un sistema de medición del temblor parkinsoniano, una alternativa

Anuncio
Congreso Internacional de Investigación Tijuana.
Revista Aristas: Investigación Básica y Aplicada.
ISSN 2007-9478, Vol. 4, Núm. 7. Año 2015.
UN SISTEMA DE MEDICIÓN DEL TEMBLOR PARKINSONIANO, UNA ALTERNATIVA
NO INVASIVA BASADA EN INSTRUMENTACIÓN VIRTUAL
A measuring system of Parkinsonian tremor, a noninvasive alternative based on virtual instrumentation
Resumen—En este trabajo se presenta un instrumento virtual no
invasivo de medición de un desorden de movimiento denominado
tremor parkinsoniano, el cual es un signo cardinal de una enfermedad
denominada Mal de Parkinson, en incidencia, el segundo
padecimiento neurológico a nivel mundial, solo después del
Alzheimer. El desarrollo propuesto, en su parte física, costa de un
sensor óptico de distancia, que detecta el movimiento de las
extremidades superiores y una tarjeta arduino uno como medio de
adquisición de datos hacia una computadora personal; la parte lógica
se codifica en LabView, mientras que la base de datos encargada de
almacenar información de pacientes y sus pruebas es elaborada en
MySQL. Evaluando la repetitividad mediante la desviación estándar
relativa de se obtiene el 2.5%; es decir el 97.5% de los valores se
encuentran alrededor de la media de 50 pruebas. La linealidad (tipo
de respuesta en la salida ante una entrada) tiene un valor de 95.8 %.
El modelado del instrumento propuesto es realizado por medio de
diagramas de flujo.
Palabras clave—Diagrama de Flujo de Datos, LabView, No invasivo,
Tremor parkinsoniano.
GARCÍA MEJÍA JUAN FERNANDO
Ingeniero en Electrónica, Posgrado
Profesor Investigador
Centro Universitario UAEM Atlacomulco
fgarciam@uaemex.mx
FLORES FUENTES ALLAN ANTONIO
Ingeniero en Electrónica, Dr.
Profesor Investigador
Centro Universitario UAEM Atlacomulco
allan_fflores@yahoo.com.mx
PÉREZ MARTÍNEZ JOSÉ ARTURO
Ingeniero en Electrónica, Dr.
Miembro del Cuerpo Académico “Desarrollo
de Software, Dispositivos
y Sistemas Aplicados a la Innovación
Tecnológica”
Centro Universitario UAEM Atlacomulco
japm_81@yahoo.com.mx
TORRES REYES CARLOS EDUARDO
Ingeniero en Electrónica, Dr.
Coordinador del posgrado en Ciencias de la
Computación
Centro Universitario UAEM Atlacomulco
edtore75@hotmail.com
GONZÁLEZ MATIAS SUSANA
Estudiante de la licenciatura en informática
administrativa
Centro Universitario UAEM Atlacomulco
susan_gm14@hotmail.com
1. INTRODUCCIÓN
El Mal del Parkinson es una de las enfermedades
neurodegenerativas con mayor incidencia después del
Alzhaimer; estadísticamente comienza a manifestarse
entre los 40 y 70 años. En el siglo XIX fue descrita por
James Parkinson y denominada como “Parálisis
Agitante” por Marshall Hall, ambos coinciden en la serie
de
signos
tales
como
Rigidez
Muscular,
Acinesia/Bradicinesia, inestabilidad postural y tremor en
reposo [1].
El tremor en reposo se presenta en un 75% de los casos
de Mal de Parkinson, se produce por la contracción
involuntaria de los músculos agonistas y antagonistas que
genera un movimiento rítmico, oscilatorio cuya
frecuencia se encuentra entre en el rango 2-4Hz.en
función del avance de la enfermedad.[2].
Es importante realizar la medición de tremor
parkinsoniano dado que en los próximos años se espera
un incremento importante en la incidencia de esta
enfermedad.
El tremor parkinsoniano al ser un signo cardinal del Mal
de Parkinson ha sido objeto de estudio de varios
desarrollos que se documentan en la literatura
especializada. Uno de ellos la comparación por
superposición de Espirales de Arquímedes trazadas en
una tabla digitalizadora, el seguimiento y evaluación de
lesiones en las aéreas del cerebro que controlan el
movimiento a través de resonancias magnéticas.
