Комп’ютерна міографічна система діагностики стану м’язів людини

Abstract

У кваліфікаційній роботі розроблено комп’ютерну міографічну систему діагностики стану м’язів людини для реєстрації, обробки та аналізу ЕМГ-сигналів. Проведено аналіз сучасних методів електроміографії та існуючих систем обробки ЕМГ-сигналів. Проаналізовано технічне забезпечення для реєстрації та обробки ЕМГ-сигналів. Для дослідження використано багатоканальні ЕМГ-сигнали з відкритої бази даних EMG Data for Gestures. Розроблено математичну модель ЕМГ-сигналу, яка враховує м’язову активність, шуми, артефакти та вплив м’язової втоми. Запропоновано алгоритми комп’ютерної обробки сигналів, що включають фільтрацію, нормалізацію, вейвлетдекомпозицію та аналіз часово-частотних характеристик. Для дослідження нестаціонарних властивостей сигналів використано методи вейвлет-перетворення. Програмне забезпечення реалізовано в середовищі MATLAB із використанням App Designer. Розроблений графічний інтерфейс забезпечує завантаження сигналів, налаштування параметрів обробки, виконання аналізу та візуалізацію результатів. Передбачено можливість порівняння ЕМГ-сигналів у нормальному стані та при м’язовій втомі. Тестування системи на реальних багатоканальних ЕМГ-сигналах підтвердило її працездатність та ефективність запропонованих методів обробки. Отримані результати засвідчили можливість виявлення змін електричної активності м’язів і доцільність використання розробленої системи для оцінювання їх функціонального стану.

The qualification work presents the development of a computer myographic system for diagnosing the functional state of human muscles through the acquisition, processing, and analysis of EMG signals. An analysis of modern electromyography methods and existing EMG signal processing systems was carried out. The technical means used for EMG signal acquisition and processing were also examined. Multichannel EMG signals from the open-access EMG Data for Gestures database were used for the research. A mathematical model of the EMG signal was developed, taking into account muscle activity, noise, artifacts, and the effects of muscle fatigue. Signal processing algorithms were proposed, including filtering, normalization, wavelet decomposition, and time-frequency analysis. Wavelet transform methods were applied to investigate the nonstationary properties of EMG signals. The software was implemented in the MATLAB environment using App Designer. The developed graphical user interface provides signal loading, processing parameter configuration, analysis execution, and result visualization. The system also enables comparison of EMG signals recorded under normal conditions and during muscle fatigue. Testing of the system using real multichannel EMG signals confirmed its operability and the effectiveness of the proposed processing methods. The obtained results demonstrated the capability of detecting changes in muscle electrical activity and confirmed the feasibility of using the developed system for assessing the functional state of human muscles.