籃球運動員膝關節振動訊號與運動傷害分析之研究(I)The Correlation Study of a Basketball Players' Knee Joint and Sport Injuries Using Vibration Arthrometry Signal (I)

(1)

行政院國家科學委員會專題研究計畫成果報告

籃球運動員膝關節振動訊號與運動傷害分析之研究(I)

計畫類別：個別型計畫計畫編號： NSC93-2413-H-110-003- 執行期間： 93 年 08 月 01 日至 94 年 07 月 31 日執行單位：國立中山大學通識教育中心計畫主持人：許秀桃共同主持人：楊旭光計畫參與人員：戴玉林、王百川、黃怡澄、許俊仁報告類型：精簡報告處理方式：本計畫可公開查詢

中華民國 94 年 9 月 13 日

(2)

行政院國家科學委員會補助專題研究計畫

■ 成果報告

□期中進度報告

籃球運動員膝關節振動訊號與運動傷害分析之研究

計畫類別：■ 個別型計畫 □ 整合型計畫

計畫編號：NSC93 － 2413 － H － 110 － 003 －

執行期間：

93 年 8 月 1 日至 94 年 7 月 31 日

計畫主持人：許秀桃

共同主持人：楊旭光

計畫參與人員：

成果報告類型(依經費核定清單規定繳交)：■精簡報告 □完整報告

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究計畫、

列管計畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

執行單位：國立中山大學機械與機電工程學系

中華民國九十四年七月三十一日

(3)

中文摘要本研究的方向在於應用關節聽診的技術，對已接受專業訓練而從事籃球活動的運動員，或是一般未經專業訓練，純粹熱衷於籃球活動的運動愛好者，對其膝關節於運動時產生的訊號，以不同的年齡層與性別為導向，展開有規劃的大規模記錄研究。本研究規劃為兩年計畫，分別搜集大學階段的男性（第一年計畫），以及女性（第二年計畫）運動人員的膝關節振動訊號，並對這些訊號進行診斷分析，取得運動傷害相關訊號特徵參數。目前本研究已實際進行量測共計47 人，又分為籃球隊男性學生與一般籃球課男性學生兩個族群。且經過自迴歸模型與可適性區段等數學方法先進行訊號處理，然後再計算均方根值與平均內部群組距離兩特徵參數。經過分析後發現，在均方根值方面，籃球隊男性學生大於籃球課男性學生，且在同樣的運動背景下正常的膝關節之均方根值會大於受傷與不適的膝關節之均方根值。在平均內部群組距離方面，發現籃球隊男性學生大於籃球課男性學生，另外正常的膝關節之平均內部群組距離會大於受傷與不適的膝關節之平均內部群組距離。此計畫的最終目的，在於建立運動人員與一般民眾膝關節振動訊號的資料庫。 Abstract

The object of this research focuses on the knee joint pathology of the basketball sportsman or player to develop a database of noninvasive diagnosis. The theorem of the noninvasive diagnosis is based on an analysis of vibration arthrometry produced by joint surfaces rubbing against one another during normal movement. The database can develop an expert diagnostic system and provide the assistance in clinical use.

Up to now, data of forty seven university male samples have been collected and divided into two groups, basketball sportsmen and players. After autoregressive modeling and adaptive segmentation, we calculate two feature parameters, root mean square value and intraclass distance. Concluding this, we find that in both root mean square value and intraclass distance, the basketball players is higher than basketball sportsmen, and that in both root mean square value and intraclass distance, the normal knee joint is higher than injured knee joint . Once the database is being built-up, a noninvasive technique for detecting and monitoring cartilage changes in vivo would be developed for solving the above-mentioned problems.

1. 前言 膝關節是承載人體最重要的關節，也是滑液囊關節，它是人體所有關節中最常受傷的關節。它的健康與否，直接影響到日常生活的一切活動。其連接股骨和脛骨，由三個部分所組成：（1）中間之髕股關節，介於膝蓋骨和股骨之間的關節面。（2）外側之脛股關節，介於股骨外髁和外側脛骨平台之間，（3）內側之脛股關節，介於股骨內髁和內側脛骨平台之間。根據統計，膝關節的外科手術占了全部關節外科手術的比例極高，而膝關節軟骨或半月板的傷害在臨床診療上是最常見的傷害。目前醫學上用來診斷膝關節病變的工具大致上可區分為三大類：第一類為侵入性（Invasive）的檢查，例如關節鏡（Arthroscopy）。由關節鏡的使用雖然能夠清楚地看出關節內部組織的狀況，但是以關節鏡來觀察關節軟骨的磨損情況無論就時間或金錢上而言都是不經濟的，而侵入性手術的過程亦對病患是種折磨，而且在手術進行前需先行麻醉，因此具有一定的危險性。另一類則為非侵入性（Noninvasive）的檢查，例如 X-ray Imaging 、

