Разработка алгоритма обработки электромиограммы

Размещено на http://www.allbest.ru/

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. МЕДИКО-БИОЛОГИЧЕСКОЕ ОБОСНОВАНИЕ ЭМГ

2. СПЕКТРАЛЬНЫЙ АНАЛИЗ ЭЛЕКТРОМИОГРАММЫ

2.1 Спектральная плотность мощности

2.2 Выбор оптимального метода спектрального анализа электромиографических сигналов

3. СХЕМА ПРОГРАММЫ СПЕКТРАЛЬНОГО АНАЛИЗА ЭМГ

4. ПРОГРАММА АНАЛИЗА ЭМГ

ВЫВОДЫ

ПЕРЕЧЕНЬ ССЫЛОК

ПРИЛОЖЕНИЯ



ВВЕДЕНИЕ

В настоящие время для анализа информации о состоянии биообъекта в биомедицинской практике широко применяются ЭВМ. В качестве переносчиков информации выступают биомедицинские сигналы. Многие биомедицинские сигналы имеют электрическую природу. Это биопотенциалы сердца, мозга, мышц. Биомедицинские сигналы, имеющие другую природу, могут быть преобразованы в электрические. Таким образом, переносчиком информации от биообъекта к устройству обработки и анализа этой информации (ЭВМ) являются электрические сигналы.[1]

Применение ЭВМ для обработки биомедицинских сигналов открывает новые возможности по выявлению более тонкой структуры сигналов, что способствует более точному диагностированию различных заболеваний. В то же время существующие методы обработки биомедицинских сигналов с помощью ЭВМ зачастую являются просто автоматизацией давно известных «ручных» методов. При этом получение дополнительной информации требует усложнения алгоритмов обработки биомедицинских сигналов, что в ряде случаев делает невозможным получение информации о состоянии биообъекта в реальном времени. Последние особенно важно для палат интенсивной терапии, для физиотерапевтических кабинетов. Поэтому разработчики медицинской аппаратуры постоянно ведут исследования по созданию новых методов обработки биомедицинских сигналов, которые бы в полной мере учитывали структурные особенности последних и обеспечивали получение помехоустойчивых оценок состояния биообъекта в реальном времени.[1]

Электромиография представляет собой метод исследования мышечной системы путем регистрации электрических потенциалов мышц. С мышцы, находящейся в состоянии максимально возможного расслабления, то есть в режиме покоя, биоэлектрическая активность в норме не регистрируется.[2]

С помощью электромиографии изучают функциональное состояние и функциональные особенности мышечных волокон, двигательных единиц, нервно-мышечной передачи, нервных стволов, сегментарного аппарата спинного мозга; изучают координацию движений, выработку двигательного навыка при различных видах работы и спортивных упражнениях, перестройку работы пересаженных мышц, утомление. На основании электромиографии создан метод управления биотоками мышц, который нашел практическое применение при управлении так называемыми биоэлектрическими протезами.[2]



1. МЕДИКО-БИОЛОГИЧЕСКОЕ ОБОСНОВАНИЕ ЭМГ

Электромиография -- это метод изучения биоэлектрических процессов, развивающихся в мышцах людей и животных во время различных двигательных реакций. Метод основан на записи биопотенциалов скелетных мышц. Запись колебаний мышечных потенциалов производится специальными приборами -- электромиографами различных типов.[2]
Хотя электромиограммы отражают только колебания потенциалов, которые развиваются непосредственно в мышце, все же по их качественным и количественным особенностям можно судить также о нормальном или патологическом состоянии ЦНС, регулирующей все виды двигательной активности человека. При различных заболеваниях возникают разнообразные нарушения нормальной картины электромиограммы (Рис. 1.1-1.3):

Рисунок 1.1 - Электромиограмма в норме

Рисунок 1.2 - Электромиограмма при поражении передних рогов спинного мозга

Рисунок 1.3 - Электромиограмма при невропатии

С помощью электромиографии изучают функциональное состояние и функциональные особенности мышечных волокон, двигательных единиц, нервно-мышечной передачи, нервных стволов, сегментарного аппарата спинного мозга; изучают координацию движений, выработку двигательного навыка при различных видах работы и спортивных упражнениях, перестройку работы пересаженных мышц, утомление. На основании электромиографии создан метод управления биотоками мышц, который нашел практическое применение при управлении так называемыми биоэлектрическими протезами.[2]

