Sunteți pe pagina 1din 8

Biosemnale pentru investigaii neuromusculare

Clin Ioana-Georgiana

Rezumat Semnalele biologice constituie o modalitate de a transmite o cantitate de informaie provenit de la un organism viu sau o parte a acestuia (de exemplu, o simpl celul) spre un receptor biologic. De cele mai multe ori, semnalele biologice sunt de natur electric sau chimic. Decodificarea acestora furnizeaz informaii despre structura, evoluia i relaiile dintre parametrii caracteristici. Studiul biosemnalelor, nregistrarea i procesarea lor, utilizarea lor n aplicaii bio-medicale face obiectul mai multor discipline tiinifice i inginereti. Biosemnalele electromiografice (EMG) sunt folosite n domeniul medicinei pentru evaluarea clinic a funciei musculare i nervoase sau pentru aplica ii biomedicale, n studiul interaciunii om-computer, n realizarea jocurilor electronice interactive. Lucrarea ilustreaz o serie de metode i algoritmi pentru analiza acestor biosemnale, pornind de la geneza lor la nivelul unit ilor motorii (MU), nregistrarea cu ajutorul electromiografului i noiuni de p relucrare i interpretare. Cuvinte cheie: electromiografie, EMG, biosemnal, mu chi, MUAP, wawelet, reele neuronale

Introducere Biosemnalul reprezint o succesiune continu sau discret a valorilor unor mrimi msurabile n organismul viu, generat spontan sau provocat prin stimulare declanatorie, care poart informaii asupra existenei i desfurrii unor procese, evenimente, manifestri normale sau patologice. Biosemnalele se desfoar, n mod normal, n timp i pot fi descrise n termeni de amplitudine, frecven i faze.1 Semnalul electromiografic reprezint inregistrarea activitii electrice asociat contraciei musculare. Sistemul nervos controleaz ntotdeauna activitatea muscular (contracie-relaxare). Depolarizarea fibrelor musculare, cauza contraciei musculare, este iniiat de receptorii senzoriali i ajunge la creier prin fibrele nervoase senzoriale. Creierul provoac alte unde de depolarizare care, prin nervii motori, produc depolarizarea plcilor terminale, respectiv contracia muscular.

Deci, semnalul EMG este un biosemnal complicat, controlat de ctre sistemul nervos i dependent de proprietile anatomice i fiziologice ale muchiului. Comparativ cu alte biosemnale, semnalul EMG conine tipuri complicate de zgomote. Acestea sunt cauzate de interaciunea diferitelor esuturi prin care semnalul trece pn este nregistrat, de zgomotele proprii ale circuitelor i componentelor aparaturii de nregistrare, de radiaiile electromagnetice, de artefactele de micare. Detectarea semnalelor EMG prin intermediul unor metode avansate a devenit o necesitate n cadrul bioingineriei medicale. n primul rnd, electromiografia are aplicabilitate n domeniul medicinei pentru evaluarea neinvaziv a funciei musculare i nervoase. Exist diferene ntre spectrele de putere ale EMG subiecilor cu miopatii sau cu leziuni ale nervilor periferici, fa de cele normale, precum i n cazul gradului de oboseal a muchilor. Semnalul EMG st la baza interaciunii om-computer i a jocurilor

electronice interactive. Mai mult dect att, poate fi folosit ca semnal de comand pentru controlul protezelor, roboilor, telefoanelor mobile. n prezent, cercetarea n domeniu are n vedere dezvoltarea unor algoritmi mai buni, mbuntirea metodelor pentru detectarea semnalului, n vederea reducerii zgomotelor i obinerea unor semnale EMG precise. Tehnologia de nregistrare a EMG este relativ recent. n mod tradiional, metodele de analiz/monitorizare EMG utilizau echipamente analogice de nregistrare cu peni. nregistrarea semnalelor folosind penia prezint mari dezavantaje tehnologice. Spre exemplu, exist o limitare fizic a frecvenelor semnalelor ce pot fi msurate n acest fel, iar analiza computerizat a unui semnal nregistrat pe hrtie nu era posibil. Apariia sistemelor de achiziie digitale a eliminat o parte din limitarile echipamentelor de nregistrare cu peni. n urma dezvoltrii tehnologiei de procesare a biosemnalelor i a modelelor matematice, au aprut o serie de metode avansate pentru detectarea EMG i noi tehnici de analiz a biosemnalului modele matematice i Inteligena Artificial. Modelele matematice includ Analiza de tip Wawelet, Analiza TimpFrecven, Analiza Fourier, Distribuia Wigner-Ville, msurtori statistice. Modalitile de abordare bazate pe Inteligenta Artificial sunt Reelele Neuronale Artificiale i Sistemele Logice Fuzzy. 2 Metode Noiuni de anatomie i fiziologie a esutului muscular Muchiul este alctuit din celule capabile s se contracte i s se relaxeze, fiind caracterizat de elasticitate i extensibilitate. esutul muscular are patru funcii: produce micare; transport

