SEA-Seminário de Eletrônica e Automação Ponta Grossa / 2016 EMG E LABVIEW TM : CONCEITOS E APLICAÇÕES. 1. Introdução. 2.

EMG E LABVIEW

: CONCEITOS E APLICAÇÕES

Melissa Mendes Rosa La Banca

; José Jair Alves Mendes Junior

; Sergio Luiz Stevan Jr

.

melissa.1995@alunos.utfpr.edu.br; josej@alunos.utfpr.edu.br; sstevanjr@utfpr.edu.br

1_{Universidade Tecnológica Federal do Paraná – UTFPR – Ponta Grossa – Paraná}

Resumo

O objetivo deste documento é apresentar uma revisão bibliográfica sobre publicações dos últimos dez anos envolvendo sinais eletromiográficos (EMG) e seu processamento com o software LabVIEWTM. Para tal, aspectos como aquisição, condicionamento e classificação dos sinais são levados em conta, assim como a utilização dos mesmos para diversas aplicações. Por fim, verifica-se que as aplicações envolvendo tais conceitos podem ser desenvolvidas em vários quesitos.

Palavras-chave: EMG; LabVIEWTM; Instrumentação Virtual.

1. Introdução

Dentro das diversas áreas presentes na Engenharia, há um ramo que tem ganhado mais atenção nos últimos anos impulsionada pela evolução da tecnologia: a chamada Engenharia Biomédica. Com o desenvolvimento de novos equipamentos e, consequentemente, aprofundamento dos conhecimentos nas áreas de biologia e medicina, a Engenharia Biomédica envolve aplicações desde a criação de próteses e análises de sinais vindos do corpo humano até dispositivos diagnósticos e médicos (FUSTERO; ARREDONDO, 2010).

As medições comumente realizadas na área da Engenharia Biomédica abrangem sinais biolétricos de diversas partes do corpo como, por exemplo, o coração (eletrocardiograma), músculos (eletromiografia), couro cabeludo (eletroencefalograma), entre outros (NATIONAL INSTRUMENTS, 2016). Análises são realizadas a partir destes sinais, com seus respectivos processamentos, e resultam em diferentes aplicações. Estes processos, na maioria das vezes, são desenvolvidos por meio de hardware (etapas de condicionamento) em um software (processamento), o qual este último vem crescendo cada vez mais em uso (TURCHIELLO; MARINO-NETO; MARQUES, 2014).

Dentre os diversos softwares que são usados para realizar a aquisição e o processamento de sinais, um dos que mais se destaca é o LabVIEWTM (do inglês, Laboratory Virtual Instrument Engineering Workbench) pela sua facilidade de programação e ampla quantia de bibliotecas e recursos. Além disso, ele é considerado um software bastante completo, pois além das funções de aquisição e condicionamento dos sinais, ele também é utilizado para a construção de sistemas de instrumentação e controle (ANJOS; VILLANI, 2010).

O presente artigo tem como objetivo abordar uma revisão bibliográfica de publicações dos últimos dez anos

envolvendo a análise de sinais eletromiográficos (EMG) e processamento dos mesmos utilizando o software LabVIEWTM, assim como aplicações envolvendo estes conceitos. Este trabalho apoia-se na dificuldade que existe em listar ou encontrar material que reúna aplicações de LabVIEWTM com biomédica, apresentando o quanto essa ferramenta pode ser útil em aplicações com EMG.

O presente trabalho está dividido em um breve resumo sobre a técnica de EMG (Seção 2), conceitos do software LabVIEWTM (Seção 3), apresentação das aplicações (Seção 4) e uma breve conclusão sobre os trabalhos citados (Seção 5).

2. Eletromiografia

A Eletromiografia (EMG) é o estudo de fenômenos bioelétricos formados pelas variações fisiológicas nas membranas de fibra muscular. Por ela, é examinado o desenvolvimento, registro e análise dos sinais de EMG para, por exemplo, chegar ao diagnóstico relacionado a uma doença ou analisar o comportamento dos músculos em diferentes situações (JAMAL, 2012; KAMEN; GABRIEL, 2015).

