Nos momentos decisivos de jogos competitivos de

FOURIER E WAVELET: ANÁLISE ESPECTRAL DO SINAL EMG DO
MÚSCULO VASTO LATERAL DURANTE EXERCÍCIO MÁXIMO EM
CICLOERGÔMETRO
Lucas Adriano Pereira (PIBIC/CNPq - UEL), Marcelo Vitor da Costa, Ricardo
S. Oliveira, Rafael E. Pedro, Thiago V. Camata, Leandro Ricardo Altimari
(Orientador) e-mail: [email protected]
Grupo de Estudo e Pesquisa em Sistema Neuromuscular e Exercício,
DEF/CEFE. Universidade Estadual de Londrina, Londrina, PR, Brasil.
Palavras-chave: eletromiografia, fourier, wavelet, fadiga muscular.
Resumo
O propósito do estudo foi comparar a Transformada de Fourier de Tempo
Curto (STFT) e a Transformada Contínua de Wavelet (CWT) na avaliação da
fadiga do músculo Vasto Lateral (VL) em exercício dinâmico máximo de
carga constante (100% Wmax) em cicloergômetro. Dezoito sujeitos (26,0 ± 3,3
anos; 80,1 ± 7,4 kg; 180,2 ± 5,1 cm) participaram deste estudo sendo
submetidos a um teste máximo de carga constante até a exaustão. A análise
EMG no domínio da frequência do músculo VL foi realizada por meio da
STFT e da CWT para obtenção dos parâmetros de fadiga. Os resultados
deste estudo indicam que as análises CWT e STFT proporcionam
estimativas similares do estado de fadiga muscular (slope da frequência
mediana) em exercício dinâmico máximo de carga constante em
cicloergômetro (P>0,05). A variância também não diferiu entre as análises.
Dessa forma, podemos assumir que a estacionariedade do sinal pode não
ser o fator responsável por afetar as estimativas baseadas na transformada
de Fourier.
Introdução
A eletromiografia de superfície (EMG) é uma ferramenta não invasiva
para o estudo do movimento humano e mecanismos neurofisiolólicos da
fadiga. Isto é realizado a partir da determinação do nível de ativação
muscular através da atividade elétrica das membranas miofibrilares que são
excitadas.
A fadiga pode ser definida como um decrécimo na produção de força
muscular. O sinal EMG pode servir como um indicador do recrutamento das
fibras musculares e também ta velocidade de condução dos potenciais de
ação através da excitabilidade da membrana, proporcionando informações
relacionadas ao processo de fadiga muscular. O sinal EMG processado no
domínio da frequência proporciona variáveis como a frequência mediana
(FM), e medidas de dispersão, incluindo variância e desvio padrão (DP), o
slope ou a taxa de decrécimo da frequência mediana. Um decrécimo no
sinal EMG observado a partir da FM geralmente caracteriza o início do
processo de fadiga muscular.
A análise do sinal EMG no domínio da frequência é usualmente
realizado através da análise espectral do sinal muscular durante um
exercício fatigante, através do uso de algoritimos matemáticos tais como a
Tranformada Rápida de Fourier (FFT). Este método pode não ser o mais
adequado para analisar o sinal EMG em exercícios dinâmicos, já que para o
uso da FFT a recomendação é que o sinal seja estacionário. Dadas as
limitações impostas pela FFT em exercício dinâmico, a Transformada de
Wavelet (WT), em sua versão discreta ou contínua (DWT e CWT,
respectivamente), têm sido sugeridas como alternativas para decompor o
sinal EMG neste tipo de contração, por apresentar medidas mais acuradas e
precisas. Esta técnica consiste em mapear o sinal na frequência e tempo em
uma série de funções base que podem ser designadas dependendo da
necessidade da análise e são construídas baseadas em uma wavelet ‘mãe’,
formando um sinal base ortogonal. Podendo este ser um método adequado
para a avaliação da fadiga muscular em exercícios dinâmicos. Desse modo,
o propósito do estudo foi comparar as técnicas de análise STFT e CWT na
avaliação da fadiga do músculo vasto lateral (VL) em exercício dinâmico
máximo de carga constante.
Procedimentos Experimentais
Dezoito sujeitos saudáveis e não treinados (26,0 ± 3,3 anos; 80,1 ±
7,4 kg; 180,2 ± 5,1 cm) participaram deste estudo. Este estudo foi aprovado
pelo Comitê de Ética e Pesquisa da Universidade Estadual de Londrina
(parecer n○ 032/07; CAAE n○ 0034.0.268.000-07).
Um teste dinâmico máximo de carga constante foi realizado em um
cicloergômetro (Corival 400™, Quinton® Inc, USA) com uma carga
correspondente a 100% da carga obtida em um teste incremental máximo
para avaliar a potência máxima (WMAX).