18 al 20 de febrero 2015. Facultad de Ciencias Químicas e Ingeniería. UABC. Copyright 2015. Tijuana, Baja California, México.
38
Congreso Internacional de Investigación Tijuana.
Revista Aristas: Investigación Básica y Aplicada.
En una revisión a la literatura especializada se
encontraron algunos desarrollos como para esto se han
desarrollado diversas alternativas tales como, el
seguimiento y evaluación de lesiones en las aéreas del
cerebro que controlan el movimiento a través de
resonancias
magnéticas,
empleando
sensores
mioeléctricos colocados en las extremidades a estudiar
que se conectan a un equipo de electromiografía,
conectando en un guante acelerómetros o su variante
reemplazando estos por giroscopios que miden la
velocidad angular, interpretando variaciones de
resistencias presentes en sensores de flexión
representativas del movimiento, grabando y analizando
video de alta resolución, trazado de espirales de
Arquimides en tabletas digitalizadoras Además del uso
de foto resistencias para medir las oscilaciones del tremor
parkinsoniano de manera no invasiva.
Cabe destacar que también existen documentas dos
aplicaciones informáticas (APP) las cuales miden el
tremor parkinsoniano mediante los acelerómetros de
teléfonos móviles con sistema operativo Android® y
IOS®. La tabla 1 muestra algunas consideraciones de los
desarrollos antes citados.
Tabla 1.Estado del Arte
Técnica
Ventaja
Desventaja
Resonancia
Magnética
Sensores
miolectricos
No invasivo
Costo elevado
Precisos
Guante
con
acelerómetros/gir
oscopios
Permite
la
medición en tres
ejes
Sensores
flexión
Económico dado
el costo de los
sensores
de
flexión
No invasivo
Invasivos ya que en
su mayoría de casos
requiere de sensores
de inserción
Difícil de colocar en
algunos
pacientes
dado
la
rigidez
muscular
Difícil de colocar en
algunos
pacientes
dado
la
rigidez
muscular
Costoso
No invasivo
Costoso
No invasivo
Presenta
algunas
fallas en función de
las condiciones de
iluminación
El teléfono móviles
susceptible a caídas
ocasionando daños
de
Grabación
de
video de alta
resolución
Tabletas
digitalizadoras
Foto resistencias
APP´S
No invasivo
Fuente: Elaboración propia a partir de [3], [4], [5], [6], [7],
[8], [9], [10].
En base a la información expuesta se plantea la necesidad
de desarrollar un instrumento no invasivo con un costo
menor con relación a. La propuesta consiste en un
dispositivo que como elemento de medición usa un
ISSN 2007-9478, Vol. 4, Núm. 7. Año 2015.
sensor infrarrojo,
como adquisición de datos usa una
tarjeta de desarrollo Arduino UNO y un software que es
codificado en LabView® utilizando como gestor de base
de datos MySQL.
2. DISEÑO
En esta sección se describen el diseño de las etapas
lógicas y físicas del instrumento virtual propuesto en este
desarrollo. La abstracción de la parte lógica es realizada
por medio del análisis estructurado, específicamente
usando los diagramas de flujo de datos (DFD), los cuales
proporcionan una indicación de cómo se transforman los
datos a medida que avanza el sistema y representan las
funciones y subfunciones lo cual permite diseñar
entidades de software [11]. Para complementar a estos
diagramas se utiliza el diccionario de datos, que
proporciona información sobre el tipo de dato utilizado.
2.1 Diagrama de Flujo de Datos de Nivel 0 del
Instrumento Propuesto
Este diagrama se conoce como contextual o de flujo de
nivel 0 ya que se trata de una primera aproximación
conceptual al instrumento desarrollado, donde se puede
ver que está formado por un sensor infrarrojo, la tarjeta
de adquisición de datos y como se relacionan con el
software propuesto.
Figura 1 Diagrama de Contexto
Fuente: Diseño e Implementación basados en Análisis
Estructurado [11].
