Faculdade de Engenharia
Faculdade de Engenharia
"Engenheiro Celso Daniel"
“Engenheiro Celso Daniel”
TCC – PIIC
2008
Eng.
de
Computação
– 2011 Eng. de Computação
Transformada de Kernel Adaptativo na Análise de Sinais
Eletromiográficos
José Cordeiro Barbosa Junior 1 , Heinar Augusto Weiderpass 2
Aluno e Bolsista da Faculdade de Engenharia "Engenheiro Celso Daniel“ (FAENG),
Professor Orientador da Faculdade de Engenharia "Engenheiro Celso Daniel“ (FAENG),
Centro Universitário Fundação Santo André (CUFSA), Brasil
1
2
Introdução
Estimativa da Densidade Espectral de Potência: - Músculo = FIBULAR LONGO
-40
-50
Potência/Frequência (dB/Hz)
-60
-70
-80
-90
-100
-110
-120
0
0.2
0.4
0.6
Frequência (0 a 1000 Hz)
0.8
1
Figura 3 - Ilustra as componentes de frequência e suas respectivas potências do sinal do
músculo Fibular Longo.
FIBULAR LONGO
300
250
200
frequência (Hz)
As técnicas clássicas de processamento de sinal apresentam duas
alternativas na representação do mesmo, a fim de se conhecerem as
especificidades que o caracterizam. Tais representações são no domínio
do tempo e no domínio da frequência.
A representação temporal s(t), indica de que forma a amplitude do sinal
varia com o tempo, e em certos casos, fornece algumas indicações acerca
da variação do conteúdo em frequência do sinal
A representação no domínio das frequências (referida muitas vezes como
análise espectral) S(f), permite averiguar a existência de diferentes
componentes de frequência no sinal, bem como obter informação sobre a
magnitude dessas componentes.
As representações em tempo-frequência foram desenvolvidas no sentido
de tentar responder às limitações diagnosticadas com o uso das técnicas
clássicas.
A análise tempo-frequência é capaz de revelar se o sinal é
monocomponente ou multicomponente (capacidade para discriminar, num
dado instante, se existe uma ou mais frequências associadas ao mesmo),
tarefa impossível até ao seu uso, sendo esta uma das principais
características deste tipo de representações.
Existem vários métodos para se obterem representações em tempofrequência, sendo a transformada por kernel ótimo adaptativo AOK Adaptive Optimal Kernel- a utilizada no trabalho.
150
100
50
0
50
Objetivos
As técnicas de análise em tempo-frequência constituem um importante
progresso na análise de sinais. Tais técnicas são apropriadas aos sinais
biomédicos, que se caracterizam por conteúdos em frequência relevantes,
não linearidade e não estacionaridade. O presente estudo busca a
descrição e correlação entre as características dinâmicas e
eletromiográficas durante o andar de adultos diabéticos neuropatas com e
sem a presença de ulcerações (Sacco e Amadio, 2003).
Metodologia
Foi utilizado o programa Matlab® e técnicas de processamento digital de
sinais para a análise dos sinais biológicos fornecidos pela profa. Dra.
Isabel de Camargo Neves Sacco, da Faculdade de Medicina da USP.
Resultados
0.3
0.5
0.2
0
-0.5
-0.1
-0.2
0
1000
2000
FIBULAR LONGO
3000
1
-1
200
250
300
350
tempo (ms)
400
450
500
550
Figura 4 - Ilustra a representação em tempo-frequência do músculo Fibular Longo usando
a transformada de kernel ótimo adaptativo.
Comentários e Conclusões
O presente estudo foi uma abordagem inicial na tentativa de se perceber
características dinâmicas destes sinais biológicos e que permitiu, também,
uma melhor compreensão da teoria estudada. Outras áreas do
conhecimento deverão também ser incorporadas para se ter uma visão
holística por se tratar notadamente de uma área multidisciplinar.
Agradecimentos
Ao apoio institucional da Faculdade de Engenharia "Engenheiro Celso
Daniel” - FAENG; também ao PROF. Dr. Heinar Augusto Weiderpass.
Projeto realizado com auxílio da bolsa do Programa de Incentivo à
Iniciação Científica - PIIC.
0
1000
2000
3000
GASTROCNÊMIO ANTERIOR
SACCO I. C. N., AMADIO A. C., (2003), Influence of the diabetic
neuropathy of the behavior of electromyographic and sensorial responses
in treadmill gait. Clinical Biomechanics; 18(5): 425-34.
0.5
0.5
0
0
-0.5
-0.5
-1
150
Referências
0
0.1
100
0
1000
2000
TIBIAL ANTERIOR
3000
-1
0
1000
2000
VASTO LATERAL
3000
Figura 1 - ilustra um primeiro resultado de análise temporal de um sinais
Eletromiográficos de 4 músculos da perna humana.
Figura 2 - ilustra os músculos em ordem sequencial, começando da esquerda para
direita. : 1– fibular longo, 2- gastrocnêmio (anterior) , 3 – tibial anterior e 4- vasto lateral .
WEIDERPASS H.A., (2003), Estudo de métodos para representação
conjunta espaço, tempo e frequência em sinais multidimensionais.
Dissertação de mestrado; Escola Politécnica da Universidade de São
Paulo.
Imagens dos músculos disponíveis em:
<http://www.rad.washington.edu/academics/academicsections/msk/muscle-atlas/lower-body>.Acesso em: 14 ago. 2011.