Mateus André Favretto
PLATAFORMA PARA AVALIAÇÃO NEUROMUSCULAR BASEADA NA ELETROMIOGRAFIA DE ALTA DENSIDADE
COM APLICAÇÕES EM INDIVÍDUOS COM DIABETES MELLITUS
Dissertação submetido ao Programa de Pós-Graduação em Engenharia Elétrica da Universidade Federal de Santa Catarina para a obtenção do Grau de Mestre em Engenharia Elétrica. Orientador: Prof. Jefferson Luiz Brum Marques, PhD
Coorientador: Prof. Amauri Fagundes Balotin, ME
Florianópolis 2017
Favretto, Mateus André
PLATAFORMA PARA AVALIAÇÃO NEUROMUSCULAR BASEADA NA ELETROMIOGRAFIA DE ALTA DENSIDADE COM APLICAÇÕES EM INDIVÍDUOS COM DIABETES MELLITUS / Mateus André Favretto ; orientador, Jefferson Luiz Brum Marques, coorientador, Amauri Fagundes Balotin, 2017.
203 p.
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós Graduação em Engenharia Elétrica, Florianópolis, 2017. Inclui referências.
1. Engenharia Elétrica. 2. Diabetes Mellitus. 3. Neuropatia Diabética Periférica. 4. Plataforma para Avaliação Neuromuscular. 5. Eletromiógrafo Multicanal de Superfície. I. Marques, Jefferson Luiz Brum . II. Balotin, Amauri Fagundes. III. Universidade Federal de Santa Catarina. Programa de Pós-Graduação em Engenharia Elétrica. IV. Título.
Mateus André Favretto
PLATAFORMA PARA AVALIAÇÃO NEUROMUSCULAR BASEADA NA ELETROMIOGRAFIA DE ALTA DENSIDADE
COM APLICAÇÕES EM INDIVÍDUOS COM DIABETES MELLITUS
Esta Dissertação foi julgada adequada para obtenção do Título de “Mestre” e aprovada em sua forma final pelo Programa de
Pós-Graduação em Engenharia Elétrica. Florianópolis, 22 de setembro de 2017.
________________________ Prof. Marcelo Lobo Heldwein, Dr.
Coordenador do Programa de Pós-graduação em Engenharia Elétrica Universidade Federal de Santa Catarina
________________________ Prof. Jefferson Luiz Brum Marques, PhD. Orientador – Universidade Federal de Santa Catarina
________________________ Prof. Amauri Fagundes Balotin, ME. Coorientador – Universidade de Passo Fundo
Banca Examinadora:
________________________ Prof.ª Daniela Ota Hisayasu, Dr.ª Universidade Federal de Santa Catarina
________________________ Prof. Marcelo Fernando Ronsoni, Dr. Universidade Federal de Santa Catarina
________________________ Prof. Renato Garcia Ojeda, Dr. Universidade Federal de Santa Catarina
Dedico este trabalho as pessoas mais importantes da minha vida: minha esposa Raquel que convive comigo diariamente e me apoiou incondicionalmente nesses anos, minha irmã Gabriela que muitas vezes me deu forças para seguir em frente, meu pai Antônio no qual me ensinou que a honra não consiste em não cair nunca, mas sim em levantar todas às vezes, e em especial a minha mãe Marilene que sempre esteve ao meu lado e nunca mediu esforços para me ajudar nesta caminhada, agradeço a vocês principalmente por terem me ensinado a importância do amor.
AGRADECIMENTOS
Agradeço primeiramente a Deus, pois sem ele eu não teria traçado o meu caminho e chegado a meus objetivos.
A todos os professores do Instituto de Engenharia Biomédica da Universidade Federal de Santa Catarina, por dividirem o seu conhecimento. Em especial ao meu orientador professor Jefferson Luiz Brum Marques, pela disposição, dedicação, auxilio e pelas inúmeras conversas com as quais adicionaram muito a evolução do meu conhecimento.
Sou muito grato também ao meu coorientador professor Amauri Fagundes Balotin pela colaboração neste trabalho, pelas conversas, pelo incentivo em continuar na vida acadêmica, e acima de tudo, pela sua amizade.
Aos colegas e amigos de mestrado que de alguma forma me ajudaram nesta caminhada, especialmente a Felipe Rettore Andreis e Sandra Cossul por todo apoio e auxilio, sem os quais este trabalho não seria o mesmo.
A minha esposa Raquel pelo carinho, amor, companheirismo, amizade e pelo apoio incondicional durante todo o período dessa minha jornada.
Agradeço em especial a minha família, pelo apoio, incentivo e suporte durante toda a minha caminhada acadêmica. A vocês nunca vou conseguir agradecer por tudo o que proporcionaram para mim.
Meus sinceros agradecimentos a todos aqueles que de alguma forma doaram um pouco de si para que a conclusão deste trabalho se tornasse possível.
Por fim, mas não menos importante agradeço ao CNPq pelo apoio financeiro.
“Somos o que repetidamente fazemos. A excelência, portanto, não é um feito, mas um hábito” Aristóteles
PRODUÇÃO ACADÊMICA
1. Favretto, M. A.; Cossul S.; Andreis F. R.; Balotin A. F; Marques J. L. B. “High Density Surface EMG System Based on ADS1298-front end”. IEEE Latin America Transactions, 2017. (Aceito para publicação)
2. Favretto, M. A.; Lazzari C. D.; Balotin A. F.; Marques J. L. B. “Desenvolvimento de uma Plataforma de Aquisição de Sinais de EMG de Alta Densidade Para Avaliação Neuromotora em Pacientes com Neuropatia Diabética Periférica”. In 2017 XVII Congresso Brasileiro de Biomecânica (CBB 2017). (Publicado)
3. Favretto, M. A; Cossul S.; Andreis F. R.; Balotin A. F.; Marques C. M. G.; Marques J. L. B. “Desenvolvimento de um Sistema de Avaliação da Força Isométrica de Flexão Dorsal do Pé”. In 2017 Congresso Brasileiro de Eletromiografia e Simpósio de Engenharia Biomédica (COBEC-SEB 2017). (Aceito para publicação)
4. Favretto, M. A.; Cossul S.; Andreis F. R.; Balotin A. F; Marques C. M. G.; Marques J. L. B. “Avaliação da Velocidade de Condução da Fibra Muscular em Indivíduos Diabéticos com e sem Neuropatia Periférica”. In 2017 Congresso Brasileiro de Eletromiografia e Simpósio de Engenharia Biomédica (COBEC-SEB 2017). (Aceito para publicação)
5. Cossul S.; Favretto, M. A.; Andreis F. R.; Iwata D. N. R.; Marques J. L. B. “Proposta de um Sistema Para Estudo de Condução Nervosa”. In 2017 Congresso Brasileiro de Eletromiografia e Simpósio de Engenharia Biomédica (COBEC-SEB 2017). (Aceito para publicação)
RESUMO
O Diabetes Mellitus (DM) é uma doença crônica que atinge milhões de pessoas no mundo. Dentre as muitas complicações causadas por esta condição está a Neuropatia Diabética Periférica (NDP), que afeta os nervos sensoriais e motores. Os sintomas clínicos de disfunções motoras consistem na perda da força muscular dos músculos distais localizados nos membros inferiores, afetando principalmente músculos com maior proporção de fibras do tipo I como o Tibial Anterior (TA). O objetivo deste trabalho foi desenvolver uma plataforma formada por um dinamômetro portátil e um eletromiógrafo de superfície de alta densidade (HD-sEMG) para verificação de ocorrência de disfunções neuromusculares em pacientes diabéticos, por meio de uma avaliação do músculo TA. A motivação deste projeto encontra-se na necessidade do desenvolvimento de novos métodos para avaliação do sistema motor de forma rápida, não invasiva e de menor custo, viabilizando o prognóstico de NDP. O hardware desenvolvido para aquisição de sinais de HD-sEMG possui 32 canais de entrada, conversor A/D de 24 bit; o que resulta em uma resolução de 296 nV, frequência de amostragem programável, de até 2 kHz, ganho selecionável, ruído de entrada menor que 4,3 µVRMS e comunicação via USB. O dinamômetro, é formado por uma estrutura metálica no formato de uma mesa, o qual permite a avaliação da força exercida pelo músculo TA durante contração isométrica de flexão dorsal do pé. Durante o estágio de calibração do dinamômetro, este apresentou um erro máximo de não linearidade de 0,45%. A plataforma foi aplicada em indivíduos saudáveis, para avaliação do seu correto funcionamento e análise da metodologia proposta. Foi realizado um estudo piloto em grupos de indivíduos saudáveis (n=8) e grupos de indivíduos com DM tipo 2, sem NDP e com NDP (n=21). Os seguintes parâmetros foram verificados para quantificar as disfunções motoras ocasionadas pela NDP: força de flexão dorsal do pé em contração isométrica, velocidade de condução da fibra muscular, alterações referentes ao grau de homogeneidade dos mapas topográficos e valores médios de valor médio quadrático (RMS) e frequência mediana (MDF). Os resultados do estudo piloto demonstraram diferença significativa (p < 0,05) entre os grupos para os parâmetros analisados. Portanto, ao final do trabalho, concluiu-se que a plataforma desenvolvida unida a metodologia proposta demonstra ser uma ferramenta promissora para análise de disfunções motoras em indivíduos diabéticos e também para a avaliação de outras patologias.
