評估不同的方法從sEMG訊號中消除ECG訊號

Elimination of electrocardiogram contamination from electromyogram signals: An evaluation of currently used removal techniques

Drake, J. D., & Callaghan, J. P. (2006). Elimination of electrocardiogram contamination from electromyogram signals: An evaluation of currently used removal techniques. Journal of electromyography and kinesiology, 16(2), 175-187.

介紹

軀幹的表面肌電訊號由於接近心臟位置，因此sEMG訊號經常會參雜ECG (Electrocardiography)的訊號汙染。Winter (2009)指出EMG訊號的頻帶大約大10-500Hz，並且訊號強度集中在20-200Hz。Christov & Daskalov (1999)的文章指出ECG訊號最高到100Hz，並且大多數的訊號低於35Hz。因為ECG波形複雜，還有其頻帶 (spectral distribution)分布與sEMG的頻帶重疊，讓分開sEMG與ECG訊號的任務相對困難。

本篇文章在比較何種方法可以最佳的從軀幹sEMG訊號去除ECG訊號

方法

本篇文章共使用23種不同的手段來去除ECG訊號。方法大致可以分成以下四種

• Template technique: 量測受試者的QRS complexes，去減去sEMG訊號中的ECG訊號
• Frequency subtraction: 另外使用儀器蒐集ECG的訊號，使用快速傅立葉轉換 (FFT) sEMG與ECG訊號，在頻域使用sEMG減去ECG的頻域，再inverse回time domain。
• High pass filtering: 使用高通有限 (FIR)或是無限脈衝 (IIR)濾波器來處理資料，IIR使用Butterworth Filter，並且使用不同cutoff frequency來設定濾波器，cutoff frequency分別為20、30、40、50、60Hz。
• Combination techniques: 先使用Frequency subtraction處理資料，再使用High pass filtering。

所有訊號都使用2.5 Hz lowpass Butterworth filter做封包 (linear envelope, LE)處理，評估處理後資料的好壞使用四種指標

• Root mean square error (RMSE)
• Percent difference mean power frequency (pdMPF)
• Raw R^2
• LE R^2

結果

結果與排名如下圖所示

Figure from: doi:10.1016/j.jelekin.2005.07.003

討論

在肌肉活化程度再10~25%MVC的情況下，subtraction與 BW30 HPF是最好消去ECG訊號的方法，可以最大的削去ECG訊號干擾並且最小化訊號失真。再來是作者也提醒使用快速傅立葉轉換 (FFT)可能出現的問題，例如再頻域表現良好，但是轉回時域時可能會有局部訊號失真的問題，因此使用inverse FFT在解釋問題時需要小心回應峰值問題。

再來是使用Filtering與inverse FFT時，該訊號是無法充足的回應EMG onset的問題，因為使用filter會有訊號shift的問題 (這在現在都有程式能解決group delay的問題)。

最後是花費時間的問題，Template technique的確能很好的消除ECG訊號，在是在記錄每位受使者需要花費很多時間 (approximately 2 hours)，因此在時間的花費上是需要考慮的。IIR的時間最短，FIR花的時間則比IIR稍長，另外則是inverse FFT需要花上一個小時來處理。

結論

template subtraction 與 BW filter with a 30 Hz cutoff frequency是消除ECG最好的方法。

心得

本文最大的爭議就是他只使用一位受試者做資料來源，再來是他使用的資料中，最高的肌肉活化程度只有38.8%MVC，因此我們無從得知這樣的方法在更高的MVC下會有甚麼結果。再來是現在電腦的設備運算速度更快，IIR與FIR的比較可能可以重新考慮，畢竟FIR的Group delay是線性的，會比較好處理，也許未來可以納入考量，但是FIR濾波器會有ripple的問題需要考慮。

安裝CUDA與cuDNN

安裝CUDA與cuDNN 

1. 先檢查GPU版本

        a. Device Manager->Display adaptors，如下圖所示

2. 檢查tensorflow所需要的CUDA及cuDNN版本

3. 安裝CUDA: https://developer.nvidia.com/cuda-toolkit-archive

所需版本請參照上圖

4. 下載cuDNN: https://developer.nvidia.com/rdp/cudnn-archive

需註冊Nvidia會員
解壓縮後將檔案複製到以下路徑: 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

           v11.0視個人所裝版本而定

           或是參照:  https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-windows

5. 最後檢查cmd

1. ncvv -V

2. python->import tensorflow

使用不同的MVC技巧來量測健康女性的EMG訊號

Vera-Garcia, F. J., Moreside, J. M., & McGill, S. M. (2010). MVC techniques to normalize trunk muscle EMG in healthy women. Journal of electromyography and kinesiology, 20(1), 10-16.

