45天-6°头低位卧床实验中的人体心—肌电生理变化研究

摘要

在轨航天员由于长时间处于微重力环境下，其身体会出现去适应性症状，主要表现为运动功能的特异性改变。深入理解在轨生理变化机制并制定研究相应对抗措施来减缓去适应性进程是航天生理研究的核心问题。但现有研究大多集中在下肢承重肌肉的生理状态变化，而针对承担在轨主要操作动作的上肢任务态肌肉的研究尚鲜见报道。本文主要对模拟失重实验任务态下的上肢肌肉系统肌电信号以及静息态下的心脏系统的心率变异性进行研究，并尝试对肌肉系统以及心血管系统展开联合分析。
　　本研究中的模拟失重实验在中国航天员科研训练中心进行，共选取8名右利手健康男性被试，严格执行45天-6°头低位卧床条件。在卧床前第5天，卧床第15天，30天以及45天，被试分别进行最大自主推、拉任务。实验同步采集上肢六块肌肉的表面肌电信号（surface Electromyography，sEMG）以及肌力信号，并获取当天静息态下心电信号，提取上述电生理信号的时域、频域以及非线性特征，结合统计学上单因素方差分析，对心率变异性(Heart Rate Variability，HRV)以及sEMG随卧床进程的变化进行研究。
　　通过对HRV分析，发现随着卧床时间增加，被试交感神经系统兴奋性增强，迷走神经兴奋性减弱。每名被试四个时间点下的推、拉动作下最大自主收缩力均无显著变化，但sEMG分析发现三角肌的积分肌电值、均方根、平均频率和模糊熵值，以及肱三头肌的积分肌电值、均方根和模糊熵值均有显著性变化，且这些特征值随着卧床时间增加呈现出一种先抑后扬的非单调变化状态，显示其对上肢肌肉系统的去适应性检测比肌力参数更为敏感。
　　本文利用sEMG信号的时域、频域以及非线性特征值进行基于特征递归筛选的支持向量机(Support Vector Machine-Recursive Feature Elimination，SVM-RFE)的跨人四分类模式识别，经过递归筛选后得到的小特征集分类识别正确率可达73％-98％，证明了所选特征集的时间敏感性，也表明卧床因素跨个体的鲁棒性与稳定性。最后还尝试进行了心电特征与肌电特征联合分析，通过计算联合函数与回归分析发现卧床对心血管-肌肉系统的关联效应产生了影响。本文研究成果有望为未来航天员在轨飞行对抗任务设计以及着陆后的身体机能恢复提供技术支持。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 失重生理的研究方法

1．2．1 失重引起人体生理系统变化原因

1．2．2 产生真正的失重

1．2．3 地面模拟失重

1．2 研究意义

1．4 研究现状

1．4．1 国外研究现状

1．4．2 国内研究现状

1．5 研究内容及章节安排

第二章 生理信号的研究基础

2．1 心率变异性

2．1．1 心电基础

2．1．2 生理基础

2．2 肌电研究基础

2．2．1 肌电信号的产生

2．2．2 肌电特点

2．3 本章小结

第三章 实验设计与信号预处理

3．1 实验设计

3．1．1 被试

3．1．2 实验方案

3．1．3 目标肌肉

3．2 数据预处理

3．2．1 心电信号预处理

3．2．2 肌电信号预处理

3．3 本章小结

第四章 特征提取与结果分析

4．1 心率变异性(HRV)的特征

4．1．1 HRV的时域特征

4．1．2 HRV的频域特征

4．1．3 HRV的非线性特征

4．2 肌电信号的特征

4．2．1 肌电时域特征

4．2．2 肌电频域特征

4．2．3 肌电非线性特征

4．3 特征提取与统计学分析

4．3．1 单因素方差简介

4．3．2 HRV特征结果与分析

4．3．3 肌电特征结果与分析

4．4 卧床不同时间的肌电模式识别

4．4．1 支持向量机(Support Vector Machine，SVM)

4．4．2 基于递归筛选的支持向量机

4．4．3 模式识别结果与分析

4．5 本章小结

第五章 心电-肌电联合分析

5．1 相关性分

5．1．1 皮尔森相关性检验

5．2 回归分析

5．3 心电-肌电联合分析

5．4 本章小结

第六章 总结与展望

6．1 工作总结

6．2 未来展望

参考文献

发表论文和参加科研情况说明

致谢