Fundação de Amparo a Pesquisa do Estado de Minas Gerais / Skeletal muscle consists of muscle fiber types that have different physiological and
biochemical characteristics. Basically, the muscle fiber can be classified into type I and
type II, presenting, among other features, contraction speed and sensitivity to fatigue
different for each type of muscle fiber. These fibers coexist in the skeletal muscles
and their relative proportions are modulated according to the muscle functionality and
the stimulus that is submitted. To identify the different proportions of fiber types in the
muscle composition, many studies use biopsy as standard procedure. As the surface
electromyography (EMGs) allows to extract information about the recruitment of different
motor units, this study is based on the assumption that it is possible to use the
EMG to identify different proportions of fiber types in a muscle.
The goal of this study was to identify the characteristics of the EMG signals which
are able to distinguish, more precisely, different proportions of fiber types. Also was
investigated the combination of characteristics using appropriate mathematical models.
To achieve the proposed objective, simulated signals were developed with different
proportions of motor units recruited and with different signal-to-noise ratios. Thirteen
characteristics in function of time and the frequency were extracted from emulated
signals. The results for each extracted feature of the signals were submitted to the
clustering algorithm k-means to separate the different proportions of motor units recruited
on the emulated signals. Mathematical techniques (confusion matrix and analysis
of capability) were implemented to select the characteristics able to identify different
proportions of muscle fiber types. As a result, the average frequency and median frequency
were selected as able to distinguish, with more precision, the proportions of
different muscle fiber types.
Posteriorly, the features considered most able were analyzed in an associated way
through principal component analysis. Were found two principal components of the signals emulated without noise (CP1 and CP2) and two principal components of the
noisy signals (CP1 and CP2 ). The first principal components (CP1 and CP1 ) were
identified as being able to distinguish different proportions of muscle fiber types.
The selected characteristics (median frequency, mean frequency, CP1 and CP1 )
were used to analyze real EMGs signals, comparing sedentary people with physically
active people who practice strength training (weight training). The results obtained
with the different groups of volunteers show that the physically active people obtained
higher values of mean frequency, median frequency and principal components compared
with the sedentary people. Moreover, these values decreased with increasing
power level for both groups, however, the decline was more accented for the group
of physically active people. Based on these results, it is assumed that the volunteers
of the physically active group have higher proportions of type II fibers than sedentary
people.
Finally, based on these results, we can conclude that the selected characteristics
were able to distinguish different proportions of muscle fiber types, both for the emulated
signals as to the real signals. These characteristics can be used in several studies,
for example, to evaluate the progress of people with myopathy and neuromyopathy
due to the physiotherapy, and also to analyze the development of athletes to improve
their muscle capacity according to their sport. In both cases, the extraction of these
characteristics from the surface electromyography signals provides a feedback to the
physiotherapist and the coach physical, who can analyze the increase in the proportion
of a given type of fiber, as desired in each case. / A musculatura esquelética é constituída por tipos de fibras musculares que possuem
características fisiológicas e bioquímicas distintas. Basicamente, elas podem
ser classificadas em fibras do tipo I e fibras do tipo II, apresentando, dentre outras
características, velocidade de contração e sensibilidade à fadiga diferentes para cada
tipo de fibra muscular. Estas fibras coexistem na musculatura esquelética e suas proporções
relativas são moduladas de acordo com a funcionalidade do músculo e com
o estímulo a que é submetido. Para identificar as diferentes proporções de tipos de
fibra na composição muscular, muitos estudos utilizam a biópsia como procedimento
padrão. Como a eletromiografia de superfície (EMGs) nos permite extrair informações
sobre o recrutamento de diferentes unidades motoras, este estudo parte da hipótese
de que seja possível utilizar a EMGs para identificar diferentes proporções de tipos de
fibras em uma musculatura.
O objetivo deste estudo foi identificar as características dos sinais EMGs que sejam
capazes de distinguir, com maior precisão, diferentes proporções de tipos de fibras.
Também foi investigado a combinação de características por meio de modelos
matemáticos apropriados.
Para alcançar o objetivo proposto, sinais emulados foram desenvolvidos com diferentes
proporções de unidades motoras recrutadas e diferentes razões sinal-ruído.
Treze características no domínio do tempo e da frequência foram extraídas do sinais
emulados. Os resultados de cada característica extraída dos sinais emulados foram
submetidos ao algorítimo de agrupamento k-means para separar as diferentes proporções
de unidades motoras recrutadas nos sinais emulados. Técnicas matemáticas
(matriz confusão e técnica de capabilidade) foram implementadas para selecionar as
características capazes de identificar diferentes proporções de tipos de fibras musculares.
Como resultado, a frequência média e a frequência mediana foram selecionadas como capazes de distinguir com maior precisão as diferentes proporções de tipos de
fibras musculares.
Posteriormente, as características consideradas mais capazes foram analisadas
de forma associada por meio da análise de componentes principais. Foram encontradas
duas componentes principais para os sinais emulados sem ruído (CP1 e CP2) e
duas componentes principais para os sinais com ruído (CP1 e CP2 ), sendo as primeiras
componentes principais (CP1 e CP1 ) identificadas como capazes de distinguirem
diferentes proporções de fibras.
As características selecionadas (frequência mediana, frequência média, CP1 e
CP1 ) foram utilizadas para analisar sinais EMGs reais, comparando pessoas sedentárias
com pessoas fisicamente ativas praticantes de treinamentos físicos de força (musculação).
Os resultados obtidos com os diferentes grupos de voluntários mostram que
as pessoas fisicamente ativas obtiveram valores mais elevados de frequência média,
frequência mediana e componentes principais em comparação com as pessoas sedentárias.
Além disto, estes valores decaíram com o aumento do nível de força para
ambos os grupo, entretanto, o decaimento foi mais acentuado para o grupo de pessoas
fisicamente ativas. Com base nestes resultados, presume-se que os voluntários
do grupo fisicamente ativo apresentam maiores proporções de fibras do tipo II, se
comparado com as pessoas sedentárias.
Por fim, com base nos resultados obtidos, pode-se concluir que as características
selecionadas foram capazes de distinguir diferentes proporções de tipos de fibras
musculares, tanto para os sinais emulados quanto para os sinais reais. Estas características
podem ser utilizadas em vários estudos, como por exemplo, para avaliar a
evolução de pessoas com miopatias e neuromiopatia em decorrência da reabilitação
fisioterápica, e também para analisar o desenvolvimento de atletas que visam melhorar
sua capacidade muscular de acordo com sua modalidade esportiva. Em ambos
os casos, a extração destas características dos sinais de eletromiografia de superfície
proporciona um feedback ao fisioterapeuta e ao treinador físico, que podem analisar
o aumento na proporção de determinado tipo de fibra, conforme desejado em cada
caso. / Mestre em Ciências
Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:RI_UFU:oai:repositorio.ufu.br:123456789/14103 |
Date | 14 August 2015 |
Creators | Freitas, Amanda Medeiros de |
Contributors | Soares, Alcimar Barbosa, Pereira, Adriano Alves, Fernandes, Luciane Fernanda Rodrigues Martinho |
Publisher | Universidade Federal de Uberlândia, Programa de Pós-graduação em Engenharia Biomédica, UFU, BR, Engenharias |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFU, instname:Universidade Federal de Uberlândia, instacron:UFU |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds