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