Palavras-chave: Diabetes Mellitus. Neuropatia Diabética Periférica.
Disfunções Motoras. Plataforma para Avaliação Neuromuscular. Eletromiógrafo Multicanal de Superfície. Dinamômetro Portátil.
ABSTRACT
Diabetes Mellitus (DM) is a chronic disease that affects millions of people in the world. Among the many complications caused by this condition is Diabetic Peripheral Neuropathy (DPN), that affects sensory and motor nerves. The clinical symptoms of motor dysfunctions are the loss of muscle strength of the distal muscles located in lower limbs, mainly affecting muscles with a higher proportion of type I fibers, such as the Tibialis Anterior (TA). The objective of this work is the development of a portable dynamometer and a High-Density Surface Electromyograph (HD-sEMG) to verify the occurrence of neuromuscular dysfunctions in patients with diabetes, through the evaluation of the TA muscle. The motivation of this project lies in the necessity of the development of new methods to evaluate the motor system in a fast, non-invasive and low-cost way, enabling the prognosis of DPN. The hardware developed for the HD-sEMG signal acquisition has 32 input channels, A/D converters of 24 bit, resulting in 296 nV of resolution, adjustable sampling frequency up to 2 kHz, selectable gain, input noise less than 4,3 µVRMS and USB communication. The dynamometer is composed of a metal structure in a table format, that allows the evaluation of the TA muscle strength during isometric contraction of dorsiflexion movement of the foot. During the calibration stage of the dynamometer, it presented a maximum nonlinearity error of 0.45%. The platform was applied in healthy subjects, in order to evaluate its correct functionality and analyze the proposed methodology. A pilot study was performed in groups of healthy individuals (n=8) and individuals with type 2 DM, with and without DPN (n=21). The following parameters were verified to quantify motor dysfunctions caused by DPN: dorsiflexion strength in isometric contractions, muscle fiber conduction velocity, changes related to the degree of homogeneity of topographic maps and mean values of Root Mean Square (RMS) and Median Frequency (MDF). The results of the pilot study showed significant differences between groups for the parameters analyzed (p < 0,05). Therefore, the platform developed along with the methodology presented in this work proved to be a promising tool for the analysis of motor dysfunctions in individuals with diabetes and also for the evaluation of other pathologies.
Keywords: Diabetes Mellitus. Diabetic Peripheral Neuropathy. Motor
Dysfunctions. Neuromuscular Evaluation Platform. Multi-channel Surface Electromyograph. Portable Dynamometer.
LISTA DE FIGURAS
Figura 1 – A Unidade Motora é formada por um neurônio motor e todas as fibras inervadas por ele. O corpo celular do NM é localizado na medula espinal. O axônio do NM se ramificam em terminação axonal, que se conecta pelas fibras musculares através das junções neuromusculares. ... 40 Figura 2 – Neurônio motor A (NMA) inerva as fibras musculares 1,4 e 5
formando a UM A, e o neurônio motor B (NMB), inerva as fibras musculares 2 e 3 formando a UM B. O potencial de ação de cada fibra é ilustrado nas curvas de 1 a 5 na direita. O somatório de cada curva forma o PAUM. ... 41 Figura 3 – (a) Movimento de flexão dorsal do pé ou dorsiflexão. (b)
Principais músculos de apoio ao tornozelo. Os nomes dos músculos sublinhados são utilizados durante o movimento de flexão dorsal do pé ou dorsiflexão. Sendo em vermelho o músculo principal (tibial anterior) e em azul os músculos auxiliares (extensor longo dos dedos e extensor longo do hálux) do movimento. ... 44 Figura 4 – Alcance das diferentes técnicas de eletromiografia. ... 46 Figura 5 – Configurações de registro de sinais de EMG. (a) Configuração
monopolar. (b) Configuração bipolar ou diferencial. ... 47 Figura 6 – Resposta da função de transferência do filtro espacial. Onde v
é a velocidade de propagação e d a distância inter-eletrodo. 49 Figura 7 – Sinal de sEMG detectado com uma malha de eletrodos linear
de 16 eletrodos em uma configuração diferencial posicionada ao longo das fibras musculares. (a) Sistema neuromuscular, com a localização das zonas de inervação (ZI). (b) Malha de eletrodos linear em uma configuração bipolar. (c) Sinais de sEMG, registrados pela malha de eletrodos, amostrados no tempo por ∆t segundos e no espaço por ∆e metros. No sinal do eletrodo 8 não é possível distinguir nenhum potencial de ação, ainda, nos eletrodos 7 e 9 os sinais são simétricos e defasados. Essas características são apresentadas quando a malha de eletrodo está sobre uma zona de inervação. ... 50 Figura 8 – Aquisição de sinais de HD-sEMG em uma configuração
diferencial com uma malha de eletrodos bidimensionais de 11 linhas por 5 colunas. (a) Sinal de sEMG adquirido em cada uma das 5 colunas. (b) Imagens da distribuição espacial do sinal de sEMG nos tempos t1, t2, t3 et5. ... 51
Figura 9 – Sinal de sEMG registrado por uma malha de 16 eletrodos linear em uma condição ideal (ausência de ruído). Os sinais sendo idênticos são apenas defasados um em relação ao outro. Desta forma, seria possível estimar o atraso entre os sinais utilizando um ponto como o cruzamento por zero. ... 54 Figura 10 – Mapas topográficos calculado pelo parâmetro ARV, para
épocas com duração de 0,25 s. ... 56 Figura 11 – Sistema de condicionamento e digitalização de sinais de
sEMG. ... 58 Figura 12 – Barramento SPI para a conexão entre vários dispositivos.
