Análisis de Bioseñales Utilizando La Transformada Wavelet

Análisis de Bioseñales Utilizando la
Transformada Wavelet
Ing. Francisco Javier Ortiz Ortiz

Ing. Carlos Eduardo Quizhpe Cárdenas
Universidad Politécnica Salesiana - http://www.ups.edu.ec Grupo de Investigación en Ingeniería Biomédica GIIB - UPS
Objetivos
Conocer e interpretar el uso de la cuantificación electromiográfica en la
actualidad.
Diferenciar la información y las características que se pueden extraer de una

señal EMG.
Implementar el uso de la TW para analizar señales EMG.
Cuantificación de señales
Electromiográficas (EMG)
o La cuantificación de señales EMG ha empleado diferentes técnicas y
herramientas según las posibilidades tecnológicas de cada época.
oLos métodos cuantitativos intentan reemplazar criterios subjetivos por medidas
y valores exactos que permitan generar criterios fisiopatológicos significativos.
oUn estudio cuantitativo depende de condiciones como la colaboración del
paciente, espacios con ruido escaso; lo cual permite tener resultados
satisfactorios o no.
Cuantificación de señales
Electromiográficas (EMG)
Ventajas Limitaciones
Menor subjetividad en el análisis a comparación del Pérdida de tiempo
análisis cualitativo.
Mayor sensibilidad y especificidad Requiere un evaluador con experiencia
Más confiabilidad en casos extremos Requiere buena cooperación del paciente
Reproducible y basado en evidencias Músculos disponibles limitados a aquellos con
Datos comparables a lo largo del tiempo material de referencia
Algoritmos de análisis (Dominio del
Tiempo)
Amplitud: comparación de dos o mas señales obtenidas en un mismo proceso.
RMS: cálculo de valores máximos en una señal rectificada.
Media Absoluta: promedio de las muestras de una activación.
Cruces por cero: número de veces que la amplitud de la señal cruza por cero.
Histograma de las EMGs: permiten tener una representación por intervalos de, amplitudes o cruces
por cero.
Coeficientes de autor regresión: modelo predictivos que se basa en las muestras anteriores.
Giros: número de cambio de dirección de la señal.
Algoritmos de análisis (Dominio de la
Frecuencia)
Media de frecuencia: promedio de energías de espectro de frecuencias.
Mediana de frecuencia: es un valor que divide al espectro de frecuencia en dos regiones de
iguales amplitudes.
Pico máximo de frecuencia: máximo valor de energía de un espectro de frecuencia.
Media de energía: promedio de energía de la señal.
Relación de frecuencias (Frequency Ratio): permite distinguir entre etapas de contracción y
relajamiento muscular.
Coherencia muscular: refleja la sincronización muscular entre dos tipos iguales de músculos.
Algoritmos de análisis (Técnicas
Matemáticas)
Transformada Rápida de Fourier: espectro infinito de ondas que únicamente nos proporcionan
información de las frecuencias que se encuentran presentes en la señal mas no de su momento
de ocurrencia
Transformada Wavelet: permite representar una señal tanto en el dominio del tiempo como en
el dominio de la frecuencia, con lo que se puede determinar el intervalo de tiempo en el cual
aparecen ciertas componentes de frecuencia.
Distribución Winger Ville: nos permite determinar la energía de una señal en un intervalo
centrada en un tiempo t. Puede ser entendida como una representación en 2 dimensiones de la
energía de una señal analizada sobre el plano de tiempo-frecuencia.
Significado fisiopatológico de los parámetros del potencial de acción de unidad motora (PAUM)
Anormalidad del PAUM Fenómeno anatómico-funcional relacionado
Amplitud Reducida Atrofia de fibras musculares
Aumento del tejido conectivo
Jitter y bloqueo intenso
Amplitud Incrementada Agrupamiento de fibras musculares (reinervación)
Hipertrofia de fibras musculares
Duración reducida Atrofia de fibras musculares
Pérdida de fibras musculares
Bloqueo marcado de potenciales en la placa motora
Duración Incrementada Incremento del número de fibras musculares por reinervación colateral
Incrementos del número de fases y giros Conducción heterogénea en las ramificacionesaxónicas terminales
Incremento de la anchura de la zona de placa motora
Incremento de la variabilidad del diámetro de las fibras musculares
Aumento de la frecuencia de reclutamiento Pérdida de unidades motoras
Reducción de la fuerza generada por las unidades motoras
Aumento del jiggle Transmisión neuromuscular alterada
Análisis de Señales
oLa información que entrega una representación
tiempo – frecuencia de una señal no siempre es
suficiente.
oEs necesario extraer las características en el dominio