As aplicações de EMG abrangem diversas áreas, desde o campo de pesquisas médicas em ortopedia, cirurgia, neurologia funcional, reabilitação pós-cirúrgica e próteses até pesquisas no campo dos esportes envolvendo biomecânica, análise de movimentos e força dos atletas (SINGH, 2013).

As medidas destes sinais são muitas vezes realizadas por eletrodos de superfície, embora também possam ser feitas com eletrodos intramusculares. Os eletrodos de superfície têm como vantagens maior disponibilidade e são menos invasivos que os eletrodos intramusculares (JAMAL, 2012). Em ambos os casos, a medição envolve uma diferença de potencial causada pela atividade muscular e por essa razão é necessário haver um eletrodo

Universidade Tecnológica Federal do Paraná – UTFPR

Câmpus Ponta Grossa – Paraná – Brasil

SEA-Seminário de Eletrônica e Automação

para servir como referência (KAMEN; GABRIEL, 2015). A Figura 1 apresenta um exemplo de medição de um sinal EMG. A princípio, pode-se perceber que o sinal de EMG possui aparência ruidosa e de natureza estocástica, sendo muitas vezes considerado um sinal de difícil interpretação (NAJARIAN; SPLINTER, 2012). A Figura 2 apresenta um exemplo de disposição de eletrodos de superfície para realizar a medição do sinal EMG, onde é possível observar os eletrodos localizados na região do músculo do bíceps braquial esquerdo e o eletrodo de referência, próximo ao cotovelo.

Figura 1 – Sinal de EMG característico.

Figura 2 – Disposição de eletrodos para medição do sinal EMG do músculo Bíceps Braquial.

Fonte: Mendes Jr et al (2015).

Para a análise do sinal EMG captado, é necessário que o mesmo seja devidamente tratado, pois possui amplitude baixa (na ordem dos microvolts a dezenas de milivolts) e é muito suscetível a ruídos (KAMEN; GABRIEL, 2015). Por essa razão, etapas de condicionamento do sinal, como amplificação e filtragem, são comumente presentes quando se refere a um sinal EMG. Essas etapas podem ser feitas via hardware, na forma de implementação de circuitos utilizando componentes eletrônicos; via software, na forma de filtros e amplificadores utilizados nos próprios programas de processamento; ou ainda contendo os dois recursos, hardware e software (MOHAMAD; NOOR, 2014; TURCHIELLO; MARINO-NETO; MARQUES, 2014; BRUECKEN; SESSOU; WEISS, 2012).

3. LabVIEW

Desenvolvido pela empresa National Instruments, o LabVIEWTM é um software que possui sua programação realizada de forma gráfica e intuitiva, chamada linguagem G. Com ele, é possível realizar em um mesmo ambiente a aquisição dos sinais, seu processamento e análise. Por

meio de uma interface com o usuário, pode-se visualizar os dados na forma de gráficos e indicadores, e ainda exportá-los para outros softwares. Também é possível utilizar recursos como linguagem de programação C, vincular o LabVIEWTM a outros ambientes de desenvolvimento - como o MATLAB® - e microcontroladores, como o Arduino® (LIMA; NETO, 2007; CALINOIU et al, 2014).

O ambiente de programação do LabVIEWTM é o chamado Instrumento Virtual ou VI (do inglês, Virtual Instrument). Ele consiste de Painel Frontal e Diagrama de Blocos, em que o Painel Frontal é utilizado para exibir os controles e indicadores para o usuário e o Diagrama de Blocos contém o código para o VI. (JOHNSON, JENNINGS, 2006). Dentro dos VIs, é possível a criação de subVIs, ou seja, subrotinas, o que é uma grande vantagem com relação à organização do programa, pois se cria sistemas hierárquicos de forma compacta e organizada

(BITTER; MOHIUDDIN; NAWROCKI, 2006; JOHNSON,

JENNINGS, 2006).