Onde o mestre pode acessar os dispositivos escravos de forma independente, através da linha de seleção CS. ... 60 Figura 13 – Diagrama de blocos simplificado do conversor analógico
digital delta-sigma. ... 61 Figura 14 – Diagrama de blocos de um modulador delta sigma. ... 62 Figura 15 – Efeito shaped noise que ocorre devido a sobreamostragem do
sinal e o modo de filtragem do mesmo. ... 63 Figura 16 – Transtorno neuromuscular devido a neuropatia diabética
periférica. (a) Músculo saudável em que as fibras musculares estão inervadas por quatro unidades motoras (1, 2, 3 e 4). (b) Após o transtorno ocorreu a desnervação das unidades motoras 2 e 3 e a reinervação das fibras órfãs, pelas unidades motoras restantes 1 e 4. ... 67 Figura 17 – Projeto do dinamômetro portátil desenvolvido. ... 71 Figura 18 – (a) Módulo conversor analógico digital HX711. (b)
Esquemático da PCI do módulo. ... 73 Figura 19 – Diagrama de blocos do conversor analógico digital HX711, e
os componentes necessários para o seu funcionamento. ... 74 Figura 20 – Diagrama de blocos do hardware do dinamômetro. ... 75 Figura 21 – Fluxograma do firmware implementado no microcontrolador. ... 76 Figura 22 – Fluxograma da interface gráfica desenvolvida para feedback
visual da força registrada pelo dinamômetro desenvolvido. 77 Figura 23 – (a) Máquina de ensaio de tração utilizada para calibração do
dinamômetro. (b) Suporte utilizado para aplicação da carga. ... 78 Figura 24 – Diagrama de blocos do hardware de aquisição de sinais de
HD-sEMG de 32 canais desenvolvido. ... 79 Figura 25 – Diagrama de blocos do ADS1298. ... 82 Figura 26 – Entrada analógica de um canal do ADS1298 e o circuito
Figura 27 – Circuito do filtro anti-aliasing inserido em cada uma das entradas dos ADS1298. ... 84 Figura 28 – Resposta em frequência do filtro anti-aliasing. No qual,
possui uma frequência de conte de aproximadamente 67,5 kHz. ... 84 Figura 29 – Operação de leitura dos dados do ADS1298... 85 Figura 30 – Configuração em cascata de múltiplos dispositivos. Cada
módulo de aquisição e dados possui dois ADS1298 (MAqD(a) e MAqD(b)). O modulo MAqD (a) possui um ADS1298 que atua como mestre para o restante dos ADS1298, uma vez que, este que gera o clock (CLK) para o restante dos ADS1298 escravos. ... 86 Figura 31 – Sincronização do sinal de “conversões prontas” (DRDY)
através do comando START. ... 87 Figura 32 – Configuração do circuito da perna direita para múltiplos
dispositivos conectados em uma configuração em cascata. . 87 Figura 33 – Plataforma de desenvolvimento Teensy 3.2... 88 Figura 34 – Firmware implementado no microcontrolador da plataforma
de desenvolvimento Teensy 3.2. ... 91 Figura 35 – Diagrama de blocos simplificado da fonte de alimentação.93 Figura 36 – Matrizes de eletrodos com seus respectivos adesivos de
fixação do fabricante OT Bioelettronica (Torino Itália), que foram considerados para a aquisição dos sinais de EMG de superfície. (a) Matriz com 64 eletrodos posicionados em 13 linhas e 5 colunas modelo ELSCH064NM4. (b) Adesivo descartável modelo KITAD064 para fixação da matriz ELSCH064NM4. (c) Matriz linear de 16 eletrodos modelo ELSCH016. (d) Adesivo descartável modelo KITAD016 para fixação da matriz ELSCH016. ... 96 Figura 37 – Projeto dos cabos para aquisição dos sinais de HD-sEMG, o
mesmo possui uma parte padrão e outra interconectável, conforme o modelo da malha utilizada. (a) Cabo padrão fabricado com dois cabos manga de 20 vias com blindagem e comprimento de 1000 mm. (b) Cabo malha modelo ELSCH064NM4 fabricado com dois cabos manga 20 vias com blindagem e comprimento de 500 mm. (c) Cabo malha modelo ELSCH016, fabricado com um cabo manga de 20 vias com blindagem e comprimento de 500 mm. ... 97 Figura 38 – Vista frontal da malha de eletrodos modelo ELSCH064NM4,
vermelho são as 4 colunas de 9 eletrodos considerados durante o projeto do cabo. ... 98 Figura 39 – Protocolo experimental utilizado durante a coleta. ... 100 Figura 40 – Foram estimadas as variáveis de AVR, RMS e MNF para
cada um dos 32 canais em um tempo de 25 segundos utilizando janelas de tempo de 1 segundo. Posteriormente foi calculado uma média de todos os 32 canais. ... 102 Figura 41 – Localização da zona de inervação (tracejado em verde) e
orientação das fibras musculares (tracejado em preto) de acordo com as orientações da SENIAN. A Matriz foi posicionada abaixo da zona de inervação descrita pela SENIAN e de acordo com as orientações das fibras descritas no Atlas of Muscle Innervation Zones (tracejado em roxo). ... 104 Figura 42 – Resposta em frequência do filtro passa baixas diferencial de
primeira ordem. ... 105 Figura 43 – Fluxograma do algoritmo implementado no software MatLab
para calcular a velocidade de condução da fibra muscular. 107 Figura 44 – As variáveis RMS, MDF e RMS modificado, foram
calculadas utilizando janelas de tempo com duração de 1 s. Foram selecionados 5 segundos em três instantes de tempo do sinal 0% (1-5s), 50% (12-16s) e 100%(22-26s). Desta forma foram gerados 15 mapas, sendo 5 mapas para cada um dos instantes de tempo descritos. As imagens ilustradas nesta figura foram interpoladas por um fator 8, de forma a melhorar a qualidade das imagens para visualização. ... 108 Figura 45 – Hardware para o condicionamento do sinal da célula de carga.
(a) Vista superior, 1 – microcontrolador, 2 – Módulo HX711, 3 – Entrada sensor célula de carga e 4 – Porta USB. (b) Vista inferior. ... 111 Figura 46 – Foto do protótipo final do dinamômetro desenvolvido. (a)
vista superior. (b) Vista inferior 1 – Caixa plástica com o hardware de condicionamento do sinal da célula de carga, 2 – Célula de carga. ... 112 Figura 47 – Interface gráfica desenvolvida. (a) Gráfico com a força
exercida ao longo do tempo. (b) Gráfico de barras utilizado para feedback visual. (c) Máxima força exercida durante o protocolo da contração isométrica voluntária máxima. ... 112 Figura 48 – Interface gráfica, com o gráfico de barras configurado para
um protocolo em rampa. ... 113 Figura 49 – Curva de calibração do dinamômetro. ... 114
Figura 50 – Hardware desenvolvido do MAqD e suas respectivas dimensões. (a) Vista superior, 1 – ADS1298, 3 – conectores para conexão do do MGdA, e/ou de mais um MAqD. (b) Vista inferior, 2 – ADS1298. ... 115 Figura 51 – Hardware desenvolvido do MGdA e suas respectivas
dimensões. (a) Vista superior, 1 – placa de desenvolvimento Teensy 3.2, 2 – conectores responsáveis para a conexão do MAqD. (b) Vista inferior, 2 – conectores responsáveis para a conexão do MAqD. ... 115 Figura 52 – Hardware desenvolvido do MGdA e detalhado. (a) Vista
superior, 1 – isolador da fonte de alimentação, 2 – isolador da comunicação SPI, 3 – chave de seleção da fonte de alimentação, 4 – entrada para conexão a bateria. (b) Vista inferior, 2 – isolador da comunicação SPI, 5 – reguladores de tensão. ... 116 Figura 53 – Módulos acoplados para formar o sistema de HD-sEMG de
32 canais. ... 117 Figura 54 – Hardware dos filtros de entrada anti-aliasing. (a) Vista
superior, 1 – filtros anti-aliasing do ADS1298(1). (b) Vista inferior, 2 – filtros anti-aliasing do ADS1298(2). (c) Hardware acoplado no conector DB37 e dentro da capa plástica. ... 118 Figura 55 – Conector desenvolvido para a malha de eletrodos ELSCH016.
(a) Placa de Circuito Impresso (PCI). (b) PCI com o cabo manga soldado. (c) Conector acoplado na capa plástica de um conector DB37. ... 118 Figura 56 – Placa de circuito impresso desenvolvido para o conector da
malha ELSCH064NM4. (a) Placa de circuito impresso. (b) Caixa plástica desenvolvida com PCI acoplado e suas respectivas dimensões. ... 119 Figura 57 – Cabos desenvolvidos para aquisição dos sinais de HD-sEMG.
