脊髓映射分析 (Spinal Mapping)

💡 功能说明： 将多通道肌电信号投影至脊髓节段（L2-S2），评估中枢神经系统的时空激活模式。

正在加载配置模块...

📁 数据导入 (Time Domain)

📁 数据导入 (Frequency Domain)

📂 1. 数据导入 (Data Import)

目录结构要求：
ProjectFolder / Subject_A / 1.csv, 2.csv...
ProjectFolder / Subject_B / 1.csv, 2.csv...

⚙️ 2. 预处理与 NMF 设置（Pre-Processing and Settings）

去直流 (De-mean)
带通滤波 (Bandpass)
- Hz
全波整流 (Abs)
低通包络 (Envelope)
截止: Hz
时间归一化 (Time-Norm)
点数: (若不选，请确保数据长度一致)
第 行 (包含 RF, VL 等名称)
-
-
* 留空 "End" 表示读取到文件末尾

系统将自动测试 k=2..Max，直到 VAF > 目标值。


信号质量评估 (Signal Quality Assessment) 工频干扰检测 · 运动伪影检测 · 电极状态评估 · 综合评分

功能说明：在时域分析页面加载数据并选择通道后，切换到此页面评估信号质量。检测 50Hz 工频干扰、运动伪影、电极松动，给出 0~100 分综合评分。所有检测 全自动后台完成，无需手动标记。

📐 算法原理与参考文献
工频干扰检测（Power Line Interference）
算法：FFT 频谱峰值法（Peak-to-Plateau Ratio, PPR）
原理：对信号做 FFT，在目标频率（50Hz 或 60Hz）±2Hz 范围内搜索峰值功率 Ppeak，以 ±20Hz 范围（排除 ±2Hz 内）平均功率为基底 Pbase，计算 PPR = Ppeak/Pbase。PPR > 3 表明存在工频干扰，值越大干扰越强。
参考文献： [1] Chowdhury R.H. et al., "Surface Electromyography Signal Processing and Classification Techniques", Sensors, 13(9):12431–12466, 2013. doi:10.3390/s130912431
[2] Chan A.D.C., "CleanEMG: Quantifying Power Line Interference in Surface EMG Signals", CMBES Proceedings, 2022.
运动伪影检测（Motion Artifact）
算法：三层融合 — 低频能量占比 + 峰值检测 + 峰度（Kurtosis）
原理：① 低频能量法：5Hz 低通滤波后，低频（<5Hz）能量占总能量比例 >30% 表明存在大幅基线漂移[1]；② 峰值检测：幅值超过「均值+5σ」的尖峰比例 >5% 表明运动伪迹严重；③ 峰度法：峰度 >15 表明信号存在大量异常尖峰，正常 EMG 峰度约为 3~8[3]。
参考文献： [1] Chowdhury R.H. et al., Sensors, 2013[doi]
[3] Chiarelli A.M. et al., "A kurtosis-based wavelet algorithm for motion artifact correction", Neuroimage, 112:128–137, 2015. doi:10.1016/j.neuroimage.2015.02.057
电极状态检测（Electrode Contact）
算法：峰值因子法（Crest Factor）+ 低频噪声能量比
原理：① 峰值因子（峰值/RMS）：正常 EMG 为 3~6，电极接触不良时大幅低频漂移叠加，因子 >10[4]；② 低频（2~20Hz）噪声能量比：电极松动时低频噪声能量占比显著增加，>50% 表明接触异常[5]。
参考文献： [4] Day S., "Important Factors in Surface EMG Measurement", Cornell University ECE5030, 2009.
[5] Konrad P., The ABC of EMG: A Practical Introduction to Kinesiological Electromyography, Noraxon Inc., USA, 2005.
信噪比（SNR）计算
算法：基于幅值分布的分段 RMS 法
原理：取信号绝对值排序：最低 20% 段估算噪声基底 RMSnoise，最高 20% 段估算信号 RMSsignal，SNR = 20×log₁₀(RMSsignal/RMSnoise)。该方法无需人工标注静息段，适合自动化处理[1]。
参考文献： [1] Chowdhury R.H. et al., Sensors, 2013[doi]
综合评分计算
公式：总分 = SNR×40% + 工频×20% + 运动伪影×25% + 电极×15%
等级：80~100 分（A 优秀）| 60~79 分（B 良好）| 40~59 分（C 一般）| 0~39 分（D 差）。默认 ≥60 分视为合格，低于此值的通道建议预处理或重采。
🟢 优秀（80~100分）：信号极佳，可直接分析 🟡 良好（60~79分）：信号良好，可接受 🟠 一般（40~59分）：建议预处理后再分析 🔴 差（0~39分）：信号质量差，建议重采或剔除

📬 反馈与建议

Me

杨晨

工学博士在读 | 生物力学

  • 📧 c.yang@myswjtu.edu.cn; 1449405412@qq.com
  • 🌐 https://orcid.org/0009-0007-1718-1257

🎓 教育背景

博士研究生
2025.09 - 至今
西南交通大学 利兹学院
主修方向：人类运动控制、外骨骼机器人、步态分析。
硕士研究生
2019.09 - 2022.06
曲阜师范大学 体育科学学院
主修方向：运动生物力学、运动技术动作诊断与优化、步态分析。

🔬 研究方向 & 兴趣

  • 表面肌电 (sEMG)： 肌肉协同分析。
  • 有限元分析 (FEA)： 骨骼肌肉系统建模、生物力学仿真。
  • 生物力学： 运动技术诊断与优化、步态分析、下肢外骨骼。

🛠️ 关于本工具

本工具旨在为生物力学研究人员提供一个轻量级、无需安装、跨平台的肌电信号快速分析解决方案。

如果您在科研中使用了本工具，或者有定制化开发需求，欢迎通过上方联系方式与我交流。