(4)

電腦斷層掃描（Computer Tomography Scanner；CT）、核磁共振造影（Magnetic Resonance Imaging；MRI）等等。它們能診斷出較嚴重的關節軟骨磨損，但對於診斷初期的軟骨磨損並無法提供有效之幫助。最後一類為半侵襲性（Semi-invasive）的檢查，例如關節腔攝影。此種技術與X-ray 與 CT 一樣，病患需接受放射線照射，而且無法對其軟組織成像，因此對於診斷初期軟骨病變的功效亦是有限。相較於上述檢查膝關節病變之工具，若能利用關節病變所產生的聲音來診斷膝關節的狀況，將是一種具有非侵入性、簡單而價廉的一種臨床檢查工具。 2. 研究目的 本研究在於應用關節聽診的技術，對已接受專業訓練而從事籃球活動的運動選手，或是一般未經專業訓練，純粹熱衷於籃球活動的運動愛好者，對其膝關節於運動時產生的訊號，以大學階段的男女同學為對象，展開有規劃的紀錄研究。其目的除了提供關節聽診更多的使用資訊，協助相關專家診斷系統進一步的開發外，同時配合運動傷害防護員的專業經驗，對於關節聽診應用於健康檢查及運動諮詢，提供更有力的證明。同時從中尋求運動傷害於膝關節振動訊號之特徵參數，除了參考過去相關文獻，並嘗試其他以往並未應用於此方面之訊號處理方法，試圖利用不同的分析模式解讀之。此計畫的最終目的，在於建立運動人員與一般民眾膝關節振動訊號的資料庫。此資料庫的建立，不僅提供關節聽診之應用資訊，同時提供國內從事專業訓練的訓練員與運動選手，在制定訓練計畫上重要的參考依據，也提供全民安全運動的訊息，減少運動傷害的發生。 3. 文獻回顧 關節聽診發展的歷史已經相當長遠，早在一百多年前就已經有研究人員嘗試以聽診器去聽，以麥克風器紀錄。最早期與關節聽診相關的研究歷史紀錄在1952 年 Mollan 等人[1] 發表的研究中有詳細的介紹。Walters[2]在 1929 年發表了 1600 個關節聽診的結果，同時發現症狀出現以前就能聽到某些聲音，他認為這些聲音可能是關節炎初期的前兆，並且可以使用聽診於這些疾病的初期。Erb[3]是第一位以電子方式紀錄關節的聲音的學者，在 1933 年的研究發表中提到利用麥克風紀錄聲音，並且以圖示的方式紀錄下聲強。Fischer 與 Johnston[4]在 1960 年發展出更精緻的研究方法，他們利用分析聲音的方法，成功地區分出正常關節、退化性關節炎（Degenerative Arthritis）與類風濕性關節炎（Rheumatoid Arthritis）之間的差別。而使用聲音檢查類風濕性關節炎在X 光影像能發現變化前是非常明顯的。 Chu 與他的研究團隊紀錄了膝部的聲音訊號，同時他們也使用了統計學上的一些參數方程（如Autocorrelation Function）對訊號作統計處理，使得原來複雜的訊號可區分為類風濕性關節炎、退化性關節炎與髕骨軟化症（Chondromalacia Patella）[5]。隨後，他們針對各種膝部聲音進行頻譜分析，結果發現當正常的關節其頻域訊號出奇的乾淨時，有問題的關節所發出的聲音範圍總是在人耳所能聽到的範圍，也就是20 Hz 到 20 kHz[6]。在他們的研究中，相信頻域訊號的峰值大小與膝蓋軟骨損害的程度是有關聯性的；而在1978 年的研究中，他們已經能夠說明聲強訊號會隨著膝蓋軟骨損傷程度（或是表面粗糙度）而變大[7]。加拿大的 Rangayyan 等人利用可適性區段的方法，將訊號分成幾個部分以利於分析，再以短時（Short-time）的傅立葉分析技術將分開的每個部分分別進行分析，使得訊號頻率範圍能符合已知的角度範圍。訊號是由16 位病人在接受關節鏡診療之前所取得的，病況的結果以關節鏡觀察作確認。結果發現膝關節半月軟骨損傷會在所得的聲音訊號中產生陡峭的波峰訊號，且以較短範圍的能量集中在0~200 Hz 的範圍內；而輕微的軟骨軟化症則是以

