Klinische Neurophysiologie 1994; 25(1): 21-25
DOI: 10.1055/s-2008-1060243
© Georg Thieme Verlag Stuttgart · New York

Methodische Untersuchungen zur automatischen Erkennung topographischer Verteilungsmuster myoelektrischer Aktivität

Methodical investigations for automatic recognition of topographic patterns of myoelectric activityJ. Dörschel, H. Witte, N. P. Schumann1 , H.-Ch. Scholle1
  • Institut für Medizinische Statistik, Informatik und Dokumentation und
  • 1Motorikgruppe des Instituts für Pathologische Physiologie der Friedrich-Schiller-Universität Jena
Further Information

Publication History

Publication Date:
18 March 2008 (online)

Summary

For automatic classification of defined patterns of myoelectric activity, a processing method of the topographical (multi-channel) recorded surface EMG was developed. This strategy is based on the combination of the dynamic EMG-mapping, achieved by Hilbert-transformation, and automatic classification by artificial Neural Networks. Neural Network classifiers were trained with interval-related spectral parameters (FFT-power spectrum) and the classification was carried out with a higher time resolution (equivalent dynamic spectral parameters via Hilbert-transformation) than in the training phase. It can be shown that the onset and the end of the topographical activation pattern can be detected efficiently. This strategy was tested on healthy volunteers and patients during chewing activity based on EMG-recordings from M. masseter.

Zusammenfassung

Für die automatische Klassifikation definierter myoelektrischer Aktivitätsmuster wurde eine Methode entwickelt, die auf der topographischen Mehrkanalregistrierung des Oberflächen-EMG basiert. Die verwendete methodische Strategie besteht aus der Kombination des dynamischen EMG-Spektralmappings, realisiert über die Hubert-Transformation, mit der automatischen Klassifikation durch künstliche „neuronale Netze”. Die neuronalen Netzwerkklassifikatoren wurden mit intervallbezogenen Spektralparametern (FFT-Leistungsspektrum) angelernt, die Klassifikation dagegen mit höherer zeitlicher Auflösung durchgeführt (äquivalente dynamische Spektralparameter über Hilert-Transformation). Es kann gezeigt werden, daß der Beginn und das Ende von topographischen EMG-Aktivierungsmustern richtig detektiert werden können. Die vorgestellte methodische Strategie wurde an gesunden Probanden und Patienten getestet, wobei EMG-Registrierungen vom M. masseter während natürlichen Kauens verwendet wurden.

    >