(a) Cabo utilizado para as duas malhas de eletrodos, 1 – conectores DB37 para conexão com o hardware 2 – cabo para o eletrodo de referencia 3 – conector DB37 utilizado para interconexão dos cabos, conforme a malha utilizada. (b) Cabo malha ELSCH064NM4. (c) Cabo malha ELSCH016. ... 120 Figura 58 – Foto da versão final do protótipo desenvolvido. (a) Vista
frontal. (b) Vista posterior. ... 120 Figura 59 – Interface gráfica do sistema desenvolvido. (a) Matriz de
seleção dos canais que estão sendo mostrados no gráfico. (b) Informação de qual canal que foi selecionado e sua cor de
identificação. (c) Gráfico com os oito canais selecionados. ... 121 Figura 60 – Espectros de frequência dos sinais senoidais de amplitude de
0,5 Vp-p e frequências de 40, 100, 200, 300, 400 e 500 Hz aplicados nas entradas, os mesmos foram adquiridos utilizando uma frequência de amostragem de 2 kHz e ganho igual 1. (a) Espectro de frequência do sinal senoidal de 40 Hz. (b) Espectro de frequência do sinal senoidal de 100 Hz. (c) Espectro de frequência do sinal senoidal de 200 Hz. (d) Espectro de frequência do sinal senoidal de 300 Hz. (e) Espectro de frequência do sinal senoidal de 400 Hz. (f) Espectro de frequência do sinal senoidal de 500 Hz. ... 123 Figura 61 – (a) Sinal senoidal com frequência de 40 Hz e amplitude de
0,5 Vp-p, adquirido com uma frequência de amostragem de 2 kHz e ganho igual a 1. (b) Sinal senoidal com frequência de 40 Hz e amplitude de 0,5 Vp-p, adquirido com uma frequência de amostragem de 2 kHz e ganho igual a 8. ... 124 Figura 62 – (a) Sinal adquirido com as entradas curto-circuitadas, e
aplicado um sinal senoidal com frequência de 60 Hz e amplitude de 1 Vp-p nas entradas, o sinal foi adquirido com uma frequência de amostragem de 500 Hz, e ganho igual a 1. (b) Espectro de amplitude do sinal. ... 125 Figura 63 – Sinal da força durante o protocolo de Contração Isométrica
Voluntária Máxima (CIVM) de um dos voluntários. ... 125 Figura 64 – Sinais de HD-sEMG de um dos voluntários registrados
utilizando o sistema desenvolvido durante o protocolo proposto. Os sinais são referentes a uma das 4 colunas da malha utilizada durante o protocolo. ... 126 Figura 65 – Mapas topográficos de um voluntário dos parâmetros
Average Rectified Value (ARV), Root Mean Square Value (RMS) e frequência média (MNF). Os parâmetros foram calculados sobre todo o sinal de registro (30 s), para cada um dos 32 canais diferenciais nos diferentes níveis de contração (10%, 20%, 30%, 40% e 50% da CIVM). Estes estão dispostos na malha de eletrodos em 8 linhas e 4 colunas. Os mapas ainda foram interpolados por um fator de 8, de forma a melhorar a qualidade da imagem. ... 127 Figura 66 – Diagrama de caixas dos valores da contração isométrica
voluntária máxima (CIVM) de flexão dorsal do pé, para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia
diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre o grupo de Controle e o grupo DCNDP. O círculo em vermelho é o valor médio da CIVM. ... 129 Figura 67 – Diagrama de caixas dos valores médios da velocidade de
condução da fibra muscular (VCFM), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP), e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre todos os grupos. O círculo em vermelho é o valor médio da VCFM. ... 131 Figura 68 – Mapas topográficos do parâmetro RMS normalizado de três
voluntários (um do grupo de Controle, um do grupo DSNDP e um do grupo DCNDP). O parâmetro foi calculado com épocas de 1 segundo nos tempos 0% (1-5 s), 50% (12-16 s) e 100% (22-26 s), para cada um dos 32 canais diferenciais. Estes estão dispostos na malha de eletrodos em 8 linhas e 4 colunas. Os mapas ainda foram interpolados por um fator de 8, de forma a melhorar a qualidade da imagem. ... 133 Figura 69 – Mapas topográficos do parâmetro MDF de três voluntários
(um do grupo de Controle, um do grupo DSNDP e um do grupo DCNDP). O parâmetro foi calculado com épocas de 1 segundo nos tempos 0% (1-5 s), 50% (12-16 s) e 100% (22-26 s), para cada um dos 32 canais diferenciais. Estes estão dispostos na malha de eletrodos em 8 linhas e 4 colunas. Os mapas ainda foram interpolados por um fator de 8, de forma a melhorar a qualidade da imagem. ... 134 Figura 70 – Média e desvio padrão do parâmetro Entropia Modificada
durante a contração sustentada, nos tempos de intervalo 0% (1-5 s), (1-50% (12-16 s) e 100% (22-26 s). Grupo de Controle, grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). ... 136 Figura 71 – Diagrama de caixas dos valores médios da Entropia
Modificada no intervalo de tempo 0% (1-5 s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre todos os grupos. O círculo em vermelho é o valor médio da Entropia Modificada. ... 137
Figura 72 – Diagrama de caixas dos valores médios da Entropia Modificada no intervalo de tempo 50% (12-16 s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre o grupo de Controle e o grupo DCNDP e entre o os grupos DSNDP e DCNDP. O círculo em vermelho é o valor médio da Entropia Modificada. ... 138 Figura 73 – Diagrama de caixas dos valores médios da Entropia
Modificada no intervalo de tempo 100% (22-26s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre todos os grupos. O círculo em vermelho é o valor médio da Entropia Modificada. ... 139 Figura 74 – Média e desvio padrão do coeficiente de variação (CoV)
durante a contração sustentada, nos tempos de intervalo 0% (1-5s), 50% (12-16 s) e 100% (22-26 s). Grupo de Controle, grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). ... 140 Figura 75 – Diagrama de caixas dos valores médios do coeficiente de
variação (CoV) no intervalo de tempo 0% (1-5s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre todos os grupos. O círculo em vermelho é o valor médio do CoV. ... 141 Figura 76 – Diagrama de caixas dos valores médios coeficiente de
variação (CoV) no intervalo de tempo 50% (12-16s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre o grupo de Controle e o grupo DCNDP e entre os grupos DSNDP e DCNDP. O círculo em vermelho é o valor médio do CoV. ... 142 Figura 77 – Diagrama de caixas dos valores médios do coeficiente de
variação (CoV) no intervalo de tempo 100% (22-26s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia
diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre todos os grupos. O círculo em vermelho é o valor médio do CoV. ... 143 Figura 78 – Média e desvio padrão do parâmetro RMS durante a
contração sustentada, nos tempos de intervalo 0% (1-5s), 50% (12-16s) e 100% (22-26s). Grupo de Controle, grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). ... 144 Figura 79 – Diagrama de caixas dos valores médios do parâmetro RMS
no intervalo de tempo 0% (1-5s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). Os grupos não apresentaram diferença significativa entre os grupos p>0,05. O círculo em vermelho é o valor médio do RMS. ... 145 Figura 80 – Diagrama de caixas dos valores médios do parâmetro RMS
no intervalo de tempo 50% (12-16 s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). Os grupos não apresentaram diferença significativa entre os grupos p>0,05. O círculo em vermelho é o valor médio do RMS. ... 146 Figura 81 – Diagrama de caixas dos valores médios do parâmetro RMS
no intervalo de tempo 100% (22-26 s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). Os grupos não apresentaram diferença significativa entre os grupos p>0,05. O círculo em vermelho é o valor médio do RMS. ... 147 Figura 82 – Média e desvio padrão do parâmetro MDF durante a
contração sustentada, nos tempos de intervalo 0% (1-5s), 50% (12-16 s) e 100% (22-26 s). Grupo de Controle, grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). ... 148 Figura 83 – Diagrama de caixas dos valores médios do parâmetro MDF
no intervalo de tempo 0% (1-5s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente
significativa entre o grupo de Controle e o grupo DCNDP e grupo DSND. O círculo em vermelho é o valor médio do MDF. ... 149 Figura 84 – Diagrama de caixas dos valores médios do parâmetro MDF
no intervalo de tempo 50% (12-16 s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre o grupo de Controle e o grupo DSNDP. O círculo em vermelho é o valor médio do MDF. ... 150 Figura 85 – Diagrama de caixas dos valores médios do parâmetro MDF