substane prin organism; asigur stabilitate i genereaz cldur. Activarea fibrei musculare apare odat cu eliberarea neurotransmitorului acetilcolina (ACh) n sinapsa dintre neuron i muchi, numit jonciune neuromuscular (NMJ). Fenomenul este nsoit de un flux de ioni, n special Na+, prin membrana celulei (sarcolema). Potenialul de aciune (AP) este rezultatul modificrii potenialului sarcolemei, se propag cu viteza de conducie (CV); concomitent se elibereaz Ca2+ din reticulul endoplasmic, care produce alunecarea (glisarea) filamentelor n miofibrile. Deosebim mai multe tipuri de micri musculare (contracii): 1. izometrice (statice), n care apare fora la lungime constant; 2. izotonice (dinamice), n care apare for nsoit de scurtarea fibrei (concentrice) sau alungirea fibrei (excentrice); 3. izocinetice, n condiiile folosirii unui dispozitiv care variaz rezistena n timpul micrii, astfel nct fora muchiului este constant. Geneza EMG Electromiograma (EMG) este caracteristic muchiului striat. Contracia acestuia este iniiat de impulsuri n neuroni i de obicei este controlat voluntar. Neuronii implicai sunt motori, conectai la mai multe fibre musculare, iar fiecare neuron cu fibrele legate (ntre 10 i 3000) formeaz o unitate motorie (MU). La stimulare, fibra muscular se depolarizeaz pe msur ce semnalul se propag de-alungul ei i fibra se tensioneaz. Contracia dureaz ntre 20 i 200 ms. Aceast depolarizare, acompaniat de deplasarea ionilor, genereaz un cmp electric n vecintatea fiecrei fibre. Semnalul EMG este un tren

de poteniale de aciune (Motor Unit Action Potential - MUAP) ce dovedete c muchiul rspunde la stimulul nervos. Biopotenialele electrice musculare se caracterizeaz prin amplitudine (500-700 V), durata ntre 4i 16 ms (n funcie de mrimea MU i numrul de fibre). Se poate descrie semnalul EMG, indiferent de modul de colectare, ca fiind compus toate potenialele de aciune motorii (MUAP), ce rezult din potenialele de aciune ale tuturor fibrelor unei uniti motorii. Ecuaia de mai jos reprezint un model simplu pentru semnalul EMG: x( n ) = h( r ) e( n r ) + w( n )
r =0 N 1 2

unde x(n) este EMG, e(n) este procesat punctual (reprezint impulsul electric), h(r) reprezint MUAP, w(n) reprezint zgomotul filtrat white Gaussian i N este numrul de uniti motoare active.

Detectarea exact a secvenei evenimentelor n semnalul electromiografic (spre exemplu, faza n care apare schimbarea n tiparul activitii EMG datorit iniierii unui rspuns motor rapid) este o problem important n analiza sistemului motor. Au fost propuse numeroase metode pentru detectarea fazelor n care se afl potenialui de aciune al muchiului striat. Modelul propus de D.Farina3 pentru generarea EMG este precis i sintetic. Potenialele de aciune MUAP sunt generate de fibre conductoare de lungime finit i detectate la suprafa. Conductorul volumic asimilat muchiului este un mediu neomogen i anizotropic, iar esuturile adipoase i pielea sunt considerate izotropice (figura 1).

