Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The detection of physiological signals from the Motor System (electromyographic signals), studied by electromyography, is being utilized in the practice clinic to guide the therapist in a more precise and accurate diagnosis of motor disorders. In this context, the process of decomposition of electromyographic signals (EMG) that includes the identification and classification of Motor Unit Action Potential (MUAP) of EMG signals, is very import to help the therapist in the evaluation of motor disorders The EMG decomposition is a complex task due to the features of the EMG features depend on the electrode type (needle or surface), its placement related to the muscle, the contraction level and the health of the Neuromuscular System. To date the majority of research on EMG decomposition utilizes EMG signals acquired by needle electrodes, due to their advantages in processing this type of signal. However, relatively little research has been conducted using surface based EMG signals. As such this thesis aims to contribute to the clinical practice and Biofeedback therapies by presenting a system permitting the decomposition of surface EMG signal via the use of Hidden Markov Models. This process is supported by the use of Differential Evolution and Spectral Clustering techniques. The developed system presented coherent results in: a) Identification of the number of Motor Units actives in the EMG signal; b) Presentation of the morphological patterns of MUAPs in the EMG signal; c) Identification of the firing sequence of the Motor Units. The Techniques utilized in this work have not yet been applied in the field of EMG decomposition and, in the end of this work, it was proved that they are excellent techniques for the surface EMG decomposition. The model proposed in this work is an advance in the research of decomposition of surface EMG signals. / A captação de sinais fisiológicos provenientes do Sistema Motor, que pode ser realizada pela eletromiografia, tem sido cada vez mais utilizada na prática clínica para auxiliar o terapeuta no diagnóstico de distúrbios motores. Desta forma, o processo de decomposição de sinais eletromiográficos (EMG), que inclui a identificação e classificação dos potenciais de ação de Unidade Motora (MUAP) de um sinal EMG de superfície é de extrema importância para a prática clínica, para auxiliar os profissionais na detecção de patologias do Sistema Motor. O processo de decomposição de um sinal EMG é uma tarefa complexa, pois as características de um sinal EMG dependem do tipo de eletrodo utilizado (intramuscular ou de superfície), do seu posicionamento em relação ao músculo, o nível de contração e o estado clínico do Sistema Neuromuscular do paciente. A maior parte dos sistemas de decomposição de sinais EMG são específicos para o sinal proveniente de eletrodos invasivos, devido às facilidades e vantagens em processar este tipo de sinal. Assim, poucos esforços foram concentrados no que tange à decomposição de sinais EMG de superfície. Neste contexto, este trabalho apresenta um sistema de decomposição de sinais EMG de superfície utilizando Modelos Ocultos de Markov, com o apoio das técnicas Evolução Diferencial e Agrupamento Espectral, no intuito de auxiliar a prática clínica e as terapias de Biofeedback. O sistema desenvolvido apresentou resultados coerentes no que tange a: a) Identificação da quantidade de Unidades Motoras ativas no sinal EMG; b) Apresentação dos padrões morfológicos de MUAPs presentes no sinal EMG; c) Identificação da seqüência de disparos das Unidades Motoras no sinal EMG analisado. As técnicas utilizadas neste trabalho ainda não tinham sido fruto de pesquisa na área de decomposição de sinais EMG, e se destacam como excelentes técnicas para processamento de sinal EMG de superfície. A arquitetura do modelo proposto constitui um avanço nas pesquisas de decomposição de eletromiografia de superfície. / Doutor em Ciências

Fundação de Amparo a Pesquisa do Estado de Minas Gerais / The muscle fatigue can be caused by multiple factors, and the most common one is bodywork. As a result, the muscle stress signal becomes part of atlets life. However, this phenom may show injuries incident, neuromuscular diseases, and it is related to the general human being health, as well as with its nutrition. To determine the fatigue level from a muscle or from a person is not that simple, because multiple subjective factors are envolved, including psychological and hormonal matters, thus maybe is not possible to determine an universal method for quantification of muscle fatigue. The electromyographic signal (EMG) is well known and studied for reflecting the musculature condition from which it was generated. The electromyography is an important tool for the health muscle assessment, and counts on various studies and advances in its formation and interpretation understanding.Thus, it is expected that the muscle fatigue that affects the natural muscle behavior, affects also the EMG signal. This work aims to understand how the fatigue action appears in the signal, through the study of different EMG signal characteristics. From literature, several studies analyzed isometric contractions, thus it was decided to make a dynamic contractions evaluation, which are more natural in the daily life. For the sake of simplicity, the biceps braquii was chosen. This muscle was estimulated by a scott biceps curl exercise, an exercise known to well isolate the working muscle, so that the weight lifting is almost all done by the biceps action. Pilot trial was done, collecting EMG signals from both biceps braquii, and