Laboratorní úloha č.4: Elektromyogram

Podobné dokumenty
Laboratorní úloha č. 8: Elektroencefalogram

diogram III. II. Úvod: Elektrokardiografie elektrod) potenciálu mezi danou a svorkou Amplituda [mv] < 0,25 0,8 1,2 < 0,5 Elektrická

Laboratorní úloha č. 8: Polykardiografie

4. PŘEDNÁŠKA 15. března 2018

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014

Signál v čase a jeho spektrum

Statistika pro geografy

FYZIKÁLNÍ PRAKTIKUM FJFI ČVUT V PRAZE

7. Elektromyografie - EMG.

Lineární funkcí se nazývá každá funkce, která je daná rovnicí y = ax + b, kde a, b jsou reálná čísla.

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

1 Zpracování a analýza tlakové vlny

Náhodné signály. Honza Černocký, ÚPGM

Merkur perfekt Challenge Studijní materiály

Číslicové zpracování signálů a Fourierova analýza.

1. Navrhněte a prakticky realizujte pomocí odporových a kapacitních dekáda derivační obvod se zadanou časovou konstantu: τ 2 = 320µs

fluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot Heart Rate Variability) je jev, který

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

Úloha D - Signál a šum v RFID

Obr. 1 Činnost omezovače amplitudy

Ukázka závěrečného testu

Merkur perfekt Challenge Studijní materiály

Číslicový Voltmetr s ICL7107

Diferenciální rovnice 3

Matematika I A ukázkový test 1 pro 2014/2015

Snímání biologických signálů. A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

TEPELNÉ ÚČINKY EL. PROUDU

Matematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a

Binární data. Číslicový systém. Binární data. Klávesnice Snímače polohy, dotykové displeje, myš Digitalizovaná data odvozená z analogového signálu

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

8. Normální rozdělení

pracovní list studenta

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Střední průmyslová škola elektrotechnická a informačních technologií Brno

Laboratorní úloha č. 4 - Kmity II

Střední průmyslová škola elektrotechnická a informačních technologií Brno

Komplexní obálka pásmového signálu

r Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.

Zápočtová práce STATISTIKA I

MKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.

Střední průmyslová škola elektrotechnická a informačních technologií Brno

Převodníky fyzikálních veličin (KKY/PFV)

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

Systém vykonávající tlumené kmity lze popsat obyčejnou lineární diferenciální rovnice 2. řadu s nulovou pravou stranou:

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Polykardiografie. Cíle. Pulsní pletysmografie měří optickou transparentnost/odrazivost, která se mění se změnou pulzního tlaku v cévkách měkkých tkání

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

íta ové sít baseband narrowband broadband

Optimální trvanlivost nástroje

10. PŘEDNÁŠKA 27. dubna 2017 Artefakty v EEG Abnormální EEG abnormality základní aktivity paroxysmální abnormality epileptiformní interiktální

oblasti je znázorněn na obr Komplexní obálku můžeme rozepsat na její reálnou a

2. MĚŘENÍ TEPLOTY TERMOČLÁNKY

Číslicové filtry. Honza Černocký, ÚPGM

8 Střední hodnota a rozptyl

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

pracovní list studenta

9. Motorické funkce. Úvod.

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík

MĚŘENÍ TEPLOTY TERMOČLÁNKY

Diskrétní náhodná veličina

Metoda nejmenších čtverců Michal Čihák 26. listopadu 2012

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

pracovní list studenta

pracovní list studenta

Laboratorní práce č. 1: Určení voltampérových charakteristik spotřebičů

Elektronické vážící zařízení s analogovým výstupem C2AX Cod Elektronická řídící jednotka Cod Al snímač 100x80 NÁVOD NA POUŽITÍ A ÚDRŽBU

ADA Semestrální práce. Harmonické modelování signálů

2. Číslicová filtrace

Jméno a příjmení. Ročník. Měřeno dne Příprava Opravy Učitel Hodnocení. Charakteristiky optoelektronických součástek

Časové řady - Cvičení

MATEMATIKA I - vybrané úlohy ze zkoušek v letech

3a. Elektromyografie. Sestava ke snímání polyelektromyogramu svalů předloktí

Osnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky

Operace s vektory a maticemi + Funkce

Měření vlastností optického vlákna

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Aplikovaná matematika I

MATEMATIKA III V PŘÍKLADECH

LABORATORNÍ CVIČENÍ Z MST KATEDRA TELEK. TECHNIKY. Měření nf charakteristik. ŠTĚPÁN Lukáš 2006/2007. Datum měření

PŘECHODOVÁ CHARAKTERISTIKA

KTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení?

pracovní list studenta

5. Stanovení tíhového zrychlení reverzním kyvadlem a studium gravitačního pole

Kalibrace a limity její přesnosti

Analyzátor vibrací Adash VA3 Dvoukanálová měření

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

9.2. Zkrácená lineární rovnice s konstantními koeficienty

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE

Návrh frekvenčního filtru

Elektronické praktikum EPR1

Transkript:

Laboratorní úloha č.: Elektromyogram Úvod: Svaly jsou ke kontrakci stimulovány nervovými impulsy přicházejícími z centrální nervové soustavy (CNS) skrz míchu a motorické nervové kořeny, které obsahují jednotlivá motorická nervová vlákna. Jedno motorické nervové vlákno může inervovat několik svalových vláken. Spojení jednoho nervového vlákna a všech svalových vláken, které inervuje, se nazývá motorická jednotka (motor unit). Počet svalových vláken připadajících na jedno motorické nervové vlákno, tedy velikost motorické jednotky, se odvíjí podle umístění svalu na těle, resp. podle toho, jak jemná a precizní má být činnost daného svalu. Proces, kdy se při svalové činnosti aktivují jednotlivé motorické jednotky, nazýváme nábor motorických jednotek (motor unit recruitment). Síla stažení svalu je přitom přímo úměrná počtu zapojených motorických jednotek a dále frekvenci nervových impulsů přicházejících do každé jednotky. Amplituda elektrických impulsů přiváděných nervovými vlákny a dále vedených svalovými vlákny je velmi malá, méně než 1 µv, ale protože jsou tyto impulsy vedeny souběžně velmi mnoha vlákny, je vzniklý nasčítaný signál dostatečně velký na to, aby byl měřitelný na povrchu přiléhající pokožky pomocí páru elektrod. Elektrický signál měřitelný na povrchu pokožky a produkovaný při svalové kontrakci se nazývá elektromyografický signál (EMG) a jeho záznam se nazývá elektromyogram. Z popisovaných vlastností svalu vyplývá, že čím větší síla je od svalu požadována, tím rychleji musí do svalu přicházet impulzy z CNS a musí být zapojeno více svalových jednotek. Více svalových jednotek vytváří více myopotenciálů, tedy v součtu větší amplitudu EMG. Elektromyografie zahrnuje skupinu elektrofyziologických metod, které registrují elektrické projevy při činnosti svalového a nervového aparátu. EMG záznam poskytuje informace umožňující diferenciální diagnostiku svalových a neuromuskulárních poruch. Cíle úlohy: 1. Analyzujte vlastní nebo jeden Vámi zvolený povrchový EMG signál při různém volním úsilí: a) vypočtěte průměrné EMG z obálek signálu získaných: s použitím filtru klouzavých průměrů (MovingAverage) s použitím integrátoru vhodně zvolte parametry filtrů, diskutujte vliv délky klouzavého okna a integrační konstanty; porovnejte filtry b) vypočtěte celkovou integraci EMG za celou dobu volního úsilí c) vypočtěte integrované EMG v intervalech po např. ms d) vypočtěte integrované EMG v intervalech, kdy integrace dosáhne např. 1 mv e) zobrazte výkonová spektra jednotlivých kontrakcí: vypočtěte frekvenci mediánu výkonu ( % výkonu). Analýza únavy (stanovte parametry závislé na únavě v časové a frekvenční oblasti) vyberte dva úseky analyzovaného signálu; jeden na začátku kontrakce, druhý ke konci, kdy ale ještě nedošlo k výraznému poklesu vyvinuté síly: vypočítejte a porovnejte výkonová spektra obou úseků z analýzy celého signálu zjistěte, které konkrétní parametry poskytují informaci o únavě a zda nám více informací poskytují parametry získané z časové nebo frekvenční oblasti. Klouzavě ve zvoleném okně určete trend: směrodatná odchylka počet průchodů nulou ZCR zerocrossing rozdíl "špička-špička" medián frekvencí 1. spektrální moment těžiště spektra. spektrální moment rozprostření spektra 1

Data potřebná k vypracování úlohy: http://sami.fel.cvut.cz/bsg/cv/data_lab.zip Pořízení biologických signálů: 1. Snímání povrchového EMG při volním úsilí. Síla se snímá dynamometrem; EMG aktivita s použitím povrchových elektrod. Během záznamu trvajícím 1 sekund se tiskne třikrát dynamometr a to vždy za užití větší síly. Dynamometr stiskněte třikrát za sebou: nejprve slabě, poté středně a nakonec silně. snímací elektrody sila [kg] 6 dynamometr 1 3 6 dynamometr EMG [mv] - 1 3 6. Analýza únavy. Snímání vyvinuté síly a EMG aktivity se provádí stejným způsobem jako v předcházejícím bodě. Stiskněte dynamometr při co největším volním úsilí po co nejdelší dobu. Snažte se udržet konstantní sílu stisku. dynamometr sila [kg] 1 3 6 EMG [mv] - 1 3 6

