Avaliação de métodos adaptativos e baseados em software para compensação de artefato de estímulo em sEMG

Autores

  • Mateus Gomes Lucas Programa de Pós-Graduação em Engenharia Elétrica - PPGEEL , Universidade Federal de Santa Catarina (UFSC)
  • Lucas Bertinetti Lopes Programa de Pós-Graduação em Engenharia Elétrica - PPGEEL , Universidade Federal de Santa Catarina (UFSC
  • Samuel Blaas Wachholz Laboratório de Aplicação/Biomédica da Engenharia Elétrica – LABEE, Engenharia Elétrica, Instituto Federal Sul-rio-grandense (IFSul)
  • Adão Antonio de Souza Jr. Instituto Federal Sul-rio-grandense http://orcid.org/0000-0002-1893-9468
  • Lucian Soares Schiavon Laboratório de Aplicação/Biomédica da Engenharia Elétrica – LABEE, Engenharia Elétrica, Instituto Federal Sul-rio-grandense (IFSul)
  • Mauricio Campelo Tavares Contronic Sistemas Automáticos Ltda

DOI:

https://doi.org/10.29384/rbfm.2019.v13.n2.p53-61

Palavras-chave:

artefato de estímulo, eletromiografia, onda-M.

Resumo

Potenciais evocados eletricamente, medidos por meio de sEMGs, têm várias aplicações clínicas tradicionais, como monitoramento intraoperatório de nervos e terapias de reabilitação. No entanto, o estímulo elétrico gera um artefato que pode interferir nos sinais medidos, o qual não é facilmente removido por promediação. Os artefatos são particularmente difíceis de serem removidos em aplicações como o monitoramento do nervo facial, onde os estímulos e os eletrodos de sinal ficam próximos e a sobreposição entre o artefato e a onda M é comum. Métodos adaptativos para a supressão de artefatos — utilizando um sinal de referência que contenha apenas o artefato de estímulo — foram propostos nas configurações off-nerve, estímulo duplo e sublimiar. Recentemente, foram propostos algoritmos usando inteligência computacional para proceder em relação à segmentação de sinais, mascaramento e reconstrução de ondas M, chamados de métodos baseados em software. Porém, uma comparação sistemática das técnicas de supressão de artefatos não é encontrada na literatura. Neste trabalho, implementou-se um modelo completo de geração de onda M e propagação de artefato, o qual foi usado para comparar métodos adaptativos e métodos baseados em software. Dois conjuntos de sinais aleatórios e artefatos com vários graus de sobreposição e amplitudes foram criados e empregados na comparação dos métodos. Os resultados apontam uma vantagem no uso dos algoritmos baseados em software, conforme avaliado pelos índices de coeficiente de correlação, erro RMS, erro de latência e erro de amplitude pico a pico.

Downloads

Não há dados estatísticos.

Biografia do Autor

Adão Antonio de Souza Jr., Instituto Federal Sul-rio-grandense

Professor Titular do Curso de Graduação em Engenharia Elétrica. Area de Processamento de Sinais, Telecomunicações e Biomédica.

Referências

McGill KC, Cummins KL, Dorfman LJ, Berlizot BB, Luetkemeyer K, Nishimura DG, Widrow B. On the nature and elimination of stimulus artifact in nerve signals evoked and recorded using surface electrodes. IEEE Transactions on Biomedical Engineering. 1982 Feb(2):129-37.

Liu J, Li S, Li X, Klein C, Rymer WZ, Zhou P. Suppression of stimulus artifact contaminating electrically evoked electromyography. NeuroRehabilitation. 2014 Jan 1;34(2):381-9.

Grieve R, Parker PA, Hudgins B, Englehart K. Nonlinear adaptive filtering of stimulus artifact. IEEE transactions on biomedical engineering. 2000 Mar;47(3):389-95.

Knaflitz M, Merletti R. Suppression of stimulation artifacts from myoelectric-evoked potential recordings. IEEE Transactions on Biomedical Engineering. 1988 Sep;35(9):758-63.