Figura 1: Reprezentare schematic a modelului conductorului volumic utilizat pentru simularea electromiogramei de suprafa (sEMG) 3

Comportatea esutului muscular este descris cu ajutorul unor mrimi electrice: - 1a, 2a, i 3a sunt conductivitile esutului muscular n 3 direcii spaiale ( 1a = 2a), b i c, conductivitile tesuturilor adipoase i pielii, respectiv; d i h1, grosimile tesuturilor adipoase i pielii; - Ra, raportul dintre conductivitatea pe direciile longitudinal i transversal a fibrei musculare; Rm, raportul dintre conductivitatea tesuturilor adipoase i cea muscular pe direcie transversal pe fibra muscular; Rc, raportul dintre conductivitatea pielii i a tesutului adipos; - dint, distana dintre electrozii sistemului de detecie; MU este unitatea motoare. Recrutarea MU ncepe de la fibre de cea mai mic dimensiune, cu o conducie mic. Teoretic, cu ct viteza de conducie crete (respectiv de propagare) cu att este mai mare puterea spectral a semnalului de suprafa EMG. Rezultatele experimentale obinute cu acest model au reliefat c proprietile electrice ale muchiului sunt determinante n relaia dintre parametrii spectrali i viteza de conducie CV.3 Achiziia datelor; nregistrarea EMG. nregistrarea se efectueaz cu ajutorul electromiografului care prezint: un sistem de culegere a potenialelor electrice musculare, o unitate de amplificare i un sistem de afiaj i de nscriere grafic.4 1. Sistemul de culegere este reprezentat de electrozi, care pot fi:

de detecie s fie paralel cu fibrele musculare. Aceti electrozi culeg activitatea electric a ntregului muchi, iar nregistrarea obinut reprezint electromiograma global. Electrozi ac (ac coaxial Adrian-Bronck) se inser n muchi, de preferat n paralel cu dispoziia fibrelor musculare, i permit culegerea activitii electrice a unei singure uniti motorii, obinndu-se astfel electromiograma elementar. Electrodul de referin (indiferent) se plaseaz ct mai departe de electrodul de culegere, pe esut electric neutru, de obicei la nivelul unei proeminene osoase. 2. Sistemul de amplificare este alctuit dintr-un amplificator i un filtru care permit nregistrarea biocurenilor care iau natere spontan i a cror amplitudine este foarte mic. 3. Sistemul de afiare i nscriere grafic monitor, hrtie. 4. Difuzor red sub form sonor variaiile biocurenilor musculari. Potenialele normale se aud ca sunete lungi i de joas frecven, n timp ce curenii patologici dau un sunet scurt i ascuit. 5. Sistemul de stimulare se face prin impulsuri cu o anumit durat i intensitate n funcie de particularitaile somatice ale subiectului. Factorii perturbatori ai semnalului EMG Forma semnalului EMG depinde de intensitatea i tipul contraciei musculare. Una dintre principalele dificulti n analiza semnalelor EMG se datoreaz zgomotelor care distorsioneaz semnalul util. Zgomotul electric este generat de: 1. 2. Echipamentul electric Radiaia electromagnetic ambientale

Electrozi de suprafa sunt reprezentai de mici plcue metalice, cu suprafaa de aproximativ 1-2 cm., din argint, ce se amplaseaz ntre punctul motor al muchiului i inseria tendinoas, astfel nct axa ce intersecteaz ambii electrozi

3.

Artefactele datorate micrii electrozilor i cablurilor acestora. 4. Natura aleatoare a semnalului EMG rata de activare a unitilor motoare, care produc frecvene ntre 0 i 20 Hz. nlturarea acestui tip de zgomot este foarte important. Calitatea semnalului este influenat de diveri factori: interfaa electrozi-muchi, activitatea altor uniti motoare active i mecanismul de interaciune dintre fibre musculare (cross-talk), activitatea electric a inimii, cantitatea de esut ntre suprafaa muchiului i electrod, etc. .5 Descompunerea semnalului EMG Semnalele electromiografice reprezint o sumare a activitii unor uniti motorii; se poate descrie ca fiind compus toate potenialele de aciune motorii (MUAP), ce rezult din potenialele de aciune ale tuturor fibrelor unei uniti motorii. Astfel, este necesar descompunerea sa. nainte de apariia calculatoarelor, semnale EMG au fost uneori nregistrate fotografic din ecranul osciloscopului i apoi descompuse manual prin marcarea apariiilor repetitive ale fiecrui vrf distinct. 10 Metodele ce stau la baza descompunerii cu ajutorul calculatorului sunt n mare parte aceleai. Acestea implic patru etape principale: 2 1. eliminarea zgomotelor 2. detectarea vrfurilor potenialelor de aciune motorii (MUAP) 3. clasificarea vrfurilor MUAP 4. separarea vrfurilor MUAP Unele semnale i unele trenuri MUAP din aceste semnale pot fi descompuse cu un grad ridicat de certitudine dect altele. Descompunerea depinde de mai muli factori, inclusiv complexitatea semnalului, nivelul de zgomot de fond, variabilitatea MUAP, i similitudinea MUAP din unitile cu motor diferite.