Para coleta dos sinais EMG adotou-se a padronização da Sociedade
Internacional de Eletrofisiologia e Cinesiologia, utilizado-se eletrodos bipolares ativos (TSD 150™, Biopac System®, USA), os quais foram colocados
no músculo vasto lateral (VL) de acordo com SENIAM. Para a análise
espectral, os valores de FM foram obtidos aplicando as técnicas STFT e
CWT (Daubechies: db4). A STFT foi obtida aplicando recursivamente (sobre
0,5s de tempo janelado do sinal) em 1024-pontos FFT (Transformada
Rápida de Fourier) com o algoritmo de processamento retangular janelado,
disponível em MatLab® v.7.7. Enquanto a CWT foi realizada aplicando o
algoritmo de CWT (sobre o sinal EMG completo), disponível em Wavelet
Toolbox™ of MatLab® v.7.7. Através destas técnicas os seguintes
2
parâmetros foram obtidos: FM, Variância ( σ mdf ) e Slope da FM (slopeFM) que
foi determinado pela regressão linear entre a MDF e a duração do exercício.
Os parâmetros foram analisados para cada período de 30s correspondendo
a 0, 30, 60% da duração total do exercício e no momento da exaustão no
teste dinâmico máximo de carga constante.
A distribuição dos dados foi verificada pelo teste Shapiro-Wilk’s e
após os dados se confirmarem normais, a comparação dos dados foram
realizadas por meio do Teste t de Student para amostras independentes. A
significância adotada foi de 5%.
Resultados e Discussão
A média dos valores de FM para os períodos correspondentes a 0,
30, 60% da duração total do exercício e momento da exaustão obtidos pela
STFT e CWT para o músculo VL foram 69,68 ± 4,77 Hz vs 73,96 ± 5,0 Hz,
respectivamente. A tabela 1 mostra os valores da Variância da FM do sinal
EMG para os períodos correspondentes a 0, 30, 60% da duração total do
exercício e momento da exaustão para o músculo VL, no teste dinâmico
máximo de carga constante, obtido através da STFT e CWT. Embora os
valores de Variância tenham sido menores na CWT do que na STFT
nenhuma diferença significante foi encontrada.
Tabela 1. Valores de Variância (Hz2) da FM do sinal EMG para o músculo
VL durante exercício dinâmico máximo de carga constante.
Parâmetro
STFT
CWT
t de Student
P
VL
0%
197,73 ± 76,48
174,15 ± 68,83
0,945
0,352
30%
195,57 ± 103,02
173,33 ± 91,10
0,667
0,510
60%
197,13 ± 101,65
175,76 ± 75,94
0,694
0,493
Exaustão
168,01 ± 85,14
151,44 ± 74,42
0,604
0,550
Não houve diferenças estatisticamente significantes no slopeFM do
músculo VL para os diferentes períodos, nem mesmo quando foi
considerado o valor médio dos slopes obtidos durante o exercício em todos
os períodos de tempo (Fig. 1) (P>0,05).
Fig.1 Média e desvio padrão dos valores de slope da FM para os quatro períodos de tempo
no músculo VL obtidos pela STFT e CWT.
Diferentes estudos compararam as tranformadas de Fourier e
Wavelet baseadas em diferentes protocolos experimentais. Isto mostra que
ambas as técnicas proporcionam a mesma infromação com respeito a fadiga
muscular, quando os índices de fadiga EMG são analisados em exercício
controlando sistematicamente a velocidade do movimento, ângulo e força.
Embora nosso protocolo envolveu uma atividade esportiva (ciclismo) sem o
controle dessas variáveis, nossos resultados sugerem que ambos STFT e
CWT podem ser usados para analisar a fadiga muscular unsando os índices
de fadiga EMG em exercício dinâmico máximo e de carga constante. Esses
achados corroboram com muitos estudos que mostram que ambas as
técnicas proporcionam informações similares sobre a fadiga muscular, tanto
em condições dinâmicas, quanto isométricas. Dessa forma, podemos
assumir que a estacionariedade do sinal pode não ser o fator responsável
por afetar as estimativas baseadas na transformada de Fourier.
Conclusão
Considerando que não foram encontradas diferenças nos parâmetros
espectrais do sinal EMG calculados através STFT e CWT para avaliação da
fadiga muscular, recomenda-se o uso de ambos os métodos quando o alvo
é quantificar a fadiga muscular com os indicadores espectrais EMG em
exercício dinâmico máximo de carga constante no cicloergômetro.
Referências
Abbiss, C.R. ; Laursen, P.B. Models to explain fatigue during prolonged
endurance cycling. Sports Med. 2005, 35, 865.
Allen, D.G.; Lamb, G.D.; Westerblad, H. Skeletal muscle fatigue: cellular
mechanisms. Physiol Rev. 2008, 88, 287.
De Luca, C.J. The use of surface electromyography in biomechanics. J Appl
Biomech.1997, 13, 135.
De Luca, C.J.; Adam, A.; Wotiz, R.; L. D. Gilmore, L.D.; Nawab, S.H.
Decomposition of surface EMG signals. J Neurophysiol. 2006, 96, 1646.
Gandevia, S.C. Spinal and supraspinal factors in human muscle fatigue.
Physiol Rev. 2001, 81, 1725.
Sparto, P.J. ; Parnianpour, M.; Barria, E.A. ; Jagadeesh, J.M. Wavelet
analysis of electromyography for back muscle fatigue detection during
isokinetic constant-torque exertions. Spine (Phila Pa 1976). 1999, 24, 1791.