Index of /rozprawy2/10663

Pełen tekst

(1)AKADEMIA GÓRNICZO-HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI I INŻYNIERII BIOMEDYCZNEJ DYSCYPLINA: BIOCYBERNETYKA I INŻYNIERIA BIOMEDYCZNA. ROZPRAWA DOKTORSKA. ANALIZA WYBRANYCH MODALNOŚCI REJESTRACJI RUCHU DLA MONITOROWANIA PACJENTÓW. Magdalena Smoleń PROMOTOR: Prof. dr hab. inż. Piotr Augustyniak. Kraków, 2013.

(2) Projekt współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego. Autorka niniejszej pracy była Stypendystką w ramach projektu „Doctus – Małopolski fundusz stypendialny dla doktorantów” współfinansowanego przez Unię Europejską ze środków Europejskiego Funduszu Społecznego w latach 2008/09 – 2010/11. 2.

(3) Praca została częściowo sfinansowana przez Komitet Badań Naukowych jako projekt badawczy nr N N518 426736 zatytułowany „Badanie multimodalnych pomiarów wybranych parametrów biologicznych człowieka i ich ocena w zastosowaniu do wyposażenia mieszkania osoby niepełnosprawnej” pod kierownictwem prof. dra hab. inż. Piotra Augustyniaka. 3.

(4) Moim Najdroższym Rodzicom i Braciom. 4.

(5) “The journey is what brings us happiness not the destination” Dan Millman Way of the Peaceful Warrior. 5.

(6) Podziękowania. Składam serdeczne podziękowania Promotorowi Panu Profesorowi dr hab. inż. Piotrowi Augustyniakowi za pomoc w przygotowaniu niniejszej rozprawy doktorskiej, fachowość w dziedzinie przetwarzania sygnałów, a także stworzenie wielu możliwości krajowych i zagranicznych wyjazdów konferencyjnych, które w znamienny sposób przyczyniły się do wzbogacenia mego warsztatu naukowego i zawarcia nowych znajomości. Bardzo dziękuję za wieloletnią opiekę, owocną i miłą współpracę, wskazywanie prawidłowej drogi naukowej, jak również serdeczność i wsparcie w moich zmaganiach. Szczególne słowa uznania kieruję do dra inż. Zbigniewa Mikruta, na którego wsparcie, poradę i życzliwość, a także ogromną praktyczną pomoc na każdym polu, a zwłaszcza analizy danych, mogłam zawsze liczyć. Jest mi niezmiernie miło, że mogłam się od Pana Doktora uczyć. Składam także uprzejme podziękowanie drowi Wiesławowi Chwale, kierownikowi Zakładu Biomechaniki AWF w Krakowie, który jest moim mentorem z szeroko rozumianej biomechaniki i ilościowych metod analizy motoryki ciała ludzkiego. To za sprawą Doktora miałam sposobność praktycznego zapoznania się i skorzystania w przygotowaniach do końcowych eksperymentów pracy doktorskiej z systemu do rejestracji ruchu firmy Vicon.. 6.

(7) Jestem bardzo wdzięczna Pani Dyrektor Basenu AGH – Beacie PrzybyłowskiejStanek za możliwość bezpłatnego wynajmu dużej sali Basenu AGH na okres przeprowadzanych do pracy doktorskiej pomiarów. Podziękowania kieruję również do Pana Doktora hab. inż. Adama Gacka, Dyrektora firmy ITAM (Instytut Techniki i Aparatury Medycznej, Zabrze) za nieodpłatne wypożyczenie modułu Revitus, a także do Pana Pawła Kowalskiego, który jest autorem oprogramowania komunikującego się z tym modułem. Dziękuję Wszystkim Koleżankom i Kolegom z AGH oraz innym Ochotnikom, którzy zgodzili się poświęcić swój czas uczestnicząc w badaniach, na których opiera się niniejsza praca. Dziękuję serdecznie moim Najbliższym Przyjaciółkom Marii Partycji Wacławik, Paulinie Wacławik i Annie Sochockiej za bezwarunkową prawdziwą przyjaźń i okazane ogromne wsparcie w najtrudniejszych chwilach („Prawdziwych Przyjaciół poznaje się w biedzie”), a także za zrozumienie, że tylko podążając drogą pasji można zaznać w życiu prawdziwego szczęścia. Głębokie wyrazy wdzięczności składam Moim Ukochanym Rodzicom i Braciom. Bez Ich wsparcia i praktycznej pomocy przy wielogodzinnych pomiarach i analizach przeprowadzanych w trakcie studiów doktoranckich ta praca nie mogłaby nigdy powstać. Dziękuję Im za świętą cierpliwość, zrozumienie, wiarę i ogromne poświęcenie, które doświadczam z ich strony każdego dnia przez całe życie. To dzięki nim udaje mi się realizować moje marzenia i pasje. To dzięki nim łatwiej jest sprostać wyzwaniom, niepowodzeniom i problemom – są przy mnie zawsze, na dobre i na złe... („in time of test, Family is best”), dlatego pragnę Im i tym razem z całego serca podziękować za tą bezwarunkową Miłość, którą mnie zawsze obdarzali.. 7.

(8) Spis treści. 1 Wstęp…………………………………………………………………………………………………………...10 1.1 Cel i teza pracy…………………………………………………………………………………….10 1.2 Uzasadnienie podjęcia tematu……………………………………………………………...11 1.3 Struktura rozprawy……………………………………………………………………………..12 2 Przegląd wybranych modalności rejestracji ruchu……………………………………..…14 2.1 Systemy Motion Capture ……………………………………………………………………..15 2.2 Elektromiografia powierzchniowa…………………..………………...…………………20 2.3 Czujniki nacisku…………………………………………………………………………………..22 2.4 Akcelerometria ……………………………………………………………..…………………….23 2.5 Pomiar wizyjny …………………………………………………………………………………..25 2.6 System multimodalny………………………………………………………………………….26 3 Eksperyment………………………………………………………………………………………………29 3.1 Plan eksperymentu………..…………………………..………………………………………...29 3.2 Aparatura pomiarowa………………………………………………………………………….33 3.3 Geneza i charakterystyka badanych sygnałów motorycznych………………..40 8.

(9) 4 Identyfikacja zadanych ruchów…………………………………………………………………...54 4.1 Przetwarzanie danych pomiarowych……………………………………………………54 4.2 Identyfikacja czynności z użyciem sygnałów z różnych sensorów i grup sensorów..………………………………………………..………………………………………….68 5 Podsumowanie i perspektywy kontynuacji pracy………..……………………………….89 Bibliografia……………………………..……….…………………………………………………………92 Dodatek: Badania na systemie Vicon…………..…………...…………………………………103. 9.

(10) Rozdział pierwszy. Wstęp. 1.1 Cel i teza pracy Cel i zakres pracy: Niniejsza praca doktorska wchodzi w zakres dyscypliny naukowej Biocybernetyki pozyskiwania. i. Inżynierii. sygnałów. Biomedycznej.. motorycznych. Dotyczy. człowieka. różnorodnych oraz. metod. możliwości. ich. zastosowania w celach monitoringu osób chorych i nie w pełni sprawnych w miejscu zamieszkania. Głównym problemem badawczym i celem pracy była jednoczesna akwizycja wybranych sygnałów motorycznych człowieka, ekstrakcja wektorów cech najtrafniej opisujących zadane ruchy oraz określenie wzajemnych korelacji zebranych tą drogą informacji. W opisywanych badaniach zastosowano równocześnie wiele metod pomiaru sygnałów ruchowych człowieka: metody optyczne, elektromiograficzne, akcelerometryczne i mechaniczno-elektroniczne. Doświadczenia przeprowadzone z użyciem wielu czujników o tak odmiennym charakterze pozwoliły na znalezienie zakresu ich wymienności i co za tym idzie, na wybór najodpowiedniejszego z nich dla konkretnego przypadku zastosowania praktycznego. 10.

(11) Dokonane ilościowe analizy danych pomiarowych stanowią solidną podstawę do dalszych badań nad wzorcami czynności życia codziennego ADL (ang. Activities of Daily Living) w odniesieniu do domowego monitoringu osób, których stan zdrowia wymaga ciągłej opieki rehabilitacyjno-leczniczej. Teza pracy: Analiza ruchu człowieka zarejestrowanego z wykorzystaniem różnych modalności prowadzi do zbieżnych wniosków, które mogą być wykorzystane w monitorowaniu pacjentów w ich miejscu zamieszkania.. 1.2 Uzasadnienie podjęcia tematu Wysoka innowacyjność oraz możliwość praktycznego zastosowania należą do głównych argumentów potwierdzających istotność i celowość niniejszej pracy doktorskiej. W krajach wysoko rozwiniętych coraz częściej stosuje się nadzór domowy (ang. Home Care) osób starszych i nie w pełni sprawnych (Hijaz i in., 2010; Rashidi i Mihailidis, 2013). Jest on jednak zazwyczaj jednomodalny. Zagadnienia poruszane w rozprawie są zaś częścią projektu wielomodalnego systemu nadzoru, którego celem jest dokonywanie rejestracji wielu odmiennych parametrów życiowych osoby nadzorowanej przy użyciu możliwie tanich i prostych w obsłudze czujników oraz powiadamianie w razie zagrożenia (Augustyniak i in., 2010; Broniec, 2011; Czopek, 2012; Kańtoch i Augustyniak, 2012; Kańtoch i in. 2011; Kryjak i Chodak, 2010; Lewandowski i Augustyniak, 2010; Mikrut i in. 2012; Mikrut i Smoleń, 2011; Przybyło, 2012; Smoleń i in. 2012, 2010a, 2010b). Istotne jest również innowacyjne podejście do samego problemu nadzoru za pośrednictwem informacji czerpanych z sygnałów motorycznych człowieka. Chodzi tutaj głównie o niepoprzestanie tylko na jednym, czy dwóch rodzajach sensorów, ale o wykorzystanie możliwie najszerszej gamy czujników i zbadanej korelacji informacji dzięki nim pozyskiwanych, by w zależności od sytuacji i aktualnej potrzeby móc dokonywać wyboru tego optymalnego. Przeprowadzone doświadczenia miały za zadanie określić, z jaką dokładnością proste urządzenia pomiarowe mogą przybliżać informacje ze specjalistycznego sprzętu medycznego. 11.

