Biofeedbackmtilmapopleksiramte MmTrådløstmsystemmtilmdetektionmafmuhensigtsmæssigePmkompensatoriskembevægelsermimskulderleddet

Transkript

1 Biofeedbackmtilmapopleksiramte MmTrådløstmsystemmtilmdetektionmafmuhensigtsmæssigePmkompensatoriskembevægelsermimskulderleddet Gruppem472 Sundhedsteknologi 4Cmsemester AalborgmUniversitet ForårPm2K14 MathiasmBCmSørensen LouisemPCmPilgaard RosamHansen ChristianmMCmWollesen TobiasmKrøgholt

2

3

4

5 Forord Denne rapport er udarbejdet af fem studerende fra Aalborg Universitet, Sundhedsteknologi. Rapporten er et produkt af et 4. semesterprojekt med hovedtemaet: Behandling af fysiologiske signaler, og den er udarbejdet i perioden fra d. 3. februar 2014 til d. 23. maj Med den tilegnede viden fra 3. semester, der havde fokus på analog opsamling og behandling af signaler, udvikles et analogt system, der forbereder fysiologiske signaler til digital signalbehandling. I denne sammenhæng refereres der til et projekt fra 3. semester, hvor tre af gruppens nuværende medlemmer er medforfattere. Under nævnte tema omhandler dette projektforslag: Biofeedback til apopleksiramte -Trådløst system til detektion af uhensigtsmæssige, kompensatoriske bevægelser i skulderleddet. Rapporten henvender sig til personer med interesse i problemstillingen, medstuderende, medikoingeniører, fysioterapeuter og andet personale, der beskæftiger sig med apopleksirehabilitering. Gruppen vil gerne takke vejleder Daniel Simonsen for godt samarbejde i projektperioden, samt kursusholder og semesterkoordinator John Hansen for hjælp til programmering af mikrocontrolleren. /Projektgruppe 14gr472 Læsevejledning Her præsenteres progressionen gennem rapporten kort, og hvordan der refereres til figurer, afsnit, mv. Progressionen gennem rapporten er som følger: Problemstillingen opridses i 1.1 Indledning og det initierende problem (1.2 Initierende problem) formuleres på baggrund heraf. Gennem kapitel 2 Problemanalyse analyseres det initierende problem, og dette udmunder i problemformuleringen, som ses i afsnit 2.6 Problemformulering. En løsning på problemet fremgår af kapitel 3 Problemløsning og kapitel 4 Systemudvikling. I kapitel 5 Syntese diskuteres rapportens indhold, hvorefter der afrundes med en konklusion på problemformuleringen. Der refereres løbende til anvendt litteratur ved brug af Harvard-metoden. I teksten er kilder angivet med firkantede parenteser, med forfatter(e)s efternavn(e) og udgivelsesår, eksempelvis [Davies, 2001]. Skrives referencen efter et punktum, er hele det foregående afsnit skrevet på baggrund af denne kilde. Står referencen derimod inden et punktum, er det kun den pågældende sætning, litteraturreferencen henviser til. Ved punktopstillinger vil kilden være angivet inden opremsningen og gælde for alle punkterne. Der er ligeledes litteraturreferencer ved figurer, dog ikke ved figurer, der er kreeret af gruppens medlemmer. Alle de anvendte kilder er samlet i litteraturlisten, som er opstillet alfabetisk. Al yderligere information omkring kilden er angivet efterfølgende. Der refereres løbende til rapportens øvrige afsnit, figurer, etc. Hvis der er tale om figurer eller tabeller i, et andet end det pågældende afsnit, forsynes referencen også med et sidetal. Dette gør sig også gældende, hvis referencen er til et andet afsnit eller kapitel. Derudover refereres der også til appendiks A-E, hvori der findes baggrundsviden, der knytter sig til rapportens indhold. Desuden er projektets pilotforsøg placeret i appendiks D Pilotforsøg, side 91. Figurer og tabeller er nummereret gennem hele rapporten. Nummereringen har tilknytning til det kapitel, hvori figuren er placeret, hvilket vil sige at Figur 2.1 er den første figur i kapitel 2 efterfulgt af Figur 2.2 osv. Det samme gør sig gældende for tabeller, der eksempelvis angives Tabel 2.1. Følgende programmer er anvendt under udarbejdelsen af dette projekt: MATLAB 2013b, LTSpice 4.20c, IAR Embedded Workbench, RealTerm og ScopeLogger Til test af de analoge og enkelte af de digitale blokke er der anvendt en funktionsgenerator fra Rigol, model DG1022 og et digitalt oscilloskop, ligeledes fra Rigol, model ds1052e med en samplingsfrekvens på 50 gigasamples pr. sekund.

