formato instructivo para la revista scientia et technica

Anuncio
1
Scientia et Technica Año XIII, No x, Mes de 200x. Universidad Tecnológica de Pereira. ISSN 0122-1701
DISEÑO
Y
DESARROLLO
DE
UN
PROTOTIPO
PARA
LA
ADQUISICION
Y
PROCESAMIENTO DE LA SEÑAL EMG-S, EN EL ESTUDIO DE LA FATIGA MUSCULAR
RESUMEN
Este artículo muestra el proceso de adquisición de la señal de Electromiografía
de Superficie (EMG-S), a través del diseño, estructura y aplicación de un
instrumento prototipo. Se utilizó un sistema de procesamiento digital de la señal
por Transformada Rápida de Fourier de Corto Tiempo (STFFT), ventana
hamming y filtros digitales, implementando los algoritmos en MATLAB®. Se
presenta el funcionamiento del sistema para la detección automática de fatiga
muscular.
PALABRAS CLAVES: Electromiografía de superficie (EMG-S), fatiga
muscular, frecuencias de señal, transformada de Fourier.
ABSTRACT
This paper shows the process to acquisition the surface electromyography (SEMG) signal, through design, structure, and application of a prototype
instrument. A digital processing system of the signal, with Short Time Fast
Fourier Transform (STFFT), hamming window and digital filters, by means of
an algorithm in MATLAB® program was used. The functioning system to
muscular fatigue automatic detection is presented.
KEYWORDS: Fourier’s transform, muscular fatigue, signal frecuencies,
surface electromyography (S-EMG).
ANDRÉS OROZCO
Ingeniero Electrónico
Estudiante Especialización en
Ingeniería Biomédica.
Universidad Pontificia Bolivariana
anfel27@yahoo.com
LEONARDO PEÑUELA
Médico Cirujano.
Especialista en Salud Ocupacional
Estudiante Especialización en
Ingeniería Biomédica.
Universidad Pontificia Bolivariana
lpmedico@gmail.com
MARIO GIRALDO
Médico, Esp. Medicina Física y
Rehabilitación.
Estudiante Especialización en
Ingeniería Biomédica.
Universidad Pontificia Bolivariana
giraldoestrada@une.net.co
NELSON ESCOBAR
Ingeniero Mecánico, M. Sc
Docente Investigador
Universidad Pontificia Bolivariana
nelson.escobar@upb.edu.co
HENRY ANDRADE
Ingeniero Electrónico
Docente Investigador
Universidad Pontificia Bolivariana
henry.andrade@upb.edu.co
JOSE FRANCISCO SAENZ
Ingeniero Electrónico, BME
Universidad Pontificia Bolivariana
jose.saenz@upb.edu.co
1. INTRODUCCIÓN
La información contenida en la señal electromiográfica
de superficie (EMG-S) es útil para observar la actividad
muscular en una secuencia de movimientos, observación
indirecta del esfuerzo y fatiga muscular. La actividad
muscular voluntaria inicia con un potencial de acción de
unidad motora (PAUM) a 5Hz, aumentando su frecuencia
según la exigencia de fuerza, hasta reclutar un nuevo
PAUM cuando alcanza los 10 a 12Hz; si continúa la
exigencia, se reclutan nuevas UM cada 5Hz de
incremento. La señal obtenida en la EMG-S es la
sumatoria temporal y espacial de todos los PAUM,
llamada señal mioeléctrica, cuya amplitud varía entre
Fecha de Recepción: (Letra Times New Roman de 8 puntos)
Fecha de Aceptación: Dejar en blanco
10uV a 5mV y alcanza frecuencias que varían entre 0 a
500 Hz [1, 2, 3]
Cuando existe una orden de movimiento, las fibras
musculares lentas (Tipo I) son las primeras en activarse.
Ante una exigencia de mayor fuerza, se activan las fibras
musculares rápidas (tipo II). Las fibras musculares tipo I
tienen metabolismo aeróbico (oxidativo) para mayor
resistencia a la fatiga; las fibras musculares tipo IIB,
tienen una capacidad oxidativa menor pero desarrollan
actividad muscular de fuerza o velocidad, aunque se
fatigan más rápido. Existe un tipo de fibras con capacidad
de actividad rápida pero con metabolismo aeróbico
oxidativo y anaeróbico glucolítico, es decir con una
2
actividad metabólica intermedia, denominadas como IIA.