En la tabla 2 se presenta un diccionario de datos, el cual
muestra características de los datos mostrados en la
figura 1.
18 al 20 de febrero 2015. Facultad de Ciencias Químicas e Ingeniería. UABC. Copyright 2015. Tijuana, Baja California, México.
39
Congreso Internacional de Investigación Tijuana.
Revista Aristas: Investigación Básica y Aplicada.
Tabla 2.Diccionario de datos
Dato
Tipo
Tremor
Parkinsoniano
Señal de
Voltaje
Datos binarios
Peso: 3,5 g (0,12 oz)
Variable física
Rango y
unidades
2-6 Hz
En la figura 3 se muestra el gráfico representativo de la
repuesta del sensor.
Voltaje directo
2-5 volts
Figura 3. Respuesta del sensor.
Binario
00000000001111111111
Años, kilos
nombre
antecedentes
médicos
2-6 Hz
Datos paciente
Edad, Peso,
Sexo, Datos
personales
Resultado
Frecuencia,
Grafica del
tremor
parkinsiniano
Diagnostico
Resultado
Interpretado
f)
ISSN 2007-9478, Vol. 4, Núm. 7. Año 2015.
Estatus del
progreso de la
enfermedad
Fuente: Elaboración propia a partir de Diseño e Implementación
basados en Análisis Estructurado [11].
Fuente: Elaboración propia a partir de Simulink Matlab.
2.1.1 Sensor
Como se observa en el estado del arte, el estatus invasivo
de los instrumentos analizados depende de manera
primordial de la elección del sensor, en este caso se optó
por el dispositivo de la marca Sharp GP2Y0A41SK0F, el
cual se muestra en la figura 2
Figura 2. Sensor propuesto.
Como se observa en la figura 3 el sensor propuesto tiene
un comportamiento no lineal que es abordado en
secciones subsiguientes.
2.1.2 Tarjeta de adquisición de datos
Para este desarrollo se propuso como interfaz entre la
señal eléctrica de voltaje del sensor Sharp
GP2Y0A41SK0F y la computadora un Arduino Uno
(figura 4), el cual se define como una tarjeta de desarrollo
que se cataloga como hardware libre y es basada en el
microcontrolador ATMEGA 328.
Figura 4. Arduino UNO
Fuente: Elaboración propia.
Las características del sensor propuesto se muestran a
continuación:
a) Voltaje de funcionamiento: 4,5 V a 5,5 V
b) Consumo de corriente promedio: 12 mA (típico)
c) Rango de medición de distancia: 4 cm a 30 cm
(1.5 "a 12")
d) Actualiza período: 16 ± 4 ms
e) Tamaño del paquete: 29,5 × 13,0 × 13,5 mm
(1,16 "x 0,5" x 0,53 ")
Fuente: Elaboración propia.
La señal analógica del sensor Sharp GP2Y0A41SK0F se
ingresa en uno de los pines analógicos de la tarjeta
Arduino UNO, se realiza una lectura analógica y se
escribe al puerto USB de una computadora personal.
18 al 20 de febrero 2015. Facultad de Ciencias Químicas e Ingeniería. UABC. Copyright 2015. Tijuana, Baja California, México.
40
Congreso Internacional de Investigación Tijuana.
Revista Aristas: Investigación Básica y Aplicada.
Cabe destacar que el comportamiento no lineal del sensor
se trata también en el microcontrolador por medio de una
expresión matemática linealizante que se muestra en la
ecuación 1
𝑑 = 27/𝑣𝑜
(1)
Dónde:
𝑑 es la ditancia a ser medida
𝑣𝑜 es el voltaje de salida del sensor
2.2 Diagrama de Flujo de Datos de Nivel 1 del
Instrumento Propuesto
ISSN 2007-9478, Vol. 4, Núm. 7. Año 2015.
El programa de adquisición de datos se elabora a partir de
instrucciones de NI VISA una utilería de National
Instruments que permite comunicar una computadora
personal por medio de protocolos de comunicación serial.
La detección de datos se realizó por medio de la
detección de los componentes de frecuencia del espectro
de Fourier de los daos de tremor discreto. Posteriormente
una nueva etapa del programa se encarga de realizar el
escalamiento de la señal. Cabe destacar que la
información que se presenta es la frecuencia del tremor y
una gráfica de los datos etiquetados como tremor
discreto.