no intervalo de tempo 100% (22-26 s), para o grupo de Controle, o grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). O valor p demonstra diferença estatisticamente significativa entre o grupo de Controle e o grupo DSNDP. O círculo em vermelho é o valor médio do MDF. ... 151
LISTA DE TABELAS
Tabela 1 – Propriedades das unidades motoras. ... 42 Tabela 2 – Principais características da célula de carga utilizada. ... 72 Tabela 3 – Número de pulsos necessários para a configuração do ganho e
do canal de entrada do conversor HX711. ... 74 Tabela 4 – Comparação de algumas características dos principais AFEs
disponíveis no mercado, para aquisição de sinais de HD-sEMG. Texas Instruments (TI) e Intan Technologies (IT). .. 80 Tabela 5 – Principais características da plataforma de desenvolvimento
Teensy 3.2. ... 89 Tabela 6 – Principais características dos reguladores de tensão utilizados
na fonte de alimentação. ... 94 Tabela 7 – Fluxograma simplificado do algoritmo da interface gráfica
desenvolvida, para exibir e salvar os sinais de HD-sEMG adquiridos. ... 95 Tabela 8 – Ruído referido a entrada (IRN), relação sinal ruído (SNR), o
número de bits livre de ruído (NFB) e resolução efetiva de bits (ER) para frequência de amostragem igual a 1 kHz. ... 122 Tabela 9 – Ruído referido a entrada (IRN), relação sinal ruído (SNR), o
número de bits livre de ruído (NFB) e resolução efetiva de bits (ER) para frequência de amostragem igual a 2 kHz. ... 122 Tabela 10 – Média e desvio padrão dos parâmetros antropométricos e
clínicos dos grupos estudados. ... 128 Tabela 11 – Média e desvio padrão da contração isométrica voluntaria
máxima (CIVM) de flexão dorsal do pé, para o grupo de Controle, grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP) e com neuropatia diabética periférica (DCNDP). ... 128 Tabela 12 – Média e desvio padrão da velocidade de condução da fibra
muscular (VCFM) para o grupo de Controle, grupo dos indivíduos com diabetes sem neuropatia diabética periférica (DSNDP), e com neuropatia diabética periférica (DCNDP). ... 130 Tabela 13 – Média e desvio padrão do grupo de Controle, grupo dos
indivíduos com diabetes sem neuropatia diabética periférica (DSNDP), e com neuropatia diabética periférica (DCNDP), para os parâmetros de entropia modificada, coeficiente de variação (CoV), RMS e MDF dos três intervalos de tempo 0% (1-5s), 50% (12-16s) e 100% (22-26s). ... 135
LISTA DE ABREVIATURAS E SIGLAS
∆∑ – Delta-Sigma A/D – Análogico-Digital AFE – Analog Front End
ASIC – Application Specific Integrated Circuit AVR – Average Rectified Value
CI – Circuito Integrado
CIVM – Contração Isométrica Voluntária Máxima CMRR – Razão de Rejeição de Modo Comum DAC – Conversor Digital Analógico
ECG – Eletrocardiografia EEG – Eletroencefalografia EF – Effective Resolution EMG – Eletromiografia
HD-sEMG – Eletromiografia de Superfície de Alta Densidade iEMG – Eletromiografia Intramuscular
IRN – Input- Referred Noise JN – Junção Neuromuscular
MAqD – Módulo de aquisição de dados MDF – Median Frequency
MGdA – Módulo de gerenciamento de dados e alimentação MNF – Mean Frequency
NDP – Neuropatia Diabética Periférica NFB – Noise-free Bits of Resolution NM – Neuronio Motor
OMS – Organização Mundial da Saúde PA – Potencial de Ação
PAFM – Potencial de Ação da Fibra Muscular PAUM – Potencial de Ação da Unidade Motora PCI – Placa de Circuito Impresso
pps – Pulsos por segundo
PSRR – Razão de Rejeição da Fonte de Alimentação r– Coeficiente de Correlação
RMS – Root Mean Square Value RTO – Output-Referred Noise
sEMG – Eletromiografia de Superfície
SENIAM – Surface EMG for a Non-Invasive Assessment of Muscles SNR – Signal-to-Noise Ratio (Relação Sinal Ruído)
SPI – Serial Peripheral Interface TA – Tibial Anterior
UM – Unidade Motora USB – Universal Serial Bus
VCFM – Velocidade de Condução da Fibra Muscular Vp-p – Volts de pico a pico
SUMÁRIO 1 INTRODUÇÃO ... 35 1.1 OBJETIVOS ... 37 1.1.1 Objetivo Geral ... 37 1.1.1.1 Objetivos Específicos ... 37 2 FUNDAMENTAÇÃO TEÓRICA ... 39 2.1 SISTEMANEUROMUSCULAR ... 39 2.1.1 Unidade Motora ... 39
2.1.1.1 Tipos de Unidade Motora ... 41
2.1.2 Força Muscular ... 42
2.1.2.1 Recrutamento de Unidade Motora ... 42 2.1.2.2 Codificação de Taxa ... 43
2.1.3 Tipos de Contrações ... 43
2.1.3.1 Contrações Estáticas ... 43
2.1.4 Movimentos articulares e estrutura muscular do tornozelo ...44
2.2 ELETROMIOGRAFIADEALTADENSIDADE(HD
-SEMG) ...45
2.2.1 Filtragem Espacial ... 47 2.2.2 Amostragem Espacial ... 49 2.2.3 Extração de Parâmetros dos Sinais sEMG ... 52
2.2.3.1 Estimadores de Amplitude ... 52 2.2.3.2 Estimadores de Frequência ... 52 2.2.3.3 Velocidade de Condução da Fibra Muscular ... 53
2.2.4 Mapas Topográficos ... 55
2.2.4.1 Entropia Modificada ... 57
2.3 ASPECTOSTÉCNICOSPARAAQUISIÇÃODE
SINAISDEHD-SEMG ... 58
2.3.1 Aquisição e Condicionamento de Sinais de SEMG ... 58 2.3.2 Interface de Comunicação SPI ... 59 2.3.3 Conversor A/D Delta Sigma ... 61
2.3.3.1 Ruído Referido a Entrada ... 64
2.4 DIABETESMELLITUS ... 64
2.4.1 Epidemiologia ... 65 2.4.2 Conceito e Classificação ... 65 2.4.3 Principais Complicações ... 65 2.4.4 Neuropatia Diabética Periférica ... 66 2.4.5 Comprometimento do Sistema Motor Devido ao Diabetes e a Neuropatia Diabética Periférica ... 66
2.4.6 Alterações em Parâmetros de HD-sEMG Devido ao Diabetes e a Neuropatia Diabética Periférica ... 69
3 MATERIAIS E MÉTODOS ... 71 3.1 DINAMÔMETROPORTÁTIL ... 71 3.1.1 Hardware ... 72 3.1.2 Firmware ... 75 3.1.3 Interface Gráfica ... 76 3.1.4 Calibração ... 77 3.2 ELETROMIÓGRAFODE32CANAIS ... 78
3.2.1 Módulo de Aquisição de Dados ... 79
3.2.1.1 ADS1298 ... 81 3.2.1.2 Canais de Entrada Analógica... 82 3.2.1.3 Interface de Comunicação ... 85 3.2.1.4 Configuração com Múltiplos Dispositivos ... 85 3.2.1.5 Circuito de Realimentação da Perna Direita ... 87
3.2.2 Módulo de Gerenciamento de Dados e Alimentação. 87
3.2.2.1 Gerenciamento de Dados ... 88 3.2.2.1.1 Firmware ... 90 3.2.2.2 Isoladores para Comunicação SPI ... 92 3.2.2.3 Fonte de Alimentação ... 92
3.2.3 Interface Gráfica ... 94 3.2.4 Cabos e Matrizes de Eletrodos ... 96 3.2.5 Caracterização do Sistema de HD-sEMG... 98
3.3 AVALIAÇÃODAPLATAFORMADESENVOLVIDAE
DAMETODOLOGIADACOLETADEDADOS... 99
3.3.1 Protocolo de Aquisição de Dados ... 99 3.3.2 Avaliação do Sistema ... 101
3.4 ESTUDOPILOTO ... 102
3.4.1 Protocolo de Aquisição de Dados ... 103 3.4.2 Processamento dos Dados ... 104
3.4.2.1 Velocidade de Condução da Fibra Muscular... 105 3.4.2.2 Mapas Topográficos ... 108 3.4.3 Análise Estatística ... 109 4 RESULTADOS ... 111 4.1 DINAMÔMETROPORTÁTIL ... 111 4.1.1 Hardware ... 111 4.1.2 Interface Gráfica ... 112 4.1.3 Calibração ... 113 4.2 ELETROMIÓGRAFODE32CANAIS ... 114 4.2.1 Hardware ... 114
4.2.1.1 Cabos e Conectores ... 117
4.2.2 Interface gráfica ... 121 4.2.3 Caracterização do Sistema de HD-sEMG ... 121
4.2.3.1 Ruído de Entrada ... 122 4.2.3.2 Ganho ... 123 4.2.3.3 Ganho de Modo Comum ... 124
4.3 AVALIAÇÃODAPLATAFORMA ... 121 4.4 ESTUDOPILOTO ... 127
4.4.1 Contração Isométrica Voluntária Máxima ... 128 4.4.2 Velocidade de Condução da Fibra Muscular ... 130 4.4.3 Mapas Topográficos ... 131 5 DISCUSSÃO ... 153 5.1 AVALIAÇÃODAPLATAFORMA ... 153 5.2 ESTUDOPILOTO ... 156 6 CONCLUSÃO ... 161 6.1 TRABALHOSFUTUROS ... 162 REFERÊNCIAS ... 163 APÊNDICE A – Neuropathy Total Symptom Score (NTSS-6) ... 173
APÊNDICE B – Tabela de Pontuação NTSS-6 .... 179 APÊNDICE C – Formulário ... 181 APÊNDICE D – Termo de Consentimento Live e Esclarecido (TCLE) ... 185
APÊNDICE E – Parecer Consubstanciado do Comitê de Ética em Pesquisa ... 193
APÊNDICE F – Especificações Técnicas do
1 INTRODUÇÃO
Segundo a Organização Mundial da Saúde, cerca de 422 milhões de pessoas no mundo têm diabetes mellitus, sendo 90% dos casos classificados como diabetes mellitus tipo 2 (WHO, 2016a). Estudos sugerem que até 50% dos diabéticos devem adquirir algum tipo de neuropatia diabética (BANSAL; KALITA; MISRA, 2006; TESFAYE, 2011). O tipo mais comum de neuropatia diabética é a polineuropatia simétrica distal ou sensitivo-motora, denominada de Neuropatia Diabética Periférica (NDP), que devido ao metabolismo anormal da glicose, leva a redução de nutrientes e ao acúmulo de toxinas, afetando os nervos sensoriais e motores, podendo levar à fraqueza muscular, úlceras nos pés, infecções e até amputação dos membros inferiores (BOULTON, 2005; TESFAYE, 2011; WHO, 2016b).
