Platform for Evaluation of Control Strategies of Functional

IEEE LATIN AMERICA TRANSACTIONS, VOL. 8, NO. 1, MARCH 2010
17
Platform for Evaluation of Control Strategies
of Functional Stimulators Through the EMG
of the Same Stimulated Muscle
S. O. Escobar, J. M. Reta and C. B. Tabernig
Abstract— The development of a platform for the evaluation
of control algorithms of functional stimulators commanded by
the surface electromyogram of the same electro-stimulated
muscle is described. It is conformed by a stage of conditioning
and other processing. The first carries out the removal of the
electrical stimulus artifact and the amplification and filtering of
the signal. The second stage provides a processing environment
for the implementation of algorithms and allows the creation of a
control signal to the stimulator. The prototype was tested with
simulated and real signals, evaluating the removal of the artifact,
signal amplification, the frequency response of the filters,
adquisition and storage of data. The results showed good
performance of the artifact´s suppressor, very good SNR of the
signal conditioned and high reliability in storing the digitized
data, obtaining a suitable tool for rapid assessment of algorithms.
estrategias de control y comando de los sistemas de FES. Estas
estrategias son implementadas a través de algoritmos que, en
general, presentan estructuras como la mostrada en la Fig. 1
[2]. En la misma se identifica un bloque de Acondicionamiento
de señal encargado del procesamiento digital y una Unidad de
Detección. Esta última tiene la función de identificar el inicio
de la contracción voluntaria mediante una Función de Test y
una Regla de Decisión, ambas específicas para
cada
algoritmo.
Keywords— control, electromyography, functional electrical
stimulation.
L
I. INTRODUCCIÓN
AS DIFICULTADES en el control motor voluntario son
secuelas comunes posteriores a los daños medulares y
cerebrales producidos por accidentes cerebro vasculares,
traumas, tumores y otras disfunciones de la neurona motora
superior. Una alternativa ortésica empleada en estos casos para
la restauración de la función perdida es la estimulación
eléctrica funcional (FES, por su sigla en inglés) que logra la
activación del sistema neuromuscular dañado a través de
pulsos eléctricos apropiados, generados por un equipo que es
comandado por señales bajo control voluntario de la persona
[1]. Una de las principales aplicaciones de la FES es la
asistencia a las funciones motoras de personas con paresias
musculares. En estos casos la contracción voluntaria del
músculo parético es completada con la evocada por el estímulo
eléctrico [4].
Estudios clínicos reportaron que los procesos plásticos
involucrados en el re-aprendizaje motor se facilitan cuando la
señal de comando del equipo de FES proviene del mismo
sistema neuromuscular que está siendo estimulado [2]. Esta
observación, de gran relevancia en la terapia de rehabilitación
de los pacientes con pérdidas funcionales parciales, ha
impulsado la necesidad de optimizar la recuperación de
señales voluntarias de músculos paréticos e idear nuevas
S. O. Escobar, J. M. Reta y C. B. Tabernig son docentes investigadores de
la Facultad de Ingeniería de la Universidad Nacional de Entre Ríos, Entre
Ríos, Argentina, sescobar@bioingenieria.edu.ar, jmreta@bioingenieria.edu.ar,
ctabernig@bioingenieria.edu.ar.
Figura 1: Estructura general de un algoritmo de detección de inicio de
contracción muscular por EMG.
Durante la evaluación de nuevas estrategias de control y
comando de sistemas de FES, es conveniente realizar los
primeros ensayos de los algoritmos en forma off-line y luego
evaluar su funcionamiento en tiempo real. En función de ello,
surge la necesidad de contar con una herramienta que permita
implementar, y posteriormente evaluar, diversos algoritmos de
control de estimuladores funcionales comandados por EMG.
En este trabajo se presenta el diseño, implementación en
prototipo y evaluación técnica de una plataforma que registra
la señal de EMG del mismo músculo parético que está siendo
estimulado, brinda un entorno de procesamiento para
algoritmos con la estructura descripta y permite la generación
de una señal de control para el estimulador.
