Виявлення патологічних треморів у пацієнтів із хворобою Паркінсона за допомогою ЕМГ-сигналів

Abstract

В роботі проведено дослідження методів аналізу електроміографічних сигналів з метою автоматизованого виявлення патологічних треморів у пацієнтів із хворобою Паркінсона. Розроблено математичну модель ЕМГ-сигналу, що враховує фонову м’язову активність, треморну компоненту та високочастотні спайки. Запропоновано метод виявлення епізодів тремору, побудований на нормалізованій крос-кореляції з опорним синусоїдальним сигналом частотою 5 Гц та адаптивному пороговому рішенні. Розроблено програмне забезпечення у середовищі MATLAB, яке реалізує автоматичне визначення епізодів тремору шляхом сегментації сигналу, виконання кореляційного аналізу, згладжування результатів та формування часових інтервалів треморної активності. Під час експериментів із реальним 60-секундним ЕМГ-записом виявлено 4 епізоди патологічного тремору сумарною тривалістю близько 11,8 секунди (19,67 % часу запису) та амплітудою у межах ±0,3–0,4 мВ. Отримані результати підтверджують ефективність запропонованого підходу та його придатність для застосування у медичних діагностичних і моніторингових системах.

The work presents a study dedicated to the automated detection of pathological tremors in patients with Parkinson’s disease based on the analysis of electromyographic (EMG) signals. A mathematical model of the EMG signal was developed, incorporating background muscular activity, tremor components, and high-frequency spikes. A detection method based on normalized cross-correlation with a 5 Hz reference sinusoidal signal and an adaptive thresholding procedure was proposed. Software implementation was developed in the MATLAB environment, providing a full processing pipeline: signal segmentation, generation of a reference tremor signal, correlation analysis, smoothing of correlation values, and extraction of temporal intervals corresponding to tremor episodes. Experimental analysis of a real 60-second EMG recording revealed 4 episodes of pathological tremor with a total duration of approximately 11.8 seconds (19.67 % of the recording) and amplitude variations within ±0.3–0.4 mV. The obtained results confirm the effectiveness, noise robustness, and practical applicability of the proposed approach for diagnostic and monitoring systems used in Parkinson’s disease assessment.