A Figura 3 apresenta um exemplo bem simples de programa realizado no LabVIEWTM para somar dois números. Pode-se observar que o cerne da programação é desenvolvido no Diagrama de Blocos – Figura 3 a) - e o Painel Frontal – Figura 3 b) – funciona como interface para o usuário. É no Painel Frontal que o usuário controla e interage com a programação feita no Diagrama de Blocos; o qual, no caso apresentado, controla as variáveis que representam os valores de A e B (JOHNSON, JENNINGS, 2006).

Figura 3 – Janelas de desenvolvimento do LabVIEWTM, em destaque a) Diagrama de Blocos e b) Painel Frontal.

Para a aquisição de sinais, são usados equipamentos da própria National Instruments, como a Placa de Aquisição de Dados (DAQ, do inglês Data Aquisition System); kits externos (SINGH, 2013); e circuitos próprios implementados para este fim (LIMA; NETO, 2007). Estes últimos devem estar devidamente configurados para que o VI no LabVIEWTM possa realizar de fato a aquisição dos dados e processa-los da maneira desejada (LIMA; NETO, 2007).

4. Aplicações

São diversas as aplicações possíveis envolvendo EMG e o uso do software LabVIEWTM, sendo que nos últimos dez anos, estudos vêm sendo realizados para diversas situações. Em sua grande maioria, estes estudos tratam da aquisição dos sinais EMG, seu processamento e alguma

análise posterior baseada nos resultados obtidos. Muitos trabalhos que usavam o LabVIEWTM apenas exploravam suas capacidades de aquisição e processamento. Em outras palavras, o software era apenas usado como plataforma de aquisição de dados. Nota-se que o uso da plataforma sofreu uma evolução no decorrer dos anos. Por essa razão, as aplicações que serão apresentadas estão divididas em três seções: aplicações que envolvem aquisição simples de sinais, que envolvem processamento e classificação e que envolvem controle de sistemas robóticos, exoesqueletos e interfaces homem-máquina.

4.1 Aquisição de Sinais

Com relação à simples aquisição de dados, Bonneau, Fortunato e King (2006) realizaram uma pesquisa que consistia apenas da criação de uma estação de trabalho para a condução de experimentos na aquisição de sinais biomédicos, em especial, o sinal de EMG (BONNEAU; FORTUNATO; KING, 2006).

A aquisição de dados também se fez presente com relação a dados provenientes de microcontroladores e circuitos integrados dedicados, como é explorada no trabalho de Pereira et al (2013). Os autores fizeram a integração do circuito integrado ADS1198 (que faz captura de multi-canais) com um sistema vestível para monitoramento de sinais de eletrocardiografia (ECG) e EMG. O LabVIEWTM foi programado para apresentar os dados e configurar o ADS1198.

Diferentemente do trabalho de Pereira et al (2013), em 2014, Jamaluddin et al (2014) realizaram a implementação de placas de circuito impresso par aquisição dos sinais, ao invés de utilizarem microcontroladores e circuitos integrados para tal. Na aquisição, os autores desenvolveram um sistema, em formato de sensor inteligente, que realizava a captação de vários biosinais, como apresentado na Figura 4 a). O programa desenvolvido em LabVIEWTM realizava apenas a filtragem dos dados e sua apresentação por meio de gráficos, presente na Figura 4 b), sendo que a conexão ao software LabVIEWTM se deu por meio de cabeamento.

4.2 Processamento e Classificação

Com relação ao processamento e classificação de dados, em 2010, Jankovic e Popovic (2010), desenvolveram um sistema em uma cadeira para a detecção de fadiga muscular por meio de EMG. Os dados coletados por um sistema de amplificadores juntamente com um sensor de força foram processados por meio do LabVIEWTM tanto no domínio do tempo quando no domínio da frequência.

Por causa do alto custo de alguns sistemas de para instrumentação biomédica, Bruecken, Sessou e Weiss (2012) projetaram então uma placa de instrumentação biomédica de baixo custo para leitura de sinais de ECG, EMG e de oximetria de pulso. Tal sistema realiza a aquisição e condicionamento por meio do LabVIEWTM com interface ao usuário e análise dados, contendo também a presença dos sinais visualizados graficamente (BRUECKEN; SESSOU; WEISS, 2012).

