L’unità elementare che permette l’interazione e la comunicazione tra i sistemi nervoso e muscolare è detta unità motoria. Essa è costituita da un singolo motoneurone periferico e da tutte le fibre muscolari che esso innerva. Ogni volta che un impulso nervoso giunge alla sinapsi neuromuscolare si crea un potenziale d’azione, a cui segue una contrazione. Il potenziale di ogni fibra dell’unità motoria contribuisce a creare il potenziale d’azione dell’unità motoria (Motor Unit Action Potential, MUAP), ossia un’onda che contiene le informazioni relative alla contrazione della singola unità motoria. Con l’elettromiografia ad ago (nEMG) è possibile rilevare e analizzare questi segnali per trarne delle evidenze di carattere medico-diagnostico. Gli elettrodi ad ago consentono un’acquisizione del segnale molto precisa ed accurata. Tuttavia, questo metodo, oltre ad essere piuttosto invasivo, non permette di avere una visione d’insieme dell’attività del muscolo. Da questi punti deboli dell’esame nEMG, nasce l’idea di acquisire il segnale posizionando gli elettrodi direttamente sulla pelle (sEMG), in modo da poter coprire una porzione maggiore del muscolo su cui effettuare l’analisi, riuscendo inoltre ad ottenere informazioni sull’attività muscolare in modo non invasivo. Questa tipologia di acquisizione richiede un’accorta progettazione del sistema di acquisizione. Inoltre, il segnale acquisito contiene spesso molto rumore derivanti dai più svariati tipi di artefatto, come qualsiasi altro biopotenziale (ECG, EEG, …). Un’attività di filtraggio oculata è fondamentale per permettere di pulire il più possibile il segnale, cancellando le componenti rumorose e limitando la distorsione di quelle d’interesse. Un ulteriore problema del segnale sEMG deriva dalla natura dello stesso che, come il segnale elettroencefalografico e a differenza di quello elettrocardiografico, è di natura stocastica. Questa caratteristica rende l’analisi nel dominio del tempo piuttosto difficile, data la sua imprevedibilità. Maggior rilevanza ha invece l’analisi nel dominio della frequenza del segnale, da cui si possono estrarre numerose features che permettono di trarre conclusioni rilevanti a livello medico, aiutando i professionisti del mondo della sanità nelle diagnosi. L’obiettivo di questa tesi è comprendere l’origine del segnale EMG e presentare i sistemi comunemente utilizzati per l’acquisizione del segnale. Dopo una breve panoramica sulla fisiologia, si descrivono i sistemi di rilevazione dell’EMG facendo particolare attenzione al problema degli artefatti più frequenti ed analizzando i metodi più efficaci per la loro rimozione, mediante filtraggio. Viene poi illustrato uno dei possibili utilizzi del segnale EMG, ossia il riconoscimento dei gesti della mano a partire dall’analisi del loro contenuto in frequenza.

Elettromiografia di superficie: acquisizione, tecniche di filtraggio e analisi del segnale

ERVAZ, NICCOLÒ
2022/2023

Abstract

L’unità elementare che permette l’interazione e la comunicazione tra i sistemi nervoso e muscolare è detta unità motoria. Essa è costituita da un singolo motoneurone periferico e da tutte le fibre muscolari che esso innerva. Ogni volta che un impulso nervoso giunge alla sinapsi neuromuscolare si crea un potenziale d’azione, a cui segue una contrazione. Il potenziale di ogni fibra dell’unità motoria contribuisce a creare il potenziale d’azione dell’unità motoria (Motor Unit Action Potential, MUAP), ossia un’onda che contiene le informazioni relative alla contrazione della singola unità motoria. Con l’elettromiografia ad ago (nEMG) è possibile rilevare e analizzare questi segnali per trarne delle evidenze di carattere medico-diagnostico. Gli elettrodi ad ago consentono un’acquisizione del segnale molto precisa ed accurata. Tuttavia, questo metodo, oltre ad essere piuttosto invasivo, non permette di avere una visione d’insieme dell’attività del muscolo. Da questi punti deboli dell’esame nEMG, nasce l’idea di acquisire il segnale posizionando gli elettrodi direttamente sulla pelle (sEMG), in modo da poter coprire una porzione maggiore del muscolo su cui effettuare l’analisi, riuscendo inoltre ad ottenere informazioni sull’attività muscolare in modo non invasivo. Questa tipologia di acquisizione richiede un’accorta progettazione del sistema di acquisizione. Inoltre, il segnale acquisito contiene spesso molto rumore derivanti dai più svariati tipi di artefatto, come qualsiasi altro biopotenziale (ECG, EEG, …). Un’attività di filtraggio oculata è fondamentale per permettere di pulire il più possibile il segnale, cancellando le componenti rumorose e limitando la distorsione di quelle d’interesse. Un ulteriore problema del segnale sEMG deriva dalla natura dello stesso che, come il segnale elettroencefalografico e a differenza di quello elettrocardiografico, è di natura stocastica. Questa caratteristica rende l’analisi nel dominio del tempo piuttosto difficile, data la sua imprevedibilità. Maggior rilevanza ha invece l’analisi nel dominio della frequenza del segnale, da cui si possono estrarre numerose features che permettono di trarre conclusioni rilevanti a livello medico, aiutando i professionisti del mondo della sanità nelle diagnosi. L’obiettivo di questa tesi è comprendere l’origine del segnale EMG e presentare i sistemi comunemente utilizzati per l’acquisizione del segnale. Dopo una breve panoramica sulla fisiologia, si descrivono i sistemi di rilevazione dell’EMG facendo particolare attenzione al problema degli artefatti più frequenti ed analizzando i metodi più efficaci per la loro rimozione, mediante filtraggio. Viene poi illustrato uno dei possibili utilizzi del segnale EMG, ossia il riconoscimento dei gesti della mano a partire dall’analisi del loro contenuto in frequenza.
2022
Surface electromyography: acquisition, filtering techniques and signal analysis
Elettromiografia
Acquisizione
Filtraggio
Elaborazione
Analisi
File in questo prodotto:
File Dimensione Formato  
Ervaz_Niccolò.pdf

accesso riservato

Dimensione 3.36 MB
Formato Adobe PDF
3.36 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/48336