介紹

如何正規化(Normalization)EMG訊號一直都是科學家在意的議題，由於EMG訊號會因為各式各樣的因素產生變化，例如：不同受試者皮下脂肪的厚度、皮膚死皮...等等因素，而有個體間的差異，不只如此個體內也會因為溫度、補充水分等等，會讓同一位受試者在不同天量測而有不同的結果，因此如果無法正規化EMG訊號，就難以得知受試者在這樣的EMG訊號下的用力情形，所以如何正規化EMG訊號就成為重要的課題。

MVC(Maximum Voluntary Contraction)就是一種可以幫助正規化EMG訊號的方法，讓受試者在最大等長的自主收縮下量測EMG訊號，作為最大的電訊號，進而比較受試者的其他動作的EMG訊號，以了解受試者的施力情形。

量測MVC最重要的是怎樣的動作可以引發受試者該肌群的最大力量，這會因為受試者的背景不同而有所差異，例如說：受試者可能會因為過去有個別的運動相關經驗，因此最大力量的施力方式可能跟普通人有所不同，本篇研究作者也說明自身經驗遇過健美項目相關人員，可以藉由稍微改變姿勢就達到最大施力，可能跟該比賽項目的特質有關。

方法

本篇研究為此作出測試，使用八位跳中東肚皮舞的女性(平均經驗3.9±3.3年)作為受試者，使用11種不同的MVC技巧來測試，哪一種方式可以最好的誘發軀幹肌群作用出最大EMG訊號。

目標肌群共八個位置

• upper rectus abdominis (URA), lower rectus abdominis (LRA)
• lateral aspect of external oblique (LEO), medial aspect of external oblique (MEO)
• internal oblique (IO), latissimus dorsi (LD)
• thoracic erector spinae (T9ES), lumbar erector spinae (L5ES)

使用11種姿勢

(1)upper trunk flexion, (2)upper trunk twisting right, and left, (3)lower trunk flexion, (4)lower trunk twisting right, and left, (5)upper trunk bending right, and left, (6)lower trunk bending, (7)upper trunk extension, (8)lower trunk extension, right and left, (9)shoulder rotation and adduction, (10)maximal effort abdominal hollowing, (11)maximal effort abdominal bracing

結果

數字代表產生最大肌力的受使者比例。Figure from:doi:10.1016/j.jelekin.2009.03.010

結果說明使用哪種方式會產生MVC會因為不同的受試者有所變化，因此要量測女性或是女性舞者的MVC時最好軀幹的上部與下部(upper and lower of trunk)都要量測。

本篇研究顯示，大多數的受試者(71%)在上部軀幹(upper of trunk)伸展時表現出thoracic erector spinae的最大肌肉活性，76%的受試者在下部軀幹(lower of trunk)伸展時展現最大肌肉活性。

其中一個有趣的結果是，雖然沒有統計上的顯著差異，LRA (lower rectus abdominis)在上部軀幹的收縮有最大肌肉活性，URA (upper rectus abdominis)在下部軀幹收縮有最大活性，但是這跟有違最接近的肌肉應要最大肌活的觀點。

結論

雖然說MVC可能會因不同的人而有所不同，但是本篇文章進行全面的調查，讓未來相關的研究提供了更全面的觀點。

本篇作者也提及，本研究的受試者都是沒有下背痛的人，因此在對於有下背痛病情的受試者，這些動作可能沒辦法很好的完成，需要另外考慮合適的受測方式。

不同物理性質的球拍如何影響網球選手的肩膀

Creveaux, T., Dumas, R., Hautier, C., Macé, P., Chèze, L., Rogowski, I. (2013). Joint kinetics to assess the influence of the racket on a tennis player’s shoulder. Journal of sports science medicine, 12(2), 259. 

