一种自适应反馈电针系统研究

摘 要： 针对传统电针在治疗过程中出现穴位电刺激适应现象，导致治疗效果下降的问题，提出一种新型的自适应反馈的电针系统。在对人体在不同信号电针激励下的响应进行研究建模的基础上，采用自适应反馈算法，在DSP平台上构建电针系统。通过与传统电针系统的分析对比，该系统能过有效避免电刺激现象的产生。该系统能显著提升电针治疗效果，降低医生工作量，具有临床应用价值。

关键词： 自适应反馈算法； 穴位电刺激； 电针灸； 肌电信号

中图分类号： TN710?34 文献标识码： A 文章编号： 1004?373X（2015）24?0087?03

Research on an self?adaptive feedback electronic acupuncture system

XUE Fang， WANG Li

（Management Department， Xi’an Medical University， Xi’an 710021， China）

Abstract： Aiming at the problem that the traditional electric acupuncture （EA） has a declining therapeutic effect caused by adaption of acupoint electricity stimulation， a new?type self?adaptive feedback EA system is proposed. On the basis of the research and modeling of human response to different excitation signal， the adaptive feedback algorithm is used to build a EA system based on DSP platform. By comparison with the conventional EA system， the new system can effectively avoid the generation of electrical stimulation phenomenon. The system can significantly improve the therapeutic effect of electro acupuncture and reduce the workload of doctors. It has clinical application value.

Keywords： adaptive feedback algorithm； acupoint electricity stimulation； electric acupuncture； electromyography signal

0 引 言

现代电针技术是在针灸学发展的基础上汲取信息技术、电子医学理论，经临床实践逐渐产生的。电针依赖电流作用刺激穴位，在针上通以接近人体生物电的微量电流以治病的一种疗法。但电针系统在治疗过程中，会产生穴位电刺激适应现象[1?2]，即用相同的处方信号进行刺激，一段时间积累后，人体产生“耐针性”，治疗效果下降。以往电针系统为避免该问题发生，医生需要根据患者感受，结合以往工作经验，手动调节电信号波形。一方面增大了医生的工作量，另一方面由于不同患者“耐针性”差别较大，手动调整仅凭医生经验进行，没有定量分析，精确度不够且过程费时费力，缩短了治疗期内的有效时间，使得治疗效率低下。

表面肌电信号（Surface Electromyography，sEMG）是从人体表面通过体表电极记录下来的神经肌肉活动时发放的生物电信号，被广泛应用于假肢设计、康复医疗及运动员肌肉运动情况分析等领域[3?7]。针对传统电针的穴位电刺激适应问题，本文在对人体肌电信号建模的基础上，采用自适应反馈算法，构建一种智能电针灸系统。

1 系统工作原理

在电针治疗过程中，通过提取sEMG信号来实时反映治疗效果。为了保证人体肌电信号在合理范围内可控，即不能出现“耐针性”，需要对人体在不同信号电针灸激励下的响应进行研究建模，如图1所示。

图1 电针信号激励人体响应建模

如图2所示，本系统采用德州仪器TMS320F2812数字信号处理器[8]作为系统的核心，肌电信号通过处理器自带的模拟/数字转换器转换后送入处理器。采集到的肌电信号经过分析后，与建模的响应数据库进行比对，采用闭环控制算法，独立控制两路电针输出A/B。同时治疗过程中的数据可通过SCI接口送入计算机内部进行存档。采用硬件处理电路与软件控制程序相结合的方式实现。前者依据算法的数学模型设计电路，后者则将算法的数学模型编制成程序，并用数字信号处理器实现。系统同时实现两路电针的控制，充分利用了该处理器的硬件资源。

图2 自适应反馈电针系统结构图

2 算法设计

设电针系统两电极间人体等效电阻为Ri，输出波形采用标准方波，其中A为幅度， T为周期， W为脉宽， 单个脉冲能量为[9]：

[e=A2WRi] （1）

其中[Ri]根据不同患者略有差异，通过改变A，W，T可产生不同的调制方式控制单个脉冲能量大小。

电针强度（EA Intensity，EAI）[10]定义为单位时间患者接收到的能量，如下：

[EAI=e×f] （2）

式中：f为电针频率，电针剂量（EA Dose，EAD）定义为电针强度在治疗时间上的积分：

[EAD=0tEAIdt] （3）

式中t为患者治疗时间。对EMG信号的处理，采用AR参数模型，描述如下[11]：

[EMG（n）+k=1pakEMGn-k=w（n）] （4）

式中：EMG（n）为信号传感器输出信号，代表第n个采样值；w（n）为输入信号；p为AR模型阶数；[ak]是AR模型第k个系数。EMG信号处理后，反映的电针免疫性（EA Immunity）与EAD、电针调制方式、患者个体[Ri]相关，其中[EMGmin]为安全区域下限曲线，[EMGmax]为安全曲线上限曲线。

