Made available in DSpace on 2016-12-23T13:49:05Z (GMT). No. of bitstreams: 1
Marcelo Hubner Moreira.pdf: 3712393 bytes, checksum: 15fd9ae9b7dca34b84a7222592799e3d (MD5)
Previous issue date: 2013-01-20 / This work aims to characterize the fatigue from myoelectric signals and use them as an aid to the diagnosis of rheumatic diseases such as Fibromyalgia. The condition for this is the analysis of muscle fatigue. Through the evaluation of myoelectric signals, the behavior of muscle in some work situations was measured, such as isotonic and isometric muscle contraction, which describes the static and dynamic motor behavior. With the myoelectric signals, digital filtering techniques were applied to mitigate the noise corrupting the myoelectric signal. Then some algorithms were implemented to detect fatigue. With that, a protocol for assessing motor response based on the condition of muscle fatigue was established. In this situation, with the working muscle, the myoelectric signal acquisition was made from surface electrodes, using a commercial acquisition system. The data were processed in MATLAB R platform; algorithms were implemented for the identification of fatigue, such as RMS, MNF, ARV, MDF and AIF. In the final result, it was found that for both isometric tasks and isotonic tasks, it is recommended the use of constant weight with 60% of MCV, using MNF and RMS indicators, which were the most consistent indicators among them / Este trabalho tem a finalidade de caracterizar a fadiga a partir da coleta de sinais mioelétricos e usá-lo como ajuda no diagnóstico de doenças reumáticas, como a fibromialgia. A condição para tal é a análise da fadiga muscular. Através da avaliação dos sinais mioelétricos, foi verificado o comportamento do músculo em algumas situações de trabalho, como a contração muscular isotônica e isométrica, que descreve o comportamento motor dinâmico e estático. Com os sinais obtidos, foram aplicadas técnicas de filtragem digital a fim de atenuar os ruídos que corrompem o sinal mioelétrico. Em seguida, foi estabelecida a implementação dealgoritmos para detectar a fadiga. Com isso, pôde-se estabelecer um protocolo de avaliação motora baseada na resposta do músculo à condição de fadiga. Nessa situação de trabalho muscular, a aquisição de sinais mioelétricos foi feita a partir de eletrodos de superfície e aparelho comercial (EMG System do Brasil). Os dados foram processados em plataforma MATLAB R, onde foram implementados algoritmos para a identificação de fadiga, tais como RMS, MNF, ARV, MDF e AIF. No resultado final, foi constatado que, tanto para tarefas isométricas quanto para tarefas isotônicas, é recomendado a utilização de peso constante com 60% da MCV, segundo indicadores MNF e RMS, que foram os mais coerentes dos indicadores pesquisados.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/5756 |
| Date | 20 January 2013 |
| Creators | Moreira, Marcelo Hubner |
| Contributors | Bastos Filho, Teodiano Freire, Fioresi, Mirian, Cunha, Fransérgio Leite da, Silva, Ian Victor |
| Publisher | Universidade Federal do Espírito Santo, Programa de Pós-Graduação em Biotecnologia, UFES, BR, Biotecnologia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | text |
| Source | reponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0147 seconds