(12) W ramach prac badawczych opisywanych w rozprawie wykonywane były pomiary z użyciem systemu trójwymiarowej analizy ruchu, przenośnego aparatu elektromiograficznego i bezprzewodowego sytemu pomiaru nacisku stóp, które odgrywały rolę specjalistycznych urządzeń referencyjnych dla prostszych czujników – akcelerometru czy też kamery wideo. Tego rodzaju ujęcie badawcze ma więc istotny wpływ na rozwój nowych rozwiązań technicznych, które w odróżnieniu od stacjonarnego i drogiego sprzętu medycznego, mogłyby być zainstalowane i używane z powodzeniem w warunkach domowych.. 1.3 Struktura rozprawy Rozprawa doktorska liczy w sumie 114 stron, na które składa się pięć rozdziałów, bibliografia i dodatek. Początkowy rozdział ma na celu przedstawienie celu i tezy pracy, a także uzasadnienie istotności i celowości podjęcia przez Autorkę zagadnień ujętych w rozprawie. Przegląd literatury z zakresu wybranych modalności rejestracji sygnałów motorycznych ciała człowieka stanowi treść drugiego rozdziału. Na początku dokonano wprowadzenia w kwestie domowego monitoringu, a następnie zaprezentowano użycie w nim różnego rodzaju sensorów. Wśród przytaczanych czujników znalazły się takie metody pomiarowe jak: rejestracja wizyjna, akcelerometryczna, rejestracja rozkładu nacisku stóp człowieka, elektromiografia mięśni. kończyn,. użycie. systemu. Motion. Capture,. a. także. systemów. wielomodalnych. Trzeci rozdział służy prezentacji eksperymentu, opisowi aparatury pomiarowej wykorzystanej w badaniach, jak również ma na celu przedstawienie genezy i scharakteryzowanie badanych sygnałów motorycznych uzyskiwanych z poszczególnych sensorów. Przetwarzanie i szczegółowa analiza pozyskanych eksperymentalnie danych pomiarowych jest treścią rozdziału czwartego. Przedstawiono w nim kolejne etapy matematycznej obróbki pozyskanych sygnałów od wstępnego przygotowania, poprzez przygotowywanie wektorów cech aż do końcowej klasyfikacji i obliczeń niepewności pomiarowych.. 12.

(13) Podsumowanie, końcowe wnioski i perspektywy kontynuacji pracy jest problematyką ostatniego rozdziału pracy. W końcowej części rozprawy zamieszczono bibliografię oraz dodatek na temat badań przeprowadzonych na systemie Vicon.. 13.

(14) Rozdział drugi. Przegląd wybranych modalności rejestracji ruchu. W. krajach. wysokorozwiniętych. można. zaobserwować. znaczne. zaawansowanie procesu starzenia się społeczeństwa, także odsetek ludzi starszych w populacji jest wyższy niż ludzi młodych. Przewiduje się, że w krajach tych obecny 20% odsetek ludzi w wieku 60 lat i powyżej ulegnie wzrostowi do 32% do roku 2050. Mediana wieku na przestrzeni 50 lat (1950-2000) wzrosła z wartości 29,0 do 37,3, a jej dalszy wzrost do roku 2050 szacowany jest do wartości 45,5 (Hijaz i in., 2010). Taki stan rzeczy wymusza na krajach wysokorozwiniętych prowadzenie adekwatnych do niego działań, których głównym zadaniem byłby monitoring zdrowia i aktywności fizycznej w celach prewencyjnych przed wszelkiego rodzaju sytuacjami zagrożenia zdrowia i życia, upadkami, a także zniedołężnieniem wynikającym z braku systematycznego ruchu na indywidualnie dobranym dla danej osoby poziomie. Opieka nad osobami wymagającymi szczególnego traktowania. (starszych,. nie. w. pełni. sprawnych,. będących. w. okresie. rekonwalescencji po kontuzjach, wypadkach, ciężkich chorobach) nie ogranicza się bowiem do zaspokajania ich potrzeb fizjologicznych czy materialnych, ale przede wszystkim polega na szeroko pojętej aktywizacji ruchowej, psychologicznej i społecznej (Smoleń, 2008b; Trzcieniecka-Green, 2012). Już w starożytnych 14.

(15) czasach Arystoteles nie bez przyczyny mawiał, że „ruch jest życiem – życie jest ruchem”. Wszelkie więc próby i wysiłki zmierzające ku temu, by osoby takie praktycznie wspierać poprzez rozwijanie ich samodzielności psychoruchowej, mają ogromne znaczenie. Wobec powyższych potrzeb na całym świecie powstają projekty i wdrażane są ich techniczne rozwiązania, których celem jest nieinwazyjny, wygodny i bezpieczny monitoring podstawowych parametrów życiowych nadzorowanej osoby (Hijaz i in., 2010; Rashidi i Mihailidis, 2013). Monitoring, który istotnie zmniejszałby nakłady na drogi sprzęt medyczny i wyspecjalizowany personel medyczno-rehabilitacyjny lub/i wspomagałby czy odciążałby osoby prywatne opiekujące się chorym często 24h na dobę. Jednym z głównych sygnałów biomedycznych dobrze opisujący stan i zachowanie monitorowanego człowieka jest sygnał ruchowy. Pomiar tego typu pozwala nie tylko na wszczynanie alarmu w razie wystąpienia niebezpiecznej bądź nietypowej sytuacji (Bourke i Lyons, 2008; Mikrut i in., 2012), ale także umożliwia określenie stopnia (Atallah i in., 2009) i rodzaju dziennej aktywności fizycznej (Fleury i in., 2009), a nawet ewaluację i biofeedback w postępowaniu rehabilitacyjnym, co stanowi znakomity psychologiczny przyczynek do wzrostu motywacji i zaangażowania w ćwiczenia ruchowe (Phinyomark i in., 2012). Sygnał motoryczny może być rejestrowany z użyciem różnorodnych modalności pomiarowych w zależności od wymagań i potrzeb wynikających z rodzaju i stopnia zaawansowania problemów zdrowotnych osoby nadzorowanej. Poniżej zaprezentowano wybrane metody rejestracji ruchu i omówiono ich własności w kontekście możliwości zastosowania w domowym monitoringu w oparciu o najważniejsze publikacje wydane w ostatnich latach.. 2.1. Systemy Motion Capture Spośród metod wykorzystywanych w precyzyjnej analizie ruchu ciała. człowieka wymienić można wyspecjalizowane systemy śledzenia ruchu (ang. Motion Capture) zsynchronizowane często z dodatkowymi sensorami (EMG, czujnikami nacisku stóp, platformą dynamometryczną). Działanie tych systemów oparte. może. być. na. różnych. zasadach. fizycznych:. magnetycznych, 15.

(16) ultradźwiękowych,. inercyjnych,. elektromechanicznych. (egzoszkielet. z wbudowanymi potencjometrami) czy wreszcie na najbardziej popularnych i najczęściej stosowanych – optycznych. Systemy optyczne można generalnie podzielić na systemy markerowe i bezmarkerowe. W pierwszych z nich wykorzystywane są markery umieszczane na ciele osoby badanej w znanych punktach antropometrycznych, w punktach osi obrotów stawów, na wyniosłościach kostnych, czy też innych dodatkowo zdefiniowanych miejscach w zależności od potrzeb danego badania i użytego modelu. W przypadku systemów firmy Vicon (patrz dodatek) i BTS Smart znaczniki są postaci niewielkich kulek obklejonych materiałem odblaskowym. Naokoło badanego człowieka ustawiane są nieruchome kamery z oświetlaczami (w zakresie bliskiej podczerwieni) rejestrujące światło odbite od poszczególnych kulistych markerów. Tuż po zarejestrowaniu ruchu człowieka na wyjściu systemu otrzymywany jest film z jego nagraniem. Każda kolejna klatka filmowa zawiera zbiór nierozróżnialnych punktów, które należy dopiero zidentyfikować tzn. przyporządkować określone nazwy odpowiadające położeniu danego markera na ciele człowieka. Operacja ta jest co prawda wspomagana przez dołączone oprogramowanie, jednakże może generować błędy, które operator musi eliminować w sposób ręczny. Problemy z identyfikacją markerów zrodziły pomysł zastosowania markerów aktywnych, których identyfikacja wykonywana byłaby automatycznie – elektronicznie (systemy firmy Phasespace, NDI – opis systemu NDI w rozdziale 3.2A). W systemie Phasespace stosowane są aktywne markery postaci diod LED (ang.. Light-Emitting. Diode). światła. czerwonego. lub. podczerwonego.. Automatyczna identyfikacja markerów jest możliwa dzięki różnej częstotliwości świecenia poszczególnych markerów (rys. 1).. 16.

(17) Rys. 1 System Phasespace (Z1) Systemy bezmarkerowe (firmy Organic Motion, Simi, KA3D – rys. 2) wykorzystują do rejestracji ruchu kamery wizyjne, a następnie dedykowane algorytmy przetwarzania obrazów w celu segmentacji z obrazu tła sylwetki badanej osoby oraz podzieleniu jej na określone segmenty ciała, których ruch jest przedmiotem analizy (kończyny górne i dolne, głowa, tułów). Stosuje się je przede wszystkim wówczas, gdy istnieje potrzeba zupełnie nieinwazyjnej analizy ruchu w warunkach pozalaboratoryjnych np. na stadionie, basenie, boisku czy skoczni narciarskiej podczas zawodów sportowych. Jeśli istnieje taka konieczność, naklejane są dodatkowo na ciele badanego pomocnicze znaczniki w kolorze dobrze odróżnialnym od tła, ciała czy ubrania badanego.. 17.