[EMGmax=fEAD，MS，RiEMGmin=kEAD，MS，Ri] （5）

EAI可通过EMG信号进行观察，电针系统治疗过程中，引起的患者EMG信号变化传递函数为：

[EMG=f2（EAD，MS，Ri）g（k，Z）] （6）

式中：EAD为剂量；MS为调制方式，治疗过程中，保证EMG始终在[（EMGmin，EMGmax）]范围内运行，随着治疗时间的延长，需要改变调制方式保证EMG在安全工作范围。

整个系统根据处方信号的传递函数：

[g（K，Z）=0.997 56 di3.56] （7）

式中：[d]为治疗过程处方信号的总剂量；i为实时电针强度。[EMGmax和EMGmin]曲线围成的面积即是安全工作区，必须保证EMG信号在治疗过程中，始终在该区域内运行。

不同调制方式下EMG的响应特性不同，四种激励方式的有效信号特征如表1所示。

表1 不同激励信号的特征

脉宽调制（Pulse Width Modulation） 引起神经和肌肉兴奋的脉冲宽度为0.03～1 ms，为频率变化对肌电信号的影响：

[ΔWM=logW+0.038 307] （8）

幅度调制（Aplitude Modulation）幅度与刺激强度成正比：

[ΔAM=A23.125 8] （9）

系统中的增益可调，设Ka=Kb=Kc=1。

[EMGi=EMG0+ΔFM+ΔWM+ΔAM]

[e=EMGi-EMG0=EMGi+ΔFM+ΔWM+ΔAM =eb-ec] （10）

式（10）要消除误差e，必须使得产生误差的原因ec与补偿误差的方法eb相当，具体控制如表2所示。

表2 三种调节方式比较

在实际使用过程中，可根据患者的不同情况进行动态选择。

3 系统软硬件设计

如图3所示，构建一个实时反馈环路，环路中包括传感器部分，负责对肌电信号的实时采集，并送入数字信号处理器（Digtal Signal Processor，DSP）。数字信号处理器作为控制整个环路运行的中枢大脑，对传感器送入的反馈信息和数据库中的数学模型，采用自适应反馈算法，得到满足患者要求的调制信号，该信号经过放大器放大后，驱动电针产生满足患者需要的激励波形。

图3 系统软、硬件方案框图

系统的软件设计采用基于RTOS的任务调度系统实现，并将系统需要的各个任务进行分解为：采样任务，算法任务，调制任务，通信任务和指令接受任务等。利用RTOS进行统一调度管理，保证了硬件资源利用的最大化，软件流程如图4所示。

图4 软件系统流程图

4 结 语

本文设计并实现一个基于自适应反馈算法的电针治疗系统，该系统能够独立对两个患者进行并行治疗。在患者进行电针治疗的过程中，系统实时获取患者的肌电信号，根据自适应反馈算法对该信号进行分析比对，自动调整电针系统的电信号波形，避免传统电针治疗设备长时间使用过程中的“耐针性”问题，同时能够提高治疗效率，方便定量分析，节约人力，积累原始临床数据。

参考文献

[1] 杨育霞，雍明超.电针治疗仪安全性问题及对策[J].中国针灸，2009，29（4）：339?341.

[2] 汪灿华，毕圣昭，何扬名，等.嵌入式音乐电针治疗仪音乐处方设计与疗效评估[J].世界科学技术：中医药现代化，2014，16（10）：2278?2281.

[3] KHEZRI M， JAHED M. A neuro?fuzzy inference system for sEMG?based identification of hand motion commands [J]. IEEE Transactions on Industrial Electronics， 2011， 58（5）： 1952?1960.

[4] LI Dapeng， ZHANG Yaxiong. Artificial neural network prediction of angle based on surface electromyography [C]// Proceedings of the 2011 international conference on control， automation and systems engineering. Singapore： IEEE， 2011： 1?3.

[5] PARK K， KWON S， KIM J. Bimanual shoulder flexion system with surface electromyography for hemiplegic patients after stroke： A preliminary study [C]// Proceedings of the 2011 IEEE International Conference on Rehabilitation Robotics. Zurich： IEEE， 2011： 1?5.

[6] 李庆玲.基于sEMG信号的外骨骼式上肢康复机器人系统研究[D].哈尔滨：哈尔滨工业大学，2009.

[7] 尤波，刘意，赵汗青，等.人体肌电信号的生理层模型[J].计算机仿真，2015（1）：367?371.

[8] 刘广哲.基于TMS320F2812的光电经纬仪自动调焦系统设计[J].仪表技术，2015（4）：48?49.

[9] 黄东勉.浅谈影响针刺刺激量的因素[J].中国热带医学，2007（12）：2357?2358.

[10] 王频，杨华元，胡银娥.电针刺激量量化方案探讨[J].中国针灸，2009（5）：417?420.

[11] 赵漫丹，李东旭，范才智，等.基于肌电信号层级分类的手部动作识别方法[J].北京生物医学工程，2014，33（5）：490?496.

[12] 曹鹏，黄华，何扬名，等.调制中频生物电剌激的探讨与设计[J].测控技术，2014，33（7）：23?26.

[13] 汤烈，葛良全.一种滤除表面肌电信号中工频干扰的新型方法[J].现代电子技术，2015，38（4）：30?34.