Durante un movimiento de fuerza, la secuencia de
frecuencias obtenidas en un gráfico de análisis espectral
muestra inicialmente frecuencias bajas (inicio de la
actividad muscular y reclutamiento de fibras musculares
tipo I), luego frecuencias altas (reclutamiento de fibras
musculares tipo II), y finalmente, desaparición de las
frecuencias altas, debido en parte a la fatiga de las fibras
tipo II y la reaparición de las frecuencias bajas (fibras
musculares tipo I que resisten la fatiga).
Diversos estudios han encontrado que existe una relación
directa entre el corrimiento hacia bajas frecuencias del
espectro de potencia y el nivel de fatiga muscular y
refieren diferentes causas fisiológicas que explican este
fenómeno, como son: reclutamiento de unidades motoras,
sincronización de unidades motoras, variación en los
intervalos del impulso y la frecuencia de disparo debido a
la disminución de los niveles de acetilcolina, cambios en
la forma del potencial de acción y disminución de la
velocidad del impulso en las fibras musculares debido a
la acumulación de ácido láctico. Para el análisis de la
señal EMG-S se ha utilizado el RMS (Root-MeanSquare), que es el valor efectivo de la potencia de la señal
bioeléctrica con respecto al tiempo. Se ha encontrado una
relación lineal entre el RMS y la fuerza muscular. Sin
embargo, este método no permite un análisis claro de la
presencia de fatiga [4], aunque es muy útil para validar
los datos obtenidos a partir del análisis de frecuencia.
La detección de la fatiga muscular se puede determinar a
partir del análisis del espectro de potencia usando
diversas herramientas como la frecuencia mediana, la
frecuencia central o la frecuencia promedio [5, 6, 7].
La señal mioeléctrica por su naturaleza es una señal no
estacionaria, por lo tanto en su procesamiento, conviene
utilizar métodos de análisis tiempo-frecuencia, como la
trasformada rápida de Fourier de corto tiempo (STFFT) o
la transformada wavelet. Un estudio sugiere que las
diferencias obtenidas entre el uso de la STFFT y wavelet
para determinar la frecuencia promedio o la frecuencia
mediana, no son muy significativas [8], por lo tanto para
nuestro estudio se seleccionó la STFFT.
El presente trabajo tiene como objetivo el desarrollo de
un sistema que permite la obtención, filtrado, análisis y
procesamiento digital de una señal EMG-S, útil para
estudios clínicos de fatiga muscular.
2. MATERIALES Y METODOS
Scientia et Technica Año X, No x, Mes 200x. UTP
cuales se involucran tanto la naturaleza de la señal, como
los factores ambientales y biológicos.
En este desarrollo, para el sistema de adquisición de la
señal se tuvieron en cuenta las recomendaciones mínimas
dadas por la Sociedad Internacional de Electrofisiología y
Kinesiología que se muestran en la tabla 1. [9]
Recomendaciones mínimas para amplificadores de
señal EMG de superficie
Recomendaciones
Variables
mínimas
> 1010 Ω a DC
Impedancia de entrada
> 108 Ω a 100 Hz
Ganancia del amplificador
200 – 100.000
Rechazo de modo común
> 90 db
Corriente de entrada
< 50 nA
Aislamiento
< 1uA.
Ruido
< 5 uV RMS
Tabla 1: Recomendaciones mínimas para amplificadores de
EMG.
Para la primera etapa de adquisición de la señal, se
seleccionó un amplificador de bioinstrumentación que
cumpliera con los requerimientos mencionados, se
trabajó con el amplificador INA121 el cual tiene un
CMRR de 106 db, una impedancia de entrada > 10 12 y
una corriente de entrada máxima de ±50pA [10]. En
pruebas realizadas al circuito de adquisición se pudo
determinar que el ruido interno del sistema es inferior a
los 0.15mV con lo cual se cumple con todos los
requerimientos de la tabla 1. Esta primera etapa se
implementó con una ganancia de 4.67.
