Análise multivariada do sinal mioelétrico para caracterização do torque isométrico do músculo quadríceps da coxa

dc.contributor.advisorThomaz, C. E.
dc.contributor.authorSilva, G. A.
dc.date.accessioned2019-03-20T14:01:03Z
dc.date.available2019-03-20T14:01:03Z
dc.date.issued2010
dc.description.abstractO estudo dos biopotenciais musculares vêm se desenvolvendo, impulsionado tanto pelas pesquisas para o diagnóstico dos distúrbios neuro-musculares, quanto pelo desenvolvimento de próteses mecânicas para amputados. O sinal mioelétrico constitui uma grande área de pesquisa dentro do estudo dos biopotenciais, fornecendo dados para o diagnóstico de tais distúrbios, além de constituir um meio para o controle de diversos tipos de dispositivos bio-mecânicos. O reconhecimento preciso do sinal mioelétrico é fundamental para sua utilização em tais sistemas, mas é também uma tarefa difícil devido a sua alta dimensionalidade e a natureza ruidosa dos dados registrados. Este trabalho tem como objetivo caracterizar o torque isométrico do músculo quadríceps da coxa, através de uma análise multivariada dos sinais mioelétricos correspondentes. Mais especificamente, a proposta deste estudo é investigar métodos de estatística multivariada para extração e detecção de padrões específicos contidos nesses sinais mioelétricos. Utilizando dados gerados em uma pesquisa anterior que avaliou a relação entre os parâmetros mioelétricos e o torque isométrico do músculo quadríceps da coxa, foi possível, através de transformaçãoes lineares e não lineares nos dados originais, caracterizar e classificar o torque isométrico, além de constatar que diferentes níveis percentuais de torque apresentam características determinísticas discriminantes. Estes resultados indicam que o reconhecimento do sinal mioelétrico pode ser melhorado através da utilização de técnicas de estatística multivariada para tratar conjuntos altamente dimensionais e com uma quantidade limitada de amostras.
dc.description.abstractThe study of muscle biopotentials has been developing, driven by research for diagnosis of neuromuscular disorders, and for the development of prostheses for amputees. The myoelectric signal consists in a major area of research within the study of biopotentials, providing data for diagnosis of such disorders, as well as providing means for controlling various types of bio-mechanical devices. The precise recognition of myoelectric signal is essential for its use in such systems, but also a dificult task due to the high dimensional and noisy nature of the recorded data. This work aims to characterize the torque of the quadriceps muscle through a multivariate analysis of myoelectric signals. More specifically, the purpose of this study is to investigate methods of multivariate statistics for the extraction and detection of specific characteristics contained in these myoelectric signals. Using data generated in a previous study that evaluated the relationship between the electromyographic parameters and the torque of the quadriceps muscles, it was possible, using linear and nonlinear transformations in the original data, to characterize and to classify the isometric torque, as well as notice that diferent percentage levels of torque shows discriminant characteristics. These results indicate that recognition of the myoelectric signal can be improved by using multivariate statistical techniques to handle high-dimensional sets and a limited number of samples
dc.identifier.citationSILVA, G. A. <b> Análise multivariada do sinal mioelétrico para caracterização do torque isométrico do músculo quadríceps da coxa. </b> 2010. 112 p. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário da Fei, São Bernardo do Campo, 2010
dc.identifier.urihttps://repositorio.fei.edu.br/handle/FEI/506
dc.languagepor
dc.language.isopt_BR
dc.publisherCentro Universitário da FEI, São Bernardo do Campo
dc.subjectAnálise multivariada
dc.subjectEletromiografia
dc.titleAnálise multivariada do sinal mioelétrico para caracterização do torque isométrico do músculo quadríceps da coxapt_BR
dc.typeDissertaçãopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
fulltext.pdf
Tamanho:
2.9 MB
Formato:
Adobe Portable Document Format