II. REQUERIMIENTOS DEL DISEÑO
Para establecer los requisitos de la plataforma se tuvo en
cuenta que la señal a registrar estará constituida por el
artefacto del estímulo, el EMG voluntario, el EMG evocado
por el estímulo u onda M y el ruido inherente a la medición,
tal como puede observarse en la Fig. 2. En consecuencia, la
plataforma deberá atenuar el artefacto del estímulo, amplificar
y acondicionar la señal de EMG; digitalizarla a través de un
conversor analógico/digital (CAD) y brindar un entorno de
programación basado en microcontrolador (µC) que permita al
usuario la implementación de los algoritmos.
18
IEEE LATIN AMERICA TRANSACTIONS, VOL. 8, NO. 1, MARCH 2010
algoritmos requieren de la implementación de las siguientes
etapas: rectificación de onda completa, filtrado pasabajos (por
ejemplo, Butterworth de 6to orden), promediación sobre
ventana móvil de al menos 50 muestras y comparación contra
un umbral ajustable. En este sentido se cuantificó el costo
computacional de las funciones mencionadas medido en
cantidad de multiplicaciones, sumas y registros de memoria
necesarios [11]. Se consideró además el tiempo de
procesamiento disponible para las operaciones mencionadas,
el cual es de 40 ms para una frecuencia de estimulación típica
de 25 Hz [4]. Por lo tanto se fijó como requisito de
procesamiento para el µC, que pueda resolver un mínimo de
50000 multiplicaciones y 50000 sumas en 8 bits por segundo y
disponer de al menos 1024 bytes de memoria RAM para el
procesamiento de las muestras.
Por último, para el comando del estimulador, se requirió de
una
salida
digital
a
ser
empleada
para
la
habilitación/deshabilitación de la estimulación eléctrica.
Figura 2. Señal a registrar por la plataforma
Teniendo en cuenta que el EMG presenta una amplitud
típica de hasta 5 mV pap y que es necesario un rango de
trabajo para la digitalización de 5 V, se estableció como
requisito que el sistema amplifique con una ganancia mayor o
igual a 60 dB.
Para el acondicionamiento de la señal se consideró que la
potencia del EMG útil, en esta aplicación, se encuentra entre
20 y 400 Hz [5]; por lo tanto se requirió contar con un bloque
de filtrado pasabanda centrado en esta banda. Teniendo en
cuenta el teorema de muestreo de Shannon, se estableció que
la frecuencia de muestreo sea superior a 800 Hz.
Considerando un ruido gaussiano presente en la señal de 1
uVrms [5] (factor de cresta igual a 6) y la amplitud típica del
EMG, se calculó el rango dinámico de la señal ( RDSEMG )
como:
RD SEMG = 20
 Amplitud pap SEMG
log 10 
 Amplitud pap Ruido

 = 20

 5000 uV 
log 10 
 = 58 , 4 dB
 6 uV 
En función de esto se estableció que el rango dinámico del
CAD (RDCAD) sea mayor o igual al RDSEMG .
Además, como:
nbits ≥
RDCAD
20 log10 (2)
se requirió una resolución del CAD mayor o igual a 10 bits.
Considerando la sensibilidad que presentan algunos
algoritmos de detección a la presencia de ruido en la señal de
entrada, se estableció como requisito para la etapa de
acondicionamiento que la relación señal ruido de salida (SNR
por sus siglas en inglés) sea de al menos 20 dB en condiciones
de laboratorio.
Para establecer los requisitos del µC, se consideró la
estructura básica de un algoritmo de detección de contracción
muscular a partir del EMG y se realizó una estimación del
costo computacional basada en el análisis de tres de los
algoritmos más reportados en la bibliografía [2]. Estos
III. DESCRIPCIÓN DEL DISEÑO
El diseño propuesto de la plataforma incluye dos etapas:
una de acondicionamiento y otra de procesamiento; divididas a
su vez en bloques, tal como se muestra en la Fig. 3.
Figura 3. Etapas y bloques de la plataforma diseñada.
A. Acondicionamiento
La etapa de acondicionamiento está constituida por dos
bloques: un bloque Amplificador y un bloque de Filtrado y
Ganancia. El bloque Amplificador está formado por un
amplificador de instrumentación y dos amplificadores de bajo
ruido para la atenuación del artefacto producido por el
estímulo y la configuración de la ganancia, respectivamente.