(18) Rys. 2 Okno oprogramowania systemu SIMI Motion – analiza ruchu sportowca podczas wykonywania salta w tył (Z2) Niektóre systemy umożliwiają również porównywanie i ocenę techniki ruchu sportowca w kolejnych próbach wykonywania tego samego ćwiczenia ruchowego (SIMI Motion Twin), a także porównywanie techniki i taktyki pojedynczego zawodnika oraz całej drużyny w sportach zespołowych (rys. 3).. Rys. 3 Okno oprogramowania systemu SIMI Scout – analiza taktyki sportowców (Z3) 18.

(19) Badanie motoryki ciała ludzkiego poprzez automatyczną precyzyjną analizę ruchu możliwą dzięki zastosowaniu systemów Motion Capture ma niebagatelne znaczenie w medycynie, rehabilitacji czy nawet w wyczynowym sporcie. Pionierskie prace dotyczące praktycznego wykorzystania matematycznego modelowania ruchu dla potrzeb treningu sportowego opublikowano w Polsce już 20 lat temu (Marczewski i Tadeusiewicz, 1993). Współpraca pracowników AWF i AGH. w. Krakowie. zaowocowała. w. latach. późniejszych. powstaniem. specjalistycznej pracowni AWF dla potrzeb trójwymiarowej analizy ruchu. Pierwsze kliniczne zastosowania analizy ruchu 3D prowadzono natomiast w Klinice Pediatrii Centrum Zdrowia Dziecka w Warszawie (Syczewska, 2004). Dzięki automatycznej analizie ruchu można wysnuwać wnioski dotyczące etiologii powstałych nieprawidłowości, wskazywać struktury odpowiedzialne za patologiczne ruchy, a co za tym idzie w sposób obiektywny dokonywać ewaluacji dotychczasowego leczenia i planować dalsze postępowanie terapeutyczne i rehabilitacyjne. Aparat ruchu człowieka cechuje się znacznym stopniem złożoności (144 ruchome człony) i nadmiarowością stopni swobody (ponad 230) (Błaszczyk, 2004; Tokarczyk, 2007). Zaburzenia sterowania w ośrodkowym układzie nerwowym, zaburzenia przekazu impulsów nerwowych w nerwach obwodowych, zmiany w obrębie stawów, kości, mięśni, więzadeł czy ścięgien mogą wpływać na powstawanie i utrwalanie niefizjologicznych wzorców ruchowych, co z kolei może być przyczyną poważnych problemów degeneracyjnych. Obiektywna analiza zadanej aktywności ruchowej ciała człowieka niesie ze sobą szereg istotnych informacji. Doświadczeni biomechanicy kliniczni, lekarze czy fizjoterapeuci na bazie uzyskanych wyników i ich porównania z wartościami normy wnioskują o stanie osoby poddawanej diagnozie. Ocena ruchu może być przydatna we wszelkiego rodzaju problemach natury ortopedycznej, jak również innych schorzeniach (szczególnie neurologicznych), których bezpośrednim lub pośrednim efektem są zaburzenia we wzorcach ruchowych. Badania ruchu osób z chorobą Parkinsona umożliwiają opracowanie kryteriów stabilności podczas chodu i zmiany kierunku ruchu, kinematycznych parametrów drżenia kończyn oraz wykrywanie faz chodu, w których chora osoba jest najbardziej narażona na upadek (Mirek i in., 2004). 19.

(20) W rehabilitacji po urazach bądź zabiegach chirurgicznych w obrębie narządu ruchu ogromną wagę przywiązuje się do nauczenia pacjenta prawidłowego, symetrycznego ruchu, a także do żmudnej, ale dającej w swoim czasie pożądane efekty, pracy nad stabilnością postawy i stawów. Efekty tego typu działań fizjoterapeutycznych można również w sposób obiektywny sprawdzić i ilościowo ocenić, dokonując automatycznej analizy ruchu (Chwała i Maciejasz, 2009). W sporcie wyczynowym natomiast ogromne znaczenie ma odpowiednia technika ruchu dobrana indywidualnie do predyspozycji konkretnego zawodnika, która skutkuje nie tylko lepszymi wynikami sportowymi, ale co ważniejsze minimalizowaniem niebezpiecznych dla zdrowia obciążeń treningowych. Również i w tym wypadku okazuje się przydatna precyzyjna ilościowa analiza ruchu sportowca (Chwała i Maciejasz, 2008). Dostępne dziś na rynku systemy Motion Capture stanowią znakomite narzędzie do dokładnej i obiektywnej analizy ruchu układu kostno-mięśniowego człowieka. Są one jednak raczej przystosowane do analizy biomechanicznej w ustalonych warunkach laboratoryjnych a nie do wygodnego, przenośnego i taniego zastosowania w domowym monitoringu. Istnieją co prawda systemy mniej dokładne, tańsze, pozwalające na większą swobodę ruchów, obejmujące pomiarem większą przestrzeń, ale projektowane są one często do zastosowań niemedycznych – sportowych czy rozrywkowych (gry komputerowe, filmy). Dlatego też tego typu systemy nie należą do docelowych produktów mogących znaleźć zastosowanie w warunkach domowych, szpitalnych czy w domach pomocy społecznej, ale wykorzystywane są one obecnie w charakterze systemów referencyjnych. przy. projektowaniu. i. budowaniu. prostszych. czujników. monitorujących ruch osoby objętej nadzorem medyczno-rehabilitacyjnym (Bourke i in., 2008; Lee i in. 2007; Lee i in., 2005; Luinge i Veltink, 2005; Najafi i in., 2003).. 2.2. Elektromiografia powierzchniowa W kręgu zainteresowań elektromiografii powierzchniowej – globalnej (ang.. Surface EMG) znajduje się powierzchniowa rejestracja, przetwarzanie i końcowa interpretacja potencjałów elektrycznych generowanych przez mięśnie w stanie 20.

(21) spoczynku (relaksacji) lub/i aktywności (skurczu). Elektrofizjologiczne podstawy EMG, a także praktyczne informacje dotyczące sposobu przygotowania i wykonania samego badania EMG zostały zamieszczone w rozdziale 3.3 B. Elektromiografia z użyciem elektrod powierzchniowych z uwagi na swój nieinwazyjny charakter i dostarczanie wystarczającej dawki informacji na temat rodzaju i stopnia aktywności badanych mięśni znajduje wiele zastosowań, szczególnie w obszarach związanych z rehabilitacją, sportem czy ergonomią (Smoleń, 2009, 2008a). Bardzo istotną kwestią w domowym monitoringu nadzorowanych osób jest zapobieganie ich fizycznym upadkom, co może być po części realizowane poprzez wprowadzenie. odpowiednich. regularnych. ćwiczeń. ruchowych,. które. poprawiałyby stabilność sylwetki. Phinyomark i in. (2012) skupili się na pomiarach i analizie EMG czterech mięśni kończyn dolnych (m. piszczelowy przedni, m. brzuchaty łydki, m. czworogłowy uda – głowa przyśrodkowa, m. dwugłowy uda) podczas wykonywania siedmiu ćwiczeń prewencyjnych przed utratą równowagi czy upadkiem. Rezultatem prac była ekstrakcja cech (w dziedzinie czasu) z sygnału EMG, na bazie których możliwe było rozpoznawanie poszczególnych ćwiczeń. Badania statystyczne pozwoliły na wybór czterech najlepszych cech spośród początkowych 11:  zintegrowane EMG (ang. IEMG – Integrated EMG),  długość fali WL (ang. Waveform Length) – wyznaczona jako suma wartości bezwzględnych różnic między kolejnymi wartościami próbek EMG,  liczba przejść sygnału przez wartość zerową – parametr ZC (ang. Zero Crossing),  amplituda Willisona – wyznaczona jako suma wartości bezwzględnych różnic między kolejnymi próbkami sygnału większych bądź równych od przyjętego progu (0,01 V). Baspinar i in. (2012) zajęli się klasyfikacją siedmiu ruchów ręki (otwieranie i zamykanie ręki, uchwyt sferyczny i cylindryczny, precyzyjne trzymanie, supinacja i pronacja w stawie nadgarstkowo-promieniowym) na podstawie sygnału EMG z czterech mięśni przedramienia (m. ramienno-promieniowy, m. zginacz promieniowy nadgarstka, m. zginacz łokciowy nadgarstka, m. zginacz palców). Zarejestrowany sygnał poddano filtracji pasmowej, a następnie falkowej celem 21.

(22) eliminacji niepożądanych szumów. Na etapie klasyfikacji ruchów posłużono się 8 cechami w dziedzinie czasu i 2 w dziedzinie częstotliwości, które poddano dwóm niezależnym metodom klasyfikacyjnym: sieciom neuronowym z propagacją wsteczną i algorytmowi Gustafsona Kessela. Średnie pewności rozpoznania wyniosły dla powyższych klasyfikatorów odpowiednio 91,95% i 81,48%, co dobrze rokuje na przyszłość, jeśli chodzi o wykorzystanie tego typu pomiarów i metod klasyfikacji w interfejsach człowiek-komputer HCI (ang. Human Computer Interface) lub rehabilitacji. Aung i Al-Jumaily (2011) zaproponowali pełny system do rehabilitacji kończyn górnych (z symulacją aktywności mięśniowej w czasie rzeczywistym) oparty na EMG i AR (ang. Augmented Reality). Efektem ich pracy była implementacja dwóch terapeutycznych gier:  TOG (ang. Transfer Object Game) – ćwiczenia rehabilitacyjne mające na celu trening zgięcia, prostowania i przywodzenia ramion oraz wzmocnienia tym samym mięśni biorących udział w tych ruchach,  FAG. (ang.. Feeding. Animal. Game). –. ćwiczenia. rehabilitacyjne. ukierunkowane na zwiększenie zakresu ruchu i wzmocnienie m. górnego czworobocznego, m. naramiennego i m. piersiowego.. 2.3. Czujniki nacisku Z punktu widzenia biomechaniki istotne informacje dotyczące sposobu. obciążania stóp w trakcie swobodnej pozycji stojącej, chodu, biegu i innych aktywności ruchowych można z powodzeniem czerpać z czujników nacisku stóp opartych na różnych metodach fizycznych. W monitorowaniu osób w warunkach domowych są one szczególnie pożyteczne z uwagi na możliwą znaczną prostotę wykonania i wysoką nieinwazyjność. Novak i in. (2012) zaproponowali system do automatycznej detekcji początku i końca trwania odpowiednich faz czynności chodu przy użyciu czujników przyspieszenia i nacisku. Wybrane parametry (kąty w stawach, siły reakcji podłoża, położenie środka ciężkości dla każdej ze stóp osobno) zostały zaaplikowane do algorytmu uczenia nadzorowanego. Uzyskane rezultaty co prawda wskazały wyższość metody opartej na przyspieszeniach nad sensorami 22.

