CNPq / Introdução: As pessoas com lesão medular (LM) podem ter seus músculos paralisados ativados por meio da estimulação elétrica funcional (FES) sobre vias neurais presentes próximas à pele. Estas estimulações elétricas são importantes para a recuperação do trofismo neuromuscular ou durante o controle de movimento por próteses neurais. No entanto, ao longo da aplicação da FES, a fadiga ocorre, diminuindo a eficiência da contração, principalmente devido à hipotrofia neuromuscular presente nessa população. A aquisição da vibração das fibras musculares como indicador de fadiga é registrada por meio da técnica de mecanomiografia (MMG), que não sofre interferências elétricas decorrentes da aplicação da FES. Objetivo: Caracterizar a vibração do músculo reto femoral durante protocolo de fadiga neuromuscular eletricamente evocada em pessoas com lesão medular completa. Método: 24 membros (direito e esquerdo) de 15 participantes (idade: 27±5 anos) do sexo masculino (A e B na American Spinal Injury Impairment Scale) foram selecionados. Um estimulador elétrico operando como fonte de tensão, desenvolvido especialmente para pesquisa, foi configurado com: freqüência de pulso em 1 kHz (20% de ciclo de trabalho) e trem de pulsos (modulação) em 70 Hz (20% período ativo). O sinal triaxial [X (transversal), Y (longitudinal) e Z (perpendicular)] da MMG foi processado com filtro Butterworth de terceira ordem e banda passante entre 5 e 50 Hz. Previamente ao protocolo, a tensão de saída do estimulador foi incrementada (~3 V/s evitando-se a adaptação/habituação dos motoneurônios) até alcançar a extensão máxima eletricamente estimulada (EMEE) da articulação do joelho. Uma célula de carga foi usada para registrar a resposta de força, onde após a sua colocação, a intensidade da FES necessária para alcançar a EMEE foi aplicada e registrada pela célula de carga como 100% da força (F100%). Durante o protocolo de fadiga neuromuscular, a intensidade do estímulo foi incrementada durante o controle para manter a força em F100%. Quatro instantes (I - IV) foram selecionados entre F100% e a incapacidade da FES manter a resposta de força acima de 30% (F30%). O sinal foi processado nos domínios temporal (energia), espectral (frequência mediana) e wavelet (temporal-espectral com doze bandas de frequência entre 5 e 53 Hz). Os dados extraídos foram normalizados pelo instante inicial (I) gerando unidades arbitrárias (u.a.), e testados com estatística não paramétrica. Resultados: A frequência mediana não apresentou significância estatística. Em relação aos eixos de deslocamento da MMG, o eixo transversal mostrou o maior número de resultados estatisticamente significantivos. A energia da vibração das fibras musculares (domínio temporal) indicou diminuição entre os instantes I (músculo fresco) e II (pré-fadiga), como também entre os instantes I e IV (fadigado) com redução significativa. O domínio wavelet teve como foco o eixo transversal, especialmente as bandas de frequência de 13, 16, 20, 25 e 35 Hz, por terem indicado redução significativa durante a fadiga neuromuscular; principalmente, a banda de 25 Hz, que indicou redução significativa entre o instante I (valor da mediana dos dados de 0,53 u.a.) e os demais instantes [II (0,30 u.a), III (0,28 u.a.) e IV (0,24 u.a.)]