Sviluppo di nuove metodologie per l'analisi elettromiografica di superficie dei muscoli respiratori

The main goal of this thesis project is to develope and validate new methods for the assessment of the informations coming from the myoelectric signal produced by the respiratory muscles. For this purpose we designed a software written in Java language that can be used as an instrument for the visualization and the analysis of the EMG signal coming from a commercial wireless electromyograph. The software also allows the visualization of other signals syncronized on the same temporal axis, like respiratory flows, pressures or volumes. Among these, we focused on volumetric acquisitions obtained with optoelectronic plethysmography, giving the possibility to compare the right behaviour in time domain of both the eletrical activity of the muscles and the resulting mechanical activity. With these informations it was possible to introduce some specific indexes to use for the realization of a comparison study between healthy subjects and patients afflicted by dystrophic pathologies characterized by a weakening of muscular and respiratory functionality. In addition to the possibility of opening and displaying EMG and volumetric signals starting from the specific files, there are other implemented processing methods in the software that will be discussed in the specific chapter of this work, like the computing of classic temporal parameters like the mean absolute value (MAV) or the root mean square (RMS), which can also be used to normalize the signals: it is possibile to subtract the mean absolute value or to replace each sample with the RMS value calculated on a moving window of a specific length selectable by the user. Frequency spectrum of the signal and the principal spectral parameters can also be calculated and displayed and classical digital filtering (low-pass, high-pass, band-pass and band-stop) is allowed. An algorithm for the removal of the cardiac artifact based on the one from Pan-Tompkins has been implemented and the user can also select a specific temporal interval of the signals on which he can perform all the operations we’ve just listed. After every modification the user can decide to save the electromyographic signal in a formatted and reusable text file or to restore the originally opened signal. The created software has been tested in several occasions and showed good performances in opening, displaying and processing signals, altough there are some limitations with the memory usage: the signals we consider have considerable size and the simultaneous displaying of too many acquisition channels can slow down the system. This and other problems will be faced in the future phases of software update, essential to guarantee a good usability during its life cycle. The study on patients was made in collaboration with IRCCS “Eugenio Medea”, Bosisio Parini (LC). Data coming from 6 patients suffering from Duchenne muscular dystrophy were acquired, with a protocol that considers the execution of a vital capacity manouvre (maximal inspiration followed by maximal expiration) and some forced cough manouvres, separated by quiet breathing phases. Obtained data were processed and compared with acquisitions made in the same way from 10 healthy subjects. The next step was to choose indexes capable of highlitghtning the differences between the respiratory activity of the two populations caused by the weakening and the loss of respiratory muscles functionality linked to the progression of the dystrophyc pathology. In addition to the classical parameters related to the maneuvers, like the vital capacity value or the expiratory peak cough flow measured during the expulsive phase of the cough, from which it was easy to expect a clear difference between healthy subjects and patients, ratios between Root Mean Square values of the electrical activity during time intervals associated with the maneuvres were calculated, considering both inspiratory and expiratory phases. These ratios, as it will be explained in detail later, show a certain difference in the activation of the respiratory muscles between the two populations, especially the inability of distrophyc patients to reach levels that permit them to execute maximal maneuvers like cough in the correct way. In addition to the ratios linked to the electrical activity we considered the ratios between the flow peaks of the different maneuvers in inspiratory and expiratory phase, in order to verify what we obtained from the previous results. An increase in the number of acquisitions and a more accurate analysis on the behaviour of inspiratory and expiratory muscles in the specific phases of the maneuvres would be useful to consolidate the obtained conclusions. The first chapter of this work contains an overview on the acquisition and processing of the myoelectric signal, from the general case to more specific applications reguarding respiratory muscles. The main distubances that afflict this kind of measurement and some generic parameters used to obtain quantitative assessment of muscular electrical activity are also shown. In the second chapter we briefly discuss the dystrophic diseases and in particular the Duchenne muscular dystrophy and its consequences on the respiratory muscles. Some methods for the assessment of the disease are also described, with particular focus on the respiratory functionality and the evaluation of the cough efficacy. In the third chapter the designed software is presented, starting from the description of the choosen programming language and the basic graphic user interface to the description of the main algorithms, like file opening, signal saving, basic processing techniques, selection of specific intervals, removal of the cardiac artifact and the extraction of parameters of interest. In the fourth chapter the strumentation used to obtain EMG and volume signals is described in detail, in addition to the acquisition protocol and the performed procedures for data analysis. The fifth chapter contains the obtained results for both the study on patients and the software performances, while in the sixth and last chapter the discussion of the results is addressed and the possible future developments of the study are shown.

