Resumen

En este estudio se ha desarrollado un método basado en la correlación de medidas (MC) y el error cuadrático medio mínimo lineal (LMMSE) para la descomposición de señales de electromiografía de superficie multicanal (sEMG). Este método MC-LMMSE incrementa gradual e iterativamente la correlación entre un vector optimizado y una matriz reconstruida que está correlacionada con la matriz de medida. El rendimiento del método MC-LMMSE propuesto se evaluó con señales sEMG simuladas y experimentales. Los resultados de la simulación muestran que el método MC-LMMSE puede reconstruir con éxito hasta 53 trenes de pulsos de inervación con una tasa de verdaderos positivos superior al 95%. El rendimiento del método MC-LMMSE también se evaluó utilizando señales de sEMG experimentales recogidas con una guía de electrodos de 64 canales de los primeros músculos interóseos dorsales de tres sujetos en diferentes niveles de contracción. Se extrajeron con éxito un máximo de 16 unidades motoras de estas señales sEMG experimentales multicanal. El rendimiento del método MC-LMMSE se evaluó además con datos sEMG experimentales multicanal utilizando el método de "dos fuentes". La gran población de MUs comunes extraídas de los dos subgrupos independientes de señales sEMG demuestra la fiabilidad del método MC-LMMSE en la descomposición sEMG multicanal.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:Método LMMSE, señales sEMG experimentales, MC, rendimiento, primeros músculos interóseos dorsales, guía de electrodos de canal, diferentes niveles de contracción, datos sEMG experimentales, trenes de pulsos de inervación, media mínima lineal.
• Keywords:LMMSE method, experimental sEMG signals, MC, performance, first dorsal interosseous muscles, channel electrode array, different contraction levels, experimental sEMG data, innervation pulse trains, linear minimum mean