(5)

較長範圍的能量分布於0~300 Hz 的範圍內。若訊號是代表越嚴重的軟骨軟化症，則所得的訊號範圍會相對的低頻，約在0~100 Hz，他們推斷是因為鬆脫的軟骨組織依附在關節間的摩擦面所引起[8]。近幾年來此團隊的研究則集中於複雜的振動訊號的分析，其開始將焦點放在探討一般靜止狀態[9]與非靜止狀態下的 VAM 訊號[10]分析。由於 VAM 是屬於快速擺動下的膝關節振動訊號，相較於慢速擺動產生的PPC 訊號，自然要複雜的多。為了解決複雜的 VAM 訊號在分析上的困難，學者們設法取得許多參數以簡化分析，如自迴歸係數（Autoregressive Coefficient；AR）、主極點（Dominant Poles）與倒頻譜係數（Cepstral Coefficient）等參數分析，提供了將 VAM 導入專家診斷系統的研究方法，具有重要的參考價值。國內最早投入此項研究的國立台灣大學醫學院附設醫院骨科部的江清泉教授與其研究團隊，自其進行此方面的研究以來，也完成許多國科會計畫與期刊發表[11-14]，近來的重點皆放在於各項臨床常見的膝關節病變與膝關節手術後的情況，並利用數學模式解析不同狀況下的膝部振動訊號[15，16]。 4. 膝關節於擺動下所產生的振動信號 人體膝關節於正常情況下的伸直－彎曲擺動即會有振動訊號之產生，而此一振動訊號則可能會反映出膝關節內部組織的情況。髕股顫振（Physiological Patellofemoral Crepitus； PPC）是一種由正常膝關節在慢速（小於 5°/sec）主動擺動下所產生在髕骨之振動訊號，它是由Beverland 於 1986 年利用關節振動量測術所發現的。且由研究人員量測了 250 個正常者的膝關節，並根據此結果統計出約有99％的正常者的膝關節可以量測到 PPC 訊號。因此，一般認為PPC 訊號是由髕骨與股骨之關節軟骨在相對慢速運動下的黏滑現象（Stick and Slip Phenomenon）所造成，而此一訊號將可反映出關節軟骨之完好情況。曾有研究藉由活體實驗證明了 PPC 訊號確實是由關節軟骨在滑動下之相互磨擦所產生，該研究並指出 PPC 訊號會受到關節軟骨的完整性、接觸面積與壓力、擺動速度、髕骨重量以及軟骨附近的軟組織等因素之影響。本研究係採用關節聽診儀，將量測振動訊號用的加速規置於髕骨外面中心點的皮膚表面，以量測膝關節在慢速（2°/sec）與快速（67°/sec）擺動下的振動訊號。在慢速擺動下的振動訊號，即是所謂的髕股顫振，至於快速擺動下的振動訊號稱為VAM 訊號。 5. 訊號處理方法 因為膝關節於正常運動情形下所產生之訊號為一隨機訊號，因此必須使用隨機訊號處理中之預測模型及其他濾波的方法，根據文獻，目前比較普遍使用且將於本研究中應用的數學模式與特徵參數如下所述： 1.自迴歸模型（Autoregressive Model；AR） AR 模型是廣泛被使用的一種參數模型的技術。其又稱為全極點模型。自迴歸模型基本上是一種線性預測，它是利用一組已量測到的資料值以線性組合方式來預測下一時間會量測到的資料值。假設x(n),x(n-1),x(n-2), ....為靜止的隨機信號，在 AR 模型中我們假設一個訊號x(n)的現在值為其過去值與某個輸入訊號w(n)的線性組合，其表示式如下：

∑

= + − − = P a_P x n w n n x 1 ) ( ) ( ) ( ) ( λ λ λ （1）其中aP(λ)為AR 模型的係數或預測的係數（Prediction Coefficients），λ =1, 2, 3,…，P 為AR 模型的階數（Order）。w(n)為輸入，在通常的情況下，我們皆假設w(n)為白雜訊（White Noise），其平均值為零，功率頻譜密度（Power Spectral Density）為一常數。

