Introduction: Decomposition of electromyography (EMG) signals into the constituent motor unit action potentials (MUAPs) can allow for deeper insights into the underlying processes associated with the neuromuscular system. The vast majority of the methods for EMG decomposition found in the literature depend on complex algorithms and specific instrumentation. As an attempt to contribute to solving these issues, we propose a method based on a bank of matched filters for the decomposition of EMG signals. Methods: Four main units comprise our method: a bank of matched filters, a peak detector, a motor unit classifier and an overlapping resolution module. The system's performance was evaluated with simulated and real EMG data. Classification accuracy was measured by comparing the responses of the system with known data from the simulator and with the annotations of a human expert. Results: The results show that decomposition of non-overlapping MUAPs can be achieved with up to 99% accuracy for signals with up to 10 active motor units and a signal-to-noise ratio (SNR) of 10 dB. For overlapping MUAPs with up to 10 motor units per signal and a SNR of 20 dB, the technique allows for correct classification of approximately 71% of the MUAPs. The method is capable of processing, decomposing and classifying a 50 ms window of data in less than 5 ms using a standard desktop computer. Conclusion: This article contributes to the ongoing research on EMG decomposition by describing a novel technique capable of delivering high rates of success by means of a fast algorithm, suggesting its possible use in future real-time embedded applications, such as myoelectric prostheses control and biofeedback systems.
No abstract
A engenharia tecidual é um campo interdisciplinar voltado para desenvolvimento de estruturas biológicas que restaurem, mantenham ou melhorem funções teciduais. Dentre os componentes necessários para isso, há os arcabouços tridimensionais, estruturas criadas para suporte inicial das células e consequente formação de um tecido. Para avaliação do desempenho do arcabouço, é importante analisar características microestruturais como a porosidade, a interconectividade e o tamanho dos poros. Algumas técnicas como a microscopia eletrônica de varredura (MEV), picnometria e porosimetria de mercúrio, já vem sendo usadas para caracterizar os arcabouços. Todavia, alguns estudos mostraram a microtomografia computadorizada como padrão ouro para extrair informações detalhadas sem danificar a amostra em estudo. A Microtomografia Computadorizada de Raios X (microCT) é uma técnica não invasiva e apresenta uma alta resolução, contribuindo para análise e visualização tridimensional interna de vários tipos de amostras. Devido a essas vantagens, diversos pesquisadores vem estudando a microCT como técnica para caracterização de arcabouços para engenharia tecidual, visando obter informações mais apuradas a respeito da porosidade dessas estruturas, que irão influenciar diversos fatores como o desempenho biológico e as propriedades mecânicas das mesmas. O objetivo do trabalho consiste em apresentar a microCT como ferramenta de caracterização de arcabouços para engenharia tecidual e compará-la com outras técnicas utilizadas atualmente. Verificou-se que a microCT vem sendo utilizada na área para análises qualitativas e quantitativas, principalmente por conseguir visualizar poros cegos e área da seção transversal, sem utilizar elementos tóxicos ou sem destruir a amostra. Existem algumas desvantagens, que seriam pouca capacidade de absorção de raios-x em amostras de baixa densidade radiográfica. No entanto, apesar do crescente interesse em utilizar essa técnica, é possível perceber que muitos pesquisadores não a dominam por não ter relatórios com detalhes importantes sobre vários parâmetros da microestrutura e da utilização correta da microCT. Concluiu-se que a caracterização de arcabouços por microtomografia computadorizada é uma área que ainda está em desenvolvimento e com acesso limitado, porém vem ganhando destaque e tende a se tornar mais procurada e usada entre os pesquisadores para aplicação na engenharia tecidual.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.