Se incorporó un circuito para acople de AC basado en un
filtro pasa – bajo con frecuencia de corte de 1.5 Hz que
realimenta la referencia, de tal forma que se comporta
como un filtro pasa – alto eliminando las componentes de
directa y el voltaje de offset. También se implementó un
sistema para la protección del circuito contra descargas
de desfibrilador y electrostáticas, basado en 3 diodos que
limitan el potencial que reciben las entradas del
amplificador.
Para la conexión del electrodo de referencia se utilizó una
técnica de realimentación activa, en la cual el electrodo
se sitúa a un potencial que es proporcional a la tensión de
modo común del paciente, pero de signo contrario. Esto
disminuye la interferencia de modo común, permite
reducir la impedancia y aumentar la seguridad del
paciente [11].
2.1 Adquisición de la señal EMG
En el diseño de un instrumento biomédico como es el
caso de un sistema para adquisición de la señal EMG, se
deben tener en cuenta criterios muy específicos en los
En la adquisición de la señal se usó un electrodo bipolar
para asegurar que los cables tengan bucles mínimos y
evitar interferencia. En el electrodo de referencia se usó
un electrodo especializado con un diámetro de 3cm. El
Scientia et Technica Año X, No x, Mes 200x. U.T.P
tipo de electrodos y la forma de posicionarlos son de gran
importancia en la adquisición de este tipo de señal [12].
La segunda y tercera etapa del circuito corresponden a un
filtro pasa – bajo con frecuencia de corte de 10Hz y
ganancia de 5, y un pasa – alto con frecuencia de corte de
500Hz y ganancia 22 respectivamente. Ambos son filtros
activos Butterworth de orden 4. La ganancia total del
sistema de adquisición de la señal es 514.
El conversor análogo digital se implementó en un
microprocesador Motorola® de la familia HC08, se hizo
una conversión de 8 bits a una frecuencia de muestreo de
2000Hz mayor al doble de la frecuencia de Nyquist. La
transmisión serial se hace a 115200 baudios.
2.2 Filtros Digitales
La señal EMG que entrega el sistema de adquisición
tiene un ancho de banda de 10Hz a 500Hz, esta señal
digital contiene ruido de 60hz y sus armónicos. Se
implementó un filtro pasa – banda y elimina – banda que
permite el paso de la señal entre 15Hz y 400Hz y que a
su vez elimina las frecuencias de 60Hz y todos sus
armónicos hasta 360Hz.
Eliminar las frecuencias inferiores a 15Hz permite
remover la mayoría de los artefactos debidos al
movimiento
del
electrodo,
igualmente,
en
electromiografía las frecuencias superiores a 400Hz no
tienen información relevante para el análisis de fatiga.
Para la implementación del filtrado se diseñaron 8 filtros
tipo Butterworth en forma independiente. Un filtro pasa alto de orden 2; 6 filtros elimina – banda en 60Hz (con
frecuencias de corte en 58Hz y 62Hz) y sus armónicos de
60Hz, esto es, 120 (118-122), 180 (178-182), 240 (238242), 300 (299-301) y 360 (359-361) Hz, todos de orden
2; y un filtro pasa – bajo de orden 8, que produce una
mayor pendiente a la banda de rechazo.
Para facilitar el procesamiento se implemento un solo
filtro que incluye los filtros pasa – alto, pasa – bajo y
elimina – banda diseñados; esto se logra mediante la
convolución de todos los filtros, en sus coeficientes del
numerador y del denominador. [13]
3
es la frecuencia y n corresponde al número de la
muestra en x(n) .
M 1
X (m, )
x(n)W (n m) exp( j n)
(1)
n 0
Se utilizo una ventana móvil tipo hamming con un ancho
de 400 muestras la cual es posicionada en un instante de
tiempo n evaluando la señal en el segmento n m
hasta n . Después de aplicar la STFFT a dicho segmento,
se desplaza la ventana una muestra cada vez.
Teniendo en cuenta que el filtro pasa – bajo
implementado tiene una frecuencia de corte de 15Hz, se
tiene un periodo máximo de 66,6 ms. El ancho de la
ventana se seleccionó tomando como criterio tres veces
este valor (200 ms). Dado que la frecuencia de muestreo
es 2000Hz, en 200 ms se obtienen 400 muestras.