En la Fig. 4 se puede observar el circuito esquemático de este
primer bloque.
Figura 4. Circuito esquemático del bloque de amplificación y filtrado.
El amplificador de instrumentación está compuesto por un
INA128 de la firma Texas Instruments [6] con acople de
alterna y ganancia 20. Para proteger las entradas del
ESCOBAR et al.: PLATFORM FOR EVALUATION OF CONTROL
amplificador del campo eléctrico generado por el estímulo, se
utiliza un arreglo de diodos en antiparalelo.
El circuito atenuador del artefacto del estímulo está
implementado mediante llaves analógicas con control digital,
MAX333ACPP de Maxim [7], y un amplificador operacional
atenuador, OP77 de Analog Devices [9]. El control de las
llaves analógicas se realiza desde un monoestable disparado
por una entrada de sincronismo, ópticamente aislada,
proveniente del estimulador. De esta forma, durante la
ocurrencia del estímulo se conectan a masa las entradas del
amplificador de instrumentación y se conmuta la ganancia del
amplificador de bajo ruido de 1 a 0,01. El tiempo de acción
mínimo de la señal de control es el ancho del pulso de
estimulación pudiendo extenderse hasta 8 mseg mediante el
ajuste de un potenciómetro.
Por último, este bloque cuenta con otro OP77, en
configuración inversora, el cual permite seleccionar la
ganancia total de la etapa entre 200 y 4000 a través de una
llave de 5 posiciones.
El bloque de Filtrado y Ganancia, está compuesto por dos
filtros tipo Butterworth de segundo orden a partir de dos
estructuras de Sallen-Key en cascada: un pasaaltos con
frecuencia de corte en 20 Hz (a -3dB) y un pasabajos en 400
Hz.
El circuito de salida de este bloque utiliza un amplificador
operacional “rail to rail”, MC3302 de On Semiconductor [8].
Éste permite ajustar los niveles de offset y ganancia además de
optimizar el rango dinámico de salida.
19
A fin de satisfacer el requisito de control en tiempo real, el
firmware fue diseñado de manera de realizar las tres tareas en
forma multiplexada en el tiempo: Digitalización, Detección y
Control. Para poder acotar estas tareas, se divide a la señal en
ventanas definidas por el intervalo entre un estímulo y el
siguiente. El proceso se esquematiza en la Fig. 5. En la
ventana n se realiza la Digitalización de la señal perteneciente
a este intervalo y la Detección sobre los datos almacenados
durante la ventana n-1. De esta forma, hacia el final de la
ventana n el algoritmo de detección debe tomar la decisión de
Control (habilitar o deshabilitar el estimulador) durante la
ventana (n+1).
B. Procesamiento
Esta etapa está basada en el µC PIC18F4620 de la firma
Microchip [10], cuyas principales características se resumen
en la Tabla I.
TABLA I
PRINCIPALES CARACTERÍSTICAS DEL µC PIC18F4620
Figura 5. Esquematización del proceso de digitalización y detección de la
señal de EMG.
La señal filtrada ingresa al microcontrolador donde es
digitalizada utilizando una frecuencia de muestreo de 2kHz y
una resolución de 10 bits.
Con el fin de facilitar la implementación de los algoritmos
de comando y control, el software que se ejecuta en el
microcontrolador (firmware) está desarrollado en forma
completa en lenguaje ANSI C. El firmware resuelve la
adquisición y el almacenamiento (Digitalización) de los datos
dejando para el usuario la implementación del algoritmo de
detección (Detección) y la generación de la señal de control
del estimulador (Control).
La principal restricción para la implementación del
algoritmo de control es el tiempo disponible, el cual está
acotado por el período de estimulación (Te). Por ejemplo para
un Te de 40 ms, el algoritmo a implementar se debe resolver
en menos de 400.000 ciclos de máquina del microcontrolador.
Teniendo en cuenta la información mostrada en la Tabla 1 se
puede verificar que el microcontrolador seleccionado cumple
las exigencias relativas al procesamiento en tiempo real para
esta aplicación.
