سیگنال‌های EMG: پنجره‌ای به فعالیت عضلانی

سیگنال EMG چیست؟

سیگنال‌های EMG نمایانگر فعالیت الکتریکی تولید شده توسط عضلات اسکلتی هنگام انقباض هستند. این سیگنال‌ها نتیجه تحریک عصبی هستند که باعث فعال شدن فیبرهای عضلانی می‌شوند. دامنه سیگنال‌های EMG معمولاً بین چند میکروولت تا چند میلی‌ولت متغیر است و محدوده فرکانسی آن‌ها بین 20 تا 500 هرتز است.

نحوه ثبت سیگنال EMG از عضلات بدن

انواع روش‌های ثبت EMG

دو روش اصلی برای ثبت سیگنال‌های EMG وجود دارد:

مقایسه تصویری بین EMG سطحی و EMG سوزنی

ویژگی‌های سیگنال EMG

سیگنال EMG دارای ویژگی‌های زیر است:

مراحل ثبت و پردازش سیگنال EMG

1. نصب الکترودها: قرار دادن الکترودها روی پوست (سطحی) یا داخل عضله (سوزنی)
2. تقویت سیگنال: تقویت سیگنال‌های ضعیف توسط تقویت‌کننده‌های اختصاصی
3. فیلترینگ: حذف نویز و سیگنال‌های ناخواسته
4. دیجیتال‌سازی: تبدیل سیگنال آنالوگ به دیجیتال توسط مبدل‌های ADC
5. پردازش سیگنال: استخراج ویژگی‌ها و تحلیل داده‌ها

مراحل مختلف پردازش سیگنال EMG

کاربردهای سیگنال EMG

1. کاربردهای تشخیصی و بالینی

سیگنال‌های EMG در تشخیص و بررسی بسیاری از بیماری‌های عصبی-عضلانی کاربرد دارند:

• تشخیص میوپاتی‌ها (بیماری‌های عضلانی)
• بررسی نوروپاتی‌ها (بیماری‌های عصبی محیطی)
• تشخیص اختلالات انتقال عصبی-عضلانی مانند میاستنی گراویس
• بررسی ضایعات ریشه‌های عصبی نخاع و شبکه‌های عصبی
• مطالعه انقباضات غیرارادی و اسپاسم‌های عضلانی

2. علوم ورزشی و حرکت‌شناسی

در علوم ورزشی، EMG برای بررسی عملکرد عضلات، تحلیل حرکات ورزشی و بهینه‌سازی تکنیک‌ها استفاده می‌شود:

• بررسی هماهنگی و ترتیب فعال‌سازی عضلات در حرکات مختلف
• مطالعه خستگی عضلانی
• بهبود تکنیک‌های ورزشی و پیشگیری از آسیب‌ها
• ارزیابی اثربخشی تمرینات ورزشی

استفاده از EMG در تحلیل حرکات ورزشی

3. توانبخشی و ارگونومی

EMG نقش مهمی در بازتوانی بیماران و طراحی محیط‌های کاری ارگونومیک دارد:

• بیوفیدبک EMG برای آموزش کنترل عضلانی به بیماران
• ارزیابی پیشرفت درمان و توانبخشی
• طراحی محیط‌های کاری بهینه برای کاهش خستگی و آسیب‌های عضلانی-اسکلتی
• بررسی وضعیت‌های بدنی و الگوهای حرکتی

4. رابط‌های انسان-رایانه و پروتزها

سیگنال‌های EMG در کنترل اندام‌های مصنوعی و رابط‌های انسان-رایانه کاربرد دارند:

• کنترل پروتزهای پیشرفته با استفاده از سیگنال‌های عضلانی
• طراحی سیستم‌های تعاملی برای افراد با معلولیت
• توسعه دستکش‌ها و ابزارهای کنترلی مبتنی بر EMG
• ترکیب با سایر بیوسیگنال‌ها برای ایجاد رابط‌های چندوجهی

استفاده از سیگنال‌های EMG برای کنترل دست مصنوعی

روش‌های پردازش سیگنال EMG

برای استخراج اطلاعات مفید از سیگنال‌های EMG، روش‌های پردازشی مختلفی استفاده می‌شود:

تحلیل در حوزه زمان

• RMS (Root Mean Square): شاخصی از سطح فعالیت عضله
• IEMG (Integrated EMG): انتگرال سیگنال یکسوشده
• مقدار میانگین متحرک: برای کاهش نویز و هموارسازی سیگنال
• عبور از صفر: شمارش دفعات عبور سیگنال از خط صفر

تحلیل در حوزه فرکانس

• تبدیل فوریه سریع (FFT): برای بررسی محتوای فرکانسی سیگنال
• فرکانس میانه و فرکانس میانگین: شاخص‌های خستگی عضلانی
• چگالی طیف توان (PSD): توزیع توان سیگنال در فرکانس‌های مختلف

روش‌های پیشرفته

• تبدیل موجک: برای تحلیل چندمقیاسی سیگنال
• مدل‌سازی خودهمبسته (AR): برای تخمین پارامترهای مدل سیگنال
• شبکه‌های عصبی و یادگیری ماشین: برای طبقه‌بندی الگوهای حرکتی

نمونه‌ای از پردازش سیگنال EMG در حوزه زمان و فرکانس

چالش‌ها و محدودیت‌های EMG

چالش‌های فنی

• حساسیت به نویز و تداخلات الکترومغناطیسی
• اثر حرکت الکترودها (آرتیفکت حرکتی)
• تغییرات در امپدانس تماسی الکترود-پوست
• تداخل سیگنال‌های قلبی (ECG) در برخی مناطق
• تأثیر عوامل بیولوژیکی مانند ضخامت چربی زیرپوستی

محدودیت‌های کاربردی

• دشواری در تشخیص فعالیت عضلات عمقی با sEMG
• چالش‌های قرارگیری دقیق الکترودها
• تفاوت‌های فردی در ویژگی‌های سیگنال EMG
• هزینه بالای تجهیزات پیشرفته EMG

مقایسه EMG با سایر بیوسیگنال‌ها