Utilizando la STFFT se hace un barrido de la señal, este
barrido no se inicia en el primer dato sino en la muestra
400 para poder implementar el algoritmo dado por (1), se
obtiene el espectro de potencia de esa región de la señal,
a continuación se aplica el algoritmo para obtener el
valor RMS (2) y la frecuencia promedio instantánea del
espectro de frecuencia IMNF (3).
RMS
1
M
1/ 2
M 1
2
x (n k )
(2)
k 0
En (2) M es el ancho de la ventana, x es la señal, n la
posición de la ventana y k el dato evaluado.
F
P(t , )
IMNF
n 0
F
(3)
P(t , )
n 0
es la frecuencia y
F es la frecuencia máxima,
P(t , ) es el espectro de potencia dependiente del
tiempo (por ventanas). (3)
2.3 Procesamiento de la señal
Dadas las características de amplitud y frecuencia
variable (no estacionaria) de la señal EMG - S, para el
procesamiento de la señal se usó la transformada rápida
de Fourier de corto tiempo (STFFT), por medio de la
cual, se le aplica a la señal una ventana móvil que la
segmenta en partes cuasi estacionarias. Este método se
muestra matemáticamente en (1) donde x(n) es la señal,
W (n m) es la ventana, m es el ancho de la ventana,
Los datos RMS e IMNF se grafican en el tiempo de
tal forma que el dato obtenido en cada ventana se ubica
en el punto medio de esta. Por lo tanto, se excluyen del
análisis los primeros 200 datos y los últimos 200.
Para determinar los puntos de la señal en los cuales se
detecta fatiga muscular, se evalúa en la frecuencia
promedio IMNF , corrimientos hacia bajas frecuencias
(2 desviaciones estándar por debajo del promedio de
IMNF ).
____________________________
1. Las notas de pie de página deberán estar en la página donde se citan. Letra Times New Roman de 8 puntos
4
Scientia et Technica Año X, No x, Mes 200x. UTP
Este corrimiento se puede presentar tanto en fatiga como
en disminución voluntaria de la contracción muscular.
Para establecer esta diferencia, se hace una relación entre
la frecuencia promedio IMNF con los valores RMS
de la señal. Si existe una disminución en el valor
RMS igual o mayor a 2 desviaciones estándar del
promedio de todos los valores anteriores de RMS ,
durante una disminución de la frecuencia promedio
IMNF , se considera disminución voluntaria de la
contracción muscular.
3. RESULTADOS Y DISCUSIÓN
El circuito de adquisición de la señal EMG-S fue
evaluado utilizando un Simulador Multiparamétrico de
Paciente FLUKE MPS-450 el cual tiene una precisión de
± 1% en la frecuencia y ± 2% en amplitud. Se determino
que la ganancia real del dispositivo es 500.
Se tomaron señales EMG-S del músculo bíceps de
varones voluntarios entre los 20 y 40 años de edad, en
una prueba de contracción isométrica (estática). Los
datos fueron almacenados en archivos *.mat y procesados
con el algoritmo implementado en MATLAB®
La figura 1 muestra una de las señales EMG-S adquiridas
y la relación entre esta señal con el valor RMS , la
frecuencia media IMNF y los puntos en que el
algoritmo determinó fatiga muscular.
El algoritmo detecta automáticamente los puntos de
fatiga muscular dentro de una señal EMG-S, sin
embargo, para realizar un estudio más confiable, es
importante contar con otros métodos de correlación,
como dinamometría para medir valores de fuerza, y
medidas de percepción subjetiva de fatiga como la escala
análoga visual de Borg. [14]
La determinación de las desviaciones estándar usadas
como criterios para la detección de fatiga muscular a
partir de los datos RMS e IMNF pueden ser validadas
a través de estudios sobre el comportamiento metabólico
muscular. [15]
4. CONCLUSIONES
Se desarrolló una herramienta para la detección
automática de fatiga muscular durante un ejercicio de
contracción isométrica, a partir de una señal EMG-S.
Figura 1. Señal EMG, frecuencia principal y valor RMS.
El diseño de este sistema de detección de fatiga muscular,
puede ser aplicado en diversas investigaciones dentro de
las cuales estarían la evaluación funcional de los procesos
musculares y comprobación de la respuesta de la terapia
rehabilitadora en medicina deportiva, medicina del
trabajo y en medicina física y rehabilitación; el estudio y
análisis ergonómico de la carga de trabajo y la
prevención de la fatiga muscular en actividades de
ocupación humana.