Os sintomas mais evidentes de NDP são inicialmente devidos a distúrbios sensoriais (JUSTER-SWITLYK; SMITH, 2016). Os sintomas incluem perda de sensibilidade vibratória, tátil, dor e temperatura, sendo mais acentuada em um primeiro momento nos membros inferiores, e em casos mais severos nos membros superiores (BANSAL; KALITA; MISRA, 2006; SBD, 2016). Mais tarde aparecem os primeiros sinais clínicos de disfunções motoras que consistem na perda da força nos músculos distais localizados nos membros inferiores (ANDERSEN; GJERSTAD; JAKOBSEN, 2004; ANDREASSEN; JAKOBSEN; ANDERSEN, 2006), afetando principalmente músculos com maior proporção de fibras do tipo I como o Tibial Anterior (TA) (BUTUGAN et al., 2014; OBERBACH et al., 2006). Estudos têm relatado que disfunções musculares no TA podem levar a alterações na distribuição da pressão plantar, e consequentemente, gerar uma deformidade óssea (calos/calosidades) que, com a marcha contínua pode evoluir para ulceração (FERNANDO et al., 2013; FERREIRA et al., 2017; SACCO; SARTOR, 2016; VAN SCHIE et al., 2004). Acredita-se que a maioria das úlceras nos pés de indivíduos diabéticos se desenvolvem como resultado da ação repetitiva do estresse mecânico (pressão) gerado durante a marcha (ARMSTRONG et al., 2004). As amputações em membros inferiores dos indivíduos diabéticos são geralmente devido a úlceras plantares (BOULTON, 2005).
Embora os sintomas motores não são relatados no início da NDP, existem evidências que as alterações no sistema motor ocorrem ao mesmo tempo que as disfunções sensoriais (MEIJER et al., 2008). Porém, devido a um mecanismo compensatório caracterizado pelo processo de denervação e reinervação, onde ocorre a perda contínua da unidade
motora unida a regeneração axonal e reinervação das fibras órfãs, o neurônio motor permanece mais preservado, escondendo o envolvimento do sistema neuromuscular no começo da doença (ANDREASSEN; JAKOBSEN; ANDERSEN, 2006; BARKHAUS; LORENZO, 2015; ZOCHODNE; RAMJI; TOTH, 2008).
Sinais eletromiográficos intramusculares (iEMG) podem fornecer informações mais detalhadas sobre o processo de denervação e reinervação, através da avaliação das seguintes alterações: velocidade de condução da fibra muscular, amplitude e duração do potencial de ação da unidade motora, aumento da instabilidade no potencial de fibra única (jitter), bem como nas alterações no padrão de recrutamento e taxa de disparo das unidades motoras (ANDERSEN et al., 1998; BARKHAUS; LORENZO, 2015; BRIL et al., 1996; DAUBE; RUBIN, 2009; MEIJER et al., 2008; NASHED et al., 2010; SANDBERG, 2014; SOUAYAH et al., 2009). No entanto, a iEMG é um método invasivo, com pequena área de medição, e difícil reprodutibilidade devido a amplitude do sinal depender da posição exata do eletrodo de agulha (ZWARTS; STEGEMAN, 2003).
Recentemente, funções neuromusculares, como velocidade de condução da fibra muscular, número de unidade motora, taxa de disparo e estratégia de recrutamento da unidade motora, têm sido avaliadas de forma não invasiva utilizando técnicas de eletromiografia de superfície de alta densidade (HD-sEMG) (FARINA et al., 2001, 2004, 2008; HOLOBAR; ZAZULA, 2007; MADELEINE et al., 2006; MERLETTI; HOLOBAR; FARINA, 2008). Estas técnicas são baseadas na amostragem e filtragem espacial, que se caracteriza pela aquisição multicanal de sinais de eletromiografia de superfície (sEMG) utilizando malhas de eletrodos lineares ou bidimensionais (MERLETTI; FARINA, 2016). Estudos têm utilizado esta abordagem para avaliar o sistema neuromuscular em indivíduos diabéticos. As pesquisas têm encontrado alterações na velocidade de condução da fibra muscular (BUTUGAN et al., 2014; SUDA et al., 2016), no recrutamento e nos padrões de disparo das unidades motoras (WATANABE et al., 2013; WATANABE; MIYAMOTO; TANAKA, 2012), e na complexidade do sistema neuromuscular (SUDA et al., 2017a, 2017b).
Conforme descrito anteriormente, é alta a incidência de NDP em indivíduos com diabetes e uma das manifestações desta condição são os distúrbios motores. Estes podem estar acontecendo desde o início da doença, porém, quando identificados por meio do aparecimento de sintomas da fraqueza muscular ou úlceras plantares, a NDP já está em estado avançado. Neste sentido, é de suma importância a avaliação
neuromuscular desses indivíduos, mesmo em estágios iniciais. No entanto, as principais alterações do sistema motor são avaliadas utilizando iEMG, que é um método invasivo, doloroso, e ainda de alto custo. Assim, tal técnica é utilizada apenas em casos graves, que apresentam sinais e sintomas clínicos de NDP, sendo acessível apenas para uma pequena parte dessa população. Portanto, torna-se necessário o desenvolvimento de novos métodos para avaliações do sistema motor de forma rápida, não invasiva e de menor custo, viabilizando o diagnóstico precoce da NDP.
Visando contribuir no estudo dos problemas descritos, a proposta do presente trabalho é desenvolver uma plataforma formada por um dinamômetro portátil e um dispositivo de aquisição de sinais HD-sEMG de 32 canais, para a detecção de disfunções neuromusculares em indivíduos com diabetes, por meio de uma avaliação do músculo TA. Com esta plataforma, que envolve o desenvolvimento de hardware, software de interface de aquisição e processamento de sinais, pretende-se avaliar parâmetros neuromusculares que possam servir como descritores para quantificar disfunções do sistema motor ocasionadas pela NDP. 1.1 OBJETIVOS
1.1.1 Objetivo Geral
O objetivo deste trabalho é desenvolver uma plataforma formada por um dinamômetro portátil e um dispositivo de aquisição de sinais HD-sEMG de 32 canais, para verificação de ocorrência de disfunções neuromusculares em indivíduos com diabetes, por meio de uma avaliação do músculo TA. Ainda, pretende-se avaliar parâmetros neuromusculares que possam quantificar disfunções do sistema motor ocasionadas devido a NDP.
1.1.1.1 Objetivos Específicos
• Desenvolver um eletromiógrafo multicanal de superfície de 32 canais, conforme especificações descritas por Merletti e Farina (2016).
• Desenvolver um dinamômetro portátil, para avaliação da força do músculo TA.
• Desenvolver interfaces gráficas para realizar o armazenamento dos dados adquiridos pelos hardwares implementados.
• Desenvolver uma metodologia para avaliação do dispositivo e para o estudo das alterações do sistema motor em indivíduos com diabetes mellitus.
• Aplicar a metodologia desenvolvida em pessoas saudáveis para avaliar o desempenho do dispositivo desenvolvido.
• Aplicar a metodologia desenvolvida em estudo de alterações no sistema motor em indivíduos com diabetes com e sem NDP.
• Processar os sinais de EMG adquiridos e avaliar os parâmetros neuromusculares obtidos.
2 FUNDAMENTAÇÃO TEÓRICA
Neste capítulo é apresentado a fundamentação teórica necessária para atingir o objetivo do presente trabalho. Inicialmente, será realizada uma breve apresentação da fisiologia do sistema neuromuscular. Em seguida, serão abordados tópicos relacionado a eletromiografia de alta densidade (HD-sEMG), assim como, o hardware necessário para aquisição dos sinais de HD-sEMG. Após, é feita uma descrição do diabetes mellitus (DM), da neuropatia diabética periférica e de suas principais complicações no sistema motor.
2.1 SISTEMA NEUROMUSCULAR
Nesta Seção é realizada uma breve descrição da fisiologia do sistema neuromuscular. Também, são apresentados aspectos teóricos sobre os diferentes tipos de contração muscular. Ainda nesta seção é feita uma descrição sobre os movimentos articulares e a estrutura muscular do tornozelo.
2.1.1 Unidade Motora
A base funcional do sistema neuromuscular é a Unidade Motora (UM). Uma UM consiste de um Neurônio Motor (NM) localizado na medula espinhal ou no tronco cerebral, e dos seus axônios e todas as fibras musculares inervadas por ele (ENOKA, 2001) (Figura 1). Um único NM conecta-se a múltiplas fibras musculares, mas cada fibra muscular é inervada por apenas um único NM (SILVERTHORN, 2010). O número de fibras inervadas por uma UM depende da função muscular exercida. Por exemplo, os músculos que movimentam os olhos ou as mãos precisam de um controle mais refinado, desta forma, contém apenas algumas fibras inervadas para cada UM. Já os músculos que exercem ações motoras mais grosseiras, como, por exemplo, músculos do braço (bíceps) podem ter mais de mil fibras musculares inervadas por uma única UM (HAMILL; KNUTZEN; DERRICK, 2017; TORTORA, 2000).