2.可適性區段（Adaptive Segmentation）

(6)

（Random Process），因為現有的傳統頻譜估測方法如 AR 模型皆是針對穩態（Stationary）的訊號，所以在應用這些方法前有必要先將原始的訊號以可適性區段的方法切割成許多區段，其中每一段皆可視為區域穩態（Locally Stationary）。本研究的可適性區段的方法為先選取一個參考窗戶（Reference Window）長度為 N 點，並計算此N 點信號的功率頻譜密度，因此，預測誤差（Prediction Error）便可由下式求得，

_∑

− = + = m m i i i f P f P m E ) ( ) ( 1 2 1 ^ （2）其中 i＝－m,…,-1, 0, 1,…, m，係均勻分佈在[-π,π]之間，而 2m+1 則是計算功率頻譜密度的所有點數。從參考窗戶獲得的AR 係數被用來估側下一個 N 點信號，如果下一個 N 點信號的預測誤差小於一個閥值（Threshold），則此 N 點被加入目前的參考區段（Reference Segment）中，此過程將持續到預測誤差超過閥值為止。

3.均方根值（Root Mean Square；RMS）

直接計算與能量有關的參數，其為將週期時間內之每點訊號大小的平方和求其總和，再取平均值最後再開根號。振動信號x(n)的RMS，其數學表示式如下：

∑

= = N N n x N RMS 1 2₍ ₎ 1 （3）其中x(n)為振動訊號每個取樣點的值，N 為信號的總點數。 4.平均內部群組距離（Intraclass Distance）平均內部群組距離係表示一個非穩態隨機訊號經由可適性區段後，所得到之全部區域性穩態區段，彼此之間AR 模型係數的緊密程度。令{a_j(1), aj(2), .... , aj(M)}為第 j 個區段的AR 模型係數，則其所有區段的 AR 模型係數的平均值可為：

∑

= = N j j a N a 1 ) ( 1 ) (λ λ （4）其中

λ

=1, 2, ...., M ,而

N

為所有區段的數目，平均內部群組距離即表示每一個區段的AR 係數與平均的 AR 係數值間的緊密程度，亦即訊號的所有區段間的差異性越大，內部群組距離也越大，定義如下：

∑ ∑

= = − = N j M j a a N D 1 1 2 )) ( ) ( ( 1 λ λ λ （5）此值即可表示每個訊號中所有區段間的AR 係數的離散程度。 6. 實驗儀器與實驗進行步驟 關節聽診儀系統包含三大部分：1.等速關節擺動機。如圖 1 右方女性受試者正在使用的儀器，可設定擺動臂以慢速2°/sec 與快速 67°/sec 的等角速度來擺動。2.訊號擷取與即時處理系統，可擷取受試者膝關節振動訊號，並即時放大與濾波處理，然後顯示於螢幕上並儲存於個人電腦中。3.診斷分類顯示與操作之人機介面，如圖 1 左方所示儀器。 PPC 訊號的實驗進行步驟如下：步驟1：紀錄受試者基本資料，採用問卷填寫的方式。步驟2：請受試者坐於等速關節擺動機的座椅上，此時雙腳懸空膝關節自然彎曲至 90°。步驟3：將加速規和量角器固定妥當。

(7)

