La stima dell’attivazione muscolare è un passo importante nell’analisi dei segnali EMG non solo durante il cammino, ma nell’intero studio elettromiografico. Il segnale EMG rappresenta le differenze di potenziale misurate a cavallo tra gli elettrodi posti in prossimità del muscolo di interesse sulla superficie cutanea. Indubbiamente l’acquisizione del segnale coinvolgerà anche il rumore di fondo, causato ad esempio dal rumore di linea, ma anche il cross-talk con altri segnali, come i biopotenziali generati dalla contrazione di muscoli vicini. La presenza del rumore quindi aumenta le difficoltà nell’individuare con precisione l’attivazione muscolare. Dunque per affrontare questo problema sono stati individuati metodi con l’obiettivo di avvicinarsi sempre più all’on-set reale del muscolo. In particolare sono stati individuati gli approcci più recenti che utilizzano algoritmi iterativi, strumenti aggiornati come le reti neurali e sistemi di deep learning. Queste tecniche innovative, analizzando i risultati dei confronti, hanno apportato in questo studio un livello maggiore di accuratezza rispetto alle tecniche più tradizionali.
Approcci recenti al problema di stima dell'attivazione muscolare durante il cammino
POMPEI, LORENZO
2019/2020
Abstract
La stima dell’attivazione muscolare è un passo importante nell’analisi dei segnali EMG non solo durante il cammino, ma nell’intero studio elettromiografico. Il segnale EMG rappresenta le differenze di potenziale misurate a cavallo tra gli elettrodi posti in prossimità del muscolo di interesse sulla superficie cutanea. Indubbiamente l’acquisizione del segnale coinvolgerà anche il rumore di fondo, causato ad esempio dal rumore di linea, ma anche il cross-talk con altri segnali, come i biopotenziali generati dalla contrazione di muscoli vicini. La presenza del rumore quindi aumenta le difficoltà nell’individuare con precisione l’attivazione muscolare. Dunque per affrontare questo problema sono stati individuati metodi con l’obiettivo di avvicinarsi sempre più all’on-set reale del muscolo. In particolare sono stati individuati gli approcci più recenti che utilizzano algoritmi iterativi, strumenti aggiornati come le reti neurali e sistemi di deep learning. Queste tecniche innovative, analizzando i risultati dei confronti, hanno apportato in questo studio un livello maggiore di accuratezza rispetto alle tecniche più tradizionali.File | Dimensione | Formato | |
---|---|---|---|
TESI POMPEI LORENZO.pdf
Open Access dal 30/10/2023
Descrizione: Elaborato finale: tesi
Dimensione
2.53 MB
Formato
Adobe PDF
|
2.53 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/4609