Orientador: Alberto Cliquet Junior

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica

Resumo: Na tentativa de se implementar métodos de controle de estimulação neuromuscular para a reabilitação de pacientes paraplégicos e tetraplégicos, o controle eletromiográfico surge como uma proposta bastante viável. Há, entretanto, a necessidade de se reconhecer os padrões de contração muscular...

Resumo: Na tentativa de se implementar métodos de controle de estimulação neuromuscular para a reabilitação de pacientes paraplégicos e tetraplégicos, o controle eletromiográfico surge como uma proposta bastante viável. Há, entretanto, a necessidade de se reconhecer os padrões de contração muscular que ocorrem imediatamente antes da execução do passo. Para que se pudesse extrair parâmetros do sinal eletromiográfico de superfície e, a partir destes parâmetros, determinar os padrões desejados, desenvolveu-se um sistema de processamento digital para estes sinais. O sistema capta os sinais eletromiográficos na superfície da pele em vários instantes da marcha e os armazena em disquete.O sistema pode ler estes dados posteriormente e processá-Ios, utilizando-se de algoritmos especificados pelo usuário. Para que tais funções sejam possíveis, o sistema é composto por um condicionador analógico de sinal, uma placa de conversão Analógico-Digital, um microcomputador e um "software" desenvolvido para gerenciar todo o sistema. Os algoritmos inicialmente utilizados para o processamento foram: Parâmetros do modelo Autoregressivo (AR), Variância do sinal e FFT. Dois pacientes foram analisados com este sistema. O músculo tríceps braquial mostrou-se bastante promissor. Para a avaliação da viabilidade do controle eletromiográfico, utilizou-se uma rede neural na tentativa de se reconhecer os padrões. Nos testes, extraiu-se a variância do sinal e os parâmetros AR de ordem 4. Em um dos pacientes, a rede conseguiu reconhecer razoavelmente bem a intenção do paciente de executar um passo. No outro paciente, a falha no reconhecimento parece se dever a uma deficiência de inervação do músculo analisado. O sistema mostrou-se bastante promissor no estudo de controle eletromiográfico de marcha, encontrando ainda aplicações em controle eletromiográfico de próteses. Além disto, verificou-se a existência de um padrão básico durante a contração do tríceps braquial, o qual estava alterado no paciente com deficiência de inervação. Assim, parece que o sistema também encontraria aplicações na área clínica, auxiliando no diagnóstico de doenças neuromusculares. Enfim, o sistema é uma ferramenta extremamente útil e flexível, podendo ter outros algoritmos de processamento implementados com facilidade

Abstract: In order to implement neuromuscular stimulation control methods for rehabilitation of paraplegic and tetraplegic patients, the eletromyographic control arises as a viable proposal. However, there is the need for recognizing the muscular contraction patterns that happen just before the step...

Abstract: In order to implement neuromuscular stimulation control methods for rehabilitation of paraplegic and tetraplegic patients, the eletromyographic control arises as a viable proposal. However, there is the need for recognizing the muscular contraction patterns that happen just before the step performing. In order to extract parameters of the surface electromyographic signal and, from these parameters, find the desired patterns, a digital processing system for these signals was developed. The system acquires the electromyographic signals on the skin surface in various instances during the gait cycle and stores them in floppy disks. The system also reads this data and processes it, using user-specified algorithms. In order to make these functions possible, the system consists of an analogic signal conditioner, an Analogic-to-Digital converter, a microcomputer and a software which was developed to control the whole system. The initial algorithms which were used for the signal processing were : Autoregressive (AR) Model parameters, signal variance and FFT. Two patients were analised with this system. The brachial triceps muscle showed to be very promised. In order to evaluatethe feasibility of the electromyographic control, a neural network was used in trying to recognize the patterns. For these tests, the signal variance and the order 4 AR parameters were extracted. For one of the patients, the network did recognize the step-performing intention of the patient. For the other patient, the fault seems to be a consequence of a innervation defficiency of the analized muscle. The system seems to be very useful for gait electromyographic control studies, finding applications in the control of electromyographic prostheses. Besides that, it was noticedthe existence of a basic pattern during the brachial triceps contraction, which was different to that of the patient with innervation defficiency. As such, it seems that the system could find applications also in the clinical area, helping in the neuromuscular diseases diagnose. Thus, the system is a very useful and flexibletool,that can have other signal processing algorithms easily implemented.