Различают спонтанную электромиограмму, отражающую состояние мышц в покое или при мышечном напряжении (произвольном или синергическом), а также вызванную, обусловленную электрической стимуляцией мышцы или нерва. Эмиограмиография позволяет проводить топическую диагностику поражения нервной и мышечной систем (надсегментарных пирамидных и экстрапирамидных структур, мотонейронов передних рогов, спинномозговых корешков и нервов, нервно-мышечного синапса и собственно иннервируемой мышцы), оценивать тяжесть, стадию, течение заболевания, эффективность применяемой терапии.[2]

Аппаратура для электромиографии состоит из двух основных блоков -- электромиографа и электростимулятора. Электромиограф усиливает мышечные биопотенциалы и обеспечивает минимальный уровень помех («шумов»). Современные электромиографы -- компактные компьютерные системы, с помощью которых проводят исследование по заданной программе. Аппаратура позволяет получать запись минимальных по амплитуде биопотенциалов, производить автоматический оперативный обсчет амплитуды, частоты и длительности латентных периодов, спонтанных и вызванных потенциалов мышц и нервов, осуществлять их спектральный анализ. Возможность усреднения кривых, высокий коэффициент усиления при низком уровне «шумов» обеспечивают возможность использования этих аппаратов и при записи и анализе стволовых и корковых вызванных потенциалов. Используются различные модели электромиографов и электростимуляторов: двухканальный электромиограф ЭМГ СТ-01, а также электромиографы М-440, М-500 и др.[2]

Отведение потенциалов действия мышцы осуществляют при помощи поверхностных электродов, накладываемых на кожу над исследуемой мышцей, или игольчатых, вводимых в мышцу.[2]

Поверхностные электроды представляют собой парные металлические пластины (олово, серебро, и др.) размером 10ґ5 мм, которые накладывают на расстоянии друг от друга 20--25 мм для взрослых и 10--15 мм для детей.

Они используются для регистрации биоэлектрической активности значительного участка мышцы, включающего десятки и сотни функционирующих единиц, результирующая электромиограммы носит название глобальной. Игольчатый электроды применяются для локального отведения биопотенциалов отдельных двигательных единиц (локальная электромиограмма). Оба метода отведения используются самостоятельно или в сочетании, однако у новорожденных и детей раннего возраста чаще исследуют глобальную электромиограмму.[2]

Электрическую стимуляцию мышц и нервов для исследования вызванных мышечных и невральных потенциалов осуществляют обычно с помощью поверхностных стимулирующих электродов с межэлектродным расстоянием от 10 до 20 мм. Применяют пластинчатые или вилочковые электроды в зависимости от глубины залегания стимулируемого нервного ствола. Исследованию подвергают не только те мышцы, которые наиболее патологически изменены, но и симметричные им, а также другие группы мышц, находящиеся в функциональной взаимосвязи с преимущественно пораженными. Каждую мышцу исследуют в нескольких режимах: в покое, при синергических непроизвольных мышечных напряжениях и при максимальном по силе мышечном сокращении. С мышцы, находящейся в состоянии максимально возможного расслабления, т.е. в режиме покоя, биоэлектрическая активность в норме не регистрируется. При слабом мышечном сокращении появляются осцилляции с амплитудой 100--150 мкВ. При максимальном произвольном мышечном сокращении амплитуда осцилляций индивидуальна, как и сила людей, различающихся по возрасту и физическому здоровью, и может достигать в норме 1000)--3000 мкВ. В этих случаях регистрируется так называемая интерференционная кривая, обусловленная асинхронным возбуждением клеток передних рогов спинного мозга и двигательных единиц мышцы, потенциалы действия которых становятся более интенсивными и продолжительными.[2]

В зависимости от уровня поражения нервной и нервно-мышечной систем при электромиографии выявляются дифференцированные изменения. При первичном мышечном поражении (прогрессирующие мышечные дистрофии, миозиты и др.) отмечается снижение амплитуды осцилляций, соответствующее тяжести атрофии мышц и снижению их силы (до 20--150 мкВ при максимальном усилии).

В начальных стадиях заболевания и при медленно прогрессирующем процессе максимальная амплитуда осцилляций может длительное время сохраняться субнормальной (до 500 мкВ). На локальной электромиограмме обнаруживается нормальное общее число потенциалов действия, но уменьшенных по амплитуде и длительности, что обусловлено уменьшением количества мышечных волокон, способных к активации. В качестве компенсации происходит мобилизация большего количества двигательных единиц, обеспечивающих выполнение движений, что проявляется усилением интерференции и числи полифазных (многофазных) потенциалов (Рис. 1.4).[2]

Поражения периферических нервных стволов (наследственные, метаболические, токсические и другие полиневропатии) на глобальной электромиограмме выявляются урежением осцилляций, возникновением неравномерных по амплитуде и частоте одиночных потенциалов на фоне низкоамплитудной активности. На локальной электромиограмме обнаруживаются полифазные потенциалы действия с амплитудой и продолжительностью, близкими к норме. В случае тяжелой невропатии с гибелью большинства нервных волокон наступает постепенное угнетение биоэлектрической активности мышц вплоть до полного биоэлектрического молчания.[2]

А, Б, В -- мотонейроны спинного мозга; 1--7 -- мышечные волокна, относящиеся к иннервации мотонейронов.

