Plataforma para aquisição de sinais eletromiográficos de alta densidade
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/251869 |
Resumo: | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2023. |
id |
UFSC_b2812eafa4b9253652493c18d71609f3 |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/251869 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Plataforma para aquisição de sinais eletromiográficos de alta densidadeEngenharia elétricaEletromiografiaDoenças neuromuscularesDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2023.A eletromiografia de superfície de alta densidade (HDsEMG) consiste na captação da atividade elétrica muscular por meio de matrizes bidimensionais de eletrodos dispostos na superfície da pele. Além do estudo temporal da atividade elétrica muscular, essas matrizes, geralmente com dezenas de eletrodos, permitem também o estudo espacial dessa atividade. A HDsEMG apresenta um avanço em relação a técnicas anteriores de eletromiografia de superfície (sEMG) que utilizam apenas um ou poucos pares de eletrodos e, em alguns cenários, pode substituir técnicas invasivas, como a eletromiografia intramuscular (iEMG). A HDsEMG é utilizado em diversas aplicações clínicas, como no estudo de fadiga em desordens neuromusculares, desordens do neurônio motor, neuropatias e miopatias. Além disso, são encontradas aplicações em pesquisas nas áreas de neurofisiologia, controle de robôs e próteses, biofeedback e ergonomia. Apesar de suas diversas aplicações, o custo proibitivamente elevado dos equipamentos para aquisição de sinais de HDsEMG disponíveis comercialmente constitui uma barreira para a pesquisa nessa área. Como forma de ampliar o acesso a essa técnica, neste trabalho foi projetada uma plataforma para aquisição de sinais de HDsEMG durante contrações isométricas voluntárias, consistindo em um sistema de aquisição baseado no front-end analógico ADS1299 e no sistema em um chip ESP32, uma matriz de eletrodos de 64 canais e um software para interface. O sistema de aquisição desenvolvido possui 64 canais, resolução de 24 bits por amostra, ganho de até 24 vezes (resolução de tensão de entrada de 22,35 nV), alimentação por bateria com autonomia de cerca de 8 horas e transmissão dos sinais amostrados em tempo real via Wi-Fi. Também é possível realizar a conexão de uma célula de carga para amostragem da força aplicada pelo paciente durante as contrações musculares. O sistema possui uma taxa de aquisição máxima de 4000 amostras/s por canal e densidade espectral de amplitude do ruído referido à entrada de 40,58 nV/pHz (1, 31µVrms na banda de 0 a 1048 Hz) utilizando a configuração de maior ganho do sistema. Por meio do software desenvolvido, foi possível visualizar em tempo real os sinais amostrados pelo sistema de aquisição, fornecer ao indivíduo feedback visual da força aplicada durante as contrações musculares e salvar os sinais amostrados e informações relevantes do paciente em um banco de dados. Para avaliação da plataforma, foram adquiridos sinais de HDsEMG de quatro voluntários durante contrações isométricas voluntárias com diferentes níveis de contração, sendo possível visualizar a propagação dos potenciais de ação das unidades motoras e extrair parâmetros estimadores de amplitude e variáveis espectrais. Estas últimas apresentaram características de fadiga muscular. Além de sinais de HDsEMG, foram adquiridos também sinais de eletrocardiografia (EEG), eletroencefalografia (EEG) e eletrooculografia (EOG), indicando possíveis aplicações da plataforma desenvolvida para a aquisição de diversos biopotenciais.Abstract: High-density surface electromyography (HDsEMG) involves the measurement of muscular electrical activity through two-dimensional arrays of electrodes placed on the skin surface. In addition to studying the temporal aspects of muscle electrical activity, these arrays, typically comprising dozens of electrodes, also enable the spatial analysis of this activity. HDsEMG represents an advancement over previous surface electromyography (sEMG) techniques that utilize only one or a few pairs of electrodes and, in some scenarios, can replace invasive techniques such as intramuscular electromyography (iEMG). HDsEMG is used in various clinical applications, including the study of fatigue in neuromuscular disorders, motor neuron disorders, neuropathies and myopathies. Furthermore, it finds applications in research fields such as neurophysiology, robot and prosthesis control, biofeedback and ergonomics. Despite its numerous applications, the prohibitively high cost of commercially available HDsEMG signal acquisition equipment constitutes a barrier to research in this area. To broaden access to this technique, this study presents a platform for acquiring HDsEMG signals during voluntary isometric contractions. The platform consists of an acquisition system based on the ADS1299 analog front-end and the ESP32 system-on-a-chip, a 64-channel electrode array and software for the user interface. The developed acquisition system features 64 channels, 24-bit resolution per sample, a gain of up to 24 times (corresponding to an input voltage resolution of 22.35 nV), battery-powered operation with approximately 8 hours of autonomy and real-time transmission of sampled signals via Wi-Fi. It also allows for the connection of a load cell to sample the force applied by the patient during muscle contractions. The system has a maximum acquisition rate of 4000 samples per second per channel and a spectral amplitude noise density referred to the input of 40.58 nV/pHz (1.31µVrms in the frequency band from 0 to 1048 Hz) using the system?s highest gain configuration. Through the developed software, it was possible to visualize the signals acquired by the acquisition system in real time, provide the individual with visual feedback of the applied force during muscle contractions and save the sampled signals and relevant patient information in a database. To evaluate the platform, HDsEMG signals were acquired from four volunteers during voluntary isometric contractions at different levels of exertion. It was possible to observe the propagation of motor unit action potentials and extract amplitude estimator parameters and spectral variables. The latter showed characteristics of muscle fatigue. In addition to HDsEMG signals, electrocardiography (ECG), electroencephalography (EEG) and electrooculography (EOG) signals were also acquired, indicating potential applications of the developed platform for acquiring various biopotentials.Marques, Jefferson Luiz BrumUniversidade Federal de Santa CatarinaLucas, Mateus Gomes2023-11-09T23:26:38Z2023-11-09T23:26:38Z2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis239 p.| il., tabs.application/pdf384671https://repositorio.ufsc.br/handle/123456789/251869porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2023-11-13T15:36:36Zoai:repositorio.ufsc.br:123456789/251869Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-11-13T15:36:36Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Plataforma para aquisição de sinais eletromiográficos de alta densidade |
title |
Plataforma para aquisição de sinais eletromiográficos de alta densidade |
spellingShingle |
Plataforma para aquisição de sinais eletromiográficos de alta densidade Lucas, Mateus Gomes Engenharia elétrica Eletromiografia Doenças neuromusculares |
title_short |
Plataforma para aquisição de sinais eletromiográficos de alta densidade |
title_full |
Plataforma para aquisição de sinais eletromiográficos de alta densidade |
title_fullStr |
Plataforma para aquisição de sinais eletromiográficos de alta densidade |
title_full_unstemmed |
Plataforma para aquisição de sinais eletromiográficos de alta densidade |
title_sort |
Plataforma para aquisição de sinais eletromiográficos de alta densidade |
author |
Lucas, Mateus Gomes |
author_facet |
Lucas, Mateus Gomes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Marques, Jefferson Luiz Brum Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Lucas, Mateus Gomes |
dc.subject.por.fl_str_mv |
Engenharia elétrica Eletromiografia Doenças neuromusculares |
topic |
Engenharia elétrica Eletromiografia Doenças neuromusculares |
description |
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2023. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-11-09T23:26:38Z 2023-11-09T23:26:38Z 2023 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
384671 https://repositorio.ufsc.br/handle/123456789/251869 |
identifier_str_mv |
384671 |
url |
https://repositorio.ufsc.br/handle/123456789/251869 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
239 p.| il., tabs. application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808652118168436736 |