Strategie di Riduzione dell’Interferenza Cardiaca nel Segnale Elettromiografico

The electromyographic (EMG) signal measures the electrical activity of muscles, providing crucial information on muscle contraction and the nervous system. However, EMG is often subject to disturbances, such as electrocardiographic (ECG) interference, which can alter its temporal and frequency characteristics, compromising the accuracy of analyses. This issue is particularly significant in the study of trunk muscles, where ECG artifacts overlap with the EMG signal, making it challenging to separate the two signals without introducing distortions. This thesis aims to analyze and apply methods from the literature to remove ECG artifacts from EMG signals, assessing their effectiveness on real data acquired in the laboratory. The first part describes the recording of signals from the erector spinae muscle of the trunk in five subjects during exercises performed in a prone and standing position. For this study, 12 EMG sensors were positioned along the back, along with a reference electrode for the ECG signal. The recordings, conducted at different muscle intensities and distances from the heart, allowed for an analysis of the RMS amplitude of the signal in specific conditions: during rest without heartbeat, to characterize background noise; during rest with heartbeat, to measure the influence of the ECG signal; during muscle contraction with heartbeat, to evaluate the signal-to-noise ratio; and during muscle contraction without heartbeat, to isolate actual muscle activity. The analysis of the results highlighted how the distance from the heart and the placement of the electrodes significantly influence both the extent of cardiac interference and the amplitude of the EMG signal recorded from the target muscle. The findings emphasize the importance of achieving an optimal compromise between reducing ECG artifacts and preserving the quality of the muscle signal. Electrode placement optimization thus proves fundamental for maximizing the signal-to-noise ratio while ensuring high-quality electromyographic data. In the second phase, the focus shifted to investigating signal processing strategies to reduce ECG artifacts. The selected method was chosen for its ability to operate without requiring independent ECG signal acquisition and for its potential adaptability to real-time implementation. An algorithm based on morphological modeling of the ECG signal was implemented. The approach involves detecting R-peaks using the Pan-Tompkins algorithm, followed by the construction and optimization of a morphological model of the cardiac cycle. This model is then subtracted from the contaminated EMG signal to reduce cardiac interference. Experimental results confirmed the effectiveness of the algorithm during muscle rest conditions. However, during intense muscle contractions, certain limitations emerged related to the spectral overlap between ECG and EMG and the dynamic complexity of the muscle signal. These findings suggest that future developments of the algorithm should focus on further optimizations, both in the R-peak detection phase and in morphological modeling.

Il segnale elettromiografico (EMG) misura l’attività elettrica dei muscoli, fornendo informazioni cruciali sulla contrazione muscolare e sul sistema nervoso. Tuttavia, l’EMG è spesso soggetto a disturbi, come l’interferenza elettrocardiografica (ECG), che può alterarne le caratteristiche temporali e frequenziali, compromettendo l'accuratezza delle analisi. Questo problema è particolarmente rilevante nell'analisi dei muscoli del tronco, dove l'artefatto ECG si sovrappone al segnale EMG, rendendo complessa la separazione dei due segnali senza introdurre distorsioni. Questa tesi si propone di analizzare e applicare metodi presenti in letteratura per rimuovere l’artefatto ECG dai segnali EMG, valutandone l’efficacia su dati reali acquisiti in laboratorio. Nella prima parte, viene descritta la registrazione dei segnali dal muscolo erettore spinale del tronco di cinque soggetti durante esercizi svolti in posizione prona e in piedi. Per lo studio sono stati utilizzati 12 sensori EMG disposti lungo il dorso e un elettrodo di riferimento per il segnale ECG. Le registrazioni, effettuate a diverse intensità muscolari e distanze dal cuore, hanno permesso di analizzare l’ampiezza RMS del segnale in condizioni specifiche: durante il riposo senza battito, per caratterizzare il rumore di fondo; durante il riposo con battito, per misurare l’influenza del segnale ECG; durante la contrazione muscolare con battito, per valutare il rapporto segnale-rumore; e durante la contrazione muscolare senza battito, per isolare l’attività muscolare effettiva. L’analisi dei risultati ha evidenziato come la distanza dal cuore e la disposizione degli elettrodi influenzino significativamente sia l’entità dell’interferenza cardiaca sia l’ampiezza del segnale EMG rilevato dal muscolo target. I risultati sottolineano l’importanza di un compromesso ottimale tra la riduzione dell’artefatto ECG e il mantenimento della qualità del segnale muscolare. L’ottimizzazione della disposizione degli elettrodi si rivela quindi fondamentale per massimizzare il rapporto segnale-rumore, garantendo al contempo un’elevata qualità del dato elettromiografico. Nella seconda fase, l'attenzione si è concentrata sulla ricerca di strategie di elaborazione del segnale per ridurre l'artefatto ECG. Il metodo selezionato è stato scelto per la sua capacità di operare senza richiedere l'acquisizione indipendente del segnale ECG e per la sua potenziale adattabilità a implementazioni in tempo reale. È stato implementato un algoritmo basato sul morphological modeling del segnale ECG. L'approccio prevede il rilevamento dei picchi R tramite l’algoritmo di Pan-Tompkins, seguito dalla costruzione e ottimizzazione di un modello morfologico del ciclo cardiaco. Questo modello viene poi sottratto dal segnale EMG contaminato, al fine di ridurre l’interferenza cardiaca. I risultati sperimentali hanno confermato l'efficacia dell'algoritmo in condizioni di riposo muscolare. Tuttavia, durante le contrazioni muscolari intense, sono emerse alcune limitazioni legate alla sovrapposizione spettrale tra ECG ed EMG e alla complessità dinamica del segnale muscolare. Questi risultati suggeriscono che futuri sviluppi dell’algoritmo dovrebbero concentrarsi su ulteriori ottimizzazioni, sia nella fase di rilevamento dei picchi R sia nella modellazione morfologica.