اسپاسم عضلانی یک علامت مشترک در بیماران مبتلا به فلج مغزی (CP) است که با افزایش تن عضلانی و واکنش های اغراق آمیز توصیف می شود. تشخیص و نظارت بر اسپاسم برای برنامه ریزی موثر درمان و بهبود کیفیت زندگی بیماران بسیار مهم است. Electromyography (EMG) پردازش سیگنال یک روش غیر تهاجمی برای تجزیه و تحلیل فعالیت عضلانی و شناسایی دقیق قطعات اسپاسم.

درک پردازش سیگنال EMG

سیگنال های EMG سیگنال های الکتریکی تولید شده توسط فیبرهای عضلانی در طول انقباض هستند.این سیگنال ها می توانند با استفاده از الکترودهای سطح که بر روی پوست قرار می گیرند، ثبت شوند.اطلاعات Raw EMG حاوی نویز و مصنوعاتی هستند که نیاز به پردازش اطلاعات معنی دار دارند.

تکنیک های کلیدی در تجزیه و تحلیل سیگنال EMG

چندین تکنیک برای تجزیه و تحلیل سیگنال های EMG برای تشخیص اسپاسم استفاده می شود:

  • تغییر: حذف سر و صدا با استفاده از فیلترهای باند-pass برای تمرکز بر محدوده فرکانس مربوطه.
  • تقویت: تبدیل تمام مقادیر سیگنال به مثبت برای تجزیه و تحلیل سطح فعال سازی عضلات.
  • تشخیص پایدار: (FLT 1) با استفاده از سیگنال اصلاح شده برای مشاهده الگوهای فعالیت عضلانی.
  • استخراج مدفوع: پارامترهای محاسبه مانند مربع ریشه (RMS)، عبور صفر و فرکانس متوسط برای تعیین فعالیت عضلانی.
  • [FLT: 1] شناسایی: [FLT 1] استفاده از الگوریتم های یادگیری ماشین برای طبقه بندی اسپاسم در برابر فعالیت عضلانی عادی.

برنامه های کاربردی در تنظیمات بالینی

سیگنال های پردازش EMG پزشکان را قادر می سازد تا به طور عینی شدت اسپاسم را ارزیابی کنند، تغییرات را در طول زمان نظارت کنند و اثربخشی درمان را ارزیابی کنند.به عنوان مثال، در طول تزریق سم بوتولینوم، تجزیه و تحلیل EMG می تواند به هدف قرار دادن عضلات خاص برای تزریق، بهبود نتایج کمک کند.

مسیر های آینده

پیشرفت در تکنولوژی پوشیدنی و پردازش سیگنال در زمان واقعی راه را برای دستگاه های قابل حمل EMG هموار می کند، این نوآوری ها می توانند نظارت مداوم فعالیت عضلانی را در خارج از تنظیمات بالینی تسهیل کنند و داده های ارزشمندی را برای برنامه های درمانی شخصی سازی شده فراهم کنند.