Decomponi

decomp

Descrizione generale: Decomponi è un tool gratuito incluso nel software OT BioLab per il processing dei seganli EMG multicanale registrati con matrici di superficie.  Decomponi permette di identificare il contributo delle singole unità motorie al segnale EMG di superficie, basandosi sulla tecnica della blind source separation.

Dettagli particolari: Il plug-in Decomponi offre come risultato una serie di treni i potenziali d'azione d'unità motoria che rappresentano il comando di attivazione spedito al muscolo dal sistema centrale. In letteratura questo meccanismo di separazione è anche chiamato "decomposizione del segnale EMG". La  "decomposizione EMG" è solitamente effettuata con tecniche invasive di prelievo (EMG intramuscolare) e prevede una analisi visiva dei risultati. Decomponi permette di effettuare un prelievo del segnale EMG totalmente non invasivo con associata una analisi completamente automatizzata. Decomponi è stato sviluppato da OT Bioelettronica basandosi sui risultati della ricerca pubblicati dal gruppo di ricercatori costituito da: prof. Dario Farina, Dr. Francesco Negro e dal Prof. Ales Holobar, che hanno anche seguito la fase di implementazione del plug-in da parte di OT Bioelettronica.

 Specifiche Tecniche del plug-in Decomponi:

- Necessita come input segnali EMG bidimensionali prelevati con matrici di almeno 32 elettrodi.

- Fornisce come output sia la serie di treni di impulsi delle singole unità motorie sia i rispettivi potenziali di azione identificati da ogni elettrodo della matrice di registrazione.

- Lavora con segnali registrati sia in nmodalità monopolare sia in modalità differenziale.

- E' limitato a contrazioni isometriche

- Oltre alle serie dei tempi di attivazione, fornisce una serie di informazioni statistiche sulle unità mototrie identificate, come la frequenza di attivazione e la variabilità degli intervalli di tempo tra diversi spike.

Articoli di riferimento:

- Negro F., Muceli S., Castronovo A.M., Farina D., (2016) Multi-channel intramuscular and surface EMG decomposition by convolutive blind source separation. Journal of neural engineering, 13(2), 026027.
- Holobar A., Zazula D. (2007). Multichannel blind source separation using convolution kernel compensation. IEEE Trans. Signal Proc., vol 55. pp, 4487-4496.