L’obiettivo principale di questo progetto di tesi è quello di sviluppare e validare nuove metodologie per la valutazione delle informazioni provenienti dal segnale mioelettrico prodotto dai muscoli respiratori. A tal proposito è stato progettato un software in linguaggio Java utilizzabile come strumento per la visualizzazione e l’analisi del segnale EMG proveniente da un elettromiografo wireless commerciale. Il software permette inoltre la visualizzazione, sincronizzata sull’asse temporale, di eventuali altri segnali come flussi, pressioni o volumi. Fra questi ultimi si è riservata particolare attenzione alle acquisizioni volumetriche effettuate tramite pletismografia optoelettronica, dando quindi la possibilità di confrontare il corretto comportamento nel tempo dell’attività elettrica dei muscoli e della conseguente attività meccanica. Grazie a queste informazioni è stata possibile l’introduzione di alcuni indici specifici da utilizzare per la realizzazione di uno studio di confronto fra soggetti sani e pazienti afflitti da patologie di tipo distrofico caratterizzate da un forte indebolimento della funzionalità muscolare e di conseguenza respiratoria. Oltre alla possibilità di aprire e visualizzare i segnali EMG e volumetrici a partire dagli specifici file, fra le elaborazioni implementate nel software che saranno discusse nello specifico capitolo del presente lavoro vi sono il calcolo di parametri temporali classici come il valor medio assoluto (MAV) e il root mean square (RMS), utilizzabili anche per svolgere due normalizzazioni del segnale: è possibile infatti sottrarre il valor medio assoluto o sostituire ogni campione con il valore RMS calcolato su una finestra scorrevole di lunghezza selezionabile dall’utente. Viene inoltre data la possibilità di calcolare e visualizzare lo spettro in frequenza del segnale e i principali parametri spettrali utilizzati, oltre a svolgere classici filtraggi digitali passa-basso, passa-alto, passa-banda ed elimina-banda. È stato implementato un algoritmo di rimozione dell’artefatto cardiaco dal segnale EMG basato su quello di Pan-Tompkins ed è inoltre prevista la possibilità di selezionare un particolare intervallo temporale dei segnali su cui svolgere le operazioni appena elencate. Dopo ogni modifica l’utente può decidere se salvare il segnale elettromiografico in un file testuale formattato e successivamente riutilizzabile oppure ripristinare il segnale aperto originalmente. Il software creato è stato quindi testato in diverse occasioni e ha mostrato buone prestazioni in fase di apertura, visualizzazione ed elaborazione dei segnali, seppur con alcune limitazioni legate all’utilizzo della memoria: i segnali in questione hanno dimensioni non indifferenti e la visualizzazione contemporanea di un numero troppo elevato di canali di acquisizione può portare a rallentamenti del sistema. Questo e altri problemi verranno affrontati nelle future fasi di aggiornamento del software, indispensabili per garantirne una buona usabilità nel corso del ciclo di vita. Lo studio in ambito clinico citato è stato svolto in collaborazione con l’IRCCS “Eugenio Medea” di Bosisio Parini (LC). Sono stati infatti acquisiti i dati provenienti da 6 pazienti afflitti da distrofia muscolare di Duchenne con un protocollo che prevedeva l’esecuzione di una manovra di capacità vitale (massima inspirazione seguita da massima espirazione) e di alcuni colpi di tosse forzata, il tutto intervallato da respiro spontaneo. I dati ottenuti sono stati elaborati e confrontati con acquisizioni svolte allo stesso modo su 10 soggetti sani. Il passo successivo è stato quindi quello di scegliere i possibili indici in grado di evidenziare le differenze nell’attività respiratoria delle due popolazioni di campioni dovuta all’indebolimento e alla perdita di funzionalità dei muscoli respiratori legata al progredire della patologia distrofica. Oltre a parametri classici relativi alle manovre come il valore di capacità vitale o il picco di flusso espiratorio rilevato durante la fase di espulsione della tosse, da cui era facile attendersi una netta differenza fra soggetti sani e pazienti, sono stati quindi considerati dei rapporti dei valori Root Mean Square dell’attività elettrica calcolati durante gli intervalli di segnale relativi alle manovre di tosse e di capacità vitale, sia in fase inspiratoria che espiratoria. Tali rapporti, come verrà mostrato successivamente in dettaglio, mostrano una certa differenza nell’attivazione dei muscoli respiratori fra le due popolazioni e in particolar modo viene evidenziata l’incapacità dei pazienti distrofici di raggiungere determinati livelli per svolgere adeguatamente manovre che richiedono sforzi maggiori, come per esempio la tosse. Oltre ai rapporti legati all’attività mioelettrica sono stati considerati anche i rapporti fra i picchi di flusso fra le due differenti manovre in fase inspiratoria ed espiratoria, sempre per verificare quanto ottenuto dai risultati precedenti. Un aumento del numero di campioni e un’analisi più approfondita sul comportamento dei diversi muscoli inspiratori ed espiratori nelle specifiche fasi delle manovre sarebbero miglioramenti utili per rafforzare ulteriormente le conclusioni ottenute. Il primo capitolo del presente lavoro contiene una breve panoramica sull’acquisizione e l’elaborazione del segnale elettromiografico, dal caso generale fino ad applicazioni più specifiche relative alla muscolatura respiratoria. Vengono inoltre mostrati i principali disturbi che affliggono questa tipologia di misurazione e alcuni parametri generali utilizzati per ottenere valutazioni quantitative dell’attività elettrica muscolare. Nel secondo capitolo viene invece brevemente affrontato l’argomento delle malattie di tipo distrofico e in particolare della distrofia muscolare di Duchenne e le conseguenze sulla muscolatura respiratoria. Vengono inoltre descritti alcuni metodi per la valutazione della malattia dal punto di vista delle capacità respiratorie del soggetto, con particolare attenzione alla valutazione della tosse. Nel terzo capitolo si passa invece alla presentazione del software, partendo dalla descrizione del linguaggio di programmazione scelto e dall’interfaccia grafica di base per arrivare alla descrizione degli algoritmi implementati, come ad esempio l’apertura dei file e il conseguente salvataggio in memoria dei segnali, le elaborazioni di base, la selezione di intervalli specifici, la rimozione dell’artefatto cardiaco e l’estrazione dei parametri di interesse. Il quarto capitolo descrive in maniera dettagliata la strumentazione utilizzata per ricavare i segnali elettromiografici e di volume, oltre al protocollo di acquisizione e alle procedure svolte per l’analisi dei dati. Il quinto capitolo contiene invece i risultati ottenuti, sia per quanto riguarda lo studio di confronto tra soggetti sani e pazienti distrofici che per quanto riguarda le performance del software creato, mentre nel sesto e ultimo capitolo si affronta la discussione dei risultati e vengono presentati i possibili sviluppi futuri dello studio svolto.