also measuring the force applied to the bar. For the EMG signal analysis, three software packages were developed. One of them was a programm for the electromyographer control, and for the signals record- ing in text files without header. For this development were used C Sharp and .NET. One library for signals processing was developed using Matlab, including fil- ter functions, muscle activity detection and features extraction, such as amplitude, frequency, entropy, and stationarity. Finally, was developed a programm for feature analysis that uses the previous mentioned library, and that also applies the Kohonen algorithm of self-organizing maps.This programm was also developed using Matlab. All created programms are open source, and they are available for download on GitHub platform. A temporal analysis of the features was performed in order to cluster the results of the features extracted from the signals of 21 volunteers. This analysis showed that signal s amplitude increases as the fatigue occurs while there is a spectral shift for the left. This shift indicates that the main frequencies have decreased. The trends observed for amplitude and frequency are the same reported in the literature. The results also show decreasing in the entropy as effect of the fatigue progres- sion. Two stationarity features indicate decreasing in the stationarity, these were influenced by the amplitude raise, though. A third stationarity feature, which is not dependent on amplitude, show that there is not significant modification on the stationarity. The data clustering attempt using the Kohonen algorithm was frustrated, gener- ating inconclusive results. It can be concluded that the features related to amplitude, frequency and entropy are somehow related to the muscular fatigue. So that it is possible, during future work, the development of a fatigue classifier based on these features. / A fadiga muscular pode ser causada por diversos fatores, e o mais comum deles e o exercício físico. Isso faz com que esse sinal de estresse muscular faça parte da vida de atletas. No entanto, esse fenômeno pode indicar a ocorrência de lesões, doenças neuro-musculares e está ligado à saúde geral do indivíduo, bem como com a alimentação. Determinar o nível de fadiga de um músculo ou de um indivíduo em geral não é simples, pois vários aspectos subjetivos estão envolvidos, incluindo questões psicológicas e hormonais, e talvez não seja possível a determinação de um método universal de quanticação da fadiga muscular. O sinal eletromiográfico (EMG) é conhecido e estudado por refletir o estado da musculatura que o gerou. A eletromiografia é uma ferramenta importante para a avaliação da saúde muscular e conta com diversos estudos e avanços tanto no entendimento de sua formação quanto na sua interpretação. Assim, de antemão, espera-se que a fadiga muscular, que afeta o comportamento natural dos músculos, afete também o sinal eletromiográfico. Nesse trabalho, procurou-se entender, por meio do estudo de diferentes características do sinal EMG, como a ação da fadiga se manifesta no sinal. Na literatura, vários estudos analisam as contrações isométricas, assim decidiu-se por fazer uma avaliação de contrações dinâmicas, as quais são mais naturais no cotidiano. Por uma questão de simplicidade, o músculo escolhido foi o bíceps braquial. Esse músculo foi estimulado por um exercício de rosca em banco scott, um exercício conhecido por isolar bem o músculo trabalhado, de forma que o levantamento do peso é quase todo feito por ação do bíceps. Coletas piloto foram realizadas, nas quais o sinal EMG dos dois bíceps foi registrado em conjunto com a medida de força aplicada na barra. Para a análise dos sinais EMG, três pacotes de software foram desenvolvidos. Um deles foi um programa para controle do eletromiógrafo e registro dos sinais em arquivos texto com cabecalho. Para esse desenvolvimento, utilizou-se C Sharp e .NET. Uma biblioteca para processamento de sinais biológicos foi desenvolvida em Matlab, na qual encontram-se funções de filtragem, detecção de atividade muscular e extração de características tais como amplitude, frequência, entropia e estacionaridade. Por fim, desenvolveu-se um programa para análise de características que usa a biblioteca mencionada e também aplica o algortimo de mapas auto-organizáveis de Kohonnen. Esse programa também foi desenvolvido em Matlab. Todos os programas criados sâo de código aberto e estão disponíveis para download na plataforma GitHub. Uma analise temporal das características foi realizada de forma a agrupar os resultados das características extraídas dos sinais dos 21 voluntários. Essa análise mostrou que a amplitude do sinal aumentou com o avanço da fadiga muscular enquanto a frequência dos sinais se deslocou para esquerda no espectro. Isso indica que as frequências principais diminuiram. Essas tendências para amplitude e frequência são as mesmas registradas na literatura. O estudo mostrou ainda que a entropia diminui com a progressão da fadiga. Duas características de estacionaridade indicaram diminuição, no entanto foram influenciadas pela amplitude. Uma terceira característica, indepentende da amplitude, mostrou que não há alteração signicativa na estacionaridade. A tentativa de agrupamento dos dados com o algortimo de Kohonnen foi frustrada, ja que gerou resultados inconclusivos. Concluiu-se que as características de amplitude, frequência e entropia estão relacionadas com a fadiga muscular. Assim acredita-se ser possível desenvolver, em estudos futuros, um classificador de sinais EMG que faca inferência do nível de fadiga baseado nessas características. / Mestre em Ciências