6 Indholdsfortegnelse 1 Introduktion Indledning Initierende problem Problemanalyse Apopleksi Hjemmetræning Muskelsynergier i skulderen Skulderproblemer som følge af apopleksi Anvendelse af elektromyografi i rehabilitering Elektromyografiske biofeedbacksystemer Telerehabilitering Problemformulering Problemløsning Løsningsforslag Systemdesign Systemudvikling Overordnede krav Prototype Analoge krav Digitale krav Brugersikkerhed Analogt system: Design og implementering Strømforsyning Elektroder Instrumenteringsforstærker Højpasfilter Lavpasfilter Ikke-inverterende forstærker Selvjusterende offset Sikringsblok Analogt system: Test Introduktion Metode Resultater Digitalt system: Design og implementering End Device Access Point Computer Digitalt system: Test Introduktion Metode End Device: Resultater Access Point: Resultater Systemtest Introduktion

7 4.7.2 Metode Resultater Syntese Diskussion Analogt system Digitalt system Systemtest Konklusion Litteraturliste 77 A Skulderen 83 A.1 Skulderleddet B Elektromyografi 85 B.1 Crosstalk C Sampling og aliasering 87 C.1 Samplingsteori C.1.1 Anti-aliaseringsfilter D Pilotforsøg 91 D.1 Introduktion D.2 Metode D.3 Resultater D.4 Diskussion D.4.1 Metode D.4.2 Anvendt system D.4.3 Øvrige resultater D.5 Konklusion E ez430-rf2500 MSP430F E.1 Clocks E.2 Timers E.2.1 Timer_A E.3 Central Processing Unit E.4 Analog til Digital Konverter E.5 Hukommelse E.6 Kommunikation E.6.1 Universal Asynchronous Receiver Transmitter E.6.2 Radiomodul

8

9 Kapitel 1 Introduktion 1.1 Indledning I Danmark er apopleksi den sygdom, der hyppigst forårsager handicaps hos voksne og det er den anden hyppigste dødsårsag. Sundhedsstyrelsen estimerer, at der hvert år opstår nye tilfælde i Danmark, samt at der i 2009 var cirka apopleksipatienter på 55 år eller derover. [Sundhedsstyrelsen, 2011a] Patientgruppen er næsten ligeligt fordelt mellem kønnene, med en 53/47 procentfordeling mellem hhv. mænd og kvinder. [Sundhedsstyrelsen, 2011b] Apopleksi skyldes i vestlige populationer oftest blodpropper i hjernen og den næsthyppigste årsag er hjerneblødninger. Apopleksi kan medføre både psykiske følgevirkninger, i form af bl.a. depression og angst, og fysiske følgevirkninger i form af epilepsi, hovedpine, spasticitet, lammelser, taleproblemer, smerter, m.fl. Smerterne kan inddeles i flere kategorier, og som illustreret på figur 1.1, er muskuloskeletale smerter den type smerter, som flest patienter rammes af. [Andersen et al., 2012] Figur 1.1: Figuren viser, hvilke fysiske smertetilstande, som oftest forekommer hos apopleksipatienter. Muskuloskeletale smerter dækker over smerter i ryggen, nakken og bevægeapparatet, dvs. smerter i muskler og led. Centrale postapopleksismerter dækker over nedsat eller øget sensibilitet i det område, der blev ramt af apopleksien. Figuren er modificeret fra: Andersen et al. [2012] Smerter i skulderen, i den påvirkede side af kroppen, ligger i området for muskuloskeletale smerter og opstår eller forværres oftest i forbindelse med bevægelser i skulderleddet. Smerter i den raske side opstår desuden typisk på grund af overbelastning eller nye bevægemønstre. Skuldersmerter i den ramte side er den hyppigst forekommende smertetilstand blandt apopleksipatienter og forekommer hos %. [Andersen et al., 2012] Det er ikke kun bevægelsesfriheden i skulderleddet, der rammes af disse smertetilstande. Smerterne kan blive så alvorlige, at den apopleksiramte ikke kan koncentrere sig om sin genoptræning, dels pga. smerter og dels fordi flere ramte har problemer med at sove, hvilket kan påvirker deres samarbejdsevne negativt. Den ramte risikerer at blive immobil, hvis vedkommende selv i hvile oplever smerterne. Den samlede negative påvirkning fra smerter og den manglende evne til at udføre rehabiliteringen, kan bringe den ramte ind i en ond cirkel, hvor mental depression forstærker den manglende motivation for at udføre et rehabiliteringsprogram. Skuldersmerterne kan imidlertid undgås ved forebyggende behandling, bl.a. i form af opmærksomhed på skulderens position i forskellige situationer, derudover kan korrekt støtte under udførsel af passive bevægelser (bevægelser, hvor en terapeut bevæger patientens lemmer, uden at patienten selv hjælper til) medvirke til undgåelse af Side 1 af 113

