Evaluación de algoritmo clasificador de doble umbral para la detección de la actividad electromiográfica durante la marcha

SCHULZ, LUIS; CATALFAMO FORMENTO, PAOLA; RAVERA, EMILIANO; BONELL, CLAUDIA

Porto Allegre

Congreso; I Encuentro Latinoamericano de Biomecánica y VIII Simposio en Neuromecánica Aplicada; 2017

Facultad de Educación Fïsica y Ciencias del Deporte, de la Pontificia Universidad Católica de Río Grande del Sur

IntroducciónLa señal deelectromiografía de superficie (SEMG) ha sido utilizada para caracterizar lamarcha en análisis biomecánicos. Las características de la señal más estudiadasson la amplitud y los intervalos de activación muscular.El método desimple umbral ha sido el más utilizado por la comunidad científica para ladeterminación de estos intervalos. Sin embargo, su desempeño no es del todo satisfactorio dado que noes posible encontrar una sensibilidad alta en la determinación de losintervalos sin perder especificidad. Por esto, se ha propuesto un método alternativo basado en dosumbrales que mejoraría este desempeño y que consta de un filtrado de blanqueo,un algoritmo clasificador y un procedimiento matemático para la selección deparámetros del algoritmo. Dicho procedimiento matemático permite seleccionardos umbrales para asegurar una determinada sensibilidad y especificidad según laseñal ruido (SNR, por sus siglas en inglés) de la señal analizada. Como desventaja, el método de doble umbral propuesto requiere deuna estimación de la SNR y la aplicación de un filtro blanqueador para asegurarindependencia estadística de las muestras de la señal. La determinación de esascaracterísticas no es trivial para la señal de SEMG adquirida durante la marcha.MétodosEn el presentetrabajo se evaluó el algoritmo clasificador del método dedoble umbral para la determinación de intervalos de actividad. La evaluación serealizó mediante el análisis de curvas ROC y se comparó los resultadosobtenidos de la aplicación del algoritmo a las señales de SEMG, con los resultadosteóricos del algoritmo cuando puede suponerse independencia estadística entremuestras y SNR constante. Se trabajó con registros de SEMG de tibial anterior(TA) y gastrocnemio (GAM). Los intervalos de actividad fueron marcados porexpertos.ResultadosSe observó quelas curvas ROC construidas poseen morfologías similares a las curvas teóricas reportadas,aunque poseen menor sensibilidad y especificidad. Por otro lado, la sensibilidady especificidad para señales del músculo TA fue menor a la alcanzada en señalesdel músculo GAM.DiscusiónLos resultados obtenidos para el algoritmoclasificador aplicado a las señales de SEMG difieren de los resultados teóricosdel método, siendo mejores los segundos sobre los primeros. Éste resultado podría indicar que laindependencia estadística, asegurada por el filtrado de blanqueo, y la SNR noconstante podría impactar en algoritmo disminuyendo su sensibilidad en ladetección. Por otro lado, el procedimiento matemático parala selección de los umbrales es dependiente de la SNR de la señal blanqueada,la cual no es constante durante la marcha. Sin embargo, por los valores desensibilidad y especificidad hallados, sería posible usar solo el algoritmoclasificador, y proponer un procedimiento matemático alternativo para elcálculo de los umbrales.