Beskrivelse av Utvalget

Para que as informa¸c˜oes sobre o controle do Sistema Motor e do Sistema Neuromuscu- lar (SN) sejam extra´ıdas ´e necess´ario que os sinais eletromiogr´aficos sejam decompostos em suas unidades b´asicas: os potenciais de a¸c˜ao das Unidades Motoras (MUAPs) [72]. Esse processo ´e denominado Decomposi¸c˜ao do Sinal Eletromiogr´afico, e tal processo envolve diversas etapas de condicionamento e processamento de sinais [73]. Os resultados da de- composi¸c˜ao de sinais EMG possuem aplica¸c˜oes pr´aticas na ´area de neurologia, fisioterapia, odontologia, engenharia de reabilita¸c˜ao, biofeedback e no desenvolvimento de pesquisas de base visando um melhor entendimento sobre o comportamento de mecanismos b´asicos do SN [5] [74].

A decomposi¸c˜ao do sinal EMG ´e um processo complexo, que requer muito processa- mento do sinal e etapas de reconhecimento de padr˜oes. Uma forma que j´a foi muito uti- lizada para visualizar os MUAPs ´e utilizar o oscilosc´opio e escutar as suas caracter´ısticas por meio de auto-falantes. Entretanto, tal pr´atica, al´em de consumir muito tempo para ser realizada, requer muita experiˆencia e habilidade por parte do profissional para conseguir extrair informa¸c˜oes relevantes por meio desta an´alise visual e auditiva [5].

´

ultimas d´ecadas muitos sistemas computacionais foram desenvolvidos para esta finalidade [5] [33]. Um sistema t´ıpico de extra¸c˜ao de MUAPs de sinais EMG requer os seguintes est´agios: 1) Detec¸c˜ao do sinal EMG; 2) Pr´e-processameno do sinal EMG; 3) Sele¸c˜ao de MUAPs; 4) Agrupamento de MUAPs (Figura 2.13).

Figura 2.13: Est´agios necess´arios para o processo de decomposi¸c˜ao do sinal EMG (modificado de [5]).

Os est´agios de Detec¸c˜ao e Pr´e-processamento do sinal EMG j´a foram discutidos nas se¸c˜oes anteriores. A seguir, ser˜ao detalhados os est´agios de Sele¸c˜ao de MUAPs e Agrupa- mento de MUAPs.

2.4.1

Sele¸c˜ao de MUAPs

Ap´os a realiza¸c˜ao da detec¸c˜ao e do pr´e-processamento do sinal EMG, um est´agio impor- tante da decomposi¸c˜ao do sinal EMG ´e detectar todos os MUAPs gerados pelas Unidades Motoras ativas durante a aquisi¸c˜ao do sinal. Neste est´agio ´e necess´ario detectar os segmen- tos ativos ou inativos, isto ´e, os segmentos que possuem atividade eletromiogr´afica ou n˜ao. O principal objetivo deste est´agio ´e identificar MUAPs ´unicos ou uma combina¸c˜ao deles. A separa¸c˜ao dos segmentos ativos e inativos pode ser realizada de forma visual e manual, isto ´e, o pesquisador pode classificar as regi˜oes de um sinal eletromiogr´afico em ativo ou inativo. Entretanto, esta t´ecnica consome muito tempo e requer muita concentra¸c˜ao, sem

a qual pode ser realizada uma an´alise errˆonea do sinal [5].

Uma das t´ecnicas computacionais mais simples para a separa¸c˜ao de MUAPs que per- tencem a um mesmo grupo em um sinal eletromiogr´afico, ´e a utiliza¸c˜ao de limiares. A id´eia central desta t´ecnica ´e utilizar um limiar para a detec¸c˜ao de MUAPs que tˆem picos similares, o qual ´e representado pelo pico mais alto de um MUAP. A principal vantagem desta t´ecnica ´e que ela ´e f´acil de ser aplicada, pois requer o m´ınimo de hardware e soft- ware [75]. Entretanto, esta t´ecnica possui algumas desvantagens, tais como a escolha do limiar depende muito da taxa de ru´ıdo; e ainda, apenas uma ´unica caracter´ıstica (o pico mais alto da MUAP) ´e utilizada para a classifica¸c˜ao do dado. Desta forma, duas diferentes MUAPs podem ser agrupadas em um ´unico grupo pelo simples fato delas terem amplitudes similares [5].