5. BIBLIOGRAFÍA
[1] R. Braddom, Physical Medicine and Rehabilitation..
Philadephia: W.B. Saunders , 2nd ed, 2000, pp. 216 –
225.
[2] D. Dumitru, Zwarts M, ―Needle electromyography,‖
in Electrodiagnostic Medicine, 2nd ed., Dumitru D,
Amato A, Zwartz M, Ed. Hanley & Belfus, 2002, pp.
257-91.
[3] R. Lamb, D. Hobart, ―Anatomic and phisiologic
basis for surface electromiography,‖ in Selected topics of
surface electromiography for use in occupational setting:
expert perspective, US Department of health and human
services, 1992, pp. 5-22.
[4] B. LeVeau, G. Andersson, ―Output forms, data
analysis and applications,‖ In: Selected Topics in Surface
Electromyography for Use in the Occupational Setting:
Expert Perspectives. U.S. Department Of Health and
Human Service. March 1992. pp. 69-102.
[5] C. De Luca, D. Guilmore, ―Muscle Fatigue Monitor
(MFM): Second Generation‖, IEEE Transactions of
Scientia et Technica Año X, No x, Mes 200x. U.T.P
Biomedical Engineering, Vol. 32, January 1985, pp. 7578.
[6] S. Karlsson, B. Gerdle, ―Mean frequency and signal
amplitude of the surface EMG of the quadriceps muscles
increase with increasing torque — a study using the
continuous
wavelet
transform,‖
Journal
of
Electromyography and Kinesiology, vol. 11, pp.131-40,
2001.
[7] E. Clancy, M. Bertolina, R. Merlitti, D. Farina,
―Time- and frequency-domain monitoring of the
myoelectric signal during a long-duration, cyclic, forcevarying, fatiguing hand-grip task‖, Journal of
Electromyography and Kinesiology, 2007. Available:
www.sciencedirect.com.
[8] T. Beck, T. Housh, G. Jhonson, J. Weir, J. Cramer,
J. Coburn, M. Malek. ―Comparison of Fourier and
wavelet transform procedures for examining the
mechanomyographic and electromyographic frequency
domain responses during fatiguing isokinetic muscle
actions of the biceps brachii‖, Journal of
Electromyography and Kinesiology, 2005, Available:
www.sciencedirect.com.
[9] D. Gerleman, T. Cook, ―Instrumentation‖. In:
Selected Topics in Surface Electromyography for Use in
the Occupational Setting: Expert Perspectives. U.S.
Department Of Health and Human Service. March 1992.
pp. 43-68.
[10] Burr-Browm Data Manual. INA 121, FET-Input,
Low Power Instrumentation Amplifier. 2007. Available:
www.ti.com
[11] J. G. Webster, “Medical Instrumentation
Application and Design”, New Jersey: Wiley, 3th ed,
1998, pp. 256-258.
[12] H. Hermens, B. Freriks, G. Rau, ―Development of
recommendations for SEMG sensors and sensor
placement procedures‖ Journal of Electromyography and
Kinesiology. 10 (2000), pp. 361–374.
[13] R. Mello, L. Oliveira, J. Nadal, ―Digital Butterworth
filter for subtracting noise from low magnitude surface
electromyogram”, Computer methods and programs in
biomedicine 87 ( 2007 ), pp.28–35.
[14] M. Mielke, TJ. Housh, MH. Malek, TW Beck, RJ.
Schmidt, GO. Johnson, ―The development of rating of
perceived exertion-based tests of physical working
capacity‖, J Strength Cond Res., 2008 Jan; 22(1), pp.
293-302.
[15] AN. Nielsen, M. Mizuno, A. Ratkevicius, T. Mohr,
M. Rohde, SA. Mortensen, B. Quistorff, ―No effect of
antioxidant supplementation in triathletes on maximal
oxygen uptake, 31P-NMRS detected muscle energy
metabolism and muscle fatigue.‖, Int J Sports Med. 1999
Apr;20(3), pp.154-8.
____________________________
1. Las notas de pie de página deberán estar en la página donde se citan. Letra Times New Roman de 8 puntos
5
Descargar