步驟4：設定等速關節擺動機旋轉臂的角度，由膝關節完全伸直到膝關節彎曲 90°。步驟5：設定等速關節擺動機旋轉臂的移動速度為 2°/sec。步驟6：打開關節振動量測儀，並確定訊號線接妥，儀器設定符合前段所述。步驟7：告知受試者，請其小腿前緣緊貼著旋轉臂的護墊，做等速的伸直彎曲運動。步驟8：啟動旋轉臂，在受試者完成數次膝關節彎曲－伸直－彎曲的動作、熟悉膝關節的運動速度後，才啟動電腦以取樣速率之 5 kHz 來紀錄一個膝關節運動週期的訊號。步驟9：紀錄受試者膝關節振動訊號，並根據受試者問卷資料與所得膝關節振動訊號加以分析比較。 7. 結果與討論 本研究第一年共計量測人數為 47 人，其中籃球隊男性學生 20 人及籃球課男性學生 27 人，並針對此47 人之膝關節振動訊號進行了數學模式分析與特徵參數計算。本研究所計算之特徵參數為均方根與平均內部群組距離。均方根數值是直接利用膝關節時域振動訊號之原始數據進行上述均方根公式之計算，內部群組距離則是先經過自迴歸模型與可適性區段處理之後的訊號，再根據公式計算此特徵參數之數值。本結案報告中之計算數值與期中進度報告並不相同，尤其均方根的部份係因其正規化所使用參數改變，而平均內部群組距離之程式也已重新撰寫，期中報告中所提出的問題亦已解決。根據計算得之均方根數值與標準差，可畫出圖 2 與圖 3。根據圖 2 與圖 3，可以看出不論右腳還是左腳的均方根數值平均值，籃球隊男性學生均比籃球課男性學生大。而在扣除膝關節曾經受傷，與最近膝關節會覺得不適的資料後，籃球隊男性學生的右腳均方根平均值還是大於籃球課男性學生的右腳均方根平均值，其左腳均方根平均值亦大於籃球課男性學生之左腳平均值。由於人體慣用手之不同，其左右腳使用之形態亦不盡然相同，因此左右腳的特徵參數值分開來比較是合理的，本研究中所量測對象慣用手均為右手。由上述可發現，經過專業訓練之籃球隊男性學生的均方根值，會比一般男性籃球愛好者的均方根值為大。在扣除掉曾經受傷與不適的數據後，也可看見四個均方根值均有小幅的成長，因此可發現在相同的背景下，膝關節有受傷者或不適者之振動訊號的均方根值會比正常者來的小。此一結果原因可能為均方根值在評估膝關節內部軟骨的完好狀況，而籃球隊員平常的重量訓練中可能就加強了此一部份，因此造成膝關節軟骨在適當的訓練下會比一般同學來的強壯。在平均內部群組距離的結果部份，亦可由計算結果畫出圖 4 與圖 5。根據圖 4 及圖 5 可發現不論右腳還是左腳的平均內部群組距離之平均值，籃球隊男性學生均比籃球課男性學生大，而在扣除掉膝關節曾經受傷與最近膝關節會覺得不適的資料後，籃球隊男性學生的右腳平均內部群組距離之平均值，還是大於籃球課男性學生的右腳平均內部群組距離之平均值，其左腳平均內部群組距離之平均值亦大於籃球課男性學生右腳之平均內部群組距離之平均值。而在扣除曾經受傷與不適的數據後，同樣也可看見四個平均內部群組距離值均有小幅的成長。平均內部群組距離視為是評估膝關節在運動到不同角度時，摩擦接觸面之差異性的參考，對於此一結果的原因，應該也同上述，籃球隊學生在平時所接受的訓練對於膝關節軟骨的發展應該是有助益的，所以整體平均內部群組距離的數值才會大於一般學生。

(8)

8. 結論 本研究的目的在於應用關節聽診的技術，對已接受專業訓練而從事籃球活動的運動員，或是一般未經專業訓練，純粹熱衷於籃球活動的運動愛好者，對其膝關節於運動時產生的訊號，以大學階段男性學生為對象，展開有規劃的紀錄研究。其目的除了提供關節聽診更多的使用資訊，協助相關專家診斷系統進一步的開發外，同時配合運動傷害防護員的專業經驗，對於關節聽診應用於健康檢查及運動諮詢，提供更有力的證明。目前所得到之結果為籃球隊男性學生在均方根值與平均內部群組距離，都比籃球課同學來的高，推測可能原因為籃球隊男性學生在適當的訓練下，其膝關節軟骨的生長會比較一般男性同學來的強壯。另一個結果為曾經受傷與目前感到不適的均方根值與平均內部群組距離值會比正常的來的低，原因為本研究所使用之特徵參數，皆與軟骨的健全與否有關，而受傷與感到不適若與軟骨有關的話，大部分都是膝關節軟骨有所磨耗，意即是軟骨被磨損以致功能性較差，所以也就會導致其均方根值與平均內部群組距離值會比正常者的訊號值來的低。依據本研究之規劃，此研究報告為第一年計畫結案報告，目前各項預期目標的進度都已完成，除了量測人數已達47 人，對於膝關節振動訊號之數學模式與特微參數的計算，已完成各個程式碼的撰寫，並已得到各族群之均方根數值與平均內部群組距離數值。此結果可供往後進行相關研究者之參考，可建立一個攜帶方便、使用簡單且診斷準確之非侵入性自動專家診斷系統，而這是所有從事生物醫學工程人員之終極目標。而對此關節聽診技術而言，有越來越多不同領域的人才陸續投入其中，並且已不僅用於膝關節，在其它關節或動物關節上都有相關文獻，相信在此關節聽診技術漸趨成熟之際，希望不久的將來就可廣泛應用於實際臨床診斷中。圖 1 關節聽診儀操作實況，左為訊號儲存與處理裝置，右為等速關節擺動儀[聲博科技公司提供]