0.1 前言及研究目的 

球拍的特性如何影響選手的運動表現、是否增加選手受傷的風險一直都是教練、廠商與科學 家關注的重點。過去的研究指出，減少球拍的轉動慣量可以增加球拍拍頭的速度，並且對選 手而言，更輕的球拍可以讓選手更好的加速球拍，增加揮擊的力量。但是這些研究並沒有關 注使用這樣不同球拍是否會造成選手的負荷。再來是，過去的研究要瞭解選手與球拍的交互 關係通常是依靠球拍的震動或是肌電圖來得知。但是綜合過去的研究，仍然沒有去探討球拍 對關節動力學在關節力矩與力量輸出的影響。本篇研究在調查球拍的不同物理性質如何影 響選手在使用 flat 發球的狀況下，上肢肌肉活性、肩膀淨力矩與力量的差異。因此本篇作者 將近進行兩項假說的檢測，第一，不同物理性質的球拍會在發球過程中造成不同的肌肉活 性、關節力矩與力量，第二，在相似的擊球後球速條件下，比較低轉動慣量的球拍會導致更 高的轉動慣性。 

0.2 方法 

使用五名男性選手，技巧發展在 International Tennis Number 3，分別使用三種不同的球拍， 球拍Ａ有比較低的重量、較高的平衡點與 polar moment，球拍Ｂ有比較低的轉動慣量，球 拍Ｃ有比較高的重量與轉動慣量。實驗在室內的 acrylic 球場，需將球擊到特定區域才算成 功，並使用雷達槍測球速，與用５５個反光點與六台相機來蒐集 motion data。EMG 貼點貼 在上斜方肌、胸大肌、背闊肌、中三角肌、肱二頭肌、肱三頭肌。 

0.3 結果 

三種球拍的擊球初速沒有顯著差異，分別為球拍 A 36.4±2.3m.s−1、B37.1±1.5m.s−1 、C37.2± 2.3m.s−1 球拍 A 比球拍 C 有顯著更高的向內旋轉力矩，球拍 A 比球拍 B、C 有更高的峰值向外轉 動力矩。其他的比較則沒有顯著差異。肩關節力量則是沒有顯著差異。 

0.4 討論 

球拍 A 相比球拍 C，在加速與減速時期需要更大的向內與向外的峰值轉動力矩。在球拍向 上加速階段，球拍 A 比 C 需要更多關節力量，因此可假設比較輕的球拍在擊球時會產生更 高的揮拍速度。因此在使用較輕的球拍時可能會使前後的不平衡，可能形成受傷風險因子。 在這樣的情況下 EMG 的資料顯示胸大肌與前三角肌的活化程度相似，但是在使用球拍 A 的時候背擴肌的活性程度較低，因此作者假設這背擴肌減少活性可能會讓減少在過頭運動 中比抗肱股活動的力，進而讓肩膀 rotator cuff muscles 的活性增高，因此產生代償，但這尚 未被證實。本篇研究最後的結論是比較輕的球拍可能會增加 rotator cuff muscles 的疲勞，並 減少肩膀的穩定性，可能會因此增加受傷的風險。

關於網球選手擊球產生球拍振動的研究

Chadefaux, D., Rao, G., Androuet, P., Berton, E., Vigouroux, L. (2017). Active tuning of stroke-induced vibrations by tennis players. Journal of sports sciences, 35(16), 1643-1651.

0.1 介紹

網球選手揮拍時所造成的球拍震動會回傳到選手手臂,進而產生相應的傷害。因此探討震動的產生與如何減少震動對選手與廠商就成為相當重要的課題。本篇文章因此著重在網球選手在不同強度的正手擊球時,球拍的震動模式。

0.2 方法

總共 14 位右撇子的的男性選手,都只用本篇研究所提供的球拍,並記錄球拍的性質。運動學使用八台紅外線 high-resolution motion-capture system (ViconMotion System, Oxford Metrics, UK)。擊球強度用撞擊球拍的力與所產生的法向量加速度並使用轉換函數回推得知。由於直接測量握拍力道可能會因為器材的緣故影響握拍的方式, 因此握拍的力道則是使用 EMG 訊號間接推估而成。震動能量是使用兩個三軸的加速度計至於受試者 radial 與 ulnar styloid processes 的中間還有 lateral epicondyle of the humerus,另外還有一個單軸的加速度計至於球拍上。