Prelucrarea semnalului EMG Semnalele EMG neprocesate ofer informaii valoroase, dar ntr-o form n care nu pot fi utilizate. Diferite metode de procesare a semnalului pot fi aplicate asupra acestora pentru a obine semnale EMG clare. Modelele matematice includ Analiza de tip Wawelet, Analiza TimpFrecven, Analiza Fourier, Distribuia Wigner-Ville, msurtori statistice. Modalitile de abordare bazate pe Inteligenta Artificial sunt Reelele Neuronale Artificiale i Sistemele Logice Fuzzy. 2 Analiza wawelet n studiul EMG n ultimii ani, transformata wavelet a devenit unul din subiectele, specifice teoriei semnalelor, ce s-a bucurat de un imens interes din partea a numeroase colective de cercetare. Tehnicile de analiz multirezoluie, n special cele bazate pe utilizarea transformatei wavelet, au ptruns cu succes i n aplicaii practice dintre cele mai diverse, printre care i analiza semnalelor biomedicale (ECG, EEG, EMG) sau filtrarea zgomotului. Procesarea cu transformata wavelet pentru un semnal non-staionar cum este EMG ofer perspective promitoare. 2 Tranformata Wawelet este o metod matematic extrem de eficient pentru semnalele ne-staionare i tranzitorii rapide. Wavelets pot fi combinate, folosind o tehnic numit circumvoluie , cu poriuni de la un semnal necunoscut pentru a extrage informaii de la semnalul de studiat. Reelele neuronale n studiul EMG O aplicaie n timp real a NN de recunoatere a semnalului mioelectric (MES) a fost propus de Del i Park n 1994.6 Prin acest procedeu, informaiile sunt mai nti extrase cu analiza Fourier i

clusterizate cu algoritmul cu mijloace fuzzy (FCM) . Prin aceast clasificare, datele se pot regsi n doi sau mai muli clusteri (grupuri). Metoda separrii sursei oarbe (Blind Source Separation - BSS) a fost introdus n 2001 i se bazeaz pe o reea neuronal care separ o combinaie liniar de surse staionare recepionat de la diferii senzori printr-un algoritm de nvare cu statistici de ordin superior (HOS). 7 n 2004, Farina i al.8 descopereau c filtrarea liniar clasic nu poate fi folosit, deoarece semnalele EMG emise de diferii muchi pot s se suprapun n timp i frecven. S-a adoptat o reea bazat pe distribuii spaiale timp-frecven pentru a separa cu BSS i semnalul stimulat i pe cel experimental nonstaionar. Clasificarea semnalului EMG Trstura comun pentru clasificarea semnalelor EMG este distana euclidian dintre undele MUAP. 2 Distana euclidian ntre dou puncte p i q este lungimea segmentului de dreapt care le unete, ( pq ) . 9 n coordonate carteziene, dac p = (p1, p2,..., pn) i q = (q1, q2,..., qn) sunt dou puncte ntr-un spaiu euclidian ndimensional, atunci distana de la p la q, sau de la q la p este dat de:

n funcie de intensitatea contraciei musculare, traseul EMG are urmtoarele aspecte: 9 (Figura 2) 1. Traseul de repaus linie izoelectric (muchiul nu genereaz spontan poteniale de aciune); 2. Traseul simplu apare n contracie uoar i este constituit din poteniale de aciune mono- sau bifazice, cu amplitudinea de 200-400 V, durata de 3-4 ms respectiv frecvena de 4-10 cicli/s. 3. Traseul intermediar (simplu accelerat) apare n contracii de intensitate medie i va determina pe EMG o succesiune de biopoteniale cu o frecven i amplitudine mai mare dect cele de pe traseul simplu, ajungnd la 15-25 cicli/s i 500-600 V; deci, se produce mbogirea traseului prin sumaia activitii mai multor uniti motorii (MU). 4. Traseul interferenial apare la contracia maxim a muchiului examinat. Se produce un traseu EMG foarte bogat, astfel nct descrcrile se succed foarte frecvent unele dup altele, fr a lsa poriuni de traseu izoelectric. Amplitudinea general traseului interferenial este de 1000-1200 V, chiar i 2000 V. La contracia maximal cu contra-presiune se nregistreaz o versiune a traseului interferenial rimul Piper. n aceste condiii ale efortului maximal la limit, neuronii motori periferici tind s aib o activitate sincron, cu frecven de 4560 cicli/s. Caracteristicile biopotenialelor electrice musculare 4 Biopotenialele musculare prezint particulariti din punct de vedere al amplitudinii, duratei, frecvenei i a morfologiei.

n clinic, principala caracteristic a semnalului electromiografic este numrul de uniti motorii active (MU) i tipul undelor MUAP; acestea pot fi considerate criterii de clasificare.