(23) nacisku, jednak okazało się, że w zestawieniu obydwu czujników razem, uzyskiwana jest bardziej precyzyjna segmentacja chodu na poszczególne kroki niż w przypadku zastosowania każdego z sensorów osobno. Chen i in. (2008) przedstawili natomiast system zintegrowany z obuwiem służący do detekcji różnych nieprawidłowości w chodzie. Zaprojektowali i wykonali w tym celu prototyp, w skład którego wchodziły czujniki nacisku FSR (ang. Force Sensing Resistor), zginania (ang. Bend Sensor Images), a także inercyjne MEMS (ang. Micro Electro-Mechanical Systems) mierzące trójwymiarową orientację segmentów ciała i wielkości kinematyczne takie jak przyspieszenia w trzech osiach. Do generacji cech użyto analizy składowych głównych PCA (ang. Principal Component Analysis), a do wieloklasowej klasyfikacji – analizy wektorów nośnych SVM (ang. Support Vector Machine). Wyniki rozpoznania mieściły się w zakresie 87,72% – 93,38%, co świadczy o dużym potencjale zaproponowanego przenośnego i bezprzewodowego systemu w rozwiązaniu problemu detekcji wybranych patologii chodu. Shu i in. (2009) z kolei przedstawili narzędzie do czasowo-przestrzennych pomiarów z wykorzystaniem wkładek zbudowanych z sensorów postaci przewodzącej tkaniny umieszczonych w okolicy śródstopia i w obszarze pięty. Przygotowana na potrzeby akwizycji i analizy danych pomiarowych aplikacja umożliwia prezentację pomiarów w czasie rzeczywistym oraz obliczenie wartości takich wielkości jak: średni nacisk, maksymalny nacisk, położenie środka ciężkości nacisku COP (ang. Center of Pressure) i zmiany środka ciężkości nacisku. Wyniki eksperymentalne. dowiodły. stabilności. systemu. zarówno. w. warunkach. statycznych, jak i dynamicznych.. 2.4. Akcelerometria Do najczęściej stosowanych i najbardziej odpowiednich metod rejestracji. ruchu. w. kontekście. domowej. opieki. medyczno-rehabilitacyjnej. należy. akcelerometria, która stanowi najlepszy kompromis między dokładnością pomiaru a prostotą urządzenia. Akcelerometryczny system monitorujący codzienną aktywność motoryczną człowieka (siadanie, stanie, leżenie i okresy swobodnego chodu) zaproponowali 23.

(24) Najafi i in. (2003). Sensor akcelerometryczny ACC był umieszczony na mostku osoby badanej. W celu rozpoznania wybranych przejść między różnymi pozami (siedząca, stojąca, leżąca) i odcinków chodu wykorzystano transformację falkową sprzężoną z prostym modelem kinematycznym. System został poddany ewaluacji w trzech rodzajach badań. Pierwsze z nich miały miejsce w laboratorium z referencyjnym systemem Motion Capture firmy Vicon, drugie przeprowadzane były w całodobowych warunkach szpitalnych, a ostatnie w trakcie wykonywania codziennych aktywności motorycznych. Pierwsze badania wykazały bliską zbieżność pomiędzy wynikami pomiarów z użyciem ACC i pomiarów na precyzyjnym systemie analizy ruchu – proponowany system ACC odznaczał się całkowitą czułością na poziomie 99% dla detekcji różnych stanów przejściowych pomiędzy pozami. Czułość i specyficzność wyniosła 93% i 82% odpowiednio dla przejść z pozycji siedzącej do stojącej oraz 82% i 94% z pozycji stojącej do siedzącej. Zarówno w pierwszych, jak i w drugich badaniach system cechowała wysoka dokładność w identyfikacji wstawania z łóżka (powyżej 99%) oraz zmian pozycji leżącej na plecy, brzuch, prawą i lewą stronę. W ostatnich badaniach również otrzymano stosunkowo wysoką czułość dla klasyfikacji czynności: czułość i specyficzność wyniosły odpowiednio 90,2% i 93,4% dla siedzenia, 92,2% i 92,1% dla przejścia „stanie-chód”, 98,4% i 99,7% dla pozycji leżącej. Detekcją przestrzenno-czasowych parametrów chodu z użyciem czujnika złożonego z sensorów: żyrometrycznego, akcelerometrycznego i magnetycznego zajęli się Lee i in. (2005). Analizowanych było kilka parametrów takich jak: moment pojedynczego i podwójnego podparcia, a także czasowy cykl chodu czy przestrzenna długość kroku. Do ciała osoby badanej przytwierdzono cztery sensory ruchu – dwa na uda i pozostałe dwa na podudzia. Badaniom zostały poddane cykle chodu o zróżnicowanej prędkości. Parametry czasowe szacowane były na podstawie odnajdywania zdarzeń chodu, a następnie długość kroku była obliczana przy użyciu dwóch modeli chodu. Uzyskane parametry porównano z wynikami pochodzącymi z systemu referencyjnego Vicon. W pracy (Rong i in., 2007) zaprezentowano zastosowanie usytuowanego na wysokości talii sensora akcelerometrycznego 3D przy rozpoznawaniu osób na podstawie ich charakterystycznych wzorców chodu. Na etapie identyfikacji wykorzystano metodę dynamicznego dopasowania wzorca w czasie DTW (ang. 24.

(25) Dynamic Time Warping) z uwagi na mogące się pojawić w czasie chodu zmiany jego prędkości. Uzyskany współczynnik błędu zrównoważonego EER (ang. Equal Error Rate) na poziomie 6,7% dowodzi, że możliwe jest rozpoznawanie osób na podstawie sygnału przyspieszenia podczas chodu. Jafari i in. (2007) zaproponowali metodologię opartą na pomiarach ACC mającą na celu wykrywanie zaistnienia upadku spośród innych najczęściej wykonywanych. ruchów. w. życiu. codziennym. człowieka.. Na. podstawie. wyekstrahowanych kilku cech sygnału dokonano klasyfikacji czterech wybranych ruchów (przejścia: „siedzenie-stanie”, „stanie-siedzenie”, „leżenie-stanie”, „stanieleżenie”) wykorzystując sieci neuronowe i algorytm k-najbliższych sąsiadów. Uzyskano pewność rozpoznania sięgającą 84%.. 2.5. Pomiar wizyjny Analiza wizyjna sylwetki człowieka będącej w ruchu od wielu już lat jest. przedmiotem badań naukowców. Jej końcowe rezultaty są szczególnie pożądane w systemach bezpieczeństwa i nadzoru w miejscach dużych skupisk ludzi, jak również w monitoringu domowym. W (Juang i Chang, 2007) zaproponowano system domowej opieki mający za zadane wykrywanie czterech najbardziej popularnych pozycji ciała: stojącej, pochylonej w pasie do przodu, siedzącej i leżącej, jak również nagłych upadków. Dla. celów. klasyfikacyjnych. sylwetka. ciała. osoby. monitorowanej. jest. segmentowana z poszczególnych ramek rejestrowanego obrazu. Następnie sporządzany jest wektor cech złożony ze:  współczynników transformacji Fouriera dla histogramów pionowej i poziomej projekcji sylwetki,  współczynnika wyrażającego stosunek długości i szerokości sylwetki ciała. Klasyfikacja postury ciała oparta o neuronową sieć rozmytą wykazała wysoki poziom wiarygodności (99%, 100%, 96% i 96% odpowiednio dla pozycji stojącej, leżącej, pochylonej i siedzącej) i przydatność w detekcji niebezpiecznych sytuacji związanych z upadkami w domowym monitoringu. Uproszczone metody i reguły decyzyjne zostały zaimplementowane w (Li i Chen, 2006). System czasu rzeczywistego składa się w tym wypadku z trzech 25.

(26) głównych modułów: segmentacji sylwetki ciała, rozpoznania i wreszcie identyfikacji postury ciała. W drugim module autorzy wprowadzili proste reguły decyzyjne oparte na parametrach ciała (długość i szerokość wyselekcjonowanych wcześniej partii ciała np. dolnej i górnej części ciała, głowy). Dzięki zastosowanej metodzie możliwa była detekcja kilku odmiennych postur takich jak: stojąca, siedząca, kucająca i pochylona. Htike i Othman (2010) przeprowadzili analizy z użyciem nadzorowanego MLP (ang. Multi-Layer Perceptron), jak i nienadzorowanego (SOM – ang. SelfOrganizing Map, FC – Fuzzy C Means, K Means) uczenia przy klasyfikacji pozycji ciała w sekwencji obrazów. Po etapie treningu klasyfikatora dokonano ewaluacji systemu klasyfikując pięć wybranych postur ciała. Klasyfikator nadzorowany okazał się być lepszy w przypadku rozpoznawania większej liczby postur. W (Juang i in., 2009) badacze zaprezentowali metodę detekcji postur uwzględniającą informacje nt. sylwetki ciała i koloru skóry. Problem dotyczył lokalizacji pięciu szczególnych punktów na ciele (głowa, końcówki stóp i dłoni) i skutecznie rozwiązano go posługując się heurystycznymi regułami opartymi na charakterystyce kształtu ciała.. 2.6. System multimodalny Systemy multimodalne stosowane w domowym monitoringu osób można. rozpatrywać. w. kontekście. jednoczesnej. akwizycji. różnych. sygnałów. biomedycznych człowieka – ruchu, EEG, EKG, akustycznych (Augustyniak i in., 2010; Kańtoch i in., 2011; Smoleń i in., 2012, 2010a, 2010b), jak również tego samego sygnału (motorycznego), ale z wykorzystaniem odmiennych metod pomiarowych. Jako że niniejsza rozprawa dotyczy analizy modalności rejestracji ruchu, zostaną zaprezentowane w tym miejscu wybrane systemy oparte na równoczesnym użyciu kilku sensorów rejestrujących motorykę człowieka. Praca Suh i Park (2009) dotyczyła monitoringu, którego podstawę stanowiła rejestracja ruchu przy użyciu czujników: inercyjnych (zbudowanych z 3osiowego żyroskopu i 3-osiowego akcelerometru; przymocowanych na grzbiecie stopy) i nacisku (FlexForce A201 firmy Tekscan umiejscowionego pod piętą). Analizom poddano osiem następujących stanów ADL: siadanie, chodzenie, 26.