Figura 4 – Sistema de monitoramento de sinais de bioelétricos, sendo a) sua placas e montagem e b) exemplo de sinal de ECG e

EMG coletado. Fonte: Jamaluddin et al (2014)

Outra aplicação realizada foi feita por Singh (2013), onde foi feito um sistema de análise, processamento e classificação de sinais de EMG em ambiente LabVIEWTM. Estes sinais foram provenientes de medições nas operações de agarrar e levantar objetos de diferentes massas com o braço, como apresentado na Figura 5. Seu princípio baseia-se que, para cada diferente peso, certa quantia de força é aplicada pelo músculo para a realização do movimento. Essa força é proporcional ao sinal de EMG que excita as fibras musculares. A aquisição dos dados foi feita utilizando eletrodos de superfície nos músculos selecionados: flexor carpum ulnaris (Figura 5 a)) e bíceps brachhi (Figura 5 b)). Os dados foram submetidos a etapas normais de condicionamento (amplificação, amostragem, opto-isolação) e encaminhados para rotinas de processamento para a extração de características, como valor RMS (Root Mean Square), integral e taxa de cruzamento por zero. Por meio de lógica Fuzzy, a classificação foi feita totalmente em LabVIEWTM, conseguindo resultados com taxas de acertos de 74,44 % para o movimento de agarrar e 77,77 % no movimento de elevação do objeto (SINGH, 2013).

Realizando o processamento e classificação dos sinais EMG, Farooq e Khan (2014), estudaram os efeitos da rotação do ombro combinados com a flexão do cotovelo. Tal estudo focou na relação do desconforto em certas posições que são propensas a desenvolver lesões musculoesqueléticas, presentes em tarefas ocupacionais profissionais. As posições estudadas envolveram a variação do ângulo de rotação do ombro, com a variação do ângulo de flexão do cotovelo, utilizando uma cadeira de altura ajustável. O LabVIEWTM foi utilizado para controlar a tarefa experimental e registrar a pontuação de desconforto. Por eletrodos de superfície, o sinal de EMG foi adquirido do músculo ECRB (Extensor Carpi Radialis Brevis) e processado com hardware e software DataLink, da M/s Biometric (FAROOQ; KHAN, 2014).

Figura 5 – Sistema para reconhecimento de sinais de EMG para os movimentos de a) aperto e b) levantamento de objetos.

Fonte: Singh (2013), adaptado.

Ainda envolvendo aquisição e classificação, Al-Quraishi et al (2014), realizaram a medição do ângulo da junta do joelho, utilizando o LabVIEWTM como um sistema de aquisição e processamento de multi-canais. Com quatro canais, o sistema captou sinais provenientes dos músculos responsáveis pela movimentação dessa junta: tíbia anterior, perônio longo, gastrocnêmio lateral e medial (Figura 6). Através do LabVIEWTM, foram realizadas análises temporais, como a extração de média do valor absoluto, para analisar o nível de atividade dos músculos dessa região.

Figura 6 – Sistema para medição do ângulo da junta do joelho. Fonte: Al-Quraishi, et al (2014), adaptado.

4.3 Controle de Sistemas Robóticos

Com relação a sistemas robóticos, Novak desenvolveu, em 2011, o projeto de braço pertencente a um exoesqueleto utilizando a aquisição e comando através de LabVIEWTM. Esse sistema amplifica a força feita pelo bíceps braquial, fornecendo suporte ao indivíduo a ele conectado, como apresentado na Figura 7 a) (NOVAK, 2011). Os sinais foram captados por eletrodos de superfície, passados por condicionamento (amplificadores de instrumentação, filtro passa-banda e adequação para o computador) e por fim, encaminhados para um sistema DAQ comunicando ao LabVIEWTM. Pelo programa, os sinais foram convertidos em um valor RMS e estratégias foram usadas para controlar o atuador do exoesqueleto (NOVAK,2011). A estratégia desenvolvida está presente na Figura 7 b).

Figura 7 – a) Braço de um exoesqueleto b) seu programa de controle em LabVIEWTM.