Amplitudinea: 500700 V. Depinde de: mrimea unitii motorii, distana ntre electrod i unitatea motorie, suprafaa de nregistrare. Durata: 416 msec. Reprezint timpul necesar nscrierii fenomenului electric. Depinde de: mrimea UM, gradul de dispersie al fibrelor musculare n cadrul UM (este mai mare pentru muchii ai cror uniti motorii conin mai multe fibre i este mai sczut la copii). Morfologia: depinde de gradul de sincronizare a contraciei fibrelor musculare la nivelul UM. Poate fi monofazic (trece prin dou valori nule), bifazic (trei valori nule), trifazic (patru valori nule) i polifazic. Pe un traseu normal cea mai frecvent morfologie este cea bifazic, iar cea mai rar este cea polifazic. Frecvena: 412 cicli/s. Depinde de: periodicitatea cu care se repet descrcarea la nivelul motoneuronului; crete proporional cu importana contraciei musculare. Figura 2: Tipuri de EMG9

Discuii Biosemnalele EMG conin informaii importante cu privire la sistemul neuromuscular. Lipsa unei descrieri corespunztoare a biosemnalului EMG este, probabil, unicul factor care a mpiedicat dezvoltarea electromiografiei ntr-o disciplin exact. Semnalul EMG este nregistrat cu ajutorul unor electrozi, iar nivelul zgomotului de tip interferen este foarte mare. Una dintre principalele dificulti n analiza semnalelor EMG se datoreaz zgomotelor care denatureaz semnalul util. Comparativ cu alte biosemnale, electromiograma conine tipuri complicate de zgomote care sunt cauzate, spre exemplu, de zgomotele proprii ale circuitelor i componentelor aparaturii de nregistrare, de radiaiile Bibliografie
1. http://ro.wikipedia.org/wiki/Biosemnale

electromagnetice, de artefactele de micare, de interaciunea diferitelor esuturi. Totui, dei nu exist un filtru precis pentru separarea EMG, utilizrile sale sunt multiple. n primul rnd, are aplicabilitate n domeniul medicinei pentru evaluarea neinvaziv a funciei musculare i nervoase. Semnalul EMG st la baza interaciunii om-computer i a jocurilor electronice interactive. Mai mult dect att, electromiografia poate fi folosit pentru a evidenia contraciile musculare izometrice, care reprezint o cretere a tensiunii la nivelul fibrelor musculare, dar fr scurtarea acestora. Acest lucru face posibil nregistrarea i clasificarea gesturilor fine i folosirea lor ca semnale de comand pentru controlul protezelor, roboilor, telefoanelor mobile.

2. M.B.I. Raez, M.S. Hussain, F. Mohd-Yasin. Techniques of EMG signal analysis: detection, processing, classification and applications, disponibil la http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1455479/? tool=pubmed 3. Farina, D., Fosci, M., Merletti,R.. Motor unit recruitment strategies investigated by surface EMG variables, J Appl Physiol 92: 235-247, 2002; 4. http://www.scribd.com/doc/70067017/Electromiografia 5. stlund N., Adaptive signal processing of surface electromyogram signals, UME University Medical Dissertations, New series, No. 1009, 2006 6. del Boca, A., Park, D.C.. Myoelectric signal recognition using fuzzy clustering and artificial neural networks in real time, IEEE International Conference on Neural Networks and IEEE World Congress on Computational Intelligence 1994; 5:3098-3103. 7. Belouchrani, A., Abed-Meraim, K., Amin, MG., Zoubir, A. Joint-antidiagonalization for blind source separation, Procedures in ICASSP 2001; 2789-2792. 8. Farina D., Fevotte C., Doncarli C., Merletti R., Blind separation of linear instantaneous mixtures of nonstationary surface myoelectric signal, IEEE Trans Biomed Eng.2004;51(9):15551567. 9. http://fizioms.ro/edu/lp/data/Electromiografia.pdf 10. http://www.emglab.net/emglab/Tutorials/EMGDECOMP.html