La figura 6 muestra el programa de adquisición de datos.
Este diagrama (figura 5) muestra una segunda
aproximación conceptual del instrumento propuesto
(Diagrama de Flujo de Datos de nivel 1 ó DFD1), en este
se pueden observar aspectos del software (parte lógica)
del instrumento virtual propuesto. Se observa los
módulos que forman a este y su relación con los
componentes físicos y los agentes externos.
Figura 6. Programa de adquisición de datos.
Figura 5. Diagrama de flujo de datos de nivel 1.
Fuente: Elaboración propia a partir de NI-VISA.
3. RESULTADOS
La señal capturada representativa del tremor
parkinsoniano se muestran en la figura 7, donde el eje x
representa el tiempo, mientras que el eje y es la amplitud
del movimiento en centímetros.
Fuente: Diseño e Implementación basados en Análisis
Estructurado [11].
Figura 7. Señal del tremor parkinsoniano.
Para este diagrama se realiza un segundo diccionario de
datos mostrado en la tabla 3 que complementa al
mostrado en la tabla 2.
Tabla 3. Diccionario de datos del DFD1.
Dato
Datos binarios
Tipo
Binario
Tremor discreto
Variable doublé
(arreglo)
Variable double
Frecuencia
normalizada
Rango
00000000001111111111
0.04-0.30
0-1
Fuente: Elaboración propia.
Fuente: Elaboración propia a partir de Diseño e Implementación
basados en Análisis Estructurado [11].
El instrumento propuesto fue probado con un paciente
real, en el consultorio médico de la asociación de
18 al 20 de febrero 2015. Facultad de Ciencias Químicas e Ingeniería. UABC. Copyright 2015. Tijuana, Baja California, México.
41
Congreso Internacional de Investigación Tijuana.
Revista Aristas: Investigación Básica y Aplicada.
enfermos de Mal de Parkinson de Atlacomulco, Estado
de México; de manera adicional se realizó un estudio de
Repetitividad, Linealidad e Histéresis sobre el circuito de
detección mediante un autómata que genera un
movimiento oscilatorio y rítmico en una frecuencia de
intervalo desde los 2 a las 6Hz. Estas características
permiten determinar si el instrumento es confiable. La
figura 8 muestra el lazo de histéresis, donde se observa la
respuesta en sentidos ascendente (en rojo) y descendente
(azul). Ahora bien evaluando la repetitividad mediante la
desviación estándar relativa de se obtiene el 2.5%; esto
quiere decir que el 97.5% de los valores se encuentran
alrededor de la media de 50 pruebas. La linealidad es
decir tipo de respuesta en la salida ante una entrada tiene
un valor de 95.8 %.
Figura 8. Respuesta de sensor.
Fuente: Elaboración propia a partir de Simulink Matlab.
4. CONCLUSIONES
El uso de un sensor Sharp GP2Y0A41SK0F en conjunto
con una tarjeta de desarrollo Arduino UNO es una
alternativa económica a los principios de medición
expuestos en el estado del arte de este trabajo, además el
estudio de repetibilidad muestra buenos resultados. La
linealidad es alta, dado la ecuación linealizante usada.
5. REFERENCIAS
[1] Micheli, F. (2003). Tremor Parkinsoniano. En F.
Micheli, Tratado de Neurologia Clínica (pág. 542).
Buenos Aires Argentina: Medica Panamericana.
[2] Jeffrey, H;. (2009). Enfermedades de Parkinson y
colocación del estimulador cerebral profundo. En H.
Jeffrey, Clínicas Anestesiológicas de Norteamérica
(págs. 391-392). Madrid: MASSON.
[3] Breit, S.; Spieker, S.; Schulz, J.B., Gasser, T. Longterm EMG recordings differentiate between parkinsonian
and essential tremor. J. Neurol. 2008, 255, 103-11.
[4] Brunetti;F Un conjunto de herramientas portátiles
para la valoración y el estudio de desórdenes
ISSN 2007-9478, Vol. 4, Núm. 7. Año 2015.
neuromotores XXVI “Jornadas de automática”,
Septiembre del 2005. Universidad de Alicante.