. Conclusão: A fadiga neuromuscular é caracterizada pela redução da energia do sinal no eixo de deslocamento transversal (X) da vibração do músculo reto femoral, em pessoas com lesão medular completa, tanto no domínio temporal quanto principalmente no domínio wavelet, sendo a banda de frequência de 25 Hz a mais relevante, porque sua energia diminui com a ocorrência da fadiga neuromuscular. Estes achados abrem a possibilidade de aplicação em sistemas de malha fechada durante procedimentos de reabilitação física utilizando FES ou no controle de próteses neurais. / Introduction: People with spinal cord injury (SCI) may have the paralyzed muscles activated through functional electrical stimulation (FES) on neural pathways present below the skin. These electrical stimulations are important to restore the neuromuscular trophism or during the movement control using neural prostheses. However, prolonged FES application causes fatigue, which decreases the contraction strength, mainly due the neuromuscular hypotrophy in this population. The acquisition of myofibers’ vibration is recognized by mechanomyography (MMG) system and does not suffer electrical interference from the FES system. Objective: To characterize the rectus femoris muscle vibration during electrically evoked neuromuscular fatigue protocol in complete spinal cord injury subjects. Methods: As sample, 24 limbs (right and left) from 15 male participants (age: 27±5 y.o.) and ranked as A and B according to American Spinal Injury Impairment Scale) were selected. An electrical stimulator operating as voltage source, specially developed for research, was configured as: pulse frequency set to 1 kHz (20% duty cycle) and burst (modulating) frequency set to 70 Hz (20% active period). The triaxial [X (transverse), Y (longitudinal) and Z (perpendicular)] MMG signal of rectus femoris muscle was processed with a third-order 5-50 Hz bandpass Butterworth filter. A load cell was used to register the force. The stimulator output voltage was increased (~3 V/s to avoid motoneuron adaptation/habituation) until the maximal electrically-evoked extension (MEEE) of the knee joint. After the load cell placement, the stimuli magnitude required to reach MEEE was applied and registered by the load cell as muscular F100% response. Stimuli intensity was increased during the control to keep the force in F100%. Four instants (I - IV) were selected from F100% up to the inability to keep the FES response force above 30% (F30%). The signal was processed in temporal (energy), spectral (median frequency) and wavelet (temporal-spectral with twelve band frequencies between 5 and 53 Hz) domains. All data were normalized by initial instant, creating arbitrary units (a.u.), and non-parametric tests were applied. Results: The median frequency did not show statistical significance. Regarding the MMG axes, the transverse axis showed most statistical differences. The MMG energy (temporal domain) indicates the decrease between the instants I (unfatigued) and II (pre-fatigue), as well as instants I and IV (fatigued). The wavelet domain focused on the transverse axis, especially on 13, 16, 20, 25 and 35 Hz frequency bands, for having shown significant reduction proven during neuromuscular fatigue. In focus on 25 Hz band frequency that showed a constant decrease between instants I (median value from data de 0.53 a.u.) with subsequent instants [II (0.30 a.u.), III (0.28 a.u.) and IV (0.24 a.u.). Conclusion: Neuromuscular fatigue is characterized by energy decrease in MMG X-axis (transverse) signal of vibration on the rectus femoris muscle for complete spinal cord injured subjects, in the temporal domain but mainly in the wavelet domain. The 25 Hz is the most important band frequency because its energy decreases with neuromuscular fatigue. These findings open the possibility of application in closed-loop systems during physical rehabilitation procedures using FES or in the control of neural prostheses.