Fonte: Novak (2011), adaptado.

Com sinais de EMG, Sharma e Dubey (2012) controlaram em tempo real um robô, apresentado na Figura 8 a), com sinais de EMG, como os vistos na Figura 8 b). O programa implementado no LabVIEWTM classifica a atividade muscular e fornece um valor para movimento via comunicação serial, através de cabo, para o robô. Os movimentos foram retirados a partir de grupos musculares de características recíprocas.

Figura 8 – a) Robô que foi controlado com o sinal EMG b) exemplo de sinal EMG captado.

Fonte: Sharma e Dubey (2012), adaptado.

Em um sistema mais complexo, Sarro Junior, Mendes Junior e Frantz (2014) desenvolveram o controle de um braço robótico contendo uma garra através de sinais EMG provindos do músculo bíceps braquial. Este desenvolvimento envolveu deste a etapa de aquisição dos sinais EMG até a construção do braço robótico que foi utilizado e sua movimentação. Os dados, adquiridos por meio de um circuito de condicionamento construído e desenvolvido pelos próprios autores, foram enviados para uma placa de aquisição NIDAQ-USB6212, da Nationals Instruments (SARRO JUNIOR; MENDES JUNIOR; FRANTZ,2014). Todo o processo é apresentado no esquema simplificado da Figura 9.

O uso do LabVIEWTM para esse projeto consistiu-se em duas formas: condicionamento dos dados, para análise e gravação dos mesmos; e atuação final do braço robótico, com calibração do sinal, ajuste dos dados e tomada de decisão do valor repassado ao braço. O controle do braço foi desenvolvido com análise de limiar (threshold), como foram desenvolvidos os primeiros controles robóticos por EMG. O diferencial desse trabalho é que todo o processamento dos dados é feito em plataforma LabVIEWTM. Ao processar e definir ângulo para o acionamento do braço robótico, este valor era enviado para um microcontrolador da família Atmel (Atmega 2560), que comandava os servomotores do grau de liberdade do braço robótico (SARRO JUNIOR; MENDES JUNIOR; FRANTZ,2014).

Figura 9 – Esquema simplificado do sistema de atuação de braço robótico por meio de EMG.

Fonte: Sarro Junior, Mendes Junior e Frantz (2014).

Mais recentemente, em 2015, Majid et al desenvolveram um sistema de aquisição com sistema de processamento utilizando lógica Fuzzy para biosinais, ECG e EMG, utilizando o LabVIEWTM. Estes sinais foram usados em uma interface para controlar dispositivos físicos que podem ser usados em seções de terapias ou afins, aumento no desempenho de atividades físicas e sistemas de reabilitação, como uma bicicleta ergométrica.

5. Discussão e Considerações Finais

Um ponto em comum entre as aplicações aqui apresentadas é a presença do condicionamento dos sinais EMG antes de analisar, classificar e utilizar os mesmos em outra aplicação. Embora todas as aplicações tenham passado por essas etapas, cada uma realizou este processo de uma maneira diferente, mostrando a variedade de recursos no condicionamento de sinais.

Outro quesito que vale ser destacado é a grande gama de aplicações possíveis envolvendo o sinal EMG. Tem-se utilizado desde a análise do sinal para determinar variáveis como desconforto causado por alguma posição e quantidade de massa levantada, até a utilização do sinal para controlar o movimento de um robô. Porém, a análise e classificação dos sinais se fez mais presente do que a utilização destes sinais para o controle de um sistema robótico.

Em função da grande quantidade de bibliotecas

presentes no software LabVIEWTM e a constante evolução das mesmas, diversas ferramentas de aquisição, processamento e classificação de dados podem ser utilizadas para as mais diferentes aplicações. Além disso, por se tratar de um software que pode ser integrado a outros ambientes de desenvolvimento e microcontroladores, instiga-se o uso mais frequente desta ferramenta para fins biomédicos.