0.3 結果

結果顯示擊球強度與不同的球拍沒有關係,但是擊球強度與球拍的材質會顯著影響握拍的力道。震動的能量則是受到擊球強度的影響,並且震動能量傳遞到手腕跟手肘會與握拍的力道相關。頻譜則用於分析不同球拍對於手腕上的加速度計進行三種不同軸向比較。

0.4 討論

本篇研究最重要的發現在震動的頻率會根據不同的擊球強度與球拍所造成的握拍力度而有所改變。再來是如果增加手握球拍連接點的強度,可以因此降低擊球方向的震動,有利於完成擊球動作。另一個重要的結果是,對於選手而言,球拍震動的能量並不是常數,而是會因擊球強度與球拍材質而有所不同。這樣的結果可以位選手或是廠商提供證據或支持來減少球拍震動,進一步減少傷害。

0.5 心得

由於過去沒有研究過網球選手揮拍時對手臂產生的震動模式,因此本篇研究提供相當好的證據讓選手或是廠商可以注意到球拍的震動是可以主動做出調整的。本篇研究也有說明到自己研究上的限制,例如握拍力道是由 EMG 間接推知,因此可能影響部分結果。

使用EMG訊號來研究高爾夫球與網球揮拍的肌肉活化順序

Vasudevan, J. M., Logan, A., Shultz, R., Koval, J. J., Roh, E. Y., Fredericson, M. (2016). Comparison of Muscle Onset Activation Sequences between a Golf or Tennis Swing and Common Training Exercises Using Surface Electromyography: A Pilot Study. Journal of Sports Medicine, 2016.

0.1 介紹

網球的擊球與高爾夫球的揮桿都是需要上下半身依序作動的動作，但是在高爾夫球的相關研究中，大部分都是只著重在局部的肌肉上，在網球的相關文獻也比較少有肌肉激活順序的研究，並大多著重在發球相關的動作上。因此本篇文章使用表面肌電訊號來評估選手進行高爾夫揮桿與網球正手揮拍的肌肉訊號激發的順序，還有這樣的激活順序是否與選手常用的訓練動作相關，並希望藉由這樣的研究來發展最佳化的訓練方式。

0.2 方法

使用各九名健康的網球與高爾夫球選手，高爾夫球選手的年紀介於 20 33 歲之間，平均 22.3 歲，球齡介於 1-14 年，平均球齡 7 年。網球選手年齡介於 19 26 歲之間，平均年齡 22.4 歲，球齡介於 6 15 年，平均球齡 9.9 年。所有選手都沒有脊椎或是肢體急性或慢性的傷害，以避免影響揮拍或揮桿的動作。動作選擇使用常用於兩者運動訓練的 wood chop cable pull 以及 medicine ball wall throw，另外還多選擇一項器材 Turning Point 4.0 Rotational Training Platform，作者解釋這項器材比較好幫助本篇研究做操作性實驗。統計方法使用 Spearman correlation來比較各結果的相關性，並使用 random effects meta-analytic strategy 來計算信心區間。

0.3 結果

高爾夫選手的結果表明，大部分的選手顯示揮桿與方法所述的三種方法與揮桿動作有正相關，其餘少數選手雖然呈現負相關，但是在百分之 95 的信心區間下，仍有正相關的可能，而網球選手的結果也類似高爾夫選手的結果。

0.4 討論

作者表明本篇最大的限制在樣本數太小，雖然大致上的結果是可以說明以上三種練習，無論在網球揮拍或是高爾夫球的揮桿都是有正相關，但並沒有指出任何一項訓練有較佳的表現。再來是，作者懷疑 Turning Point 4.0 Rotational 對於網球運動在三者練習中相比，有更大優勢的原因是在橫向上有更大的選轉角度，但是並無法指出有任何的顯著優勢。另外作者也說明未來的研究應該要能說明何種程度的變異是可以接受的，畢竟在不同層級的選手在執行動作的穩定程度有所不同。

0.5 心得

本篇研究很好的說明肌肉活化的順序與選手動作的關聯，但也因為是先導研究，所以只能提供相關的結果，並無法多作說明與比較，這部分是相對可惜的，但這也說明類似的研究相當稀少，才讓本篇研究無法多作探討，之後可以專注相關的議題。