Projeto de um sistema de monitoramento para a aquisição de sinais eletromiográficos não invasivos nas extremidades superiores
Barra lateral de artigos
Conteúdo do artigo principal
Resumo
As técnicas e tecnologias para colecionar, analisar, representar e armazenar dados médicos de forma confiável evoluíram rapidamente. Uma dessas metodologias é a eletromiografia de superfície clínica, que permite gravar e analisar a atividade bioelétrica útil para o diagnóstico de transtornos neuromusculares congênitos ou adquiridos, bem como determinar a localização anatômica exata do problema e da intensidade. O sinal eletromiográfico é uma técnica utilizada para várias aplicações em diferentes áreas, como neurologia, reabilitação, ortopedia, entre outros. Este artigo apresenta o design de cada uma das etapas de desenvolvimento e implementação para simulação de sinais eletromiográficos de superfície (EMG), utilizando um método não-invasivo. Que proporciona a atividade elétrica dos músculos com grande objetividade e rapidez que são verificados nos músculos dos membros superiores. Para a implementação dos circuitos, São utilizados componentes fáceis de usar, contribuindo para o desenvolvimento tecnológico do país.
Detalhes do artigo
Seção
DECLARACIÓN DE ORIGINALIDAD DE ARTÍCULO PRESENTADO
Por medio del presente documento, certifico(amos) que el artículo que se presenta para posible publicación en la revista institucional INGENIO MAGNO del Centro de Investigaciones de Ingeniería Alberto Magno CIIAM de la Universidad Santo Tomás, seccional Tunja, es de mi (nuestra) entera autoría, siendo su contenido producto de mi (nuestra) directa contribución intelectual y aporte al conocimiento.
Todos los datos y referencias a publicaciones hechas están debidamente identificados con su respectiva nota bibliográfica y en las citas que se destacan como tal. De requerir alguna clase de ajuste o corrección, comunicaré(emos) de tal procedimiento con antelación a los responsables de la revista.
Por lo anteriormente expresado, declaro(amos) que el material presentado en su totalidad se encuentra conforme a la legislación aplicable en materia de propiedad intelectual e industrial de ser el caso, y por lo tanto, me(nos) hago (hacemos) absolutamente responsable(s) de cualquier reclamación relacionada a esta.
En caso que el artículo presentado sea publicado, manifiesto(amos) que cedo(emos) plenamente a la Universidad Santo Tomás, seccional Tunja, los derechos de reproducción del mismo.
Como Citar
Referências
Laplante, Phillip A. (2005). Comprehensive dictionary of electrical engineering. Boca Raton, FL: Taylor & Francis.
Reaz, M., & Hussain, F., (2006). Techniques of EMG Signal Analysis: Detection, Processing, Classification and Applications. Biological Procedures.
Adel, R., & Luykxr. (1991). Electroterapia de frecuencia baja y media. Netherland: Editorial Alfa.
Akhtar, A., Aghasadeghi, N., Hargrove, L., & Bretl, T. (2017). Estimation of distal arm joint angles from EMG and shoulder orientation for transhumeral prostheses. Journal of Elec-tromyography and Kinesiology, 35, 86–94. https://doi.org/10.1016/j.jelekin.2017.06.001
Boschetti., G. (2002). ¿Que es la electroestimulación? Teoría, práctica y metodología del entrenamiento., Barcelona: Editoria Paidotribo.
Clancy, E. A., Martinez-luna, C., Wartenberg, M., Dai, C., & Farrell, T. R. (2017). Two de-grees of freedom quasi-static EMG-force at the wrist using a minimum number of electrodes q. Journal of Electromyography and Kinesiology, 34, 24–36. https://doi.org/10.1016/j. jelekin.2017.03.004
Hoz, E. D. La, Franklin, J., Marques, D. A., & Gallego, O. (2015). Utilidad del Biofeedback Perineal en las disfunciones del piso pélvico.
Khushaba, R. N., Al-timemy, A., Kodagoda, S., & Nazarpour, K. (2016). Combined influence of forearm orientation and muscular contraction on EMG pattern recognition. Expert Systems With Applications, 61, 154–161. https://doi.org/10.1016/j.eswa.2016.05.031
Kim, B., Kim, L., Kim, Y., & Yoo, S. K. (2017). ScienceDirect Cross-association analysis of EEG and EMG signals according to movement intention state. Cognitive Systems Re-search, 44, 1–9. https://doi.org/10.1016/j. cogsys.2017.02.001
Malanda, A., Rodriguez-falces, J., Porta, S., & Navallas, J. (2017).
Biomedical Signal Processing and Control Motor unit profile: A new way to describe the scanning-EMG po-tential, 34, 64–73. https://doi.org/10.1016/j.bspc.2016.12.020
Moreno, O., González, J. & Ballesteros, J. (2015). Transformación de archivos DICOM a formatos XML, JPEG y PNG. Revista Científica, 21, 71-80. Doi: 10.14483/udistrital.jour. RC.2015. 21.a7
Verikas, A., Parker, J., Bacauskiene, M., & Olsson, M. C. (2017). Exploring relations be-tween EMG and biomechanical data recorded during a golf swing, 88, 109–117. https://doi.org/10.1016/j.eswa.2017.06.041
Villamizar, J., & Sc, P. M. (2012). Brazo robótico controlado por electromiografía.
Laplante, Phillip A. (2005). Comprehensive dictionary of electrical engineering. Boca Raton, FL: Taylor & Francis.
Reaz, M., & Hussain, F., (2006). Techniques of EMG Signal Analysis: Detection, Processing, Classification and Applications. Biological Procedures.