Моделювання електричного сигналу м'язів для отримання спектра електроміосигналу

Автор(и)

  • Ольга Артурівна Єрошенко Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-6221-7158
  • Ігор Вікторович Прасол Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-2537-7376

DOI:

https://doi.org/10.15587/2706-5448.2022.254566

Ключові слова:

скелетний м'яз, рухова одиниця, математичне моделювання електричного сигналу, спектральна щільність, електроміографічний сигнал, електростимуляція

Анотація

Об'єктом дослідження є процес скорочення скелетного м'яза під впливом природних електричних імпульсів нервової системи або за умовами зовнішньої електростимуляції. Предмет дослідження – моделі, що описують електричні процеси у м'язах під час скорочення. Робота направлена на побудову аналітичної моделі електричного сигналу скелетного м'яза, що дає можливість розрахувати спектральну щільність цього сигналу для подальшого аналізу.

Методи дослідження – методи математичного моделювання, теорія випадкових процесів та сигналів, методи спектрального аналізу, методи математичного аналізу

В роботі досліджено модель електричного сигналу м'яза як сума імпульсних випадкових сигналів, відповідних сигналам рухових одиниць. У зв'язку з цим аналізується сигнал, який, на відміну від гаусівського процесу, утворено підсумовуванням обмеженої кількості імпульсних сигналів. Показано, що закон розподілу напруги такого сигналу виражається сумою функцій Гауса. В ході дослідження отримано структуру спектра електроміографічного сигналу, який представлено у вигляді суми зміщених за часом відносно один одного періодичних імпульсів. Аналітично встановлено зв'язок між статистичними властивостями випадкової різниці фаз та видом спектра потужності сигналу. Теоретичні співвідношення, що отримані, дозволяють розрахувати спектральну щільність електроміографічного сигналу в залежності від кількості рухових одиниць та різних фазових зрушень між ними, а також залежно від обраного закону розподілу випадкових величин. Наведено результати чисельного експерименту для різного числа рухових одиниць та різних діапазонів часових зрушень у разі гаусівського розподілу щільності ймовірності. Отримані результати можуть бути використані при оцінці ступеня порушення функціонування скелетних м'язів при різних ушкодженнях (наприклад, при травмах, атрофії та ін.), а також у разі вибору оптимальних індивідуальних параметрів електростимуляції під час реабілітаційних процедур або тренувальних процесів нарощування м'язової маси у спортсменів.

Біографії авторів

Ольга Артурівна Єрошенко, Харківський національний університет радіоелектроніки

Асистент

Кафедра електронних обчислювальних машин

Аспірантка

Кафедра біомедичної інженерії

Ігор Вікторович Прасол, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор

Кафедра біомедичної інженерії

Посилання

  1. Bernstein, V. M., Slavutsky, J. L., Farber, B. S. (1993). Myoelectric Control of the Muscle Electrostimulation. Proceedings of Myo-Electric Control Symposium. Institute of Biomedical Engineering, UNB. 79–80.
  2. Gorgey, A. S., Mahoney, E., Kendall, T., Dudley, G. A. (2006). Effects of neuromuscular electrical stimulation parameters on specific tension. European Journal of Applied Physiology, 97 (6), 737–744. doi: http://doi.org/10.1007/s00421-006-0232-7
  3. Datsok, O., Prasol, I., Yeroshenko, O. (2019). Construction of biotechnical system of muscular electrical stimulation. Bulletin of the National Technical University “KhPI” A Series of “Information and Modeling”, 13 (1338), 165–175. doi: http://doi.org/10.20998/2411-0558.2019.13.15
  4. Yeroshenko, O., Prasol, I., Datsok, O. (2021). Simulation of an electromyographic signal converter for adaptive electrical stimulation tasks. Innovative Technologies and Scientific Solutions for Industries, 1 (15), 113–119. doi: http://doi.org/10.30837/itssi.2021.15.113
  5. Kositckogo, G. I. (1985). Fiziologiia cheloveka. Moscow: Meditcina, 544.
  6. Azman, M. F., Azman, A. W. (2017). The Effect of Electrical Stimulation in Improving Muscle Tone (Clinical). IOP Conference Series: Materials Science and Engineering, 260, 012020. doi: http://doi.org/10.1088/1757-899x/260/1/012020
  7. Himori, K., Tatebayashi, D., Kanzaki, K., Wada, M., Westerblad, H., Lanner, J. T., Yamada, T. (2017). Neuromuscular electrical stimulation prevents skeletal muscle dysfunction in adjuvant-induced arthritis rat. PLOS ONE, 12 (6), e0179925. doi: http://doi.org/10.1371/journal.pone.0179925
  8. Bernstein, V. M., Farber, B. S. (1993). Involvement of Noise Immunity Systems of Myoelectric Control of Prostheses. Proceedings of Myo-Electrlc Control Symposium. Frederiction: UNB, 42–43.
  9. Gobbo, M., Maffiuletti, N. A., Orizio, C., Minetto, M. A. (2014). Muscle motor point identification is essential for optimizing neuromuscular electrical stimulation use. Journal of NeuroEngineering and Rehabilitation, 11 (1). doi: http://doi.org/10.1186/1743-0003-11-17
  10. Bekhet, A. H., Bochkezanian, V., Saab, I. M., Gorgey, A. S. (2019). The Effects of Electrical Stimulation Parameters in Managing Spasticity After Spinal Cord Injury. American Journal of Physical Medicine & Rehabilitation, 98 (6), 484–499. doi: http://doi.org/10.1097/phm.0000000000001064
  11. Fedorchenko, V., Prasol, I., Yeroshenko, O. (2021). Information Technology For Identification Of Electric Stimulating Effects Parameters. Information Security and Information Technologies, 200–204.
  12. Rangaiian, R. M.; Nemirko, A. P. (Ed.) (2007). Analiz biomeditcinskikh signalov. Prakticheskii podkhod. Moscow: FIZMATLIT, 440.
  13. Shayduk, A. M., Ostanin, S. A. (2010). Modeling Electromiographic Signal by the Means of LabVIEW. Izvestiia Altaiskogo gosudarstvennogo universiteta, 1 (65), 195–201.
  14. Shaiduk, A. M., Ostanin, S. A. (2011). Vliianie fazovogo sdviga impulsov dvigatelnykh edinitc na strukturu spektra elektromiosignala. Zhurnal radioelektroniki, 6, 1–9.
  15. Tikhonov, V. I., Kharisov, V. N. (2004). Statisticheskii analiz i sintez radiotekhnicheskikh ustroistv i sistem. Moscow: Radio i sviaz, 608.

##submission.downloads##

Опубліковано

2022-04-08

Як цитувати

Єрошенко, О. А., & Прасол, І. В. (2022). Моделювання електричного сигналу м’язів для отримання спектра електроміосигналу. Technology Audit and Production Reserves, 2(2(64), 38–43. https://doi.org/10.15587/2706-5448.2022.254566

Номер

Том 2 № 2(64) (2022): Інформаційно-керуючі системи

Розділ

Системи та процеси керування: Звіт про науково-дослідну роботу

Ліцензія

Авторське право (c) 2022 Olha Yeroshenko, Igor Prasol

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.