Struktura dat: 1. Snímání povrchového EMG při volním úsilí Př.: emg_3xr.txt fs= 1 Hz 1. sloupec... síla na dynamometru [kg]. sloupec... EMG [mv]. Analýza únavy Př.: emg_vydrz.txt fs= 1 Hz 1. sloupec... síla na dynamometru [kg]. sloupec... EMG [mv] Nápověda k některým úkolům: 1) Průměrné EMG (obálka): integrátor, viz 3. úloha klouzavé průměry: % např. MA-filtr. řádu % b=ones(,1)/; % a=1; obálky je třeba časově posunout a nanormovat vhodně zvolenou konstantou Obrázek 1: Obálky EMG signálu s různým volním úsilím, porovnání obálek s úsilím (normovaně k EMG) obálky emg signálu emg MA-filter integrator - 1 1 3 3 6 6 síla MA-filter integrator 1 1 3 3 6 vzorky [-] Celková integrace energie kumulativní součet absolutních hodnot EMG v diskrétním čase EMG v časových intervalech: postupné sčítání absolutních amplitud EMG, v ms se čítač nuluje: counter=zeros(size(emg,1)-1,1); % vytvoření čítače for i=1:size(emg,1)-1; if mod(i,.*fs)== % když je pozice na ms counter(i)=; % vynuluj čítač end counter(i+1)=counter(i)+abs(emg(i+1,)); % čítač + emg end 3

EMG v intervalech po dosažení 1 mv: obdobně jako v časových intervalech, změňte jen podmínku nulování Obrázek : EMG, celková integrace, integrace po ms, integrace do 1 mv EMG U [mv] - 1 3 6 7 cumsum EMG 1 3 6 7 integrace po ms [mv.s -1 ] 1 1 3 6 7 integrace do 1 mv 1 1 3 6 7 čas [s] Spektra jednotlivých kontrakcí: ručně vyberte úseky EMG signálu jednostranné spektrum: S=abs(fft(usek_emg)); % oboustranné S=S(1:round(end/)); % jednostranné kumulativní součet výkonového spektra: f=linspace(,fs/,length(s)); % frekvence spektra med_f=f(find(cumsum(s)>=.*sum(s),1)); % frekvence, kde kumulativní součet výkonového spektra dosáhne % Obrázek 3: Odhad výkonových spekter a mediány frekvencí úseků volního úsilí - EMG PSD x 1-3 1 1 1 8 6 1 1 3 3 6 x 1-3 vzorky [-] 1 1 PSD 1 1 1 1 PSD.6.. 1 1 cumsum PSD [%] 1 1 1 k. = 6Hz cumsum PSD [%] 1 1 1 k. = 9Hz cumsum PSD [%] 1 1 1 k. = 71Hz

) Parametry signálů: - vyberte dva úseky analyzovaného signálu; jeden na začátku kontrakce, druhý ke konci, kdy ale ještě nedošlo k výraznému poklesu vyvinuté síly. Vypočítejte a porovnejte výkonová spektra obou úseků. Obrázek : Odhad spektra dvou rozdílných úseků U [mv] EMG - 1 3 6 síla [kg] [µw] 1 3 6 PSD-pwelch.1.8.6.. 6 8 1 a) pro celý signál EMG, kde můžeme pozorovat reálné hodnoty naměřené síly (poz: odstraňte zhruba prvních a posledních vzorků signálu), nejprve segmentujte signál a poté pro každý segment spočítejte následující parametry průchody nulou ZCR: segmentujte úsek signálu, zvolte vhodné okno a překryv (winsize, noverlap) zcr=[]; index=1:winsize-noverlap:length(usek)-winsize+1; usek=usek-mean(usek); % odstranění stejnosměrné s. for i=index; segment=usek(i:i+winsize-1); polarita=sign(segment); % jen znamínka signálu (+1,-1) pruchody=diff(polarita); % změna polarity pocet_nul=sum(pruchody~=); % součet změn = zcr zcr=[zcr,pocet_nul]; % uložení zrc daného segmentu end rozdíl "špička-špička", myšleno rozdíl mezi maximální a minimální hodnotou amplitudy v signálu medián frekvence: f=linspace(,fs/,length(s)); % frekvence spektra med_f=f(find(cumsum(s)>=.*sum(s),1)); % frekvence, kde kumulativní součet spektra dosáhne %

spektrální momenty: = / () / = () mom1=sum(f.*s)/sum(s); % frekvence těžiště spektra mom=sqrt(sum((f.^).*s)/sum(s)-mom1.^); % rozprostření spektra b) v dalším kroku určete trend proložením přímkou a vykreslete graf viz. obrázek. (polynomem 1. stupně): % t_start je čas začátku úseku t=linspace(t_start,(index(end)+winsize-1)/fs,length(index)); p=polyfit(t,zcr,1); % nalezne koeficienty lineární rovnice trend_zcr=polyval(p,t); % dopočte hodnoty y ze zadaných koeficientů rovnice, dále s pomocí funkce linspace vykreslete přímku. Obrázek : EMG při zkoumání svalové únavy; parametry EMG v závislosti na čase proložené přímkou. STD [mv] max-min [mv] ZCR med 1. mom [Hz]. mom segmentace, parametrizace - proložení přímkou. 1.8 1.6 1. 1. 1 1 3 3 1 1 8 6 1 1 3 3 1 1 3 3 7 6 1 8 1 1 1 3 3 1 1 3 3 1 1 1 3 3 Užitečné funkce: fft,pwelch, cumsum, linspace, sign, polyfit, polyval, diff, filter, sum, mean,median, mod, std, abs 6