Sistema de Adquisición de Señales SEMG para la Detección de Fatiga Muscular

J L Correa-Figueroa; E Morales-Sánchez; J A Huerta-Ruelas; J J González-Barbosa; C R Cárdenas-Pérez

2016, Número 1

<< Anterior Siguiente >>

Rev Mex Ing Biomed 2016; 37 (1)

Sistema de Adquisición de Señales SEMG para la Detección de Fatiga Muscular

Correa-Figueroa JL; Morales-Sánchez E; Huerta-Ruelas JA; González-Barbosa JJ; Cárdenas-Pérez CR

Texto completo

Cómo citar este artículo

Artículos similares

Idioma: Español
Referencias bibliográficas: 23
Paginas: 17-27
Archivo PDF: 2483.64 Kb.

RESUMEN

Este trabajo presenta el desarrollo de un sistema de adquisición y procesamiento de señales mioeléctricas superficiales o SEMG. El sistema propuesto adquiere las señales SEMG de la superficie de la piel utilizando electrodos superficiales de AgCl. El sistema tiene una etapa de amplificación y de filtrado por hardware para eficientar el tiempo de proceso. Se desarrolló un software para procesar por transformada de Fourier la señal SEMG amplificada y filtrada. A diferencia de otros sistemas de adquisición de señales biológicas que son desarrollados para terapia o rehabilitación, este sistema está pensado para ser usado para el control de brazos robóticos, por ello el software desarrollado mide la fatiga utilizando parámetros como el corrimiento de la frecuencia media instantánea y la densidad espectral de potencia de la señal SEMG.

REFERENCIAS (EN ESTE ARTÍCULO)

I. A. Cifuentes, “Diseño y construcción de un sistema para la detección de señales electromiográficas,” Undergraduate Thesis, Universidad Autónoma de Yucatán, 2010.
S. Bela, R. Szabo, S. Ravi, U. Alessio, and K. Sai, “A Data Acquisition and Signal Processing System for EMG and Acceleration Signals,” IEEE Proceedings, 1990.
Y. Kim, S. Kim, H. Shim, S. Lee, and K. Kim, “A method for gait rehabilitation training using EMG fatigue analysis,” 2013 Int. Conf. ICT Converg., pp. 52- 55, Oct. 2013.
V. Siemionow, V. Sahgal, and G. H. Yue, “Single-Trial EEG-EMG coherence analysis reveals muscle fatigue-related progressive alterations in corticomuscular coupling,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 18, no. 2, pp. 97-106, Apr. 2010.
P. Shenoy, K. J. Miller, B. Crawford, and R. N. Rao, “Online electromyographic control of a robotic prosthesis,” IEEE Trans. Biomed. Eng., vol. 55, no. 3, pp. 1128-35, Mar. 2008.
E. Mangieri, A. Ahmadi, K. Maharatna, S. A. Ahmad, and P. H. Chappell, “A Novel Analogue Circuit for Controlling Prosthetic Hands,” IEEE, pp. 81-84, 2008.
D. Peleg, E. Braiman, E. Yom-Tov, and G. F. Inbar, “Classification of finger activation for use in a robotic prosthesis arm,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 10, no. 4, pp. 290-3, Dec. 2002.
P. Kutilek, J. Hybl, J. Kauler, and S. Viteckova, “Prosthetic 6-DOF Arm Controlled by EMG Signals and Multi-Sensor System,” Czech Technical University in Prague, Faculty of Biomedical Engineering, 2010.
P. K. Artemiadis and K. J. Kyriakopoulos, “An EMG-based robot control scheme robust to time-varying EMG signal features,” IEEE Trans. Inf. Technol. Biomed., vol. 14, no. 3, pp. 582-8, May 2010.
C. Assad, M. Wolf, A. Stoica, and A. J. P. L. Biosleeve, “BioSleeve: a Natural EMG-Based Interface for HRI,” IEEE HRI Proceedings pp. 69-70, 2013.
P. K. Artemiadis and K. J. Kyriakopoulos, “EMG-Based Control of a Robot Arm Using Low-Dimensional Embeddings,” IEEE Transactions On Robotics, vol. 26, no. 2, pp. 393-398, 2010.
T. Forbes, “Mouse HCI Through Combined EMG and IMU,” Open Access Master’s Theses , University of Rhode Island, 2013.
M. a C. Garcia, J. M. Y. Catunda, T. Lemos, L. F. Oliveira, L. a Imbiriba, and M. N. Souza, “An alternative approach in muscle fatigue evaluation from the surface EMG signal,” Conf. Proc. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. IEEE Eng. Med. Biol. Soc. Annu. Conf., vol. 2010, pp. 2419-22, Jan. 2010.
E. Koutsos and P. Georgiou, “An analogue instantaneous median frequency tracker for EMG fatigue monitoring,” 2014 IEEE Int. Symp. Circuits Syst., pp. 1388-1391, Jun. 2014.
J. M. Fernández, R. C. Acevedo, And C. B. Tabernig, “Influencia de la fatiga muscular en la señal electromiográfica de músculos estimulados eléctricamente,” Revista de la Escuela de Ingeniería de Antioquia, pp. 111-119, 2007.
L. Estrada, A. Torres, J. Garcia- Casado, G. Prats-Boluda, and R. Jane, “Characterization of laplacian surface electromyographic signals during isometric contraction in biceps brachii,” Conf. Proc. IEEE Eng. Med. Biol. Soc., vol. 2013, pp. 535-8, Jan. 2013.
M. Knaflitz and P. Bonato, “Timefrequency methods applied to muscle fatigue assessment during dynamic contractions,” J. Electromyogr. Kinesiol., vol. 9, no. 5, pp. 337-350, Oct. 1999.
A. Searle and L. Kirkup, “A direct comparison of wet, dry and insulating bioelectric recording electrodes,” Physiol. Meas., vol. 21, no. 2, pp. 271-83, 2000.
D. a Gabriel, “Effects of monopolar and bipolar electrode configurations on surface EMG spike analysis,” Med. Eng. Phys., vol. 33, no. 9, pp. 1079-85, Nov. 2011.
P. Konrad, The ABC of EMG, Book, 1.4 ed. Scottsdale, Arizona, Noraxon USA INC., 2006.
A. Phinyomark, S. Thongpanja, and H. Hu, “The Usefulness of Mean and Median Frequencies in Electromyography Analysis,” Open access chapter, Computational Intelligence in Electromyography Analysis - A Perspective on Current Applications and Future Challenges, INTECH 2012.
Y. Hotta and K. Ito, “Detection of EMG-based muscle fatigue during cyclic dynamic contraction using a monopolar configuration,” Conf. Proc. IEEE Eng. Med. Biol. Soc., vol. 2013, pp. 2140-3, Jan. 2013.
N. C. Chesler and W. K. Durfee, “Surface EMG as a fatigue indicator during FES-induced isometric muscle contractions,” J. Electromyogr. Kinesiol., vol. 7, no. 1, pp. 27-37, Mar. 1997.