(27) wychodzenie do góry i schodzenie z góry po pochyłej drodze, bieganie, podbieganie do góry, zbieganie z góry, stanie. Do estymacji powyższych stanów zaproponowano filtr ukrytego modelu Markova HMM (ang. Hidden Markov Model). Dodatkowo lokalizowano miejsce, gdzie osoba monitorowana się znajdowała, poprzez wykorzystanie modułu bezprzewodowego (IEEE 802.15.4). Podczas wykrycia takich czynności jak chodzenie czy bieganie dokonywano pomiaru z użyciem algorytmów nawigacji inercyjnej. W (Sherrill i in., 2002) porównano powierzchniową elektromiografię z akcelerometrią w detekcji 11 funkcjonalnych aktywności ruchowych FMAs (ang. Functional Motor Activities). Sensory zostały umieszczone na kończynach i tułowiu. Wyekstrahowane w procesie przetwarzania sygnałów wektory cech posłużyły jako dane wejściowe do jednokierunkowych, wielowarstwowych sieci neuronowych MFNN (ang. Multilayer Feedforward Neural Network) z dwiema warstwami ukrytymi (po 44 i 22 neurony). Przy błędach klasyfikacji z sygnałów z obu typów sensorów na poziomie 10% otrzymano ponad 80%-ową czułość i ponad 97%-ową specyficzność. Czułość dla sygnałów otrzymanych z ACC była blisko 5% wyższa niż z EMG. Dodatkowe analizy wykazały, że dla niektórych czynności klasyfikacja na podstawie sensora EMG jest zdecydowanie bardziej czuła. Z kolei przy analizie czynności u różnych osób okazało się, że sygnał ACC odznaczał się mniejszą różnorodnością niż EMG. Powyższe wyniki były motywacją dla autorów do przeprowadzenia wstępnych testów z użyciem systemu hybrydowego, na który składało się 5 sensorów ACC i 3 EMG. Przy błędach klasyfikacji poniżej 10% zastosowana kombinacja sensorów przyniosła nieco lepsze rezultaty niż zastosowane osobno 8-elementowe zestawy: ACC i EMG. Hsieh i in. (2012) zaprojektowali i wykonali samodzielny system – egzoszkielet służący do monitorowania i analizy poszczególnych zdarzeń i faz chodu. W celu pomiaru rozkładu sił podeszwowych, a także kątów w stawie biodrowym i kolanowym wykorzystano cztery sensory siły Flexiforce (pod głową kości I i IV palca, I palcem i piętą) i dwa sensory zmian kątowych – potencjometry (w. okolicach. stawu. biodrowego. i. kolanowego).. Rezultaty. uzyskane. z zaproponowanego systemu i z systemów referencyjnych (Vicon i platformy dynamometrycznej) były podobne.. 27.

(28) Badacze Mizuno i in. (2007) wprowadzili multimodalny system do rozpoznawania aktywności ADL osób podjętych monitorowaniem. System ten integrując piezorezystywne czujniki nacisku,. czujnik ruchu umieszczony. w zegarku, czujnik dźwięku w okularach, ultradźwiękowy czujnik (zamknięty w długopisie) mierzący odległość od sufitu i czujnik pozycyjny (Bluetooth i GPS) umożliwia detekcję chodu, biegu, stania, jedzenia, rozmawiania i pracy biurowej. W (Boissy i in., 2007) monitorowano aktywność ruchową osób będących w okresie rehabilitacyjnym po przebytym udarze. Wykorzystano w tym celu zintegrowane 3-osiowe sensory akcelerometryczne i 1-osiowe żyrometryczne, które umiejscowiono na kostkach i nadgarstkach kończyn po obydwu stronach ciała. Do laski używanej przez badaną osobę zamocowano dwa akcelerometry i czujnik nacisku. Dane pomiarowe rejestrowano podczas chodzenia po równym podłożu, chodzenia podczas niesienia obiektu, chodzenia po nierównomiernym podłożu, wchodzenia po rampie, schodzenia z rampy, wchodzenia po schodach, schodzenia ze schodów, przekraczania leżącego obiektu, obracania się i otwierania drzwi. Poszczególne aktywności ruchowe identyfikowano za pomocą sieci neuronowych. Dla wszystkich czynności przy średniej specyficzności na poziomie 95%, czułość wyniosła od 75,1% do 97,4%. Następnie na podstawie danych pomiarowych z sensorów umieszczonych na lasce badano jej użycie w kontekście danego rodzaju czynności.. 28.

(29) Rozdział trzeci. Eksperyment. 3.1. Plan eksperymentu W ramach prac naukowych przeprowadzonych na potrzeby niniejszej. rozprawy doktorskiej zaplanowano i przeprowadzono szereg wstępnych badań i prób przetwarzania ruchu człowieka z użyciem wielu różnorodnych narzędzi pomiarowych i dedykowanych do tego celu aplikacji (patrz dodatek). W wyniku ewaluacji ich rezultatów opracowano ostateczny plan właściwego, końcowego eksperymentu i analiz wybranych czynności życia codziennego z użyciem 5 różnych czujników jednocześnie. Przebadanych zostało łącznie 20 ochotników bez zdiagnozowanych chorób lub przebytych wcześniej urazów ortopedycznych, które mogłyby w znaczący sposób wpływać na prawidłowe wzorce ruchowe (kobiet – 8, mężczyzn – 12, wiek – 22 ÷ 61, średnia wieku – 27). Każda z badanych osób miała za zadanie wykonać ok. 30 (19 ÷ 46) powtórzeń 12 różnych czynności ruchowych. Tab. 1 i rys. 4 prezentują rodzaj zadanych aktywności, natomiast tab. 2 zawiera liczebność powtórzeń poszczególnych aktywności (oznaczanych kodami od 1a do 6b) dla każdego z wolontariuszy (oznaczonych W1 ÷ W20). Synchronizacja czasowa czujników została zrealizowana poprzez rejestrację takiego ruchu, którego charakterystyka sygnałów z poszczególnych sensorów 29.

(30) jednoznacznie wskazywałaby na jego początek lub koniec. Wybrano wobec tego swobodny podskok obunóż do góry, za punkt synchronizacji przyjmując pierwszy moment zetknięcia się przodu stóp (palców) osoby badanej z podłożem po wykonaniu skoku. Z uwagi na to, iż wykonywane badania wymagały zastosowania znacznej przestrzeni pomiarowej (ok. 150 m2), stanowisko badawcze zostało przygotowane i złożone na dużej sali Basenu AGH1. W skład stanowiska wchodziły następujące urządzenia pomiarowe:  system pozycjonowania i rejestracji ruchu Optotrak Certus firmy NDI wraz z oprogramowaniem NDI First Principles,  bezprzewodowy. wzmacniacz. biopotencjałów. ME6000. firmy. Mega. ParoLogg. wraz. Electronics wraz z oprogramowaniem MegaWin,  bezprzewodowy. system. pomiaru. nacisku. stóp. z oprogramowaniem Parologg,  cyfrowa kamera wideo Sony HDR-FX7E,  moduł Revitus wraz z oprogramowaniem2.. wynajętej nieodpłatnie dzięki uprzejmości Pani Dyrektor Basenu AGH – Beaty Przybyłowskiej-Stanek 1. wypożyczony nieodpłatnie od Pana Doktora hab. inż. Adama Gacka i Pana Pawła Kowalskiego z firmy ITAM z Zabrza 2. 30.

(31) Tab. 1 Rodzaj zadanych aktywności ruchowych Kod aktywności 1a 1b 2a 2b 3a 3b 4a 4b 5a 5b. 6a. 6b. Rodzaj aktywności Przysiad z pozycji stojącej Wstawanie z przysiadu do pozycji stojącej Siadanie na krześle z pozycji stojącej Wstawanie z krzesła do pozycji stojącej Sięganie kończyną górną do przodu w płaszczyźnie strzałkowej (w pozycji stojącej) Powrót z sięgania kończyną górną do przodu w płaszczyźnie strzałkowej (w pozycji stojącej) Sięganie kończyną górną do góry w płaszczyźnie strzałkowej (w pozycji stojącej) Powrót z sięgania kończyną górną do góry w płaszczyźnie strzałkowej (w pozycji stojącej) Pochylanie tułowia do przodu z pozycji stojącej w płaszczyźnie strzałkowej Prostowanie tułowia z pochyłu do przodu do pozycji stojącej w płaszczyźnie strzałkowej Pojedynczy krok dla prawej kończyny dolnej (faza podporowa) (Perry, 1992):  kontakt początkowy (ang. initial contact) – zetknięcie prawej pięty z podłożem,  ekscentryczne hamowanie – obciążanie stopy prawej kończyny dolnej (ang. loading response),  faza jednopodporowa prawej kończyny dolnej (ang. midstance); lewa kończyna dolna w fazie przenoszenia (wymachu),  propulsja – przetaczanie prawej stopy – odrywanie prawej stopy od podłoża poczynając od pięty a skończywszy na palcach (ang. terminal stance). Pojedynczy krok dla lewej kończyny dolnej (faza podporowa):  kontakt początkowy (ang. initial contact) – zetknięcie lewej pięty z podłożem,  ekscentryczne hamowanie – obciążanie stopy lewej kończyny dolnej (ang. loading response),  faza jednopodporowa lewej kończyny dolnej (ang. midstance); prawa kończyna dolna w fazie przenoszenia (wymachu),  propulsja – przetaczanie lewej stopy – odrywanie lewej stopy od podłoża poczynając od pięty a skończywszy na palcach (ang. terminal stance).. 31.