10 Kapitel 1: Introduktion smertefulde bevægelser. [Davies, 2001] Efter et apopleksitilfælde, som har medført tab af bevægelesevne, kaldes de bevægelser der generhverves for kompensatoriske bevægelser. Bevægelserne kaldes kompensatoriske, da de ofte involverer andre muskler og/eller andre nervebaner end de oprindeligt gjorde. Kompensatoriske bevægelser kan både være hensigtsmæssige og uhensigtsmæssige. De hensigtsmæssige kompensatoriske bevægelser udfører den tiltænkte handling, uden på sigt at medføre skader på muskler og led, hvor de uhensigtsmæssige på sigt kan forårsage smerter mv. [Cirstea og Levin, 2000] Rehabiliteringen af hjerneskadede er ofte et sammensat tværfagligt forløb, hvor en række specialister koordinerer deres indsatser, mod et så komplet forløb som muligt. Rehabilitering i dansk kontekst bygger på World Health Organisations definition af rehabilitering, som blandt andet har fokus på, at patienten så vidt muligt skal blive uafhængig og have selvbestemmelse, samt at patienten skal opnå bedst mulige fysiske, psykiske og sociale færdigheder. [Larsen, 2005] For de fleste patienter inddeles rehabiliteringsforløbet i følgende fire faser: Fase I, som består af den akutte behandling, Fase II, der består af rehabilitering under indlæggelse, Fase III, som består af rehabilitering efter patienten er udskrevet og Fase IV, hvor patienten er stabil og blot skal vedligeholde de opnåede færdigheder. Det er estimeret der i 2010, var cirka patienter, som havde brug for rehabilitering i Fase II og patienter, som havde brug for rehabilitering i Fase III. [Larsen, 2005] Under rehabilitering i Fase III anvendes begrebet hjemmetræning, der dækker over tiltag, som tidlig udskrivning og rehabilitering i eget hjem. Der har vist sig at være både fordele og ulemper ved hjemmetræning. Blandt fordelene er, at der ses en mulig økonomisk gevinst for samfundet, samt at det kan være med til at øge patientens motivation for at udføre sine øvelser, da vedkommende i højere grad kan relatere træningen til dagligdagsaktiviteter. [Sundhedsstyrelsen, 2011a,b] Dog har Sundhedsstyrelsen i en medicinsk teknologivurdering vedrørende hjerneskaderehabilitering påvist, at udbyttet af hjemmetræning i forbindelse med rehabiliteringen af de øvre ekstremiteter i Fase II og Fase III var lavere, end det var ved andre former for rehabilitering [Larsen, 2005]. Mange apopleksiramte oplever imidlertid motivationsproblemer i forbindelse med selvtræningen, da de ikke føler, at de opnår nogen gevinst ved at lave den [Davies, 2001]. I et kvalitativt studie omhandlende tidlig udskrivning og hjemmetræning gav en række apopleksiramte udtryk for ængstelse i forbindelse med, om de udførte deres bevægelser forkert, når der ikke længere var nogen tilstede til at give dem feedback under træningen. Derfor var nogle af de apopleksiramte bekymrede for, om deres øvelser i sidste ende kunne skade dem mere end de gavnede, hvis de ikke udførte dem korrekt. [Ellis-Hill et al., 2007] I forbindelse med hjemmetræning kan telerehabilitering derfor være relevant at inddrage. Telerehabillitering er defineret som: Evnen til, på afstand, at give støtte, evaluering og behandling til handicappede personer, via telekommunikation [Johansson og Wild, 2011]. Telerehabilitering kan således give patienterne mulighed for, at modtage feedback uden at sundhedsfagligt personale behøver at være tilstede sammen med dem, når de udfører deres øvelser. For apopleksipatienter er udefrakommende feedback relevant, da de neurale skader, de har fået, ofte kan medføre en manglende evne til at fornemme, hvordan deres lemmer er placeret i forhold til hinanden. [Wæhrens et al., 2013] Biofeedbacksystemer er et eksempel på et teknologisk hjælpemiddel, der kan hjælpe patienter til at udføre deres træningsøvelser og/eller dagligdagsbevægelser korrekt. Biofeedbacksystemer blev i 2008 beskrevet af AAPB [2011], som systemer, der kan gøre et individ i stand til at lære, hvordan fysiske aktiviteter kan justeres, med henblik på en forbedring af individets sundhed. Dette gøres ved, at instrumenter måler et eller flere biologiske signaler og parametre, som f.eks. elektromyografi (EMG), elektrokardiografi (EKG) eller goniometri (ledvinkler) og giver feedback til brugeren, som så skal ændre sin adfærd, hvis signalerne indikerer, at der foregår noget uhensigtsmæssigt. [AAPB, 2011] Teknologiske feedbacksystemer og terapeutisk feedback er af afgørende betydning for motorisk kontrol og læring, i forbindelse med rehabilitering. Feedbacksystemerne bidrager med udefrakommende feedback på kvaliteten af den motoriske aktivitet, som patienten udfører. Teknologiske biofeedbacksystemer har den evne, at de kan give feedbacken præcist i tid og direkte som effekt af en udført handling. [Wæhrens et al., 2013] Over tid vil nogle individer blive i stand til at agere korrekt uden brug Side 2 af 113