IV. EVALUACIÓN DEL DISEÑO
La evaluación del cumplimiento de los requerimientos de
diseño se realizó mediante los siguientes ensayos:
20
IEEE LATIN AMERICA TRANSACTIONS, VOL. 8, NO. 1, MARCH 2010
 Amplificación
de la señal y Supresión del Artefacto del
Estímulo
 Respuesta en Frecuencia
 Adquisición y Almacenamiento
A. Amplificación de la señal y Supresión del Artefacto
del Estímulo
En este ensayo se realizó el testeo la etapa de amplificación
con señales simuladas y reales. Se generó una señal artificial
de simulación del EMG y del artefacto del estímulo a partir de
un atenuador, un generador de pulsos, un generador de
funciones con entrada de sincronismo y un circuito derivador.
La señal de simulación se muestra en la Fig. 6. Esta señal se
ingresó a la etapa de acondicionamiento y su salida se
visualizó utilizando un osciloscopio digital.
Figura 6. Gráfica de la señal simulada.
Las señales reales de EMG fueron registradas del músculo
extensor de la muñeca en situaciones de contracción muscular
voluntaria leve, moderada e intensa y con bajos niveles de
estimulación. En la Fig. 7 puede observarse un esquema de la
situación de estimulación y registro. Para la estimulación
eléctrica se emplearon electrodos superficiales adhesivos de
goma conductora ubicados sobre el punto motor del músculo
extensor de la muñeca. Para el registro de la señal se
emplearon electrodos descartables adhesivos circulares de AgClAg de 1cm de diámetro distanciados 2cm entre sí y ubicados
perpendicularmente a los de estimulación. El voluntario, sin
historia de lesiones neuromusculares previas, dio su
consentimiento informado para participar del estudio.
B. Respuesta en frecuencia
Este ensayo se realizó utilizando un generador de señales y
un osciloscopio digital. Se conectaron a la entrada del bloque
de filtrado y corrección de ganancia y nivel, señales
sinusoidales de frecuencias comprendidas entre 0,5 Hz y 5
kHz. La relación de amplitudes entre la entrada y la salida fue
medida mediante el osciloscopio.
Figura 7. Esquema de la situación experimental de estimulación y registro de
señales reales de EMG del músculo extensor de la muñeca.
C. Adquisición y Almacenamiento
Para medir la frecuencia de muestreo real de la señal,
parámetro que es necesario conocer con precisión para la
implementación de los filtros digitales, se agregó en el
hardware un punto de medición externo. El mismo se
encuentra conectado a un puerto del microcontrolador que
cambia de estado cada vez que se convierte una nueva
muestra. De esta forma, conectando la entrada de la etapa de
acondicionamiento a la señal emulada y mediante le empleo de
un frecuencímetro pudo medirse la frecuencia de muestreo
real del sistema. Por otro lado, para verificar el correcto
almacenamiento de los datos digitalizados, según la estructura
de ventanas de la Fig. 5, se utilizó la herramienta de
depuración ICD2 de Microchip® [10]. La misma se conectó a
un puerto dedicado presente en el hardware y utilizando el
entorno de depuración MPLAB® [10] se pudo detener la
ejecución del programa luego del almacenamiento de cada
ventana y visualizar los datos guardados en la memoria RAM
del microcontrolador.
Con el objetivo de corroborar la utilización de todo el rango
dinámico del CAD, se conectó a cada uno de los canales de
adquisición un nivel de tensión constante y se realizó el
análisis de los datos almacenados en la memoria del µC para
determinar si efectivamente eran invariantes.
V. RESULTADOS
En la Fig. 8 se observan trazados de osciloscopio
correspondientes a las salidas del bloque de amplificación y
filtrado con el supresor de artefacto activado, obtenidas al
ingresar con señales simuladas. Se puede apreciar el
funcionamiento del circuito atenuador del artefacto del
estímulo observando que se ha suprimido la espiga presente en
la señal de entrada. Adicionalmente, este circuito impide la
saturación del amplificador evitando de esta forma la perdida
de señal útil durante el tiempo de restablecimiento del punto
de trabajo del mismo.