Figura 1 – A Unidade Motora é formada por um neurônio motor e todas as fibras inervadas por ele. O corpo celular do NM é localizado na medula espinal. O axônio do NM se ramifica em terminação axonal, que se conecta pelas fibras musculares através das junções neuromusculares.
Fonte: Adaptado de: HAMILL; KNUTZEN; DERRICK (2007).
O axônio do NM se ramifica em terminais axonais e se conecta à fibra muscular pela Junção Neuromuscular (JN) (Figura 1). Quando um potencial de ação (PA) gerado em um neurônio motor atinge a junção neuromuscular, ele libera o neurotransmissor acetilcolina (ACh). Este neurotransmissor provoca o rompimento da barreira iônica do tecido muscular através do influxo de cargas positivas, despolarizando a célula. A zona de despolarização se propaga ao longo das fibras musculares, iniciando nas junções neuromusculares e propagando-se até as terminações dos tendões. A modificação dos potenciais elétricos da fibra muscular por meio do deslocamento iônico entre os meios intra e extracelular recebe o nome de Potencial de Ação da Fibra Muscular (PAFM). A velocidade que o PAFM se propaga é conhecida como Velocidade de Condução da Fibra Muscular (VCFM) e sua magnitude depende do diâmetro da fibra muscular, da taxa de disparo da UM, além das concentrações iônicas extracelulares e metabólicas.
Como um NM inerva várias fibras de uma mesma UM por meio das terminações axonais (Figura 2), quando excitado, todas as fibras
musculares inervadas por ele são contraídas. Como consequência, o PA de cada fibra muscular de uma mesma UM é somado espacialmente e temporalmente formando o Potencial de Ação da Unidade Motora (PAUM), esse processo é ilustrado na Figura 2.
Figura 2 – Neurônio motor A (NMA) inerva as fibras musculares 1,4 e 5 formando a UM A, e o neurônio motor B (NMB), inerva as fibras musculares 2 e 3 formando a UM B. O potencial de ação de cada fibra é ilustrado nas curvas de 1 a 5 na direita. O somatório de cada curva forma o PAUM.
Fonte: Adaptado de: KAMEN; CALDWELL, (1996). 2.1.1.1 Tipos de Unidade Motora
As UMs podem ser caracterizadas de acordo com diversas propriedades fisiológicas, como por exemplo, taxa de disparo do neurônio motor, velocidade de contração da fibra muscular, magnitude da força e resistência a fadiga (ENOKA, 2001). Contudo, as UMs são classificadas de acordo com as propriedades fisiológicas das fibras musculares inervadas. As propriedades fisiológicas mais utilizadas são o tipo do metabolismo energético, a velocidade de contração e fatigabilidade. Desta forma, as UMs são divididas em três tipos: oxidativas de contração lenta e resistente a fadiga (tipo I ou S); oxidativas de contração rápida e resistente a fadiga (tipo IIa ou FR); glicolíticas contração rápida e fadiga rápida (tipo IIb ou FF) (ENOKA; FUGLEVAND, 2001). A Tabela 1 apresenta as principais propriedades das UMs descritas.
Tabela 1 – Propriedades das unidades motoras.
Propriedades Tipo I Tipo IIa Tipo IIb
Tipo metabólico Oxidativa Oxidativa
glicolítica Glicolítica
Velocidade de contração Lenta Rápida Rápida
Tamanho do NM Pequeno Grande Grande
Resistencia a fadiga Alta Média Baixa
Diâmetro da fibra Pequeno Grande Grande
Força da UM Baixa Alta Alta
Velocidade de condução do
nervo Baixa Intermediária Alta
Força para o recrutamento Leve Moderada Alta Fonte: HAMILL; KNUTZEN; DERRICK (2007).
Os três tipos de UMs são encontradas em todos os músculos, mas a proporção de cada tipo varia de acordo com o músculo e sua funcionalidade (HAMILL; KNUTZEN; DERRICK, 2017; MERLETTI; PARKER, 2004).
2.1.2 Força Muscular
Existem dois mecanismos responsáveis pela magnitude da força exercida por um músculo, o primeiro é o número de UMs que são ativadas (recrutamento de UMs) enquanto o segundo é conhecido como taxa de codificação dos neurônios motores. Sabe-se que para pequenas forças, o recrutamento é o efeito dominante, enquanto que a taxa de codificação é mais importante para forças altas (MORITZ et al., 2005).
2.1.2.1 Recrutamento de Unidade Motora
A base para o entendimento do recrutamento de UM é um princípio conhecido como recrutamento ordenado. Esse princípio indica que as UMs tendem a serem recrutadas em uma ordem relativamente fixa durante contrações voluntárias. Isso se deve ao fato de que os neurônios motores pequenos têm um menor limiar de recrutamento (força necessária para a ativação de uma UM) em comparação aos neurônios motores maiores. Essas descobertas promoveram a fundação para o princípio do tamanho, o qual indica que uma contração voluntária envolve a ativação
de inúmeras UMs recrutadas de ordem crescente de tamanho (MERLETTI; FARINA, 2016).
As primeiras UMs a serem recrutadas exercem as menores forças e fadigam mais lentamente (Tipo I), o que explica porque forças pequenas de contração podem ser sustentadas por longos períodos. Por outro lado, as UMs recrutadas mais tardiamente exercem maiores forças e apresentam fadiga mais rapidamente (Tipo IIa e IIb) (ENOKA, 2001). 2.1.2.2 Codificação de Taxa
Além do recrutamento de unidades motoras, a força que um músculo pode exercer depende da taxa na qual o neurônio motor dispara os potenciais de ação. Incrementos graduais na taxa de disparo produzem aumento linear da força muscular. As taxas de disparo são menores para UMs de limiar baixo (Tipo I) do que para UMs de limiar alto (Tipo II) (MORITZ et al., 2005). A taxa máxima de disparo depende do tipo de movimento sendo executado, variando de 20 a 60 pulsos por segundo (pps) durante aumento gradual de força, podendo atingir até 100 pps em contrações rápidas (ENOKA, 2001).
2.1.3 Tipos de Contrações
As contrações musculares podem ser estáticas e dinâmicas. Este trabalho visa aquisição de dados de sEMG em contrações estáticas. Desta forma, serão descritas algumas características deste tipo de contração. 2.1.3.1 Contrações Estáticas
As contrações musculares estáticas são também conhecidas como contrações musculares isométricas. E se caracterizam por exercícios que o torque muscular se iguala ao torque da resistência imposta durante a contração. Resultando assim, em um exercício sem movimento, ou seja, o ângulo da articulação e o comprimento do músculo não varia durante a contração. Estes exercícios são realizados de forma que a força utilizada pode ser constante conhecido como contração em degrau ou, variando de uma forma determinada chamada de contração em rampa (HAMILL; KNUTZEN; DERRICK, 2017). A utilização de um tensiômetro ou de um dinamômetro isométrico permite uma avaliação da força exercida durante este tipo de contração.
2.1.4 Movimentos articulares e estrutura muscular do tornozelo
O tornozelo e o pé exercem uma função primordial durante a locomoção do ser humano (BRUNNER; RUTZ, 2013). Eles são responsáveis pelo peso do corpo tanto na posição ereta como durante a locomoção e funcionam como um adaptador flexível para superfícies irregulares. Ainda, durante a marcha, eles absorvem e atenuam a força resultante no contato com o solo. Além disso, funcionam como uma alavanca para gerar a propulsão necessária durante a locomoção. Para isso, a articulação do tornozelo exerce diferentes movimentos, como por exemplo, o movimento de dorsiflexão ou flexão dorsal do pé (Figura 3(a)) (HAMILL; KNUTZEN; DERRICK, 2017).
O movimento de flexão dorsal do pé é utilizado na fase de balanço da marcha, para ajudar o pé a deixar o solo e na fase de apoio da marcha para controlar o abaixamento do pé após o contado do calcanhar até o solo. Este movimento é exercido pelo músculo tibial anterior, com auxílio dos músculos sinergistas, extensor longo dos dedos, extensor longo do hálux e fibular terceiro (Figura 3(b)). Além do movimento de dorsiflexão, a articulação do tornozelo exerce os movimentos de flexão plantar, inversão e eversão (HAMILL; KNUTZEN; DERRICK, 2017).