O ultrassom (US) é uma técnica bem consolidada que vem sendo amplamente utilizada para teste, caracterização e visualização de estruturas internas de materiais biológicos e não biológicos. Na Universidade Tecnológica Federal do Paraná, o grupo de pesquisa do US desenvolveu o sistema ULTRA-ORS que, apesar de adequado para pesquisa relacionada à excitação e recepção multicanal, possui tempo de computação muito elevado, devido a processamento em computador pessoal. Este trabalho apresenta a modelagem, implementação e validação de um sistema de processamento digital de sinais baseado em dispositivo FPGA (Field-Programmable Gate Array) de alto desempenho para reconstrução de imagens por US através da técnica beamforming. O software Simulink e a ferramenta DSP Builder foram empregados para simulação e transformação dos seguintes modelos em linguagem de descrição de hardware: filtro digital FIR (Finite Impulse Response), filtro de interpolação CIC (Cascaded Integrator-Comb), atraso variável, apodização, somatório coerente, decimação, demodulação com detecção de envoltória e compressão logarítmica. Após validação no Simulink, o projeto foi sintetizado para uma FPGA Stratix IV e implementado na placa Terasic DE4-230. A ferramenta SignalTap II do software Quartus II foi utilizada para aquisição dos sinais processados pela FPGA. Para avaliação gráfica e quantitativa da acurácia deste método, foram empregados dados brutos reais de US, adquiridos do ULTRA-ORS com frequência de amostragem de 40 MHz e resolução de 12 bits, e a função de custo da raiz quadrada do erro quadrático médio normalizado (NRMSE) em comparação com as mesmas funções implementadas através de scripts no Matlab. Como resultado principal do modelamento, além das respostas individuais de cada bloco implementado, são apresentadas as comparações entre as imagens reconstruídas pelo ULTRA-ORS e pelo processamento em FPGA para quatro janelas de apodização. A excelente concordância entre os resultados simulados e experimentais com valores de NRMSE inferiores à 6,2% e latência total de processamento de 0,83 µs corroboram a simplicidade, modularidade e efetividade do modelamento proposto para utilização em pesquisas sobre o processamento de sinais de US para reconstrução de imagens em tempo real. / Ultrasound (US) is a well-established technique that has been widely used for testing, characterizing and visualizing internal structures of biological and non-biological material. The US research group of the Federal University of Technology - Paraná developed the ULTRA-ORS system, which, although suitable for research related to multichannel excitation and reception, uses a large computing time, due to the personal computer processing. This research presents the modeling, implementation and validation of a digital processing system of signals based on a FPGA (Field-Programmable Gate Array) device of high performance for the reconstruction of images through US, using the beamforming technique. The software Simulink and the tool DSP Builder were used for simulation and transformation of the following models in hardware description language: digital filter FIR (Finite Impulse Response), CIC (Cascaded Integrator-Comb) Interpolation filter, variable delay, apodization, coherent summation, decimation, demodulation with envelope detection and logarithmic compression. After the Simulink validation, the design was synthesized for a Stratix IV FPGA and implemented on the Terasic DE4-230 board. The tool SignalTap II in the software Quartus II was used to acquire the processed signals from the FPGA. For the graphic and quantitative evaluation of the accuracy of this method, we used real raw US data, acquired from the ULTRA-ORS with sampling frequency of 40 MHz and 12-bit resolution, and the normalized root mean squared error (NRMSE) in comparison with the same functions implemented through scripts in Matlab. As a main result of the modeling, in addition to the individual responses of each implemented block, comparisons between the reconstructed images by ULTRA-ORS and FPGA processing for four apodization windows are presented. The excellent agreement between the simulated and experimental results with NRMSE values lower than 6.2% and total processing latency of 0.83 µs corroborates the simplicity, modularity and effectiveness of the proposed modeling for use in US signal processing research for real-time image reconstruction.