En la Fig. 9 se visualizan los trazados del osciloscopio
correspondientes a la entrada y salida de la etapa de
acondicionamiento para los ensayos realizados con registros
reales de EMG. En ellos se puede observar una porción
remanente del artefacto de estimulación seguido de actividad
muscular voluntaria.
ESCOBAR et al.: PLATFORM FOR EVALUATION OF CONTROL
21
digitalizados y la integridad de las ventanas a ser utilizadas por
los algoritmos de comando y control.
Por medio de la adquisición de señales constantes sobre los
tres canales del sistema se pudo comprobar que el ruido total
de la etapa previa al conversor se mantuvo por debajo del
ruido de cuantificación del mismo, aprovechándose de esta
manera todo el rango dinámico correspondiente a los 10 bits
del conversor analógico/digital.
En la Fig. 10 se presenta una fotografía del prototipo de la
plataforma conectada a un sistema FES para corrección de la
caída del pie. Como puede observarse, este prototipo fue
montado en forma modular con el objetivo de facilitar la
evaluación de su desempeño por bloque. En una etapa
posterior se integrará el desarrollo en una única tarjeta impresa
doble faz con tecnología de montaje superficial con el
propósito de obtener la portabilidad necesaria.
Figura 8. A) Entrada de señal simulada en una escala de 1V/div . B) Trazado
del osciloscopio correspondiente a la salida del bloque de amplificación y
filtrado con el supresor de artefacto activado (1V/div).
Tanto en los ensayos con señales simuladas como con
señales reales se realizó la medición, en forma indirecta
mediante el empleo del osciloscopio, de la SNR en la entrada
del CAD.
Para ambos casos la SNR fue mayor a 25 dB, demostrando
un muy buen rechazo al ruido; necesario para el correcto
funcionamiento de los algoritmos de detección.
Figura 10. Fotografía del prototipo de la plataforma implementada conectada
al estimulador con el conjunto de electrodos de de estimulación registro.
VI. CONCLUSIONES
Figura 9. A) Registro de la señal de EMG del extensor de los dedos
correspondiente a una contracción voluntaria intensa. B) Trazo del período de
activación del circuito reductor de artefacto.
Como resultado del barrido de frecuencias realizado para
evaluar la respuesta en frecuencia del bloque de filtrado, las
frecuencias de corte del sistema pasa-banda obtenidas fueron
20 y 400 Hz para el pasa-altos y pasa-bajos respectivamente.
La excursión de la señal de salida medida fue de 4,2 V con
un desplazamiento en continua de 2,1V; adecuada para ser
introducida a la etapa siguiente.
La frecuencia de muestreo real medida fue de 1,98 kHz.
Además se comprobó el correcto almacenamiento de los datos
En este artículo se presentó el diseño, montaje en prototipo
y evaluación técnica de una plataforma para la implementación
de estrategias de control y comando de sistemas de
estimulación
eléctrica
funcional
por
medio
del
electromiograma del mismo músculo que está siendo
estimulado. Durante los ensayos se comprobó que se
alcanzaron los requerimientos de diseño. Se obtuvo de esta
manera una herramienta tecnológica que permitirá la rápida
evaluación de estrategias de control de estimuladores
funcionales. Las mismas, implementadas a través de
algoritmos cuyas estructuras presentan unidades de
Acondicionamiento y de Detección, podrán ser programadas
en la plataforma desde una PC y luego comprobadas mediante
su uso on-line en la restauración de funciones motoras de
pacientes con paresias musculares.
A partir de los resultados obtenidos se continuará
trabajando para disminuir el peso y el tamaño de la plataforma,
tarea necesaria para mejorar su versatilidad y poder avanzar
sobre la exploración nuevas estrategias de control y comando
de sistemas de FES.
22
IEEE LATIN AMERICA TRANSACTIONS, VOL. 8, NO. 1, MARCH 2010
REFERENCIAS
[1]
G. Loeb y R. Davoodi, “The functional reanimation of paralyzed
muscles,” IEEE Eng in Medicine and Biology. 5, 45-51, set./oct. 2005.
[2] J. Cauraugh, K. Ligth, K. Sangbum, M. Thigpen, A. Behrman, “Chronic
motor dysfunction after stroke. Recovering wrist and finger extension by
electromiography-triggered neuromuscular stimulation,” Stroke, 13601364, 2000.