11 Kapitel 1: Introduktion af biofeedbacksystemet. [AAPB, 2011] Studier har vist, at EMG-biofeedback kan hjælpe raske forsøgspersoner til at forbedre deres kropsholdning, for eksempel under kontorarbejde. Her viste det sig, at raske kontorarbejdere kunne nedsætte opspænd i trapezius ved at anvende et EMG-biofeedbacksystem, som gjorde dem opmærksomme på uhensigtsmæssige muskelamplituder, forårsaget af spændinger i musklen. Resultaterne gør EMG-signaler interessante at studere yderligere med henblik på at udvide løsningerne til også at kunne afhjælpe apopleksiramte. [Holtermann et al., 2008] Som det fremgår af figur 1.1, er skuldersmerter relateret til skeletmuskulaturen omkring skulderen. Det er af flere kilder vurderet som relevant, at måle muskelaktivitet i forbindelse med at afhjælpe de smerterelaterede, skadelige fænomener [AAPB, 2011, Merletti og Parker, 2004, Andersen et al., 2012]. Der findes eksempler på, at biofeedbacken kan gives visuelt, f.eks. i form af et råt eller et behandlet EMG-signal, auditivt som en lyd eller et musikstykke, eller som vibrationer. [Merletti og Parker, 2004, Larsen et al., 2013] Den specifikke feedback er meget afhængig af modtageren og dennes faglige kompetencer i forhold til at analysere feedbacken. 1.2 Initierende problem Hvilke sensoriske og motoriske konsekvenser, for skulderen, oplever apopleksiramte i hjemmetræning, og hvordan kan EMG-signaler anvendes som middel til biofeedback? Side 3 af 113

12

13 Kapitel 2 Problemanalyse 2.1 Apopleksi Apopleksi er en sygdom, der medfører vaskulære forandringer i hjernens kredsløb, som potentielt set kan være invaliderende eller sågar dødelige. Der skelnes mellem iskæmisk og hæmoragisk apopleksi, hvor iskæmisk apopleksi dækker over ca. 85 % af de samlede tilfælde. Iskæmisk apopleksi opstår ved blodpropper i hjernens arterier forårsaget af arteriosklerose (åreforkalkninger), som stopper blodtilførslen til et område af hjernen, hvorved den manglende tilføring af næringsstoffer og ilt medfører celledød. Hæmoragisk apopleksi opstår efter hjerneblødninger, eksempelvis pga. aneurismer (udvidelse af pulsåre), som medvirker til trykændringer og afklemninger af blodkar i hjernen, der i sidste ende ligeledes kan føre til celledød. Symptomerne og de potentielle følgevirkninger for iskæmisk og hæmoragisk apopleksi er meget lig hinanden. [Fenger et al., 2002] Følgevirkningerne ved apopleksi afhænger i høj grad af, hvilket eller hvilke centre i hjernen der rammes. Oftest rammes kroppen halvsidigt, fordi hver hjernehemisfære innerverer og behandler indtryk fra den modsatte side af kroppen, f.eks. kan dele af den motoriske evne i højre side af kroppen svækkes eller gå helt tabt, hvis det motoriske center i venstre hemisfære rammes. Omkring ni ud af ti apopleksitilfælde rammer i cortex cerebri (hjernebarken), der blandt andet indeholder motoriske og sensoriske områder. Det medfører, at apopleksiramte hyppigst oplever tab af motoriske og/eller sensoriske evner. [Boss, 2010, Swenson, 2006] Både den sensoriske og motoriske del af hjernebarken er inddelt i områder efter funktion. For den motoriske del, gør det sig gældende, at legemsdele med brede, fine og hyppige bevægelsesmønstre fylder mere end større, grove bevægelser. Dette er illustreret på figur 2.1. [Wæhrens et al., 2013] Figur 2.1: Homunculus ( lille menneske ), der angiver den motoriske [Wæhrens et al., 2013] og sensoriske [Martini et al., 2012] hjernebark i et coronalt tværsnit. Her vises den relative placering af de motoriske og sensoriske områder, samt størrelsen af disse dele. Skader i et givent område af hjernebarken, vil medføre motoriske og/eller sensoriske konsekvenser for de tilsvarende legemsdele, men i modsatte side af kroppen. Figuren er modificeret fra: Wæhrens et al. [2013] På figur 2.1 ses legemsdele strakt ud over hjernebarken, der tilsvarer den del, som innerverer pågældende legemsdel. Således vil celledød, som følge af apopleksi, få motoriske og/eller sensoriske konsekvenser for netop den eller de legemsdele, der innerveres af dette område af hjernebarken. [Wæhrens et al., 2013, Andersen et al., 2012] Hvis basalganglierne eller cerebel- Side 5 af 113