Рисунок 1.4 - Схема формирования локальных электромиограмм при первичном мышечном (а), невральном (б), спинальном (в) поражении двигательных единиц

При спинальных амиотрофиях Верднига -- Гоффманна, Кугельберга -- Веландер, переднероговом полиомиелите и других спинальных процессах на глобальной электромиограмме в покое регистрируется спонтанная биоэлектрическая активность в виде ритмичных фасцикуляций с амплитудой до 100--400 мкВ. Максимальная сила сокращения проявляется высоко-амплитудными ритмичными потенциалами, отражающими процесс синхронизации двигательных единиц («ритм частокола»). Локальная электромиограмма характеризуется избыточным количеством потенциалов действия со снижением степени их интерференции.[2]

Характерные изменения определяются при электромиографии у больных с миотоническими синдромами. В этих случаях выявляется миотоническое последействие: после прекращения произвольного сокращения мышцы над ней еще длительное время регистрируется высокочастотная низкоамплитудная электрическая активность с постепенным затуханием. При длительном «выслушивании» активности мышц через звуковой усилитель в режиме покоя периодически удается уловить чрезвычайно специфический звук «пикирующего бомбардировщика». Для локальной электромиограммы при миотонии характерны признаки повышенной возбудимости мышечных волокон: при введении игольчатого электрода в мышцу регистрируется серия потенциалов действия одинаковой амплитуды.[2]

Нарушения нервно-мышечной синаптической передачи, составляющие основу миастенических синдромов, обнаруживаются при повторной ритмической стимуляции нерва сериями супрамаксимальных стимулов длительностью от 1 до 5 с и интервалами между сериями 10 с. Частоту стимуляции увеличивают от 3 до 50 в 1 с. Признаком миастении является прогрессирующее снижение амплитуды вызванного мышечного ответа. В тяжелых случаях этот феномен выявляется при частоте стимуляции 3 в 1 с по соотношению амплитуд мышечного ответа на пятый и первый стимулы в первой же серии стимулов. Дифференциация собственно миастении от миастенических синдромов требует применения специальных сложных методик.[2]

При нарушении надсегментарных влияний на мотонейроны передних рогов спинного мозга, в частности при паркинсонизме, эссенциальном вегетативном треморе, на глобальной электромиограмме регистрируются специфические качественные изменения в виде ритмически повторяющихся «залпов» веретенообразного повышения и последующего снижения амплитуды осцилляций. Длительность «залпов» и их частота зависят от генеза и локализации поражения в ЦНС, но чаще свидетельствуют о заинтересованности структур экстрапирамидной системы.[2]

Развитие стимуляционной электромиографии, изучение изменений основных характеристик вызванных мышечного и неврального ответов, а также скорости проведения импульса по двигательным и чувствительным волокнам нервов при заболеваниях ЦНС и периферической нервной системы широко используются в клинической неврологической практике. Особое значение метод имеет в диагностике невропатий, поскольку поражение нервов, прежде всего демиелинизирующего типа, сопровождается выраженным снижением скорости проведения импульса по нервным волокнам. Наиболее резкое снижение (до 5% от нормальной величины) скорости наблюдается при синдроме Русси -- Леви. Возможность исследования скорости проведения импульса практически в любом отрезке (сегменте) нерва от спинномозговых корешков до терминальных ветвей на кисти и стопе позволяет точно локализовать участок повреждения нервного ствола (например, при его травматическом поражении) и определить место микрохирургического вмешательства.[2]

Основным методом определения скорости проведения импульса ни нерву является стимуляция нервного ствола в двух точках (проксимальной и дистальной) с последующим измерением разности латентных периодов вызванных мышечных ответов или ответов чувствительных волокон нервов (Рис. 1.3).[2]

А, Б -- точки стимуляции нерва; В -- отводящий электрод; S -- расстояние между электродами; Т -- разность латентных периодов. В прямоугольниках показаны соответствующие электромиограммы.

