Automatic detection of motor unit innervation zones of the external anal sphincter by multichannel surface EMG

Concordance of the location of the innervation zone of the tibialis anterior muscle using voluntary and imposed contractions by electrostimulation

“…This procedure is the most frequently used (Merletti et al, 2003;Beretta Piccoli et al, 2014;GuzmanVenegas et al, 2014), although some more objective and automated methods have been proposed (Cescon, 2006;Ullah et al, 2014). The visual method has been considered as the gold standard to give validity to other procedures (Ullah et al, 2014). Nevertheless, this method has some drawbacks.…”

Detection of Multiple Innervation Zones from Multi-Channel Surface EMG Recordings with Low Signal-to-Noise Ratio Using Graph-Cut Segmentation

“…The matched filter method proposed by Mesin et al [19] had an average error of 0.3 IED (ratio) reaching values higher than 1 IED for the simulated sEMG signals with up to two IZs in each frame and SNR value of 20 dB [20]. This method is in fact the first step (i.e., template matching) of the sEMG decomposition method proposed by Gazzoni et al [62].…”

“…This method is in fact the first step (i.e., template matching) of the sEMG decomposition method proposed by Gazzoni et al [62]. Since the approach proposed by Gazzoni et al relied on MUAP segmentation in each recording channel, it failed in not only very high-SNR data to some extent [20], but in low-SNR data more frequently. Image processing methods are preferred because no detection threshold is required for the MUAPs and the whole image frame is analyzed, compared with each signal.…”

“…Several methods have been proposed in the literature to automate this procedure [15–21]. Some of these methods can detect at most one IZ location in each signal interval [15, 17, 18, 20]. There are also various methods to identify multiple IZs.…”

Proposta e análise de indicadores eletromiográficos espectrais e temporais em protocolos dinâmicos com indução de fadiga muscular localizada

“…Suas recorrentes aplicações incluem a monitoração da fadiga muscular (DeLuca, 1984) e da recuperação muscular após a fadiga localizada (Larivière et al, 2002), treinamento associado à eletroestimulação (Molina et al, 1997), avaliação das capacidades motoras (Larivière et al, 2008(Larivière et al, e 2009, quantificação da eficiência neuromuscular (Milner et al, 1986;David et al, 2008;Arabadzhiev et al, 2010), aplicações diversas à neurologia (Zwarts et al, 2004), observação de padrões e diferenças entre os gêneros durante exercícios fatigantes (Clark et al, 2005), técnicas não invasivas e automação de sistemas para predição e detecção da fadiga muscular localizada (Al-Mulla et al, 2011ae 2011b, controle de próteses , neurorreabilitação (Jiang et al, 2010), reabilitação motora , monitoração indireta de parâmetros biomecânicos (Cifrek et al, 2009), ergonomia (Hägg et al, 2004), detecção automática de zonas de inervação utilizando eletromiografia de superfície (EMG-S) (Ullah et al, 2014), estudo de relações entre funções neuromusculares e postura (Boyas et al, 2013), de padrões de recrutamento de unidades motoras em diferentes fases da contração muscular (Kay et al, 2000), de biofeedback (Cram, 2004), de parâmetros associados às lesões musculares (Thiebaud et al, 2013), de causas de distúrbios associados ao controle motor (Bottas et al, 2005), da fisiologia do exercício (Felici et al, 2004), dos efeitos da fadiga sobre as ações agonista e antagonista na ação motora (Hassani et al, 2006), da fadiga de longo prazo após esforços prolongados (Søgaard et al, 2003), análise de postura e movimento (Frigo e Shiavi, 2004), entre outras.…”