de la frecuencia, mediante un espectro de
frecuencias de la señal.
Análisis de señales
FT
FT
oSe puede observar que ambos espectros muestran cuatro componentes para las mismas
frecuencias (10, 25, 50 y 100 Hz).
oEl rizado y la diferencia en amplitudes de las componentes espectrales pueden ser
normalizados.
oLos espectros son prácticamente idénticos, a pesar de que las señales en el dominio del tiempo
no lo son.
oLa FT solo proporciona el contenido espectral de la señal y no su localización temporal.
Análisis Tiempo - Frecuencia
oLa Transformada Wavelet se desarrolló para superar los problemas de resolución de la
Transformada Rápida de Fourier.
oHace posible una buena representación de la señal tanto en el tiempo como en la frecuencia de
forma simultánea.
oHa sido de gran interés y aplicabilidad en el estudio de bioseñales como electroencefalogramas,
electrocardiogramas, electromiogramas, etc.
Transformada Wavelet (WT)
oFiltra una señal en el dominio del tiempo mediante
filtros paso bajo y paso alto que eliminan ciertas
componentes de alta y baja frecuencia.
oEl proceso se repite para las señales resultantes del
proceso de filtrado anterior.
oFinalmente se cuenta con un grupo de señales que
representan la misma señal pero en diferentes bandas
de frecuencia.
0 - 1000 Hz
0 – 500 Hz 500 – 1000 Hz
0 – 250 Hz 250 – 500 Hz
• La respuesta de una Transformada
Wavelet es una representación de 3
dimensiones donde:
• El eje “x” representa el tiempo

• El eje “y” representa la frecuencia
• El eje “z” representa la amplitud de la
señal
• Se toma la Wavelet madre y se calcula la

correlación con cierta sección de la señal. Se
desplaza en el eje temporal y se calcula la
correlación con la siguiente sección. Al
terminar, se escala la Wavelet y se repite el
proceso.
Implementación de la TW
fs = 1000; [S,F,T] = spectrogram(quadchirp,100,98,128,fs); helperCWTTimeFreqPlot(S,T,F,'surf','STFT of Quadratic Chirp','Seconds','Hz')
REFERENCIAS
A. Phinyomark, P. Phukpattaranont, C. Limsaluk, «Feature reduction and selection for EMG signal
classification,» ELSEVIER, 2012.
B. Sun, C. Wanzhong y T. Yantao, «The Pattern Recognition of Surface EMG Based on Wavelet
Transform and BP Neural Network,» College of Communication Engineering , Changchun, 2011
S. Beniczky, I. Conradsen, R. Pressler, P. Wolf, «Quantitative analysis of surface
electromyography: Biomarkers for convulsive seizures», ELSEVIER, 2016.
S. Kanti, D. Nimbarte, M. Jaridi, R. Creese, «Discrete wavelet transform analysis of surface
electromyography for the fatigue assessment of neck and shoulder muscle», ELSEVIER, 2013.
L. Gila, A. Malanda, I. Rodríguez, J. Rodríguez, J. Navallas, «Métodos de procesamiento y análisis
de señales electromiográficas», SciELO, 2009.
K. R. Mills, «Clinical Neurophysiology», Oxford Textbooks in Clinical Neurology, 2017

Análisis de Bioseñales Utilizando La Transformada Wavelet

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Análisis de Bioseñales Utilizando La Transformada Wavelet

Uploaded by

Copyright:

Available Formats

Análisis de Bioseñales Utilizando la

Ing. Francisco Javier Ortiz Ortiz

Diferenciar la información y las características que se pueden extraer de una

Implementar el uso de la TW para analizar señales EMG.

oEs necesario extraer las características en el dominio

0 – 500 Hz 500 – 1000 Hz

0 – 250 Hz 250 – 500 Hz

• El eje “x” representa el tiempo

• Se toma la Wavelet madre y se calcula la

You might also like