Como prova disso, trabalhos futuros propostos pelos autores estão inseridos dentro das propostas visualizadas no decorrer deste trabalho. Por exemplo, tem se desenvolvido um sistema de aquisição de multicanais em tempo real, bem como um software de extração de características de sinal de EMG e um sistema de processamento e classificação dos dados ambientados na linguagem G no LabVIEWTM. Sendo assim, o trabalho aqui apresentado serve como base para o desenvolvimento destas novas aplicações.

Por fim, como foram poucas as aplicações que trataram do sinal EMG para o controle de instrumentos em si, é importante aumentar o número de pesquisas neste ramo. Este aumento auxiliará, por exemplo, a utilização dos sinais para o controle de próteses na reabilitação de pessoas que tiveram seus membros amputados.

Referências

ANJOS, J. M. S.; VILLANI, E. Modelagem e verificação de

uma proposta para arquitetura de controle de um efetuador robótico baseada em LABVIEW. In: VI CONGRESSO

NACIONAL DE ENGENHARIA MECÂNICA. Anais, Campina Grande, Paraíba, 2010.

AL-QURAISHI, M. S.; ISHAK, A. J.; AHMAD, S. A.; HASAN, M. K. Multichannel EMG Data Acquisition System: Design

and Temporal Analysis during Human Ankle joint Movements. In: 2014 IEEE CONFERENCE ON BIOMEDICAL

ENGINEERING AND SCIENCES, 2014, Miri, Sarawak, Malaysia, Proceedings, Miri, Sarawak, Malaysia: IEEE, 2014. BITTER, R.; MOHIUDDIN, T.; NAWROCKI, M. LabView:

Advanced Programming Techniques. 2 ed. CRC Press: Boca

Raton, 2006.

BONNEAU, P. J.; FORTUNATO, A.; KING, J. Data Display,

Acquisition and Feedback System for Biomedical Experiments. 2006. 195 f. Relatório de Projeto de Qualificação

– Instituto Politécnico de Worcester, Worcester, Massachusetts, 2006.

BRUECKEN, J.; SESSOU, K.; WEISS, A. myDAQ Biomedical

Instrumentation Board. 2012. Disponível em :< http://seniord.ece.iastate.edu/may1212/Final%20Documents%5C 491%20Design%20Document%20May1212.pdf>. Acesso em 10 de julho de 2016.

CALINOIU, D.; IONEL, R.; LASCU, M.; CIOABLA, A.

Arduino and LabVIEW in education remote monitoring applications. In: 2014 IEEE FRONTIERS IN EDUCATION

CONFERENCE, 2014, Madrid, Spain, Proceedings, Madrid, Spain: IEEE, 2014.

FAROOQ, M.; KHAN, A. A. Effects of shoulder rotation

combined with elbow flexion on discomfort and EMG activity of ECRB muscle. International Journal of Industrial

Ergonomics, v.44. nov. 2014.

FUSTERO, J. C.; ARREDONDO, A. G. The Biomedical

32ND ANNUAL CONFERENCE OF THE IEEE EMBS, 2010, Buenos Aires, Argentina, Proceedings, Buenos Aires, Argentina: IEEE, 2010.

GRINSTEAD, B.; PARTEN, M. E. Biomedical signal

acquisition using “Labview”. In: 11th IEEE SYMPOSIUM ON

COMPUTER-BASED MEDICAL SYSTEMS, 1998, Lubbock, TX, Proceedings, Lubbock, TX: IEEE, 1998.

JAMALUDDIN, F. N.; AHMAD, S. A. NOOR, S. B. M.; HASAN, W. Z. W. Flexible Bio-Signals Channels Acquisition

System for ECG and EMG Application. In: 2014 IEEE

STUDENT CONFERENCE ON, 2014, Batu Ferringhi,

Proceedings, Batu Ferringhi: IEEE, 2014.

JAMAL, M. Z. Signal Acquisition Using Surface EMG and Circuit Design Considerations for Robotic Prosthesis. In: NAIK, G. R. (Ed.). Computacional Intelligence in Electromyography

Analysis - A Perspective on Current Applications and Future Challenges. [s.l.] InTech, 2012.

