为浮空输入模式用作rx口；57、设置数据字长为8比特，波特率为115200，停止位为1，无校验位；58、配置串口中断服务函数debug_usart_irqhandler(void)，写串口中断执行程序。59、本发明的有益效果如下：60、1、本发明方法能够提高运动中信号传输稳定性；61、本发明方法通过剃须，酒精擦拭和砂纸打磨皮肤表面，使干电极肌电传感器与皮肤更充分地接触，降低皮肤阻抗，提升数据的稳定性和准确性。此外，干电极肌电传感器顺着腰部肌肉的方向放置，减少了肌肉纤维交叉或其他组织干扰，获得更准确的腰部肌电信号。使用传感器放置创新方法，大大降低信号噪声干扰，降低皮肤阻抗，增加传感器与皮肤接触的稳定性，提升采集信号质量传输稳定性。62、2、精简了肌电信号采集至特征提取的处理步骤：本发明的软硬件结合设计，结合单片机集成性与计算机计算能力，实现了肌电信号的数据采集与特征提取同步进行，减少了操作步骤。这种一体化流程不仅精简了使用过程，还提高了数据处理的时效性和准确性。63、集成性：将腰部肌电信号采集与数据特征提取分析集成在一个系统中，对腰部肌电实时检测分析，增加操作便捷性和数据处理能力，简化操作流程，提升用户体验。64、兼容性：软硬件的结合设计考虑了与现有医疗设备的兼容性，可拓展性强，便于在多种医疗场景下应用。65、3、减少人工处理肌电数据成本；66、本发明采用无监督的自监督特征提取方法，实现了腰部肌电信号特征的自动提取，无需昂贵的人工标注成本。这种自监督机制大幅降低了数据处理复杂性和时间消耗，同时保证了特征提取的准确性和可靠性。免标注的优势提升了肌电信号分析的效率，为医疗诊断、康复评估等领域提供了高效、经济的解决方案。67、自动化特征提取：通过无监督的自监督特征提取技术，本发明能够自动从肌电信号中提取关键特征，无需人工干预或标注，显著提高了数据处理效率。68、降低成本：免除了人工标注的环节，本发明大幅度减少了肌电信号分析的成本，尤其对于大规模数据集的处理，经济效益尤为明显。