Амплитуда вызванного мышечного ответа снижается при большинстве нервно-мышечных заболеваний, но в большей степени при спинальных и невральных амиотрофиях. Снижение амплитуды вызванного неврального ответа является важным диагностическим критерием поражения аксона периферических нервных волокон даже при отсутствии выраженного снижения скорости проведения импульса по нерву. Важное значение в диагностике имеют регистрация рефлекторного мышечного ответа (Н-рефлекс) и сопоставление его амплитуды с амплитудой прямого вызванного мышечного ответа (М-ответ). Амплитуда Н-рефлекса и соотношение Н/М косвенно отражают уровень сегментарной рефлекторной активности и нарастают при пирамидной недостаточности, сопровождающейся «растормаживанием» сегментарной рефлекторной деятельности.[2]

У новорожденных скорость проведения импульса примерно в 2--3 раза ниже, чем у взрослых, только к 7--16 годам достигает значений, регистрируемых у взрослых.[2]



2. СПЕКТРАЛЬНЫЙ АНАЛИЗ ЭЛЕКТРОМИОГРАММЫ

Спектральный анализ - это один из методов обработки сигналов, который позволяет охарактеризовать частотный состав измеряемого сигнала. Преобразование Фурье является математической основой, которая связывает временной или пространственный сигнал (или же некоторую модель этого сигнала) с его представлением в частотной области. Методы статистики играют важную роль в спектральном анализе, поскольку сигналы, как правило, имеют шумовой или случайный характер. Если бы основные статистические характеристики сигнала были известны точно или же их можно было бы без ошибки определить на конечном интервале этого сигнала, то спектральный анализ представлял бы собой отрасль точной науки. Однако в действительности по одному отрезку сигнала можно получить только некоторую оценку его спектра. К обработке сигналов в реальном масштабе времени относятся задачи анализа аудио, речевых, мультимедийных сигналов, в которых помимо трудностей, связанных непосредственно с анализом спектрального содержания и дальнейшей классификацией последовательности отсчетов (как в задаче распознавания речи) или изменения формы спектра - фильтрации в частотной области (в основном относится к мультимедийным сигналам), возникает проблема управления потоком данных в современных вычислительных системах.[3]

Математической моделью процесса, циклически повторяющегося во времени, является периодический сигнал. Если какой-либо сигнал представлен в виде суммы гармонических колебаний с различными частотами, то говорят, что осуществлено спектральное разложение этого сигнала в базисе гармонических функций. Сумма отдельных гармонических компонент сигнала образует его спектр.[3]

Спектральное представление сигнала можно получить, используя разложение в ряд Фурье. Зададим на интервале времени [-T/2, T/2] полный ортогональный базис, образованный гармоническими функциями с кратными частотами: электромиограмма спектральный сигнал авторегрессионный

Произвольный сигнал s(t) можно разложить на заданном интервале в ряд по тригонометрическому базису, т.е. получить его спектральное представление. Данное разложение справедливо на всей бесконечной оси времени и называется тригонометрическим рядом Фурье:

.

Если колебание представляет собой функцию, четную относительно t, т.е. s (t) = s(-t), то в тригонометрической записи ряда (2.1) остаются только косинусоидальные члены. Для нечетной относительно t функции s(t), наоборот, в ноль обращаются коэффициенты an и ряд состоит только из синусоидальных членов.[3]

В общем случае периодический сигнал содержит в себе не зависящую от времени постоянную составляющую, равную среднему значению сигнала на заданном интервале времени, и бесконечный набор гармонических колебаний, так называемых гармоник с частотами wn = nw1, n = 1, 2, 3, ..., кратными основной частоте последовательности.[3]

2.1 Спектральная плотность мощности

Средняя мощность действительного сигнала в периодическом представлении определяется уравнением (2.3). Если - это периодический сигнал с периодом , он классифицируется как сигнал в периодическом представлении. Выражение для средней мощности периодического сигнала дается формулой (2.2), где среднее по времени берется за один период .[3]



.

Спектральная плотность мощности (СПМ) периодического сигнала, которая является действительной, четной и неотрицательной функцией частоты и дает распределение мощности сигнала по диапазону частот, определяется следующим образом:

.

Уравнение (2.3) определяет спектральную плотность мощности периодического сигнала как последовательность взвешенных дельта-функций. Следовательно, СПМ периодического сигнала является дискретной функцией частоты. Используя СПМ, определенную в уравнении (2.3), можно записать среднюю нормированную мощность действительного сигнала.[3]

Уравнение (2.2) описывает СПМ только периодических сигналов.