14 Kapitel 2: Problemanalyse lum rammes af apopleksi, kan det ligeledes få motoriske konsekvenser, da disse bl.a. medvirker til koordinering af bevægelser. Dette vil vise sig som manglende præcision, stivhed og rystelser. Der kan desuden opstå problemer med koordinationen mellem f.eks. højre og venstre hånd. [Poulsgaard, 2011] Der kan desuden opstå problemer med hypertoni og spasticitet, som giver øgede, involuntære muskelspænding pga. en ulige balance mellem inhibitorisk og excitatorisk påvirkning af musklen. [Witting et al., 2010] Apopleksi medfører ikke kun motoriske konsekvenser, der kan også forekomme sensoriske i form af bl.a. øget, nedsat eller forvrænget funktion af taktile receptorer, nociceptorer, termoreceptorer, baroreceptorer og proprioreceptorer. I praksis betyder dette, at patienterne bl.a. kan få en følelse af, at visse legemsdele er bedøvede (kan sammenlignes med bedøvelse hos tandlægen), problemer med at mærke temperaturforskelle, og at selv lette berøringer føles smertefulde. Hvilke legemsdele, der er ramt, afhænger, på samme måde som ved de motoriske konsekvenser af, hvilke områder i hjernen, der er skadet. [Andersen et al., 2012] Der forelægger ny viden om neurogenesis (dannelse af nye neuroner) hos voksne [Tata Institute of Fundamental Research, 2014], som måske i fremtiden kan ændre måden, hvorpå rehabilitering foregår. Hidtil har neural celledød, i høj grad været anset som uoprettelig i det ramte område. Hjernen har dog plastiske egenskaber, idet der er fleksibilitet mellem underinddelinger af hjernen, som kan ændres og tilpasse sig til indkommende stimuli over tid. [Dammeyer et al., 2011] På grund af plasticiteten er det muligt, at naboområder til det beskadigede område i hjernen, kan overtage de mistede funktioner. Dette gøres ved, at der dannes nye synapseforbindelser og kommunikationsveje. [Kleim og Jones, 2008, Raine et al., 2009] Derfor er hjerneskaderehabiliteringen i dag bygget op omkring, udnyttelse af hjernens plastiske evner [Dammeyer et al., 2011]. Rehabiliteringsudbyttet er betydeligt større, hvis det initieres indenfor de første 30 dage, sammenlignet med hvis det initieres efter. Fokus skal derfor være på at starte rehabiliteringen så tidligt som muligt. [Kleim og Jones, 2008] 2.2 Hjemmetræning Som nævnt i afsnit 1.1 Indledning, side 1, opstår der årligt tilfælde af apopleksi, og antallet af apopleksiramte i genoptræning øges, som en effekt heraf [Sundhedsstyrelsen, 2011a]. Ifølge Sundhedsstyrelsen var den estimerede population af apopleksiramte i 2010, for hvem hjemmetræning var relevant, større end ramte [Larsen, 2005]. Populationen var estimeret på baggrund af følgende inklusionskriterier: [Larsen, 2005] En akut opstået apopleksi, som var stabiliseret Behov for genoptræning for at blive selvhjulpne i hverdagslivets basisfunktioner Adresse i lokalområdet af praktiske hensyn (her forstås, at de medtagede deltagere i målgruppen bor i området, hvor undersøgelsen blev lavet, eksempelvis er der medtaget resultater fra London og New Castle i MTV en, som havde dette inklusionskriterium) Incitamentet til at anvende hjemmetræning som koncept, har en høj grad af økonomisk karakter, da det forventes, at indlæggelsestiden hos patientgruppen vil kunne nedbringes. Ved hjemmetræning udskrives den apopleksiramte fra sygehuset og udfører efterfølgende træningen i sit eget hjem. Hjemmetræningen foregår i praksis ved, at den ramte får besøg af personale fra forskellige faggrupper (eksempelvis fysioterapeuter, ergoterapeuter, hjemmesygeplejersker, m.fl. afhængigt af den ramtes behov), som vejleder den apopleksiramte i blandt andet træning af grundmotorikken, træning i udførsel af dagligdagsaktiviteter, vurdering af behov for hjælpemidler samt installation af disse. En særlig psykologisk vinkel i hjemmetræningen er inddragelse af den ramtes pårørende, og der afsættes derfor tid til at instruere disse i, hvordan de bedst muligt kan bidrage positivt til rehabiliteringen. [Larsen, 2005] Hjemmetræning har vist sig at have flere fordele, bl.a. at der er mulighed for at fokusere træningen på den ramtes hverdag, det være sig eksempelvis trappegang, badning i en lille brusekabine, toiletbesøg osv. Øvelser, der også er inkluderet i rehabiliteringen på sygehuset, men Side 6 af 113