(9)

圖2 籃球隊與籃球課同學之均方根值結果

(10)

圖4 籃球隊與籃球課同學之平均內部群組距離結果

(11)

參考文獻

1. R.A.B. Mollan, G.C. McCullagh, and R.I. Willson, “A Critical Appraisal of Auscultation of Human Joints,” Clin. Orthopaed. Related Res., 170, pp. 231-237, Oct. 1982.

2. C.F. Walters, “The Value of Joint Auscultation,” Lancet, 1, pp. 920-921, May 4, 1929. 3. K.H. Erb, “Uber die Moeglichkeit der Registrierung von Gelenkgeraeuschen,” Deutsche Z.

Chir., 241, pp. 237-245, 1933.

4. H. Fischer, and E.W. Johnston, “Analysis of Sounds from Normal and Pathologic Knee Joints,” in 3rd Int. Congr. Phys. Med., pp. 50-57, 1960.

5. M.L. Chu, I.A. Gradisar, M.R. Railey, and G.F. Bowling, “An Electroacoustical Technique for the Detection of Knee Joint Noise,” Med. Res. Eng., 12(1), pp. 18-20, 1976.

6. M.L. Chu, I.A. Gradisar, L.D. Zavodney, and G.F. Bowling, “Computer Aided Acoustical Correlation of Pathological Cartilage Generated Noise,” in 30th Ann. Conf. Eng. Med.

Biol., Los Angeles, CA, USA, p. 175, Nov. 5, 1977.

7. M.L. Chu, I.A. Gradisar, and R. Mostardi, “A Noninvasive Electroacoustical Evaluation Technique of Cartilage Damage in Pathological Knee Joints,” Med. Biol. Eng. Comput., 16, pp. 437-442, July 1978.

8. R.M. Rangayyan, C.B. Frank, G.D. Bell, and R. Smith, “Analysis of Knee Joint Sound Signals,” in Proc. IEEE Eng. Med. Biol. Soc. 10th Ann. Internat. Conf., New Orleans, USA, pp.712-713, Nov. 4-7, 1988.

9. S. Tavathia, R.M. Rangayyan, C.B. Frank, G.D. Bell, K.O. Ladly, and Y.T. Zhang, “Analysis of Knee Vibration Signals Using Linear Prediction,” IEEE Trans. Biomed. Eng.,

39, pp. 959-970, Sept. 1992.

10. Y.T. Zhang, C.B. Frank, R.M. Rangayyan, and G.D. Bell, “Mathematical Modeling and Spectrum Analysis of the Physiological Patello-femoral Pulse Train Produced by Slow Knee Movement,” IEEE Trans. Biomed. Eng., 39(9), pp. 971-979, 1992.

11. 江清泉，「新臨床爬樓梯症候群之膝關節振動訊號的數學模式」，國科會專題計畫， NSC88-2314-B-002-259，民國 89 年 10 月。

12. 江清泉、李枝宏，「膝關節病變之膝關節振動訊號的數學模式」，國科會專題計畫， NSC89-2320-B-002-109，民國 90 年 10 月。

13. C.C. Jiang, J.H. Lee, and T.T. Yuan, “Vibration Arthrometry in the Patients with Failed Total Knee Replacement,” IEEE Trans. Biomed. Eng., 47(2), pp.219-227, Jan. 2000.

14. 江清泉、李枝宏，「膝關節病變外側關節腔振動訊號的數學模式」，國科會專題計畫， NSC89-2320-B-002-479，民國 90 年 10 月。 15. 羅勇軍，前十字韌帶重建術後膝部異常振動信號之數學模式與頻譜分析，國立臺灣大學電機工程學研究所碩士論文，民國92 年。 16. 李峰誌，以數學模型應用於舉重選手之膝關振動信號分析，國立臺灣大學電信工程研究所碩士論文，民國93 年。