(32) Rys. 4 Wybrane (pierwsze, środkowe i końcowe odpowiednio) klatki wideo przedstawiające badane ruchy (czynności 1a ÷ 6b). Przejścia pomiędzy określonymi, postępującymi po sobie, czynnościami są nazwane 1a1b ÷ 5a5b. 32.

(33) Tab. 2 Liczebność powtórzeń poszczególnych aktywności ruchowych dla każdego z wolontariuszy (W1 ÷ W20) 1a 1b 2a 2b 3a 3b 4a 4b 5a 5b 6a 6b W1 30 30 28 28 31 31 36 36 30 30 19 19 W2 30 30 31 31 30 30 30 30 30 30 25 25 W3 30 30 32 32 30 30 30 30 30 30 31 31 W4 28 28 31 31 30 30 46 46 40 40 28 28 W5 29 29 30 30 30 30 31 31 30 30 27 27 W6 31 31 30 30 33 33 30 30 30 30 21 21 W7 29 29 30 30 31 31 30 30 31 31 22 22 W8 27 27 30 30 29 29 28 28 30 30 23 23 W9 30 30 30 30 31 31 30 30 31 31 24 24 W10 29 29 32 32 30 30 33 33 33 33 28 28 W11 30 30 29 29 30 30 31 31 37 37 29 29 W12 30 30 33 33 30 30 29 29 30 30 29 29 W13 30 30 30 30 32 32 31 31 37 37 29 29 W14 30 30 30 30 30 30 30 30 41 41 35 35 W15 30 30 30 30 30 30 30 30 30 30 32 32 W16 29 29 29 29 30 30 30 30 29 29 30 30 W17 30 30 21 21 32 32 30 30 30 30 28 28 W18 30 30 30 30 31 31 30 30 30 30 40 40 W19 30 30 30 30 30 30 30 30 30 30 40 40 W20 30 30 30 30 30 30 30 30 30 30 35 35. 3.2. Aparatura pomiarowa A. System Motion Capture – Optotrak Certus firmy NDI służy do. pozycjonowania i rejestracji obiektu (ciała człowieka) w ruchu poprzez optyczne śledzenie umieszczonych na nim uprzednio markerów. Dzięki temu, iż w systemie tym markery są postaci diod światła podczerwonego (tzw. markery aktywne) (rys. 5), ich identyfikacja realizowana jest w sposób automatyczny poprzez sekwencyjną aktywację, co oznacza, że tylko jeden marker jest aktywny (świeci) w danej chwili czasowej. W rozwiązaniu tego typu nie ma niebezpieczeństwa zaistnienia sytuacji, kiedy raz zidentyfikowane markery stawałyby się anonimowe na kolejnych klatkach filmu lub gdy markery położone blisko siebie zostałyby zamienione miejscami (krzyżowanie trajektorii markerów). Stanowi to ogromną zaletę w stosunku do systemów wykorzystujących markery bierne – odblaskowe, w których niestety problemy identyfikacyjne nie należą do rzadkości, zwłaszcza w przypadku. rejestracji. ruchów. o. bardziej. złożonej. charakterystyce,. odznaczających się większymi wartościami wielkości kinematycznych, takich jak 33.

(34) prędkość czy przyspieszenie. W systemach z markerami biernymi z pomocą przychodzi dedykowane do systemu oprogramowanie, w którym w sposób semiautomatyczny korzystając z określonych informacji (wzajemne statyczne umiejscowienie markerów na obiekcie, podobieństwo trajektorii różnych markerów) dokonywać można aproksymacji danych trajektorii ruchu markerów. W systemach z markerami aktywnymi, jak zastosowany NDI Optotrak Certus, łatwość ich identyfikacji okupiona jest niedogodnością w postaci konieczności zasilania i połączenia markerów kablami, co może w jakimś stopniu ograniczać swobodę wykonywania ruchów objętych badaniem.. Rys. 5 Aktywne markery połączone kablami i Rigid Bodies systemu NDI Optotrak Certus (Z4) Czujnik pozycyjny NDI, który ma za zadanie śledzić markery, złożony jest z trzech kamer czułych na światło podczerwone. W zależności od pożądanej w danym doświadczeniu geometrii przestrzeni pomiarowej, może on być umiejscowiony pionowo bądź też poziomo (rys. 6). W opisywanych badaniach wykorzystano konfigurację pionową z uwagi na wymóg większej szerokości aniżeli. 34.

(35) wysokości przestrzeni badawczej, szczególnie podczas rejestracji swobodnego chodu (rys. 7).. Rys. 6 Czujnik pozycyjny systemu NDI Optotrak Certus w konfiguracji odpowiednio od lewej: poziomej i pionowej (Z5). Rys. 7 Przestrzeń pomiarowa systemu NDI Optotrak Certus (Z6) 35.

(36) Pojedynczy czujnik pozycyjny stwarza możliwość pomiaru trajektorii markerów w przestrzeni trójwymiarowej, jednak tylko z jednej strony ciała. Jeśli badania wymagałyby pomiaru całej sylwetki człowieka z każdej strony i co za tym idzie. na. stworzeniu. jej. biomechanicznego. modelu. kostno-mięśniowego,. należałoby wówczas rozbudować system o dodatkową liczbę czujników oraz zakupić dodatkowe oprogramowanie dedykowane do tego celu (rys. 8).. Rys. 8 Oprogramowanie Visual3D do modelowania ciała człowieka w ruchu (Z7) System ma możliwość podłączenia maksymalnie 512 markerów i 8 czujników pozycyjnych jednocześnie. Bardzo użyteczną funkcją systemu NDI, dostępną w podstawowym zestawie, jest opcja definiowania nierzeczywistych markerów (ang. Imaginary Markers) i ciał sztywnych (ang. Rigid Bodies). Pierwsze z nich są stosowane, gdy istnieje potrzeba śledzenia miejsca na obiekcie, gdzie nie jest możliwe umiejscowienie markera, drugie natomiast służą do pomiarów rotacji segmentów badanych obiektów. Ciała sztywne tworzą trzy markery usytuowane w stałych od siebie odległościach w jednej płaszczyźnie na specjalnej trójkątnej plastikowej podkładce (rys. 5). Ogromną zaletą systemu NDI wyróżniającą go 36.

(37) spośród innych systemów Motion Capture dostępnych na rynku są jego parametry techniczne:  dokładność pozycjonowania i śledzenia markerów – 0,1 mm,  rozdzielczość – 0,01 mm,  maksymalna częstotliwość próbkowania (zależna od liczby podłączonych markerów) – 4600/(liczba markerów + 2,3). B. Wzmacniacz ME6000 Biomonitor firmy Mega Electronics (rys. 9) oferuje telemetryczny pomiar sygnałów bioelektrycznych (EMG, EKG) za pomocą bezprzewodowej sieci lokalnej (WLAN), a także w dodatkowym zestawie – sygnałów. goniometrycznych,. akcelerometrycznych,. inklinometrycznych,. żyrometrycznych, jak również momentów sił czy szybkości przewodnictwa nerwowo-mięśniowego. Urządzenie to łączy w sobie cechy specjalistycznego sprzętu medyczno-badawczego i przenośnego, łatwego w użyciu rejestratora najbardziej pożądanych sygnałów biomechanicznych. Umożliwia jednoczesną rejestrację do 8 kanałów pomiarowych w czasie rzeczywistym online (z trybem transmisji natychmiastowej do odbiorcy sieciowego) lub offline (z trybem zapisu na karcie pamięci). Maksymalna dostępna częstotliwość próbkowania sygnału EMG ściśle zależy od ilości rejestrowanych kanałów, jak i od ustawionego trybu i wynosi:  2 kHz (8 kanałów, online),  5 kHz (4 kanały, online),  10 kHz (2 kanały, online),  2 kHz (8 kanałów, offline),  5 kHz (6 kanałów, offline),  10 kHz (4 kanały, offline).. 37.

(38) Rys. 9 ME6000 Biomonitor (Z8) C. System ParoLogg (rys. 10) służy do bezprzewodowego pomiaru offline nacisku stóp człowieka (z częstotliwością próbkowania do 300 Hz) przy użyciu technologii Hydrocell. Opiera się ona na wykorzystaniu piezorezystywnych czujników ciśnienia umieszczonych w silikonowych „komórkach” (ang. cells). Konfiguracja taka pozwala na pomiar wypadkowych sił działających na sensor: kompresyjnych (wertykalnych) i ścinających (przednio-tylnych i przyśrodkowobocznych). Pojedynczy sensor działa na zasadzie mostka rezystywnego, który jest odporny. na. zewnętrzne. interferencje. elektryczne. czy. też. fluktuacje. temperaturowe. System ParoLogg składa się ze:  stacji roboczej podłączanej kablem sieciowym do komputera; stacja pośredniczy w przesyle danych pomiarowych oraz w ładowaniu akumulatorów zasilających pilota i 2 urządzeń pomiarowych Sync-box,  pilota, za pomocą którego jest możliwe zdalne sterowanie pomiarem,  2 urządzeń pomiarowych Sync-box, umieszczanych na kończynach dolnych (podudziach) osoby badanej, podłączanych bezpośrednio do wkładek,  pary wkładek z sensorami (32 na każdą wkładkę); w zestawie są dostępne 4 rozmiary wkładek 37-38, 39-40, 41-42, 43-44; zakres pomiaru sensorów sięga do 62,5 N/cm2,  w dodatkowym zestawie – 2 akcelerometrów umieszczanych na grzbietach stóp, podłączanych bezpośrednio do urządzeń pomiarowych Sync-box.. 38.