Figura 3 – (a) Movimento de flexão dorsal do pé ou dorsiflexão. (b) Principais músculos de apoio ao tornozelo. Os nomes dos músculos sublinhados são utilizados durante o movimento de flexão dorsal do pé ou dorsiflexão. Sendo em vermelho o músculo principal (tibial anterior) e em azul os músculos auxiliares (extensor longo dos dedos e extensor longo do hálux) do movimento.
2.2 ELETROMIOGRAFIA DE ALTA DENSIDADE (HD-SEMG) Nesta Seção são descritos os aspectos teóricos referente aos sinais de HD-sEMG que envolvem amostragem e filtragem espacial. Ainda são descritos alguns parâmetros que podem ser extraídos deste sinal.
O sinal de EMG é gerado pelas atividades elétricas das fibras musculares ativas durante a contração. As fontes do sinal estão localizadas nas zonas de despolarização das fibras musculares. Essas fontes são separadas dos eletrodos de registro por tecidos biológicos, que atuam como filtros espaciais passa baixas na distribuição do potencial.
Na iEMG, a inserção do eletrodo de registro diretamente no músculo, torna o efeito dos tecidos relativamente pequeno devido à proximidade dos eletrodos de gravações e as fontes do sinal (MERLETTI; FARINA, 2016). Desta forma, essa técnica de registro é mais apropriada para o estudo de UMs individuais.
No registro com eletrodos de superfície, a distância entre a fonte e o ponto de detecção é significativo e a posição dos eletrodos se torna um fator relevante (MERLETTI; FARINA, 2016). Os eletrodos são separados por tecidos (e.g., pele, gordura e tecido muscular) que atuam como filtros espaciais passa-baixa (LINDSTROM; MAGNUSSON, 1977), resultando em um sinal com amplitudes de até 10 mV e frequências na faixa de 10 a 500 Hz (LUCA, 2002; MERLETTI; FARINA, 2016).
O efeito de filtro passa-baixa do tecido somado a seletividade espacial limitada dos sistemas de aquisições, fazem com que os sinais de diferentes UMs tenham a mesma forma e ocorra a incidência de superposição, dificultando a separação da contribuição das diferentes UMs na contração muscular. Por essa razão, quando utilizado o sEMG, as propriedades de UMs individuais são indiretamente inferidas por meio de variáveis globais, e.g., amplitude do sinal, ao invés da identificação direta de potenciais de ação de uma única UM, como é feita com eletrodos intramusculares (FARINA; MERLETTI, 2008). Desta forma, o iEMG é praticamente a única técnica utilizada como ferramenta de diagnóstico na neurofisiologia. Porém, apesar da importância da utilização do iEMG, essa técnica provoca dor e estresse aos pacientes, por se tratar de uma técnica invasiva (BLOK et al., 2002). Além disso, é extremamente improvável medir a mesma UM de uma mesma pessoa em diferentes ocasiões, devido a sua pequena área de contato, tornando-se um método de difícil reprodutibilidade (TUCKER, 1993).
Nos últimos anos, técnicas não invasivas para a análise de propriedades individuais das unidades motoras de sinais EMG de superfície têm sido desenvolvidas. Essas abordagens são baseadas na amostragem e filtragem espacial, que se caracteriza pela aquisição multicanal de sinais de sEMG utilizando malhas de eletrodos lineares ou bidimensionais. Essas técnicas são chamadas de eletromiografia de superfície de alta densidade (HD-sEMG). Na Figura 4 está ilustrada a diferença entre as diferentes técnicas de registro do EMG.
Figura 4 – Alcance das diferentes técnicas de eletromiografia.
Fonte: Produção do próprio autor (2017).
Como mencionado anteriormente, o iEMG é praticamente a única técnica utilizada como ferramenta de diagnóstico na neurofisiologia. Entretanto, diversas áreas de pesquisa mostram o potencial do uso do HD-sEMG em aplicações clínicas. A grande maioria dos estudos de fadiga muscular utilizam o HD-sEMG, pois a fadiga é um sintoma expressivo em quase todas as doenças neuromusculares, ou seja, o HD-sEMG provém uma adição valiosa para o uso na prática clínica (ENOKA, 2012; GALLINA; MERLETTI; VIEIRA, 2011). A decomposição dos sinais de HD-sEMG também pode mostrar como as UMs são controladas pelo Sistema Nervoso Central (SNC). Os estudos de taxa de disparo das UMs possibilitam o entendimento da fisiopatologia de diversos distúrbios, como doença de Parkinson (MEIGAL et al., 2009; RUONALA et al., 2014), diabetes (BUTUGAN et al., 2014; SUDA et al., 2016; WATANABE et al., 2013; WATANABE; MIYAMOTO; TANAKA, 2012), Esclerose Lateral Amiotrófica (ELA) (DE CARVALHO; PINTO; SWASH, 2011), AVC e diversas patologias (DROST et al., 2006). Outras áreas que envolvem o uso do sEMG são as aplicações de próteses, controle robótico e biofeedback (MERLETTI; FARINA, 2016).
Conforme descrito anteriormente, os sinais de HD-sEMG se caracterizam pela aquisição multicanal de sinais de sEMG utilizando malha de eletrodos lineares ou bidimensionais. Esta abordagem utiliza técnicas de amostragem e filtragem espacial. Desta forma, nas próximas seções serão descritos aspectos teóricos sobre essas técnicas. Ainda serão
apresentados alguns parâmetros que podem ser extraídos dos sinais de HD-sEMG.
2.2.1 Filtragem Espacial
O registro de um biopotencial na superfície da pele implica detectar a diferença de potencial entre um ou mais pontos. Em configurações que o registro do sinal utiliza a diferença entre um determinado ponto e uma referência localizada longe da fonte do sinal, é chamada de configuração monopolar (Figura 5a). Esta configuração é conhecida pela alta sensibilidade a sinais de modo comum, sendo assim, usada quase que exclusivamente em aplicações de pesquisa. Em aplicações que se utiliza a diferença de tensão entre dois pontos localizados próximos a fonte geradora do sinal é chamada de configuração diferencial ou bipolar (Figura 5b). Esta configuração se caracteriza pela alta razão de rejeição de sinais de modo comum, melhorando assim a relação sinal ruído (MERLETTI; PARKER, 2004). Figura 5 – Configurações de registro de sinais de EMG. (a) Configuração monopolar. (b) Configuração bipolar ou diferencial.
Fonte: Adaptado de: MERLETTI; PARKER (2004).
Além das características descritas, a configuração diferencial possui um efeito de filtro espacial, que na maioria dos casos é ignorada. Para entender esse efeito, na aquisição de sinais de sEMG é necessário considerar um amplificador diferencial com dois eletrodos separados por uma distância igual a d, e alinhados com a fibra muscular. Os eletrodos podem ser considerados dois pontos de amostragem no domínio do tempo
e espaço do potencial elétrico gerado na fibra muscular (MERLETTI; PARKER, 2004).
A distribuição dos potenciais elétricos adquiridos pelo sistema pode ser vista no domínio da frequência espacial, como um somatório de harmônicos senoidais que representam o espectro de amplitude de Fourier no espaço. Cada harmônica, tem uma frequência espacial (fe) e
consequentemente um comprimento de onda (λ). Assim, se d = nλ, (para n = 1,2...) a tensão detectada será zero, uma vez que os períodos no espaço caberão exatamente dentro dos dois eletrodos e assim detectaram duas ondas senoidais idênticas, cuja a diferença será zero. Por outro lado, se d = nλ ± λ/2 (para n = 1,2...), a tensão detectada será o pico máximo, uma vez que, os dois eletrodos detectaram a diferença entre duas ondas senoidais iguais e opostas. Desta forma, o sistema de detecção diferencial é um filtro espacial cuja a saída depende da frequência espacial de entrada (MERLETTI; FARINA, 2016; MERLETTI; PARKER, 2004).
Agora considerando a relação entre frequência espacial (fe),
velocidade de propagação (v) e comprimento de onda (λ), que é descrita pela Equação (1) (MERLETTI; PARKER, 2004).
𝑓𝑒 = 𝑣λ (1)
Sendo que o comprimento de onda (λ = 1/ fe) e a velocidade de
propagação é descrita na Equação (2).
𝑣 = λ
𝑇 (2)
Onde T é o período da onda em segundos.
Dado que a frequência temporal é ft = 1/T. Assim, utilizando as
equações descritas é possível chegar na Equação (3) que relaciona a frequência espacial com a frequência temporal.
𝑓𝑡= 𝑣. 𝑓𝑒 (3)
A função de transferência do filtro espacial no espaço e no tempo é dada pela Equação (4) e (5) respectivamente.