JANKOVIC, M. M.; POPOVIC, D. B. An EMG System for

Studying Motor Control Strategies and Fatigue. In: 10TH

SYSMPOSIUM ON NEURAL NETWORK APPLICATIONS IN ELECTRICAL ENGINEERING, 2010, Belgrade, Serbia,

Proceedings, Belgrade, Serbia: 2010.

JOHNSON, G.; JENNINGS, R. LabVIEW Graphical

Programming. 4 ed. Mc Graw Hill: New York, 2006. KAMEN, G.; GABRIEL, D. Fundamentos da Eletromiografia. São Paulo: Phorte Editora, 2015.

LIMA, W. M.; NETO, J. S. da R. Um estudo comparativo

entre dois sistemas de aquisição e controle de dados utilizando a interface LabVIEW. In: CONGRESSO BRASILEIRO DE EDUCAÇÃO EM ENGENHARIA. Anais, Curitiba, Paraná, 2007.

MAJID, A. H. A.; RAHMAN, M. A. A.; MAZLAN, S. A.; ZAMZURI, H. Biosignals based Intelligent Control Interface

for Current-induced Physiological Devices. In: 10TH ASIAN

CONTROL CONFERENCE (ASCC), 2015, Kota Kinabalu,

Proceedings, Kota Kinabalu, Malaysia: IEEE, 2015.

MENDES JUNIOR, J. J. A.; JANZEN, F. C.; AGOSTINI JUNIOR, E.; OKIDA, S.; STEVAN JR, S. L. Circuit Design for

Surface Electromyography Data Acquisition. IEEE Latin

America Transactions, v. 13, n. 10, oct. 2015.

MOHAMAD, A. S.; NOOR, H. M. Development of Smart

ECG machine using LabVIEW for biomedical engineering students. In: 4th INTERNATIONAL CONFERENCE ON

ENGINEERING TECHNOLOGY AND

TECHNOPRENEUSHIP, 2014, Kuala Lumpur, Malaysia,

Proceedings, Kuala Lumpur, Malaysia: 2014.

NAJARIAN, K.; SPLINTER, R. Biomedical signal and image

processing. 2 ed. Florida, US: CRC Press, 2012.

NATIONAL INTRUMENTS. Portal Educacional de

Engenharia Biomédica. 2016. Disponível em: <http://www.ni.com/white-paper/5593/pt/>. Acesso em: 15 de julho de 2016.

NOVAK, M. Design of an Arm Exoeskeleton Controlled by

the EMG Signal. 2011. Disponível em: <http://www.columbia.edu/~njr2121/mark-novak.pdf>. Acesso em: 10 de julho de 2016.

PEREIRA, T.; CARVALHO, H.; CATARINO, A. P.; DIAS, M. J.; PORTOLACHE, O.; GIRÃO, P. S. Wearable Biopotential

Measurement Using the TI ADS1198 Analog Front-End and Textile Electrodes. In: 2013 IEEE INTERNATIONAL

SYMPOSIUM ON, 2013, Gatineau, Quebec, Canada,

Proceedings, Gatineau, Quebec, Canada: IEEE, 2013.

SARRO JUNIOR, A. D.; MENDES JUNIOR, J. J. A.; FRANTZ, S. H. Controle de um braço robótico através de

eletromiografia. 2014. 114 f. Trabalho de Conclusão de Curso –

Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2014.

SINGH, Y. Analysis and Classification of EMG signal using

LabVIEW with diferente weights. 2013. 85 f. Dissertação –

Univerdade do Thapar, Punjab, India, 2013.

SHARMA, S.; DUBEY, A. K. Movement Control of Robot in

Real Time using EMG Signal. In: 2nd INTERNATIONAL

CONFERENCE ON POWER, CONTROL AND EMBEDDED SYSTEMS, 2012, Allahabad, Proceedings, Allahabad: IEEE, 2012.

TURCHIELLO, G. M.; MARINO-NETO, J.; MARQUES, J. L. B. Plataforma computacional para processamento de sinais

biomédicos. In: XXIV CONGRESSO BRASILEIRO DE

ENGENHARIA BIOMÉDICA. Anais, Uberlândia, Minas Gerais, 2014.