Разработка алгоритма обработки электромиограммы - Курсовая работа

В настоящие время для анализа информации о состоянии биообъекта в биомедицинской практике широко применяются ЭВМ. В качестве переносчиков информации выступают биомедицинские сигналы. Многие биомедицинские сигналы имеют электрическую природу. Биомедицинские сигналы, имеющие другую природу, могут быть преобразованы в электрические. Применение ЭВМ для обработки биомедицинских сигналов открывает новые возможности по выявлению более тонкой структуры сигналов, что способствует более точному диагностированию различных заболеваний.Хотя электромиограммы отражают только колебания потенциалов, которые развиваются непосредственно в мышце, все же по их качественным и количественным особенностям можно судить также о нормальном или патологическом состоянии ЦНС, регулирующей все виды двигательной активности человека. С помощью электромиографии изучают функциональное состояние и функциональные особенности мышечных волокон, двигательных единиц, нервно-мышечной передачи, нервных стволов, сегментарного аппарата спинного мозга; изучают координацию движений, выработку двигательного навыка при различных видах работы и спортивных упражнениях, перестройку работы пересаженных мышц, утомление. Эмиограмиография позволяет проводить топическую диагностику поражения нервной и мышечной систем (надсегментарных пирамидных и экстрапирамидных структур, мотонейронов передних рогов, спинномозговых корешков и нервов, нервно-мышечного синапса и собственно иннервируемой мышцы), оценивать тяжесть, стадию, течение заболевания, эффективность применяемой терапии.[2] Аппаратура позволяет получать запись минимальных по амплитуде биопотенциалов, производить автоматический оперативный обсчет амплитуды, частоты и длительности латентных периодов, спонтанных и вызванных потенциалов мышц и нервов, осуществлять их спектральный анализ. С мышцы, находящейся в состоянии максимально возможного расслабления, т.е. в режиме покоя, биоэлектрическая активность в норме не регистрируется.Спектральный анализ - это один из методов обработки сигналов, который позволяет охарактеризовать частотный состав измеряемого сигнала. Преобразование Фурье является математической основой, которая связывает временной или пространственный сигнал (или же некоторую модель этого сигнала) с его представлением в частотной области. Методы статистики играют важную роль в спектральном анализе, поскольку сигналы, как правило, имеют шумовой или случайный характер. Если бы основные статистические характеристики сигнала были известны точно или же их можно было бы без ошибки определить на конечном интервале этого сигнала, то спектральный анализ представлял бы собой отрасль точной науки. К обработке сигналов в реальном масштабе времени относятся задачи анализа аудио, речевых, мультимедийных сигналов, в которых помимо трудностей, связанных непосредственно с анализом спектрального содержания и дальнейшей классификацией последовательности отсчетов (как в задаче распознавания речи) или изменения формы спектра - фильтрации в частотной области (в основном относится к мультимедийным сигналам), возникает проблема управления потоком данных в современных вычислительных системах.[3]Если - это периодический сигнал с периодом , он классифицируется как сигнал в периодическом представлении. Выражение для средней мощности периодического сигнала дается формулой (2.2), где среднее по времени берется за один период .[3] Спектральная плотность мощности (СПМ) периодического сигнала, которая является действительной, четной и неотрицательной функцией частоты и дает распределение мощности сигнала по диапазону частот, определяется следующим образом: .При патологическом изменении состояния мышцы изменяется число функционирующих ДЕ и частота их импульсов, что создает характерную для этого состояния электромиограмму и, соответственно, ее спектр. Сначала был сформирован математический аппарат для спектрального анализа непрерывных (континуальных) сигналов, затем появилось дискретное преобразование Фурье (2.5) и быстрое дискретное преобразование Фурье, что сделало спектральный анализ сигналов доступным для цифровых вычислительных машин или компьютеров.[4] Дискретное преобразование Фурье (ДПФ), по возможности вычисляемое быстрыми методами, лежит в основе различных технологий спектрального анализа, предназначенных для исследования случайных процессов. Рассмотрим два таких метода - периодограмму и метод Уэлча.[4] В методе Бартлетта анализируемый сигнал делится на неперекрывающиеся сегменты, для каждого сегмента вычисляется периодограмма и затем эти периодограммы усредняются.Схема алгоритма показана в приложении А. В начале построения программы вводятся данные сигнала 4pat.txt, 5lf.txt, 5hf.txt, 6hf.txt, 6lf.txt, которые представлены в виде файла с оцифрованной электромиограммой. Схема алгоритма представлена в приложении А. В начале работы программы считываются данные сигнала «4pat.txt».Для реализации алгоритма анализа ЭМГ используется программный пакет MATLAB. Для чтения и обработки данных из файлов 4pat.txt, 5hf.txt, 5lf.txt, 6hf.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. МЕДИКО-БИОЛОГИЧЕСКОЕ ОБОСНОВАНИЕ ЭМГ

2. СПЕКТРАЛЬНЫЙ АНАЛИЗ ЭЛЕКТРОМИОГРАММЫ

2.1 Спектральная плотность мощности

2.2 Выбор оптимального метода спектрального анализа электромиографических сигналов

3. СХЕМА ПРОГРАММЫ СПЕКТРАЛЬНОГО АНАЛИЗА ЭМГ

4. ПРОГРАММА АНАЛИЗА ЭМГ

ВЫВОДЫ

ПЕРЕЧЕНЬ ССЫЛОК

ПРИЛОЖЕНИЯ