[3] G. Staude, C. Flachenecker, M. Daumer y W. Wolf, “Onset detection in
surface electromyographic signals: a systematic comparison of
methods,” EURASIP Journal on Applied Signal Processing, vol 2001,
pp. 67 – 81, Enero 2001.
[4] C. Tabernig y R. Acevedo, “M-wave elimination from surface EMG of
electrically stimulated muscles using SVD: preliminary results,”
Medical Engineering & Physics, vol. 30, n.º 6, 800–803, Jul. 2008.
[5] R. Merletti, P. Parker, “Electromyography. Physiology, Engineering,
and Non-invasive Applications”, New Jersey: John Wiley & Sons, IEEE
Press Series in Biomedical Engineering, 2004.
[6] Texas Instrument Incorporated. Disponible en http://www.ti.com
[7] Maxim Integrated Product. Disponible en: http://www.maxim-ic.com
[8] ON Semiconductor.
Transferido por Freescale Semiconductor.
Disponible en: http://www.onsemi.com/
[9] Analog Devices, Inc. Disponible en http://www.analog.com/
[10] Microchip Technology Inc. Disponible en: http://www.microchip.com
[11] R. Blahut., Fast algoritms for digital signal processing, United States of
America: Addison-Wesley Publishing, 1985.
Sergio Escobar Nació en Paraná, Argentina el
26 de mayo de 1965. Recibió el título de
Bioingeniero en la Facultad de Ingeniería de la
Universidad Nacional de Entre Ríos en 2000.
Actualmente está realizando la Maestría en
Ingeniería Biomédica en la Facultad de
Ingeniería de la Universidad Nacional de Entre
Ríos, se desempeña como investigador y docente
en el Departamento Bioingeniería de la Facultad
de Ingeniería de la Universidad Nacional de
Entre Ríos (Argentina), Cuenta con varias publicaciones nacionales e
internacionales. Sus áreas de interés son la instrumentación y el equipamiento
para rehabilitación.
Juan Manuel Reta Nació en Rosario, Argentina
el 19 de marzo de 1978. Recibió el título de
Bioingeniero en la Facultad de Ingeniería de la
Universidad Nacional de Entre Ríos en 2003.
Actualmente está realizando la Maestría en
Ingeniería Biomédica en la Facultad de
Ingeniería de la Universidad Nacional de Entre
Ríos, se desempeña como docente e investigador
en el Departamento Electrónica de la Facultad de
Ingeniería de la Universidad Nacional de Entre
Ríos (Argentina), Cuenta con publicaciones nacionales e internacionales.
Participó de diversos proyectos de diseño y desarrollo de dispositivos
biomédicos y biológicos. Sus áreas de interés son el procesamiento digital de
señales, el diseño y desarrollo de sistemas microprocesados y la
instrumentación la instrumentación biomédica
Carolina Tabernig nació en Santa Fe, Argentina
el 8 de mayo de 1967. En 1992 recibió el título
de Bioingeniera y en 2004 el de Magíster en
Ingeniería Biomédica. Se desempeña como
docente investigador de los Departamentos de
Electrónica y Bioingeniería, y como Directora de
la Maestría en Ingeniería Biomédica de la
Facultad de Ingeniería de la Universidad
Nacional de Entre Ríos (Argentina). Ha sido
Directora del Laboratorio de Ingeniería de Rehabilitación de la FIUNER y de
varios proyectos de investigación en el área de la estimulación eléctrica
funcional. En el desarrollo de dispositivos y aplicación de esta técnica de
rehabilitación se desempeñó de 1992 a 2002 en el Hospital de Rehabilitación
Dr. Candioti de la ciudad de Santa Fe. Cuenta con varias publicaciones
nacionales e internacionales en el área de la ingeniería biomédica. Ha sido
miembro del IEEE desde 1990 a 2007 y Presidenta del Capítulo de Ingeniería
Biomédica del IEEE, Argentina durante 1995. Sus áreas de interés son el
procesamiento de la señal de electromiografía y el equipamiento para
rehabilitación.