Если - непериодический сигнал, он не может быть выражен через ряд Фурье; если он является непериодическим сигналом в периодическом представлении (имеющим бесконечную энергию), он может не иметь Фурье-образа.[3]

2.2 Выбор оптимального метода спектрального анализа электромиографических сигналов

Спектральный анализ переводит описание сигнала из временной области в частотную. Таким образом, спектральное представление сигналов позволяет изучать их частотный состав, то есть судить о том, какой вклад в формирование сигнала вносят колебания определенных частот (2.5).[4]

Как уже упоминалось выше, функциональной единицей нервно-мышечной системы является двигательная единица (ДЕ), состоящая из мотонейрона, его аксона и иннервируемых им мышечных волокон. Таким образом, электромиограмма (ЭМГ) формируется сочетанием потенциалов двигательных единиц, каждая из которых генерирует биоэлектрические импульсы с определенной частотой.[4]

Фундаментальными исследованиями Б.М. Гехта и Р.С. Персон установлено, что ЭМГ здоровой мышцы представлена преимущественно низкочастотными колебаниями. При патологическом изменении состояния мышцы изменяется число функционирующих ДЕ и частота их импульсов, что создает характерную для этого состояния электромиограмму и, соответственно, ее спектр. Это позволяет применить спектральный анализ в качестве дополнительного метода диагностики в электромиографии.[4]

Сначала был сформирован математический аппарат для спектрального анализа непрерывных (континуальных) сигналов, затем появилось дискретное преобразование Фурье (2.5) и быстрое дискретное преобразование Фурье, что сделало спектральный анализ сигналов доступным для цифровых вычислительных машин или компьютеров.[4]

,

где N - число отсчетов дискретного сигнала.

Дискретное преобразование Фурье (ДПФ), по возможности вычисляемое быстрыми методами, лежит в основе различных технологий спектрального анализа, предназначенных для исследования случайных процессов. Дело в том, что если анализируемый сигнал представляет собой случайный процесс, то простое вычисление его ДПФ обычно не представляет большого интереса, так как в результате получается лишь спектр единственной реализации процесса. Поэтому для спектрального анализа случайных сигналов необходимо использовать усреднение спектра. Такие методы, в которых используется только информация, извлеченная из самого входного сигнала, называются непараметрическими.[4]

Непараметрические методы

При использовании непараметрических методов расчета спектра случайного процесса используется только информация, заключенная в отсчетах сигнала, без каких-либо дополнительных предположений. Рассмотрим два таких метода -- периодограмму и метод Уэлча.[4]

Периодограмма - оценка спектральной плотности мощности, полученная по N отсчетам одной реализации случайного процесса.

Периодограмма рассчитывается по следующей формуле:

,

Деление на частоту дискретизации необходимо для получения оценки спектральной плотности мощности аналогового случайного процесса, восстановленного по отсчетам x(k).[4]

Если при расчете спектра используется весовая функция (окно) с коэффициентами w(k), формула (2.7) слегка модифицируется - вместо числа отсчетов N. В знаменателе должна стоять сумма квадратов модулей коэффициентов окна. Полученная оценка спектра мощности называется модифицированной периодограммой:

.

В формуле (2.7) показано, что периодограмма не является состоятельной оценкой спектральной плотности мощности, поскольку дисперсия такой оценки сравнима с квадратом ее математического ожидания. С ростом числа используемых отсчетов значения периодограммы начинают все быстрее флуктуировать.[4]

Метод Уэлча

При вычислении периодограммы по длинному фрагменту случайного сигнала она оказывается весьма изрезанной. Для уменьшения этой изрезанности необходимо применить какое-либо усреднение. Даньелл предложил сглаживать быстрые флуктуации выборочного спектра путем усреднения по соседним частотам спектра.[4]

Данный метод, называемый периодограммой Данъелла, сводится к вычислению свертки периодограммы со сглаживающей функцией. В методе Бартлетта анализируемый сигнал делится на неперекрывающиеся сегменты, для каждого сегмента вычисляется периодограмма и затем эти периодограммы усредняются. Если корреляционная функция сигнала на длительности сегмента затухает до пренебрежимо малых значений, то периодограммы отдельных сегментов можно считать независимыми. В этом случае дисперсия периодограммы Бартлетта обратно пропорциональна числу используемых сегментов, однако с ростом числа сегментов при фиксированном общем числе отсчетов сигнала падает спектральное разрешение (за счет того, что сегменты становятся короче).[4]

Уэлч внес в метод Бартлетта два усовершенствования: использование весовой функции и разбиение сигнала на перекрывающиеся фрагменты. Применение весовой функции позволяет ослабить растекание спектра и уменьшить смещение получаемой оценки спектра плотности мощности ценой незначительного ухудшения разрешающей способности. Перекрытие сегментов введено для того, чтобы увеличить их число и уменьшить дисперсию оценки.[4]

Итак, вычисления при использовании метода Уэлча (он называется еще методом усреднения модифицированных периодограмм) организуются следующим образом:

1. Вектор отсчетов сигнала делится на перекрывающиеся сегменты. Как правило, на практике используется перекрытие на 50 %. Строго говоря, оптимальная степень перекрытия зависит от используемой весовой функции. В приводятся данные о том, что для гауссовских случайных процессов при использовании окна Ханна минимальная дисперсия оценки спектра плотности мощности получается при перекрытии сегментов на 65%.