15 Kapitel 2: Problemanalyse som målrettes den enkelte og dennes fysiske omgivelser, når det udføres i den ramtes eget hjem. Desuden er der en psykisk gevinst ved hjemmetræning frem for rehabilitering på sygehuset, da den ramte nemmere kan relatere til øvelserne og derved se fremskridt i genoptræningen, i forhold til at skulle kunne klare sig selv i det daglige. [Jepsen, 2003] Som beskrevet i afsnit 1.1 Indledning, side 1, lider % af alle apopleksiramte af smerter i skulderen [Andersen et al., 2012]. Smerterne påvirker den ramtes evne til at udføre genoptræningen negativt, da disse kan gøre det ubehageligt at udføre bevægelser, der inkluderer skulderen. Skuldersmerterne kan endvidere medføre bl.a. koncentrationsbesvær og søvnproblemer for den apopleksiramte, hvilket kan resultere i samarbejdsbesvær, manglende motivation samt eventuelt en følelse af, at træningen ikke giver den ønskede gevinst. [Davies, 2001] Ofte optræder skuldersmerterne i den sene del af rehabiliteringen eller opdages først i opfølgningskonsultationer for udskrevne patienter. Hvis smerten opstår, handler det om at have opmærksomhed på positionering og blide bevægeudslag. [Good et al., 2011] På baggrund af risikoen for opståen af smerter samt fastholdelse af generhvervede færdigheder er det vigtigt, at den apopleksiramte fortsætter sin træning i hjemmet, også selvom der ikke er en terapeut eller andet fagpersonale tilstede til at motivere vedkommende. Det kræver vilje og stor selvdisciplin at holde fast i øvelserne og træne alene. For andre patientgrupper, eksempelvis rygpatienter, ses det, at de stopper med at lave øvelserne, når smerterne ophører. Hvis apopleksiramte stopper med at udføre deres øvelser for tidligt, risikerer de at miste nogle af deres generhvervede evner igen. Hjemmetræningen vil kunne give fremskridt for den ramte i op til fem år efter apopleksitilfældet indtraf, og det er derfor vigtigt, at den ramte instrueres i vigtigheden af, at øvelserne udføres. Den apopleksiramte har således behov for motivation og feedback, eksempelvis fra deres omgangskreds, efter denne overlades til sig selv efter endt genoptræningsforløb. [Davies, 2001] At de apopleksiramte træner alene i eget hjem medfører for nogle, at der opstår tvivl om øvelserne. De er nervøse for, om de udførelsen laves forkert, når terapeuten ikke er tilstede til at korrigere dem. Ydermere kan de komme til at lave nogle forkerte bevægelser i forsøget på at rette op på de fejl, der begås i træningen. Dette kan skabe frygt for at forværre egen situation hos de apopleksiramte. [Ellis-Hill et al., 2007] 2.3 Muskelsynergier i skulderen Muskulære og neurologiske svækkelser kan opstå som følge af traume, inaktivitet eller påvirkninger, hvor forbindelsen mellem hjerne og muskel delvist afbrydes, og dette kan eksempelvis forårsages af apopleksi. Fælles for alle førnævnte årsager er, at den motoriske funktion nedsættes. For at forstå, hvordan kroppen kompenserer, kan svækkelsen sammenlignes med vejarbejde. Billister må tage en anden vej, som muligvis ikke er lige så bekvem, hurtig eller stabil som den tidligere, men billisterne kommer dog til det ønskede endepunkt. Det samme gør kroppen ved at aktivere andre muskler, end den normalvis ville have gjort [Doidge, 2007]. Kroppen vil så vidt muligt undgå svage positioner og i stedet anvende styrker samt prioritere kropslige nødvendigheder. [Cirstea og Levin, 2000] Nogle kompensatoriske bevægelser formår at varetage den ønskede funktion, men er ikke hensigtsmæssige for det led, der faciliterer bevægelsen, hvilket kan medføre smerter og yderligere nedsat førlighed. I dette tilfælde udføres en såkaldt uhensigtsmæssig kompensatorisk bevægelse, som over tid vil forværres og være tiltagende skadelig. [Good et al., 2011] Ekstremiteternes bevægelser er mange, og én enkelt muskel er ikke nok til at udføre komplekse bevægelser. Derfor arbejder kroppen med muskelsynergier, hvor en lang række muskler arbejder sammen, hvor nogle er primære bevægere, mens andre blot stabiliserer bevægelserne. Når dele af nervekommunikationen ikke længere er intakt, påvirkes muskelsynergierne hos den apopleksiramte. [Cirstea og Levin, 2000] For at vurdere, hvilke muskelsynergier, der er skadelige at aktivere omkring skulderleddet, kræves der viden om, hvilke bevægelser skulderleddet kan udføre. Side 7 af 113

