System for Gait Patterns Analysis Based on Inertial Sensors and Electromyography
Trabajo de grado - Maestría
2020
Escuela Colombiana de Ingeniería Julio Garavito
De acuerdo con la Organización Mundial de la Salud, más de mil millones de persones viven con algún tipo de limitación de movilidad, lo cual corresponde al 15% de la población mundial. Teniendo en cuenta la prevalencia de las personas que padecen de limitaciones en la movilidad, el estudio de los patrones de marcha es escencial para monitorear el proceso de reahbiliación, evaluar las tecnologías emergentes para asistencia y rehabilitación de la marcha, y estudiar el impacto de las intervenciones quirurjicas en los pacientes. Actualmente, existen tecnologías para la adquisición de patrones e marrcha, las cuales se consideran robustas (i.e., cámaras optoelectrónicas). Sin embargo, estas tecnologías son de alto costo, su uso requiere de expertos, e incluyen protocolos complejos de ejecutar. Este trabajo de grado de maestría presenta el desarrollo de un sistema para analisis de marcha basado en sensores inerciales y de electromiografía, el cual puede ser implementado en ambientes distintos a los de un laboratorio.
Las etapas para el desarrollo de este proyecto son las siguientes: 1) Validación de los algoritmos para la adquisición de ángulos articulares, 2) Desarrollo de un método para procesamiento de señales de elctromiografía superficial (sEMG) y ángulos articulares, 3) Adquisición de una base de datos de normalidad de ángulos articulares y patrones de sEMG durante la marcha, 4) Implementación de un método para análisis de sEMG en un contexo clínico, 5) Desarrollo de una interfaz para la adquisición y procesamiento de ángulos articulares y patrones de sEMG, y 6) Evaluación del sistema en ambientes no controlados.
La validación del algoritmo para adquisición de ángulos articulares fue realizada con un sujeto sano, utilizando el Gold Standard en análsis de movimiento: Un sistema de cámaras optoelectrónicas Vicon (Vicon, USA). Los resultados mostraron coeficientes de correlación iguales a 0.97 para la articulación de la rodilla, 0.67 para la articulación del tobillo, y de 0.95 para la articulación de la cadera. Además, lo errores relativos obtenidos para el rango de movimiento (ROM) son: 3.3.8% para el ángulo de rodilla, 4.04% para en ángulo del tobillo, y 10.3% para el ángulo de la cadera. Adicionalmente, el algoritmo fue evaluado con 8 sujetos sanos, lo que demostró que los ángulos articulares siguen los patrones normales. Respecto al análisis de la actividad eléctrica muscular, se desarrolló un algoritmo para extraer las características más relevantes en los dominios del tiempo y tiempo-frequencia, evaluando las señales de sEMG en un grupo de 8 sobrevivientes de un accidente cerebro-vascular. En general se encontró diferencias significativas en las características extraidas para ambos dominios, y en la forma de onda de las envolventes lineales extraídas para cada ciclo de marcha, comparado con los patrones de sujetos sanos. Los resultados mostraron la capacidad del sistema en la extracción de información relevante para llevar a cabo un análisis de marcha y para la detección de anormalidades relacionadas al rango de movimiento articular y la actividad eléctrica muscular. Adicionalmente, el sistema es presentado como una alternativa al Gold Standard en análisis de movimiento, el cual puede ser utilizado en contextos clínicos y domicilios.
PDF
