Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Olga Szymanowska

Ocena stanu mięśnia trójgłowego łydki na podstawie analizy sygnału sEMG


Evaluation of triceps surae activity based on sEMG signal analysis


Opiekun pracy dyplomowej: prof. dr hab. inż. Michał Strzelecki
Praca dyplomowa magisterska obroniona 2016-09-27
Streszczenie pracy dyplomowej:
Elektromiografia jest badaniem aktywności elektrycznej mięśni. sEMG (elektromiografię powierzchniową) wykonuje się za pośrednictwem elektrod przyklejonych do skóry pacjenta. Sygnałem EMG jest różnica potencjałów między elektrodami, wynikająca z rozprzestrzeniającego się impulsu wywołującego skurcz. Amplituda tych sygnałów jest niewielka, przez co sygnał jest podatny na zakłócenia. Według źródeł literaturowych, możliwe jest wykrycie z użyciem EMG zmęczenia mięśnia. Aby tego dokonać, niezbędne jest przetworzenie sygnału i przeanalizowanie go zarówno w dziedzinie czasu jak i częstotliwości, a często także w dziedzinie czasowo-częstotliwościowej. Mięsień trójgłowy łydki znajduje się w tylnej części podudzia. Tworzą go dwa mięśnie, tj. mięsień płaszczkowaty i znajdujący się nad nim dwugłowy mięsień brzuchaty. Mięśnie te, poza różnicą w typie (kształcie), różnią się między sobą przeważającym typem włókien mięśniowych. Mięsień płaszczkowaty w dużej mierze składa się z tzw. włókien wolnokurczliwych, dzięki czemu dobrze znosi długotrwały wysiłek o stosunkowo niskiej intensywności. Natomiast w obu głowach mięśnia brzuchatego przeważają włókna szybkokurczliwe, dzięki czemu przystosowany jest on do krótkich acz intensywnych skurczów. Z natury, włókna szybkokurczliwe ulegają zmęczeniu szybciej aniżeli wolnokurczliwe. Celem pracy było zweryfikowanie, czy możliwa jest ocena stanu mięśnia (zmęczenia) za pośrednictwem sEMG. Cel realizowano poprzez wykonanie badań EMG mięśnia trójgłowego łydki w trakcie ćwiczeń obciążających ten mięsień, a także późniejsze przetwarzanie i analizę otrzymanego sygnału w dziedzinie czasu i częstotliwości. W tym celu z wykorzystaniem języka Python stworzono narzędzie, które poza funkcjami przetwarzania i analizy oferuje interfejs graficzny. Na podstawie wyników przeprowadzonej analizy stanu mięśnia trójgłowego łydki nie udało się uzyskać zależności zgodnych ze znalezionymi w literaturze. Powodami takiego stanu rzeczy mogą być zakłócenia sygnału, niewłaściwa lokalizacja elektrod, bądź fakt, iż mięsień trójgłowy łydki jest największym mięśniem podudzia przystosowanym do ciągłej pracy w trakcie chodzenia i trudno ulega zmęczeniu.
Abstract:
Electromyography is a technique of measuring the electrical activity of muscles. sEMG (surface electromyography) is conducted with the use of electrodes placed on the skin of the patient. EMG signal represents the potential difference between the electrodes resulting from the spread of the impulse causing muscle contraction. The amplitude of the signal is small what makes the signal susceptible to interference. According to literature study, it is possible to detect the muscle fatigue using the EMG. To do so, it is necessary to process the signal and then analyse it in time, frequency, and often also time-frequency domains. Triceps surae belongs to muscles of the lower limb. It is located in the back of the calf and consists of two muscles, i.e. soleus and two-headed gastrocnemius muscles. These muscles, despite the difference in the type (shape), differ in the predominant type of muscle fibers. Soleus largely consists of the so-called. slow-twitch fibres, and thus it tolerates long-term effort of a relatively low intensity. On the contrary, both heads of the gastrocnemius muscle mainly consist of fast-twitch fibres that make the muscle adapted to short yet intense contractions. By nature, fast-twitch fibres fatigue faster than slow-twitch ones. The aim of the study was to verify if it is possible to evaluate the triceps surae fatigue by means of sEMG. For this purpose, sEMG tests were performed during exercises focused on the calf muscles, and the subsequent processing and analysis of the received signal in both the time and frequency domains were performed. Also, with the employment of Python programming language, dedicated software enabling signal processing and analysis was created. No satisfactory (i.e. compatible with the literature) results of the analysis of the triceps surae activity were obtained. The reasons for this may be signal interference, improper location of the electrodes, or the fact that triceps surae is the largest muscle of the lower leg adapted to continuous work during gait and thus it hardly gets tired.