16 Kapitel 2: Problemanalyse Skulderen kan lave bevægelser i tre dimensioner og disse inddeles i fem bevægelsestyper med tilsvarende modsætninger: Fleksion/ekstension af humerus, adduktion/abduktion af humerus, elevation/depression af scapula, retraktion/protraktion af scapula og internal/eksternal rotation af humerus (se figur 2.2). [Martini et al., 2012, Nordin og Frankel, 2012] For mere viden om skulderen, se appendiks A Skulderen, side 83. Figur 2.2: Figuren illustrerer skulderleddets fem typer af bevægelser samt deres parvise modsætninger. Ved fleksion og ekstension bevæges armen hhv. anteriort og posteriort, ved abduktion og adduktion bevæges armen hhv. medialt og lateralt for kroppen, ved internal og eksternal rotation roteres skulderen hhv. medialt og lateralt for kroppen, ved elevation og depression hæves og sænkes skulderen og ved protraktion og retraktion hhv. spredes og samles skulderbladene. Inspireret af Nordin og Frankel [2012] Figur 2.3 til venstre viser et anteriort udsnit af overkroppens muskler og figur 2.4 til højre viser et posteriort udsnit. Til sammen på de to figurer ses de muskler i overkroppen, som har beetydning for skulderens bevægelser. [Martini et al., 2012, Nordin og Frankel, 2012] Figur 2.3: Figuren viser et anteriort udsnit af overkroppens muskler. I figurens venstre side, ses de superiore muskler, tættest på overfladen, (deltoideus, pectoralis major og biceps brachii), mens højre side viser de inferiore muskler, som er de bagvedliggende muskler (subclavius, pectoralis minor og serratus anterior). Modificeret fra: Nordin og Frankel [2012] Figur 2.4: Figuren viser et posteriort udsnit af overkroppens muskler. I figurens venstre side ses de superiore muskler, tættest på overfladen, (deltoideus og trapezius), mens højre side viser inferiore muskler, som er de bagvedliggende muskler (levator scapulae, rhomboideus, supraspinatus, infraspinatus, teres minor, teres major, latissimus dorsi). Modificeret fra: Nordin og Frankel [2012] Bevægelser opstår som en følge af kontraktion i forskellige muskler og i tabel 2.1, ses det hvilke muskelkontraktioner, der faciliterer hvilke bevægelser. Side 8 af 113

