【目的】在卒中后偏瘫患者肘关节肱二头肌与肱三头肌肌张力的改良Alshworth评估同时，采集对应肌肉的肌动图信号，探讨肱二头肌与肱三头肌在被动屈肘和伸肘的过程中，其肌动信号与改良Alshworth之间的相关性，并应用有序多分类的logistic回归方程探讨多项分类logistic模型在卒中后偏瘫患者上臂肌痉挛等级评定中的应用价值。　　【方法】2013年06月至2014年06月期间，在深圳第六人民医院康复科、神经外科、神经内科住院和门诊的病人中采集29例脑卒中后偏瘫患者。所有受试者的测试均在测评室内由同一医生完成,室温24℃左右。患者采取坐位,患肢肩关节与水平成90°,肘关节在自然解剖体位,完全放松。放置无线传感器处皮肤经酒精来回擦拭5次。在患者患侧肱二头肌和肱三头肌最饱满处，贴上由中国科学院深圳先进技术研究院提供的德国产的Trigno Wireless System delsys无线加速度传感器,传感器的X轴沿着肌纤维收缩的方向摆放。被试者患侧缓慢进行被动屈肘与被动伸肘,速度大约为60°/s,同时进行肌张力评定和肌动图记录。医生徒手进行改良Ashworth评定同时另一名医师通过delsys传感器采集并记录肱二头肌、肱三头肌的肌动信号。每次肘关节被动活动范围0°~120°,先做3次被动屈肘,然后再做3次被动伸肘。每次被动活动尽量匀速完成,时间为2s,两次间隔8s。其中，X轴为肌纤维纵向运动方向，Y轴为肌纤维横向振动方向，Z轴为与肌肉表面垂直的方向。采集后的肌动信号,分别计算肱二头肌、肱三头肌三轴MMG(Mechanomyography)信号均方根值RMS(root mean square)和Spearman相关分析并建立有序分类的logistic回归方程进行判别。　　【结果】　　1.在被动屈肘中，肱二头肌的Y轴的MMG RMS值随MAS(Modified Ashworth Scale)级别的增加而增加；被动伸肘时，肱三头肌的Z轴的MMG RMS值随MAS级别的增加而逐渐减少。　　2.经Spearman相关分析，被动屈肘时肱二头肌、肱三头肌的X、Y、Z三个轴的肌动信号均方根值RMS与MAS之间有相关性的是肱二头肌X、Y、Z轴,肱三头肌的Z轴，其相关系数（Correlation coefficient）依次是0.356，0.429，0.322，0.424。　　3.经Spearman相关分析，被动伸肘时肱二头肌、肱三头肌的X、Y、Z三个轴的肌动信号均方根值RMS与MAS之间有相关性的是肱三头肌的Y轴和Z轴，其相关系数依次是0.360，0.391。　　1.建立多项logistic回归模型后，被动屈肘过程中肱二头肌和肱三头肌上X、Y、Z三个轴的肌动图信号，共6个变量均与被动伸肘肌痉挛分级都有关系，参数方程中肱二头肌的Y轴的回归系数最大；　　2.伸肘过程中，肱二头肌X、Y、Z三个轴和肱三头肌X、Y两个轴的肌动图5个变量与被动屈肘肌痉挛分级都有关系，参数方程中肱二头肌Y轴的回归系数最大，肱三头肌的Y轴次之；　　3.多项Logit方程模型对被动屈肘的总体判别准确率为73.56％（64/87）,被动伸肘总体判别准确率为55.17%（48/87）。　　【结论】　　1.在卒中后偏瘫患者肘关节的MAS评估中，并不是所有的肱二头肌、肱三头肌的X、Y、Z三个轴的肌动信号的RMS值随着MAS级别的增加而增加。　　2.通过MMG信号评估肌张力,提示偏瘫患者上肢肌张力的大小受肌肉纤维纵向、横向、垂直三个方向的运动的影响。　　3.通过MMG信号评估肌张力,提示主动肌对于MAS评分的影响大于拮抗肌，且主动肌横向和垂直方向的纤维振动对MAS级别的评分影响大于拮抗肌。　　4. MMG信号能客观的对脑卒中后偏瘫患者上肢肌痉挛等级进行评估,为临床肌张力MAS评估提供一种量化的参考。　　5.有序多分类Logit模型可作为MMG信号对卒中后上肢肌痉挛级别判别的一种粗测应用方程。