(39) Rys. 10 System ParoLogg: wkładki z sensorami, stacja robocza z pilotem i urządzeniami do zbierania danych pomiarowych (Sync-box), akcelerometry (Z9) D. System Revitus firmy ITAM stanowi połączenie 2-kanałowego wzmacniacza sygnału EKG oraz 3-osiowego akcelerometru umieszczonego we wnętrzu urządzenia (rys. 11). Rejestrator umożliwia zarówno wykonywanie pomiaru online (Bluetooth), jak i pomiaru zapisywanego na wewnętrznej karcie pamięci. Częstotliwość próbkowania sygnału EKG jest ustalona przez producenta i wynosi 1000 Hz, natomiast sygnału przyspieszenia – 100 Hz.. Rys. 11 System Revitus (ITAM, 2009). 39.

(40) E. Kamera cyfrowa firmy Sony HDR-FX7E posłużyła w badaniach do rejestracji obrazu całej sylwetki człowieka z boku (z lewej strony). Częstotliwość próbkowania wynosiła 25 klatek na sekundę, przy rozmiarze klatki 720 x 576 pikseli, zgodnie z formatem DV-PAL.. 3.3. Geneza i charakterystyka badanych sygnałów motorycznych Sygnały motoryczne zarejestrowane za pomocą poszczególnych technik. pomiarowych wyselekcjonowanych do badań w zakresie raportowanych prac różnią się zasadniczo. Poniżej scharakteryzowano zbiorczo wszystkie modalności pozyskanych sygnałów ruchu – kolejno z systemu Motion Capture (A), wzmacniacza EMG (B), systemu nacisku stóp (C), akcelerometru (D) i kamery cyfrowej (E). W tab. 3 umieszczono dobrane wartości częstotliwości próbkowania sygnałów z różnych czujników. Tab. 3 Częstotliwość próbkowania sygnału (Fs) dla czujników A ÷ E A B C D E Fs [Hz] 100 2000 100 100 25 A. Trójwymiarowe trajektorie ruchu 30 markerów (M1 ÷ M30) umiejscowionych na ciele osoby badanej – pomiar wykonywany był z boku, od lewej strony osoby obserwowanej, wobec czego markery usytuowane zostały w następujący sposób (rys. 12):  2 szt. na głowie: z boku po lewej stronie na wysokości górnego obrysu małżowiny usznej (M1 i M2),  7 szt. na lewej kończynie górnej: na wysokości stawu ramieniowego (M3), w połowie odległości między M3 a stawem łokciowym (M4), na wysokości stawu łokciowego – w pobliżu nadkłykcia bocznego kości ramieniowej (M5), w połowie odległości między M5. a. stawem. promieniowo-nadgarstkowym. (M6),. na. wysokości. wyrostków rylcowatych kości promieniowej i łokciowej – odpowiednio M7. 40.

(41) i M8, w połowie długości trzeciej kości śródręcza od strony grzbietowej ręki (M9),  5 szt. na prawej kończynie górnej: w zgięciu łokciowym (M10), w połowie odległości między M10 a stawem promieniowo-nadgarstkowym. (M11),. na. wysokości. wyrostków. rylcowatych kości łokciowej i promieniowej – odpowiednio M12 i M13, w połowie długości trzeciej kości śródręcza od strony dłoniowej ręki (M14),  2 szt. w okolicy stawu biodrowego z boku po lewej stronie: na wysokości lewego talerza biodrowego (M15) i na wysokości krętarza wielkiego kości udowej (w osi obrotu stawu biodrowego) (M16),  7 szt. na lewej kończynie dolnej: w połowie odległości między M16 a osią obrotu stawu kolanowego (M17), w osi obrotu stawu kolanowego od strony bocznej (M18), w połowie odległości między M18 a kostką boczną w stawie skokowym (M19), na kostce bocznej (M20), z boku z lewej strony kości piętowej (M21), w połowie odległości między M21 a paliczkiem dystalnym piątego palca stopy (M22), na paliczku dystalnym piątego palca stopy (M23),  7 szt. na prawej kończynie dolnej: w połowie odległości między zgięciem w stawie biodrowym a osią stawu kolanowego. (M24),. w. osi. obrotu. stawu. klanowego. od. strony. przyśrodkowej (M25), w połowie odległości między M25 a kostką przyśrodkową (M26), na kostce przyśrodkowej (M27), z boku kości piętowej od strony przyśrodkowej (M28), w połowie odległości między M28 a paliczkiem dystalnym dużego palca (M29), z boku na paliczku dystalnym dużego palca od strony przyśrodkowej (M30).. 41.

(42) Rys. 12 Sposób rozmieszczenia markerów M1 ÷ M30 Markery mocowano za pomocą dwustronnej taśmy klejącej bezpośrednio do uprzednio ogolonego miejsca na ciele wolontariusza lub do ubrania. Wymogiem badania był wobec tego ubiór ściśle przylegający do ciała, a jednocześnie nie krępujący zadanych ruchów. B. Sygnały elektromiograficzne rejestrowane powierzchniowo znad 8 mięśni obu kończyn dolnych (L – lewa, P – prawa) (rys. 13):  Czworogłowy uda (głowa boczna) – Quadriceps (vastus lateralis) L (EL1), 42.

(43)  Dwugłowy uda – Biceps femoris L (EL2),  Piszczelowy przedni – Tibialis anterior L (EL3),  Brzuchaty łydki (głowa przyśrodkowa) – Gastrocnemius (medial) L (EL4),  Czworogłowy uda (głowa boczna) – Quadriceps (vastus lateralis) P (EP1),  Dwugłowy uda – Biceps femoris P (EP2),  Piszczelowy przedni – Tibialis anterior P (EP3),  Brzuchaty łydki (głowa przyśrodkowa) – Gastrocnemius (medial) P (EP4).. Rys. 13 Umiejscowienie elektrod EMG na mięśniach odpowiednio z tyłu i z przodu kończyny dolnej EL1 ÷ EL4 (dla prawej kończyny dolnej analogicznie EP1 ÷ EP4) Wybór. mięśni. kończyn. dolnych. podyktowany. był. ich. istotnym. zaangażowaniem w analizowanych czynnościach ruchowych (Grimshaw i in., 2010; Perry, 1992; Kirtley, 2006), (rys. 14). Mięsień dwugłowy uda i brzuchaty łydki są mięśniami oddziałującymi na dwa sąsiednie stawy. Pierwszy z nich oddziałuje na staw biodrowy i kolanowy, natomiast drugi na staw kolanowy i goleniowo-skokowy. Mięśnie piszczelowy przedni i czworogłowy uda (głowa 43.

(44) boczna) należą do mięśni jednostawowych – pierwszy odpowiada za zgięcie grzbietowe stopy, zaś drugi za prostowanie stawu kolanowego.. Rys. 14 Wzorzec włączania/wyłączania czasowego mięśni kończyny dolnej w cyklu chodu – niebieskie paski wskazują, kiedy mięsień jest aktywny (Konrad, 2007) Oznaczenia na rysunku odpowiadają następującym fazom chodu: IC – Initial Contact (kontakt początkowy pięty), LR – Loading Response (faza amortyzacji, przejęcie ciężaru), MST – Mid-Stance (środkowa faza podparcia), TST – Terminal Stance (końcowa faza podparcia, oderwanie pięty), PSW – Pre-Swing (przedprzenoszenie), ISW – Initial Swing (początkowa faza przenoszenia, oderwanie palców), MSW – Mid-Swing (środkowa faza przenoszenia), TSW – Terminal Swing (końcowa faza przenoszenia). 44.

(45) Ogromnie istotnym czynnikiem warunkującym prawidłowe, pozbawione zewnętrznych zakłóceń pomiary EMG, jest dokładne przygotowanie skóry w miejscu styku z elektrodami rejestrującymi (Konrad, 2007). W tym też celu w trakcie przygotowywania badania skórę ogolono, odtłuszczono i usunięto martwą wierzchnią warstwę naskórka (peeling) z użyciem specjalnej pasty mającej zarówno właściwości czyszczące, jak i poprawiające przewodnictwo. Dzięki temu oporności między elektrodą a skórą były możliwie najmniejsze – w praktyce otrzymywano wartości rzędu kilku-kilkunastu kΩ. Drugim czynnikiem, który ma niebagatelne znaczenie w otrzymywaniu niezaszumionego sygnału EMG, jest odpowiednia konfiguracja elektrod (Błaszczyk, 2004).. Obecnie. standardem. w. pomiarach. elektromiograficznych. jest. wykorzystywanie odprowadzeń bipolarnych (dwie elektrody czynne wzdłuż brzuśca mięśnia, jedna elektroda uziemienia), które gwarantują większą redukcję zakłóceń. elektrycznych. aniżeli. odprowadzenia. unipolarne.. Na. wyjściu. wzmacniacza pojawia się napięcie różnicowe (rys. 15) dane wzorem: U wy  k  U   U  . (1). gdzie: k – wzmocnienie napięciowe wzmacniacza, U+, U- – napięcia na nieodwracającym i odwracającym fazę wejściu wzmacniacza. Dzięki temu, kiedy na obu blisko siebie ustawionych elektrodach (ok. 2-3 cm między środkami elektrod) wyindukowane zostanie w tym samym czasie napięcie zakłócające o takiej samej wartości bezwzględnej, wynikowym napięciem na wyjściu będzie sygnał zerowy. Tym samym nastąpi eliminacja niepożądanych artefaktów sieciowych o częstotliwości 50 Hz. W przypadku natomiast sygnału EMG sytuacja wygląda zgoła odmiennie. Z uwagi na ograniczoną szybkość przewodzenia potencjałów czynnościowych we włóknach mięśniowych i wolną propagację prądów jonowych w tkankach, sygnały EMG docierają do elektrod w różnym czasie t1 i t2. Dodatnie pobudzenie zostaje wobec tego ostatecznie przekształcone na sygnał dwufazowy o polaryzacji dodatniej, a następnie ujemnej (rys. 15).. 45.