Diversas abordagens podem ser utilizadas para melhorar este processo. Por exemplo, j´a foi empregado o valor da raiz m´edia quadr´atica de um sinal EMG e um limiar pr´e- definido de acordo com o m´aximo pico do sinal [21]. Zennaro et al. [76] utilizaram um limiar que era manualmente ajustado pelo usu´ario. Na t´ecnica apresentada por [5], o in´ıcio e o final do segmento s˜ao detectados quando as amostras do sinal ficam 0.5 µV abaixo do limiar configurado.

2.4.2

Agrupamento de MUAPs

Ap´os a detec¸c˜ao das regi˜oes de atividade ´e poss´ıvel agrup´a-las em grupos e, para tanto, ´e necess´ario efetuar a extra¸c˜ao de caracter´ısticas morfol´ogicas dessas regi˜oes para poder agrup´a-las. Os pesquisadores tˆem utilizado as seguintes caracter´ısticas dos MUAPs para classific´a-las: dura¸c˜ao, amplitude, ´area, quantidade de fases, quantidade de picos positivos e negativos, coeficientes obtidos a partir da Transformada de Fourier, Principal Component Analysis (PCA), Independent Component Analysis (ICA) [34] [71] e Genera- tive Topographic Mapping [5].

Conforme j´a relatado no Cap´ıtulo 1, uma ferramenta que disponibilize os resultados da decomposi¸c˜ao do sinal EMG ´e de extrema importˆancia para a pr´atica cl´ınica, seja na avalia¸c˜ao/diagn´ostico de dist´urbios motores ou nas terapias de Biofeedback. Entretanto, a maioria dos m´etodos j´a desenvolvidos s˜ao focados em sinais EMG coletados atrav´es de eletrodos intramusculares devido `a facilidade e benef´ıcios do processamento deste sinal. Entretanto, este tipo de coleta pode acarretar diversos inconvenientes - conforme j´a dis-

cutido anteriormente. Dessa forma, existe a necessidade de mais investiga¸c˜oes de t´ecnicas que possam ser aplicadas na decomposi¸c˜ao de sinal EMG de superf´ıcie.

Para contribuir com os estudos na ´area de decomposi¸c˜ao de sinais EMG de superf´ıcie, este trabalho tem como objetivo realizar o estudo, o projeto e a implementa¸c˜ao dos m´etodos necess´arios para obter resultados que supram as necessidades desta ´area. Os est´agios iniciais necess´arios para a decomposi¸c˜ao do sinal EMG pr´e-processamento e de- tec¸c˜ao das MUAPs), os quais j´a foram muito bem explorados na literatura [75] [76] [5], reproduzidos do sistema EMG Decomposition-BR [5].

2.4.3

Software EMG Decomposition-BR

No Laborat´orio de Engenharia Biom´edica (BioLab) da Faculdade de Engenharia El´etrica, da Universidade Federal de Uberlˆandia j´a foram realizados estudos e desenvolvimento de t´ecnicas para a decomposi¸c˜ao de sinais EMG [5] [77] [15] [78] [79] [80].

Como resultado destes estudos, foi desenvolvido o software EMG Decomposition⃝-R

BR. Neste software, o usu´ario fornece um sinal EMG e, como resultado, s˜ao apresentados os MUAPs que comp˜oem o sinal EMG fornecido. A decomposi¸c˜ao do sinal EMG ´e rea- lizada utilizando conceitos cl´assicos e modernos de processamento digital de sinais, tais como a t´ecnica Empirical Mode Decomposition, na etapa de pr´e-processamento do sinal EMG; janelamento autom´atico, na etapa de detec¸c˜ao de MUAPs; e a t´ecnica Generative Topographic Mapping, na etapa de agrupamento e visualiza¸c˜ao de MUAPs [78] [79] [80].

Utilizando o know-how j´a desenvolvido neste laborat´orio de pesquisa, este trabalho ir´a utilizar as ferramentas j´a implementadas, testadas e validadas para aprimorar as t´ecnicas de decomposi¸c˜ao de sinal EMG de superf´ıcie. A partir da etapa de detec¸c˜ao dos MUAPs do sinal EMG, desenvolvida no software EMG Decomposition⃝-BR, ir´a come¸car o objetivoR

deste trabalho: identificar a quantidade de Unidades Motoras ativas no sinal EMG e realizar o agrupamento dos MUAPs, classificando-os em sua Unidade Motora geradora, utilizando Modelos Ocultos de Markov.