2. Каждый сегмент умножается на используемую весовую функцию.

3.Для взвешенных сегментов вычисляются модифицированные периодограммы.

4. Периодограммы всех сегментов усредняются.

Так же как и для периодограммы Бартлетта, дисперсия оценки, получаемой методом Уэлча, уменьшается примерно пропорционально числу сегментов. Благодаря перекрытию в методе Уэлча используется больше сегментов, поэтому дисперсия оценки спектра плотности мощности оказывается меньше, чем для метода Бартлетта.[4]

Параметрические методы

Использование параметрических методов подразумевает наличие некоторой математической модели анализируемого случайного процесса. Спектральный анализ сводится в данном случае к решению оптимизационной задачи, то есть поиску таких параметров модели, при которых она наиболее близка к реально наблюдаемому сигналу.[4]

Авторегрессионная модель

Среди возможных параметрических методов спектрального анализа наибольшее распространение получили методы, основанные на авторегрессионной модели формирования сигнала. Это обусловлено простотой модели, удобством расчетов на ее основе и тем, что данная модель хорошо соответствует многим реальным задачам. Рассмотрим авторегрессионный метод подробнее.[4]

Согласно авторегрессионной модели, сигнал {x(k)} формируется путем пропускания дискретного белого шума {n(k)} через «чисто рекурсивный» фильтр N-го порядка (рис.2.1).

Рисунок 2.1 - Авторегрессионная модель формирования сигнала

Авторегрессионные методы анализа спектра больше всего подходят для сигналов, действительно являющихся авторегрессионными процессами. Вообще, хорошие результаты эти методы дают тогда, когда спектр анализируемого сигнала имеет четко выраженные пики. В частности, к таким сигналам относится сумма нескольких синусоид с шумом.[4]

При использовании авторегрессионных методов важно правильно выбрать порядок авторегрессионной модели - он должен быть в два раза больше числа синусоидальных колебаний, которые предположительно содержатся в анализируемом сигнале.[4]

Итак, после рассмотрения различных методов спектрального анализа, был выбран периодограммный метод Уэлча как наиболее удовлетворяющий поставленной задаче.[4]

Применение спектрального анализа к ЭМГ сигналам

На основании спектральных характеристик электромиограмм скелетных мышц человека, полученных с помощью разработанного программного обеспечения, были определены основные частотные диапазоны в норме и при ряде заболеваний нервно-мышечного аппарата с целью внедрения метода в клиническую практику.[5]

Вышеописанный метод анализа ЭМГ нашел практическое применение в неврологической клинике для диагностики заболеваний периферической нервной системы. В частности, его использование позволяет получать дифференцированную информацию об уровне повреждения системы "двигательная клетка - периферический нерв - мышца". Проведенные исследования установили специфичность спектрограммы патологическим изменениям.[5] Так, для повреждения двигательных клеток спинного мозга характерен пик спектрограммы в частотном диапазоне 600-800 Гц (Рис. 2.2).

Рисунок 2.2 - ЭМГ и спектрограмма мышцы пациента с поражением двигательных клеток спинного мозга

В то же время, при локализации патологического процесса в периферическом нерве наблюдаются пики в высокочастотной зоне спектрограммы (Рис. 2.3).[5]

Что касается частотных интервалов, для зоны очень низких частот (VLF) был выбран диапазон 5..150 Гц, для зоны низких частот - диапазон 150..300 Гц, для зоны высоких частот - диапазон 300..3277 Гц. Такой выбор обеспечивает наиболее наглядное представление результатов на столбиковой диаграмме. То есть в норме - столбцы №2 и №3 примерно равны, в случае поражения двигательных клеток спинного мозга - столбец №2 значительно больше столбца №3, а в случае поражения периферического нерва - наоборот - столбец №3 значительно выше столбца №2.[5]



Рисунок 2.3 - ЭМГ и спектрограмма мышцы пациента с поражением периферического нерва

С точки зрения практической медицины метод спектрального анализа ЭМГ имеет определенные преимущества, а именно простоту получения необходимой информации, ее наглядное представление, возможность в ряде случаев избежать болезненных для пациента (игольчатая ЭМГ) и трудоемких для медработников процедур.[5]



3. СХЕМА ПРОГРАММЫ СПЕКТРАЛЬНОГО АНАЛИЗА ЭМГ

Схема алгоритма показана в приложении А. В начале построения программы вводятся данные сигнала 4pat.txt, 5lf.txt, 5hf.txt, 6hf.txt, 6lf.txt, которые представлены в виде файла с оцифрованной электромиограммой.

