Made available in DSpace on 2014-07-29T15:08:19Z (GMT). No. of bitstreams: 1
dissertacao RamonCampos UFG 2012.pdf: 5667385 bytes, checksum: 1ff8645bd9d1b27aa406264298e405ef (MD5)
Previous issue date: 2012-07-09 / This study aimed to development of a computational tool for electromyographic signal
(EMG) analysis by signal processing techniques to determine muscular fatigue. With
Ethics Committee of Federal University of Goiás approve were recorded from the
dominant biceps brachii of 10 volunteers, that did not ever had muscular disease.
The protocol consisted on get the maximal voluntary isometric contraction (MVIC)
from the volunteer seated, floor contact with the feet, and forearm in 90 degree,
doing three maximal voluntary contraction against a rigid and fixed surface, by five
seconds, with a five resting minutes between each acquisition. The MVIC values
were obtained by arithmetical mean from the three greater values of each
contraction. In statistical analysis the volunteer sustained a load of 60% MVIC for 30
seconds, or while they supported. For dynamical analysis was used a
electrogoniometer tied in forearm to measure the angle and a 60% MVIC load for 30
seconds measured, achieved angle of 70° until 130°, and return to 70°. Each flexion
was did in 1,5 seconds, or while volunteer support. To analyze the signal in time
domain were used Root main square (RMS) values and Continuous wavelet
transform (CWT). To analyze in frequency domain were adopted the values of mean
and median from Fast Fourier Transform (FFT), Welch spectral estimator, auto
regressive moving average (ARMA) filter, and analytic wavelet transform (AWT).
Linear regressions were obtained using a window of 250 ms for all techniques.
Slopes with positive values, in time domain, and slopes with negative values, in
frequency domain, indicate muscular fatigue. Using high scales of wavelet transform
shows great results while compared with default techniques, like RMS and FFT.
ANOVA one way were adopted as statistical method of analysis, with P < 0,05. Only
in dynamic contraction, on frequency domain, had P value < 0,05. Tukey test were
applied to identify which techniques had variance great than 5%. Is suggested as
future works development of a wireless system to acquire EMG signals, improvement
in the software to motor unit action potentials (MUAP) detection, prosthesis control,
and synchronization with others systems of data collection. / Este trabalho propõe o desenvolvimento de uma ferramenta computacional para
realizar a análise do sinal eletromiográfico (EMG) por meio de técnicas de
processamento de sinais a fim de detectar fadiga muscular. Com aprovação do
Comitê de Ética da Universidade Federal de Goiás, foram captados os sinais
eletromiográfico do bíceps braquial do braço dominante de 10 voluntários, que não
apresentavam histórico de problemas musculares. O protocolo consistiu na obtenção
do valor de contração isométrica voluntária máxima (CIVM) com o voluntário
sentado, pés em contato com o chão e o antebraço em ângulo de 90° em relação ao
tronco, realizando três repetições de contração máxima, contra uma superfície fixa e
rígida, durante 5 segundos, intercaladas por um período de 5 minutos em repouso.
O valor da CIVM, representando 100% da força máxima exercida, foi determinado
por meio da média aritmética dos maiores valores de cada amostra. Para análise de
contração estática, o voluntário realizou uma nova contração com carga de 60% da
CIVM durante 30 segundos, ou até onde suportasse. Na análise de contração
dinâmica, foi utilizado um eletrogoniômetro para medição do ângulo do antebraço
que, ao carregar uma carga com 60% da CIVM, realizou manobra de flexão,
alcançando ângulo de 70°, e manobra de extensão, atingindo ângulo de 130° do
antebraço em relação ao tronco. Cada manobra (flexão e extensão) foi realizada em
1,5 segundos, durante um período de 30 segundos ou enquanto suportasse,
totalizando no máximo de 10 flexões e 10 extensões. Foram adotadas para análise
do sinal EMG no domínio do tempo as técnicas de cálculo do valor quadrático médio
(RMS) e transformada wavelet contínua (TWC). Para análise no domínio da
frequência foram adotados os valores médios e medianos obtidos pelas técnicas de
transformada rápida de Fourier (FFT), o estimador espectral de Welch, o filtro
autorregressivo de média móvel (ARMA) e as transformadas wavelets analíticas
(TWA). Utilizando uma janela de 250 ms foram obtidos os gráficos contendo a
regressão linear de todas as técnicas. A inclinação positiva da reta de regressão,
para o domínio do tempo, e inclinação negativa, para o domínio da frequência, indica
o processo de fadiga muscular. A utilização da transformada wavelet, em grandes
escalas, apresenta valor mais significativo de indícios de fadiga muscular quando
comparada às técnicas padrões RMS e FFT. O método estatístico utilizado foi a
ANOVA de um fator, com o P < 0,05. Apenas na contração dinâmica no domínio da
frequência obteve um P < 0,05. Aplicada a análise post hoc do teste de Tukey foram identificadas, das técnicas comparadas duas a duas, quais apresentaram um grau
de variância maior que 5%. Ainda no trabalho é sugerido o desenvolvimento de
equipamento de coleta de sinais EMG sem fio, o aperfeiçoamento da ferramenta
desenvolvida para detecção de potenciais de ativação de unidade motora (MUAP), o
controle de próteses de reabilitação, e a sincronização com outros sistemas de
coleta de dados.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tde/975 |
| Date | 09 July 2012 |
| Creators | CAMPOS, Ramon de Freitas Elias |
| Contributors | VIEIRA, Marcus Fraga |
| Publisher | Universidade Federal de Goiás, Mestrado em Engenharia Elétrica e de Computação, UFG, BR, Engenharia |
| 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:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.1342 seconds