Mandrile F, Farina D, Pozzo M, Merletti R. Stimulation artifact in surface EMG signal: effect of the stimulation waveform, detection system, and current amplitude using hybrid stimulation technique. IEEE Transactions on neural systems and rehabilitation engineering. 2003 Dec;11(4):407-15.

Parsa V, Parker PA, Scott RN. Adaptive stimulus artifact reduction in noncortical somatosensory evoked potential studies. IEEE transactions on biomedical engineering. 1998 Feb;45(2):165-79.

Qiu S, Feng J, Xu R, Xu J, Wang K, He F, Qi H, Zhao X, Zhou P, Zhang L, Ming D. A stimulus artifact removal technique for SEMG signal processing during functional electrical stimulation. IEEE Transactions on Biomedical Engineering. 2015 Aug;62(8):1959-68.

Barbosa-Mier RI, Chica AC, Riveros JV. Comparison of adaptive systems for suppression of stimulation artifacts in EMG signals. InProceedings of First International Caracas Conference on Devices, Circuits and Systems 1995 Dec 12 (pp. 144-148). IEEE.

T O'Keeffe D, Lyons GM, Donnelly AE, Byrne CA. Stimulus artifact removal using a software-based two-stage peak detection algorithm. Journal of neuroscience methods. 2001 Aug 30;109(2):137-45.

Yochum M, Binczak S. A wavelet based method for electrical stimulation artifacts removal in electromyogram. Biomedical Signal Processing and Control. 2015 Sep 1;22:1-0.

Pilkar R, Yarossi M, Ramanujam A, Rajagopalan V, Bayram MB, Mitchell M, Canton S, Forrest G. Application of empirical mode decomposition combined with notch filtering for interpretation of surface electromyograms during functional electrical stimulation. IEEE transactions on Neural Systems and Rehabilitation Engineering. 2017 Aug;25(8):1268-77.

Merletti R, Conte LL, Avignone E, Guglielminotti P. Modeling of surface myoelectric signals. I. Model implementation. IEEE transactions on biomedical engineering. 1999 Jul;46(7):810 20.

Meza-Cuevas MA. Stimulation of Neurons by Electrical Means. Logos Verlag Berlin GmbH; 2015 Dec 18.

Mesin L, Merletti R. Distribution of electrical stimulation current in a planar multilayer anisotropic tissue. IEEE Transactions on Biomedical Engineering. 2008 Feb;55(2):660-70.

Parsa V, Parker PA, Scott RN. Adaptive stimulus artifact reduction in noncortical somatosensory evoked potential studies. IEEE transactions on biomedical engineering. 1998 Feb;45(2):165-79.

Dhiman J, Ahmad S, Gulia K. Comparison between Adaptive filter Algorithms (LMS, NLMS and RLS). International Journal of Science, Engineering and Technology Research (IJSETR). 2013 May 5;2(5):1100-3.

Oyama AM. Eliminação de artefatos de estímulo em potenciais evocados somatossensitivos (Doctoral dissertation, Universidade de São Paulo).

Schafer RW. What is a Savitzky-Golay filter. IEEE Signal processing magazine. 2011 Jul 1;28(4):111-7.

Otsu N. A threshold selection method from gray-level histograms. IEEE transactions on systems, man, and cybernetics. 1979 Jan;9(1):62-6.

Sivannarayana N, Reddy DC. Biorthogonal wavelet transforms for ECG parameters estimation. Medical engineering & physics. 1999 Apr 1;21(3):167-74.

Oyama AM, Itiki C. Influence of evoked response latency and amplitude on stimulus artifact removal. In2010 Annual International Conference of the IEEE Engineering in Medicine and Biology 2010 Aug 31 (pp. 6091-6094). IEEE.

Downloads

Publicado

2019-12-28

Como Citar

Lucas, M. G., Lopes, L. B., Wachholz, S. B., Souza Jr., A. A. de, Schiavon, L. S., & Tavares, M. C. (2019). Avaliação de métodos adaptativos e baseados em software para compensação de artefato de estímulo em sEMG. Revista Brasileira De Física Médica, 13(2), 53–61. https://doi.org/10.29384/rbfm.2019.v13.n2.p53-61

Edição

Seção

Artigo Original

Artigos mais lidos pelo mesmo(s) autor(es)