Integrar la frecuencia y las características dinámicas de las señales EMG como una nueva característica de...

Área de la Ciencia:

• Ingeniería biomédica
• Medicina del deporte
• Procesamiento de señales

Sus antecedentes:

• Las lesiones de rodilla a menudo implican una coordinación intermuscular deteriorada y componentes de frecuencia alterados.
• Los métodos actuales carecen de un enfoque de cuantificación simultánea para estos síntomas patológicos.
• Se necesita un sistema automatizado fiable para mejorar la precisión y la coherencia de la identificación de las lesiones de rodilla.

Objetivo del estudio:

• Desarrollar nuevas características para cuantificar los cambios de coordinación intermuscular en las lesiones de rodilla.
• Introducir la deformación dinámica del tiempo (DTW) y la deformación dinámica de la frecuencia (DFW) para el análisis integrado de la frecuencia del tiempo.
• Evaluar la efectividad de estas características utilizando clasificadores de aprendizaje automático.

Principales métodos:

• Utilizó la deformación dinámica de tiempo (DTW) y la deformación dinámica de frecuencia (DFW) para la extracción de características.
• Máquina vectorial de soporte empleado (SVM) y clasificadores de redes neuronales dinámicas.
• Probó el sistema en un conjunto de datos públicos de señales de electromiografía (EMG) de individuos sanos y lesionados de rodilla.

Principales resultados:

• La función de deformación de frecuencia dinámica (DFW) combinada con una red neuronal en cascada avanzada logró una precisión del 92,03% en la detección y del 94,42% en la categorización.
• Las características propuestas demostraron fiabilidad a través de los canales de EMG inter- extremidades e intra- extremidades.
• El sistema muestra potencial para la identificación rentable de lesiones en la rodilla utilizando menos canales EMG.

Conclusiones:

• La característica DFW desarrollada ofrece un método superior para analizar las características de frecuencia de tiempo en la detección de lesiones en la rodilla.
• El sistema automatizado proporciona un enfoque fiable y consistente para identificar lesiones en la rodilla.
• Esta investigación allana el camino para un diagnóstico eficiente y preciso de las lesiones de rodilla a través del procesamiento avanzado de señales.