[5] Döhlinger, S.; Hauser, T.K.; Borkert, J.; Luft, A.R.;
Schulz, J.B. Magnetic resonance imaging in
spinocerebellar ataxias. Cerebellum 2008, 7, 204-214
[6] Grimaldi, G.; Manto, M. Tremor: From Pathogenesis
to Treatment; Morgan & Claypool: San Rafael, CA,
USA, 2008. OMG “Systems Modeling Language (OMG
SysMLTM), V1.0 OMG 2008pp 27-31 2008”
[7] Pérez M, Demodulador Digital para Acelerometría
Dinámica Memorias del 1er taller de compute
reconfigurable 2003 Coordinación de sistemas
computacionales Instituto Nacional de Astrofísica,
“Optica y electrónica”. Apixaco Tlaxcala.
[8] Rocon, E.; Manto, M.; Pons, J.; Camut, S.; Belda,
J.M. Mechanical suppression of essential tremor.
Cerebellum 2007, 6, 73-78.
[9] Steven S.A, Diagnóstico Clínico y Tratamiento,
México 1991 p. 662-663.
[10] Wong, W.Y.; Wong, M.S.; Lo, K.H. Clinical
applications of sensors for human posture and movement
analysis: a review. Prosthet. Orthot. Int. 2007, 31, 62- 75.
[11] García Mejía Juan Fernando Un Espirómetro
Virtual: Diseño e Implementación basados en Análisis
Estructurado, Transformada Wavelet Discreta y Matlab
6to Congreso Internacional de Optimización y Software
Cuernavaca Morelos
García Mejía Juan Fernando: Ingeniero en Electrónica, con un
posgrado en Ciencias en Electrónica, desde el año 2004 se desempeña
como profesor de tiempo completo de la Universidad Autónoma del
Estado de México en las áreas de licenciatura en computación y en el
posgrado de computación, sus dos áreas de interés son la
instrumentación virtual y el softcomputing.
Flores Fuentes Allan Antonio: Recibió el grado de Ingeniero en
Electrónica por parte del Instituto Tecnológico de Toluca, Metepec,
México en 2004. Obtuvo el grado de Doctor en Ciencias en Ingeniería
Electrónica por el Instituto Tecnológico de Toluca en 2009, México.
Miembro SNI nivel candidato por parte del CONACyT de 2012-2014.
Desde 2011 se desarrolla en la Universidad Autónoma del Estado de
México como profesor-investigador en el área de tópicos selectos de
electrónica de potencia aplicada para el desarrollo de conversión de
energía, implementando técnicas de control mediante uso de SoftComputing.
Pérez Martinez José Arturo: recibió el título de Ingeniero en
Electrónica y en 2010 recibió el Grado de Doctor en Ciencias en
ingeniería Electrónica, ambos del Instituto Tecnológico de Toluca,
Toluca, México.. Actualmente su investigación consiste en el diseño de
convertidores estáticos de Radio Frecuencia aplicados en la generación
de plasmas a presión atmosférica en reactores con diferentes
configuraciones.
Actualmente se encuentra laborando en la
Universidad Autónoma del Estado de México, donde es miembro del
Cuerpo Académico “Desarrollo de Software, Dispositivos y Sistemas
Aplicados a la Innovación Tecnológica”, en el Centro Universitario
UAEM Atlacomulco, Atlacomulco, México.
Torres Reyes Carlos Eduardo: Ingeniero Electrónico recibió el Grado
de Doctor en Ciencias en ingeniería Electrónica, ambos del Instituto
Tecnológico de Toluca, Toluca, México, es coordinador del posgrado
en Ciencias de la Computación de la Universidad Autónoma del Estado
de México, su línea de investigación se centra en la generación de
plasma.González Matias Susana: Estudiante de la licenciatura en
informática administrativa en el Centro Universitario UAEM
Atlacomulco ha participado en varios intercambios de movilidad
nacional.
18 al 20 de febrero 2015. Facultad de Ciencias Químicas e Ingeniería. UABC. Copyright 2015. Tijuana, Baja California, México.
42
Descargar