Metodologia para detecção automática da ativação muscular em sinais eletromiográficos

Abstract

Este trabalho propõe uma nova metodologia para detecção automática da ativação muscular em sinais de Eletromiografia (EMG). A qual utiliza a variância local do sinal para determinar os instantes de tempo que correspondem a eventos de ativação muscular. Duas técnicas existentes e consolidadas na literatura (Operador de Energia de Teager-Kaiser e Sample Entropy) foram implementadas com objetivo de realizar a detecção da ativação e viabilizar uma análise comparativa entre as diferentes metodologias. A avaliação dos resultados foram separadas em duas etapas: analise de performance e análise de convergência. Para realização da análise de performance foram estabelecidos critérios quantificáveis e objetivos: precisão, tolerância a ruídos e custo computacional. Foi desenvolvido também, um gerador de sinais de EMG sintéticos, cujos tempos de ativação muscular e a relação sinal ruído (SNR) eram previamente conhecidos. Considerando os critérios estabelecidos e o conjunto de dados analisados, a metodologia proposta demonstrou-se superior nos quesitos performance e tolerância a ruídos. A análise de convergência utilizou dados reais provenientes dez sujeitos, dos quais foram coletados sinais de oito músculos. Através desse conjunto de dados foi possível demonstrar a forte correlação entre os resultados obtidos pelos métodos analisados.

This study proposes a new methodology for automatic detection of muscle activation in electromyographic (EMG) signals. Which uses the local variance of EMG signal to determine the onset and offset times of muscle activation events. Were implemented two existing and consolidated methods (Teager-Kaiser Energy Operator and Sample Entropy) in order to carry the activation detection by another way and enable a comparative analysis of different methodologies. The evaluation of results was separated into two stages: performance analysis and convergence analysis. The performance analysis was established by quantifiable and objective parameters: accuracy, tolerance to noise and computational cost. It was developed also a generator of synthetic EMG signals whose muscle activation times and signal to noise ratio (SNR) were previously known. Considering the parameters established and the data analyzed, the proposed methodology demonstrated a better precision and tolerance to noise when compared to the others methods. The convergence analysis used the real EMG data from ten subjects, of which was collected signals from eight different muscles. Through this set of data, it was possible to demonstrate the high correlation between the results from the analyzed methods.