Схема алгоритма представлена в приложении А. В начале работы программы считываются данные сигнала «4pat.txt». После этого мы задаём частоту дискретизации.

Рассчитываем период дискретизации:

,

где - частота дискретизации.

Строим исходный сигнал. Далее производим преобразование Фурье для нашего сигнала Y(формула 2.5).

строим спектральную плотность мощности сигнала:

.

Затем вычисляем разрешающую способность по частоте:

,

где - последние значение вектора частот;

N - преобразование отсчетов в векторе частот;

Преобразовываем частоты в номер элемента массива:

,



где - частота которую необходимо преобразовать в индекс массива.

Строим исходный график, а также график для спектральной плотности мощности сигнала.

Схема алгоритма представлена в приложении А



4. ПРОГРАММА АНАЛИЗА ЭМГ

Для реализации алгоритма анализа ЭМГ используется программный пакет MATLAB.

Для чтения и обработки данных из файлов 4pat.txt, 5hf.txt, 5lf.txt, 6hf.txt, 6lf.txt использовались следующие функции:

fname=uigetfile({'*.txt','Teкстовый файл'}); - функция, которая позволяет открыть стандартное диалоговое окно Window для выбора файла; указав при этом фильтр файлов *.txt.

fid=fopen(`file_name.txt','rt');-функция открытия файла с исходным сигналом.

f - функция считывания данных с файла;

fid - идентификатор файла;

fclose - для закрытия файла с исходным сигналом;

fd -частота дискретизации;

T - период дискретизации;

plot - для построения графика;

Y = fft(y,800) - преобразование Фурье;

PSDPyy = abs(Y).^2 - спектральная плотности мощности сигнала;

fres=f(end)/(length(f)-1) - разрешающая способность по частоте;

n=fix(f/fres+1) -преобразование частоты в номер элемента массива;

n - номер элемента массива;

f - частота;

fres - разрешающая способность по частоте;

В результате программного исследования ЭМГ были исследованы следующие сигналы: 4pat.txt, 5hf.txt, 5lf.txt, 6hf.txt, 6lf.txt, среди которых первый с паталогией. Результаты расчета СПМ приведены в таблице 4.1.

Результат работы программы приведены в приложении В.

Графики исходных сигналов изображены на рисунках В1, В3, В5, В7, В9.

Графики спектральной плотности мощности ЭМГ В2, В4, В6, В8, В10.

Таблица 4.1 - Значение спектральной плотности мощности

СПМ на интервалах	Исследуемые сигналы
	4pat.txt	5hf.txt	5lf.txt	6hf.txt	6lf.txt
	3.8941e+11	7.8927e+10	3.5053e+11	4.4285e+10	6.3887e+10
	8.3899e+09	9.1312e+09	5.1408e+08	7.9464e+09	8.0919e+08
	3.3650e+08	3.1847e+08	2.4161e+08	1.0716e+09	1.7700e+09

По таблице 4.1 видно что на диапазоне сигналы 4pat.txt и 5lf.txt имеют 11-й порядок, а сигналы 5hf.tx, 6hf.txt и 6lf.txt имеют 10-й порядок.

На диапазоне сигналы 4pat.txt, 5hf.txt и 6hf.txt имеют 9-й порядок, а 5lf.txt и 6lf.txt 8-й.

На диапазоне сигналы 4pat.txt, 5hf.txt и 5lf.txt имеют 8-й порядок, остальные 9-й.



ВЫВОДЫ

В первом разделе рассмотрены биофизические принципы электромиографии, описано происхождение электромиографического сигнала, приведены основные показатели электромиографической волны.

Во втором разделе рассматриваются основные принципы спектрального анализа. В качестве метода обработки электромиограммы выбрана спектральная плотность мощности.

В третьем разделе разработан алгоритм обработки электромиограммы, который базируется вычислении спектральной плотности мощности, разрешающей способности по частоте, и преобразование частоты в номер элемента массива.

Разработанные алгоритмы программно реализованы в среде MatLab 12.0 и представляют собой: считывание данных сигнала, нахождение частоты дискретизации, расчета периода дискретизации, построение исходного сигнала. Далее производим преобразование Фурье для нашего сигнала. После этого мы рассчитываем количество точек для построения шкалы частоты, строим спектральную плотность мощности сигнала, строим график СПМ. Затем вычисляем разрешающую способность по частоте, и преобразование частоты в номер элемента массива.