A queda de idosos é um problema de saúde mundial. Todos os anos, cerca de 30% dos idosos com 65 anos ou mais são vítimas de quedas. Além disso, as consequências de uma queda podem ser fisiológicas (e.g. fraturas ósseas, ferimentos musculares) e psicológicas, como a perda de autoconfiança, levando a novas quedas. Uma solução para este problema está relacionada com ações preventivas (e.g. adaptação de mobília) aliadas a sistemas de detecção de quedas, os quais podem notificar familiares e serviços médicos de urgência. Como o tempo de espera por socorro após uma queda está relacionado com a severidade das consequências dela, esses sistemas devem oferecer elevada acurácia e detecção em tempo real. Embora existam várias soluções para isso na literatura (a maioria relacionada com dispositivos vestíveis), poucas delas estão relacionadas a dispositivos de punho, principalmente por causa dos desafios existentes para essa configuração. Considerando o punho como um local mais confortável, discreto e aceitável para uso de um dispositivo (menos associado com o estigma do uso de uma solução médica), este trabalho propõe o desenvolvimento e avaliação de uma solução baseada nessa configuração. Para isso, diferentes sensores (acelerômetro, giroscópio e magnetômetro) foram combinados com diferentes algoritmos, baseados em métodos de limiar e aprendizado de máquina, visando definir os melhores sinais e abordagem para a detecção de quedas. Esses métodos consideraram informações de aceleração, velocidade, deslocamento e orientação espacial, permitindo o cálculo de componentes verticais do movimento. Para o treino e avaliação dos algoritmos, dois protocolos diferentes foram empregados: um primeiro envolvendo 2 voluntários (homens, 27 e 31 anos) simulando um total de 80 sinais de queda e 80 de não-queda, e um segundo envolvendo 22 voluntários (14/8 homens/mulheres, idade média: 25,2 ± 4,7) simulando um total de 396 sinais de queda e 396 de não-queda. Uma análise exaustiva de diferentes sinais e parâmetros de configuração foi executada para cada método. O melhor algoritmo baseado em limiar considerou sinais de aceleração vertical e velocidade total, alcançando 95,8% de sensibilidade e 86,5% de especificidade. Por outro lado, o melhor algoritmo de aprendizagem de máquina foi o baseado no método K-Nearest Neighbors, considerando informações de aceleração, velocidade e deslocamento verticais combinadas com os ângulos de orientação espacial: 100% de sensibilidade e 97,9% de especificidade. Os resultados obtidos permitem enfatizar a relevância de algoritmos de aprendizagem de máquina para sistemas de detecção de queda vestíveis localizados no punho quando comparados a algoritmos baseados em limiar. Esta conclusão oferece grande contribuição para a pesquisa de detectores de quedas similares, sugerindo a melhor abordagem para novos desenvolvimentos. / Falls in the elderly age are a world health problem. Every year, about 30% of people aged 65 or older become victims of fall events. The consequences of a fall may be physiological (e.g. bone fractures, muscular injuries) and psychological, including the loss of self-confidence by fear of falling, which leads to new falls. A solution to this problem is related to preventive actions (e.g. adapting furniture) allied to fall detection systems, which can alert family members and emergency medical services. Since the response time for help is related to the fall's consequences and severity, such systems must offer high accuracy and real-time fall detection. Although there are many fall detection solutions in literature (most part of them related to wearable devices), few of them are related to wrist-worn devices, mainly because of the existing challenges for this configuration. Considering the wrist as a comfortable, discrete and acceptable place for an elderly wearable device (less associated to the stigma of using a medical device), this work proposes the development and evaluation of a fall detection solution based on this configuration. For this, different sensors (accelerometer, gyroscope and magnetometer) were combined to different algorithms, based on threshold and machine learning methods, in order to define the best signals and approach for an elderly fall detection. These methods considered acceleration, velocity and displacement information, relating them with wrist spatial orientation, allowing the calculation of the vertical components of each movement. For the algorithms' training and evaluation, two different protocols were employed: one involving 2 volunteers (both males, ages of 27 and 31) performing a total of 80 fall and 80 non-fall events simulation, and the other involving 22 volunteers (14/8 males/females, ages mean: 25.2 ± 4.7) performing a total of 396 fall and 396 non-fall events simulation. An exhaustive evaluation of different signals and configuration parameters was performed for each method. The best threshold-based algorithm employed the vertical acceleration and total velocity signals, achieving 95.8% and 86.5% of sensitivity and specificity, respectively. On the other hand, the best machine learning algorithm was based on the K-Nearest Neighbors method employing the vertical acceleration, velocity and displacement information combined with spatial orientation angles: 100% of sensitivity and 97.9% of specificity. The obtained results allow to emphasize the relevance of machine learning algorithms for wrist-worn fall detection systems instead of traditional threshold-based algorithms. These results offer great contributions for the research of similar wearable fall detectors, suggesting the best approach for new developments.