肌肉在皮肤上产生电位分布，即表面肌电图（sEMG)。可以用来分析肌肉疲劳，肌肉疲劳有许多定义，生理学上，低细胞内肌肉pH值传统上被认为是导致疲劳的主要因素，乳酸积累引起的酸中毒被认为是导致活跃骨骼肌疲劳的原因。肌肉疲劳的肌电活动变化。这些变化可以通过在时域和频域处理表面肌电信号的参数和算法来测量。在时域中，它使用RMS（均方根）值，即信号平均能量的平方根。频域中有两个已被广泛使用的主要疲劳描述符，即功率密度谱的平均频率（MNF）和中频（MDF）。在等长收缩时，运动单位动作电位（MUAP）的形状受疲劳相关pH值变化的影响，因此肌纤维上的传导速度降低。因此，MNF和MDF降低，sEMG信号的功率密度谱压缩。

等长MVC的30%至70%用力范围应在20至30秒的时间间隔内进行。这是特别推荐的情况下等长收缩（关节角度守恒和肌肉长度），这是持续时间和不改变范围的肢体活动。当关节运动不舒服或有禁忌症时，在固定过程中，或当受伤区域的底层组织薄弱时，等长运动是一种有价值的康复工具。然而，由于传统康复方案中存在许多生理条件和心理因素，这些疗法通常无法实现对肌肉疲劳水平的主动监测和提供治疗依从性。为此，开发了探索虚拟康复技术的新型人机交互（HCI）模式，整合了复杂的（当前）可访问虚拟现实（VR）技术、交互式传感器（例如，运动跟踪器、触觉、可穿戴表面肌电图（sEMG）和多模态生理传感器，用于主动监测治疗效果。

游戏界面

本研究描述了一个集成到上肢虚拟康复游戏中的生物融合系统的设计过程。自适应系统使用来自可穿戴、无创、低成本的表面肌电臂带的信号，用于赋予游戏一个人工智能模块，该模块可以感知玩家的疲劳程度。这种智能使游戏能够创建实时适应，旨在调节玩家的疲劳程度，使他们保持在推荐的体力活动范围内。最后的系统评估考虑了两种不同的可视化模式：非沉浸式（使用传统屏幕显示游戏）和沉浸式（使用新型虚拟现实耳机作为交互媒介）。

力量防御是一个基于身体的互动视频游戏，在这里玩家互动和控制视频游戏使用他们的肌肉（肱二头肌）。原力防御描绘了一个虚构的世界，主角被困在湖中，必须保护自己不受不断攻击的怪物的伤害。在游戏中得分的方法是通过创造一个力量盾，也将允许反击。通过使用生理计算原理，生物融合环系统允许集成人工软件智能系统。在本文的系统中，引入玩家的疲劳程度，从而调整游戏变量，以最大限度地提高身体表现。24名受试者（12名女性和12名男性） 自愿参加实验。Myo袖带可穿戴手镯包括8个干电极，用于记录200hz采样频率下的表面肌电信号。使用0-10博格量表来量化受试者的感知疲劳水平。游戏体验问卷（GEQ）用来调查玩家对游戏体验的印象和看法。坐着的运动员在他/她的主臂上使用肌臂带传感器，特别是在肱二头肌上。在研究者的指导下，参与者进行了5分钟的伸展训练，重点放在上肢。用游戏机制解释了部队防御电子游戏的目标。在校准阶段，受试者被要求放松手臂10秒钟，然后在90岁时进行二头肌肘关节屈曲15秒。校准后，玩家可以在主场景中自由地与游戏对象进行交互。研究者还要求运动员使用博格量表来评定主观疲劳水平。

试验设计

首先，与非沉浸式相比，沉浸式条件下的感知疲劳水平较低，这反映了新型沉浸式虚拟现实技术如何在虚拟康复过程中对真实物理因素产生有意义和可测量的变化。这可能有助于临床应用。GEQ的结果支持了这种体验的提升，结果表明沉浸式体验中的能力、流动性和积极影响等重要因素比传统的非沉浸式体验更高。此外，沉浸式体验的负面影响也低于非沉浸式体验，再次强化了一种更愉快、更具吸引力的体验。这些结果是预期的，因为过去的研究结果指出，通过沉浸式互动活动，参与者可能会部分忽略负面情绪，如疼痛或疲劳。重要的是要强调，设计的生物混合系统的目标之一是通过玩家的肌肉收缩水平来影响游戏的难度。

GEQ游戏旨在测量人们停止游戏后的感受。在实验设计中，正面经验和负面经验的类别在沉浸状态下表现出显著更好的分数。两组间SUS无显著性差异；尽管如此，这两个分数都很高，说明电子游戏的综合功能很好，包括生理适应能力。该系统在两种情况下均表示SUS值，证明系统的可用性不受设置的显著影响。另一方面，表现指数表明沉浸式环境可以鼓励玩家在游戏中取得更好的表现，从而通过自我竞争策略提高虚拟康复的益处。总之，本文设计的系统可作为提供更个性化治疗的策略和基于生理表现定制难度水平的客观工具。

M. F. Montoya, J. E. Muñoz and O. A. Henao, "Enhancing Virtual Rehabilitation in Upper Limbs With Biocybernetic Adaptation: The Effects of Virtual Reality on Perceived Muscle Fatigue, Game Performance and User Experience," in IEEE Transactions on Neural Systems and Rehabilitation Engineering,