В первом разделе проведены медико-техническое обоснование работы, рассмотрены биофизические характеристики и законы гемодинамики, описаны реологические свойства крови и приведены неинвазивные методы измерения давления. Во втором разделе рассматриваются физические основы пульсоксиметрии, приведены достоинства и недостатки метода. Актуальность использования метода в наше время, изучено принципы современной пульсоксиметрии, приведено область применения данного метода, а также рассмотрены особенности установки датчика пульса.

В третьем разделе разработан



ПЕРЕЧЕНЬ ССЫЛОК

1. Гехт Б.М. Теоретическая и клиническая электромиография. - Л.: Наука, 1990. - 229 с.

2. Васильева-Линецкая Л.Я., Роханский А.О., Галацан А.В., Черепащук Г.А., Степанов А.М., Шабалдас Д.А. Автоматизированная система исследований электромиографических сигналов человека // Открытые информационные и компьютерные информационные технологии. - Харьков,1998. - Вып. 2 - с.215-220.

3. Иванова-Смоленская И.А., Кандель Э.И., Андреева Е.А. и др. Спектральный электромиографический анализ эссенциального тремора// Журн. невропатол. и психиатр. -- 1986. --Т. 86. Вып. 7. -- С. 975--980.

4. Бабкин Л. С., Гехт Б. М., Полуказаков С. Я., Федотов В. Л. Автоматический анализ игольчатой ЭМГ в дифференциальной диагностике нервно-мышечных заболеваний// Журн. невропатол. и психиатр.--1988.--Т. 86, Вып. II.--С. 1623--1628.

5. Коуэн X. Л., Брумлик Дж. Руководство по электромиографии и электродиагностике: Пер. с англ.--М.: Медицина, 1975.-- 192 с.

6. Методичні вказівки до лабораторних робіт з дисципліни «Автоматизація обробки і аналізу біомедичної інформації» Упоряд.: Жемчужкіна Т.В., Козіна О.А. - Харків: ХНУРЕ, 2007. - 92 с.



ПРИЛОЖЕНИЯ

Приложение 1

Спектральный анализ ЭМГ. Код программы спектрального анализа ЭМГ

close all; %закрываем все открытые ранее графические окна

%Сигнал 1

%вызов диалогового окна

fname=uigetfile({'*.txt','Teкстовый файл'});

fid=fopen(fname,'rt');

y=fscanf(fid,'%f',[1,Inf]);

figure(1)

fd = 1600;

T=1/fd;

t= 0:T:(length(y)-1)*T;

plot(t,y)

title('Исходный сигнал')

xlabel('Время (t)');

Y = fft(y); %Быстрое преобразование Фурье по 1600 точкам

PSDPyy = abs(Y).^2; %Спектральная плотность мощности сигнала (квадрат модуля)

f = -fd/2:fd/(length(PSDPyy)-1):fd/2; % шкала частоты для построения - достаточно половины точек

f=fftshift(f);

figure(2)

plot(f(1:fix(end/2)),PSDPyy(1:fix(end/2))) % Вывод спектральной плотности мощности сигнала

title('Спектральная плотность мощности сигнала')

xlabel('Частота Гц');

fres=f(2)-f(1); %вычисляем разрешающую способность по частоте

n5=fix(5/fres+1);%преобразование частоты в номер элемента масива

n150=fix(150/fres+1);

n300=fix(300/fres+1);

n800=fix(800/fres+1);

SVLF=trapz(f(n5:n150),PSDPyy(n5:n150))

SVLF=trapz(f(n150:n300),PSDPyy(n150:n300))

SVLF=trapz(f(n300:n800),PSDPyy(n300:n800))

Приложение 2

Рисунок В1 -- График исходного сигнала 4pat.txt

Рисунок В2 -- Спектральная плотность мощности сигнала 4pat.txt



Рисунок В3 -- График исходного сигнала 5hf.txt

Рисунок В4 -- Спектральная плотность мощности сигнала 5hf.txt

Рисунок В5 -- График исходного сигнала 5lf.txt



Рисунок В6 -- Спектральная плотность мощности сигнала 5lf.txt

Рисунок В7 -- График исходного сигнала 6hf.txt

Рисунок В8 -- Спектральная плотность мощности сигнала 6hf.txt



Рисунок В9 -- График исходного сигнала 6lf.txt

Рисунок В10 -- Спектральная плотность мощности сигнала 6lf.txt

Размещено на Allbest.ru

...