Descrizione generale

Decomponi è uno strumento incluso nel software gratuito OT BioLab per l'elaborazione di segnali EMG multicanale registrati con array di elettrodi bidimensionali non invasivi. Si basa su tecniche di separazione nascoste e identifica i contributi delle unità motorie all'EMG di superficie. Il risultato è una serie di potenziali di azione delle unità motorie che rappresentano l'attività neurale inviata ai muscoli. In letteratura, questo approccio di separazione è anche chiamato "decomposizione EMG". La decomposizione EMG è stata possibile solo con elettrodi invasivi (ago) ed editing manuale che richiede tempo. Decomponi consente la scomposizione da registrazioni non invasive in modo completamente automatico. Decomponi è stato sviluppato da OT Bioelettronica sulla base di metodi e risultati di ricerca pubblicati dai gruppi del Prof. Dario Farina, Dr. Francesco Negro e Prof. Ales Holobar *, che hanno anche agito come consulenti per l'implementazione del software.

Specifiche tecniche

- Decomponi necessita come input di segnali EMG bidimensionali registrati da array di >= 32 elettrodi per muscolo
- Fornisce come output sia la serie delle unità motorie identificate sia i rispettivi potenziali d'azione per ciascuna posizione della griglia di registrazione
- Verifica la validità dei risultati estratti tramite indici di accuratezza testati nella letteratura scientifica. Ogni parte del potenziale d'azione estratto viene fornito con una stima della sua correttezza
- Il numero di sorgenti stimato con elevata accuratezza è solitamente approssimativamente uguale alla metà del numero di elettrodi ma dipende dalla qualità del segnale e, in parte, dal muscolo testato
- Funziona con segnali registrati in configurazione monopolare così come in qualsiasi altra derivazione (es. Differenziale)
- È limitato alle contrazioni isometriche
- Oltre alla serie di tempi di scarica, fornisce anche caratteristiche statistiche di base delle unità motorie estratte, come la velocità di conduzione e la variabilità dell'intervallo tra i picchi
* A. Holobar, D. Zazula, “Multichannel Blind Source Separation Using Convolution Kernel Compensation”, IEEE Trans. Signal Proc., vol. 55, pp. 4487–4496, 2007

* Negro F., Muceli S., Castronovo A. M., Holobar A. & Farina D., Multi-channel intramuscular and surface EMG decomposition by convolutive blind source separation. J. Neural Eng. 13, 026027 (2016)