(46) Rys. 15 Konfiguracja elektrod EMG – bipolarna (Błaszczyk, 2004) Elektrofizjologiczna geneza sygnału EMG jest dziś dobrze poznana i bardzo rozległa (Birch i in., 2009; Dobrowolski, 2009; Emeryk-Szajewska i NiewiadomskaWolska, 2008; FitzGerald i in., 2007; Górski, 2008; Hausmanowa-Petrusewicz, 1980; Kinalski, 2008; Longstaff, 2011; McLaughlin i in., 2009; Traczyk i Trzebski, 1989). Podobnie jak inne komórki pobudliwe w organizmie człowieka, komórki mięśniowe posiadają stały spoczynkowy potencjał elektryczny o wartości ok. -70 mV. Wynika on z różnej koncentracji jonów po obu stronach błony komórkowej – większej koncentracji Na+ i Cl- oraz mniejszej K+ na zewnątrz komórki niż w jej wnętrzu. Różnica ta utrzymywana jest dzięki aktywności pompy jonowej (sodowo-potasowej). Nerwowy potencjał czynnościowy docierający do płytki końcowej (złącza nerwowo-mięśniowego). powoduje. wydzielanie. neuroprzekaźnika. ACh. (acetylocholiny), co z kolei skutkuje lokalną depolaryzacją błony komórki mięśniowej (rys. 16).. 46.

(47) Rys. 16 Synapsa nerwowo-mięśniowa (Z10) W jej początkowej fazie otwierane są kanały jonów Na+, dzięki czemu następuje gwałtowny ich napływ do wnętrza komórki i co za tym idzie podwyższenie potencjału. wewnątrzkomórkowego.. Ponieważ. własność. przepuszczalności. elektrycznej błony zależy od napięcia, po przekroczeniu wartości progowej potencjału dalszy napływ jonów Na+ zostaje zatrzymany, jednocześnie odbywa się stopniowy wypływ jonów K+ na zewnątrz (rys. 17). Następuje propagacja fali depolaryzacji (rys. 18), potencjał czynnościowy mający początek w synapsie nerwowo-mięśniowej przenosi się wzdłuż włókna mięśniowego w obydwu kierunkach. Potencjał spoczynkowy jest później odbudowywany (repolaryzacja) i kontrolowany za pomocą aktywnego transportu jonów przez błonę komórkową (pompa sodowo-potasowa wykorzystująca energię metaboliczną do usunięcia nadmiaru jonów Na+ z wnętrza komórki i wpompowania jonów K+ do jej wnętrza).. 47.

(48) Rys. 17 Generacja potencjału czynnościowego (Z10). Rys. 18 Generacja potencjału czynnościowego (Z10) W wyniku pojedynczego potencjału czynnościowego włókna mięśniowego następuje generacja krótkotrwałego skurczu jednostkowego. Charakteryzuje się on dwufazową sekwencją skrócenia i relaksacji włókna. Skurcz ten jest niewielki, 48.

(49) ale dzięki sumowaniu czasowo-przestrzennemu wielu skurczów w jednostkach motorycznych MU (ang. Motor Unit) (rys. 19) możliwe jest uzyskanie skurczów makroskopowych całych mięśni. Na sumowanie czasowo-przestrzenne składają się dwa mechanizmy (Błaszczyk, 2004):  częstotliwość pobudzeń – integracja pojedynczych skurczów w tej samej jednostce motorycznej (wraz ze wzrostem częstotliwości pobudzenia motoneuronu skraca się czas między kolejnymi skurczami jednostkowymi włókien mięśniowych; efekt sumowania skurczów wystąpi, gdy przerwa między kolejnymi pobudzeniami będzie na tyle krótka, by nie doszło do pełnej relaksacji jednostki ruchowej),  liczba aktywnych jednostek motorycznych – integracja skurczów z różnych jednostek motorycznych (zasada rekrutacji Elwooda Hennemana – najpierw włączane są małe jednostki motoryczne, a dopiero później większe).. Rys. 19 Jednostka motoryczna – MU – najmniejsza jednostka kontroli nerwowej nad skurczem mięśnia, złożona z: komórki ruchowej rogów przednich rdzenia, aksonu, płytki nerwowo-mięśniowej i unerwianych włókien mięśniowych (Z11). 49.

(50) Lokalne zmiany pola elektrycznego we włóknach mięśniowych powodują przepływ prądów w tkankach otaczających mięśnie. Prądy te docierają do powierzchni skóry, dzięki czemu możliwy jest ich pomiar za pomocą elektrod powierzchniowych przyklejanych na skórze nad badanym mięśniem. Rejestrowane pole elektryczne znad mięśnia różni się zasadniczo od lokalnych pól w jego wnętrzu, na co wpływ ma szereg czynników:  charakterystyka i liczba włókien mięśniowych, które są w obszarze pomiarowym elektrod,  konfiguracja elektrod (powierzchnia, odległość między nimi, ułożenie w odniesieniu do włókien mięśniowych),  właściwości bioelektryczne i charakterystyka fizyczna (grubość) tkanek (skórnej i tłuszczowej) między mięśniem a elektrodą,  zmiany kształtu mięśnia podczas skurczów. Amplituda mierzonego powierzchniowo sygnału EMG jest w granicach 0,015 mV, natomiast jego częstotliwość wynosi 10-400 Hz (Błaszczyk, 2004). Na rys. 20 zobrazowano przykładowy zapis sEMG podczas dwóch skurczów mięśnia dwugłowego ramienia (w trakcies wykonywania tej samej pracy) przerywanych okresem spoczynku (rozluźnienia mięśnia), kiedy mięsień nie wykazuje istotnej aktywności EMG w wyniku braku depolaryzacji i potencjałów czynnościowych. Z uwagi na to, że układ rekrutowanych jednostek motorycznych mięśnia ulega ciągłym zmianom w czasie, otrzymywany zapis w obu skurczach odznacza się przypadkowością i niepowtarzalnością, pomimo że są one rejestrowane podczas tej samej aktywności ruchowej, z tego samego mięśnia, u tej samej osoby. Sytuacja taka wymaga od osób zajmujących się opisem i analizą EMG odpowiedniego przetworzenia sygnału, które podkreślałoby główny kierunek jego zmian (filtracja komponentów wysokoczęstotliwościowych) (Konrad, 2007).. 50.

(51) Rys. 20 Surowy zapis sEMG z mięśnia dwugłowego ramienia Warto przy tej okazji wspomnieć o drugim bardzo istotnym rodzaju elektromiografii, mianowicie o elektromiografii igłowej – elementarnej (ang. Needle EMG) (Dobrowolski, 2009). Jak sama nazwa wskazuje, do rejestracji potencjałów elektrycznych generowanych przez mięśnie używane są w niej elektrody igłowe, które bezpośrednio wkłuwa się w poddawany badaniu mięsień. Dzięki. takiemu. bezpośredniemu. kontaktowi. elektrod. wkłuwanych. z poszczególnymi włóknami mięśniowymi, możliwe jest uzyskanie wielokrotnie czulszych. i. bardziej. selektywnych. pomiarów,. aniżeli. ma. to. miejsce. w elektromiografii powierzchniowej. Technika ta więc doskonale sprawdza się w przypadkach występowania nawet najmniejszych oznak patologii nerwowomięśniowych z uwagi na możliwość funkcjonalnej oceny jednostek motorycznych. Stanowi ona wówczas niezbędne narzędzie do precyzyjnego określenia przyczyny i stopnia zaawansowania niepokojących objawów klinicznych dzięki pomiarowi elektrograficznemu głębiej położonych warstw mięśniowych, przykrytych innymi mięśniami lub tkanką kostną (Dobrowolski, 2009; Smoleń, 2009, 2008a). Metody elektromiografii powierzchniowej i igłowej wzajemnie się uzupełniają. Pierwsza z nich bada rozległość procesu chorobowego w grupach mięśni, symetrię bądź też asymetrię zapisu EMG, wzajemne działanie różnych grup mięśni, napięcie mięśniowe, ośrodkową kontrolę pracy mięśni, czy zmienność elektrycznej aktywności mięśniowej w czasie. Druga natomiast stwarza możliwość 51.

(52) klasyfikacji zespołu chorobowego jako miogennego lub neurogennego (Smoleń, 2009, 2008a). W niniejszej powierzchniową,. rozprawie. gdyż. istniała. doktorskiej potrzeba. wykorzystano użycia. metody. elektromiografię nieinwazyjnej,. nienaruszającej ciągłości powłok skórnych, a tym samym dużo prostszej i szybszej w użyciu. Ponadto przedmiotem zainteresowania pracy były sumaryczne odpowiedzi mioelektryczne wielu jednostek ruchowych mięśni powierzchownych (zapis interferencyjny), nie potencjały czynnościowe pojedynczych jednostek ruchowych MUAP (ang. Motor Unit Action Potential). C. Przestrzenno-czasowe sygnały nacisku stóp – są seriami czasowymi pomiarów nacisku stóp człowieka pochodzącymi z 64 sensorów ciśnienia wbudowanych we wkładkach do obuwia (każda wkładka posiada 32 niezależne sensory) (rys. 21). Na początku właściwego pomiaru dynamicznego wykonywany był pomiar statyczny, podczas którego wolontariusz znajdował się w swobodnej pozycji stojącej (całe stopy płasko na podłożu, równomierne obciążenie obu kończyn dolnych, kończyny górne swobodnie ułożone przy ciele wzdłuż tułowia). Badanie statyczne miało za zadanie kalibrację całego systemu, jak i odjęcie ciężaru urządzeń zbierających dane (Sync-box) przytwierdzonych do nóg osoby badanej.. Rys. 21 Pojedyncza klatka z pomiarów na systemie ParoLogg. 52.