17 Kapitel 2: Problemanalyse Tabel 2.1: Tabellen viser hvilke muskler, der udfører de ti typer af bevægelser, som skulderen kan udføre (se evt. figur 2.2). [Martini et al., 2012, Nordin og Frankel, 2012, McCabe et al., 2007] Muskler Anterior deltoideus Pectoralis major Biceps brachii Posterior deltoideus Latissimus dorsi Teres major Triceps brachii Deltoideus lateralis Trapezius pars descendens Supraspinatus Serratus anterior Pectoralis major Pectoralis minor Subclavius Latissimus dorsi Teres major Trapezius pars descendens Levator scapulae Pectoralis minor Subclavius Latissimus dorsi Trapezius pars descendens Trapezius Rhomboideus Serratus anterior Pectoralis major Pectoralis minor Subscapularis Latissimus dorsi Teres major Pectoralis major Anterior deltoideus Infraspinatus Teres minor Posterior deltoideus Bevægelse Fleksion af humerus Ekstension af humerus Abduktion af humerus Adduktion af humerus Elevation af scapula Depression af scapula Retraktion af scapula Protraktion af scapula Internal rotation Eksternal rotation Størstedelen af de bevægelser, der udføres i skulderleddet i dagligdagen, er kombinationer af de typer af bevægelser, der er illustreret på figur 2.2. [Martini et al., 2012] Skulderproblemer som følge af apopleksi Skulderproblemerne efter apopleksi inddeles i kategorier, men betegnes samlet som en smertefuld, hemiplegisk skulder. Kategorierne er den sublukserede skulder og den smertefulde skulder. [Davies, 2001] Den sublukserede skulder kan opstå på forskellig vis. Den ramte har en deprimeret skulder, dvs. scapula er sænket ift. normal position, hvilket kan skyldes, at styrken eller aktiviteten i musklen levator scapulae er nedsat eller, at der er øget nervetension i det cervikale område, som medfører at cavitas glenoidalis, acromion og clavicula bliver trukket væk fra caput humeri (den del af humerus, der normalt danner skulderleddet sammen med scapula). Begge dele giver Side 9 af 113

18 Kapitel 2: Problemanalyse problemer i skulderens låsemekanisme. I den normalt-fungerende skulder er visse ligamenter opstrammede, når humerus er adduceret, men når humerus abduceres virker denne mekanisme ikke længere, fordi ligament og ledkapsel bliver slap i forhold til hinanden. Ved en sublukseret skulder afhænger skulderens stabilitet udelukkende af muskulær kontraktion, navnligt i rotatormanchetten. (Se evt. appendiks A Skulderen, side 83, for yderligere information om skulderens ligamenter.) Den sublukserede skulder er ikke smertefuld så længe scapula er mobil, men den mere sårbar og kan blive til en smertefuld skulder med neddsat bevægelighed.[davies, 2001] Den smertefulde skulder er konsekvensen af, at skulderen ikke fungerer normalt. De hyppigste årsager til smerterne er en retraktion af scapula og en internal af humerus. Ved retraktion af scapula vil den apopleksiramte opleve smerter, da scapula ikke bevæger sig nok og der derved opstår sammenpresninger i skulderen, hvis humerus abduceres og scapula ikke følger med bevægelsen. [Davies, 2001] Desuden kan retraktion af scapula desuden kan medføre smertefuld skulder, som følge af forkerte bevægelser. Abduktion af humerus kan være problematisk i forhold til skulderens indre bløddele, da det øger aktiviteten i slimsækken under deltoideus. Er aktiviteten i denne slimsæk for stor, vil der ofte forekomme bursitis (en inflammatorisk tilstand i slimsækken). Aktiviteten kan også lede til tendinitis (senebetændelse), som i sidste ende kan medføre kalcificering af seneenderne i skulderleddet, som hæfter på humerus. Hermed er der ikke længere plads til humerushovedet i skuldersoklen, og der vil opstå en permanent, partiel dislokation af leddet. Senerne er ikke de eneste bløddele i skulderleddet, som kan tage skade, nerverne kan også skades. [Good et al., 2011, Martini et al., 2012] Denne tendens er vist herunder på figur 2.5. Figur 2.5: A) Her ses et normalt fungerende skulderled, hvor bursaen adskiller deltoideus, akromion og humerus. B) Som følge af øget aktivitet, er bursaen afklemt, og der er opstået en inflammatorisk tilstand. Det ses desuden, hvordan humerus er en smule ude af ledsoklen. Modificeret fra: Good et al. [2011] 2.4 Anvendelse af elektromyografi i rehabilitering Kompenserende bevægelser kan medføre, at et led bliver enten hyper- eller hypomobilt og dette kan få betydning for motoriske færdigheder, også på længere sigt. Dette kan ses på et optaget EMG-signal ved, at der er lavere/højere aktivitet omkring det påvirkede led. Hvis højre og venstre side sammenlignes, vil der kunne ses en forskel i den målte muskelaktivitet, når samme øvelse udføres. Hvis den kompenserende side bliver hjulpet til at udføre bevægelsen korrekt, vil der øjeblikkeligt kunne ses et tilnærmelsesvis, symmetrisk signal for begge sider. [Merletti og Parker, 2004] Et eksempel på brug af EMG-signal til vurdering af øget muskelaktivitet kunne være ved forkert kropsholdning. Dette skyldes, at en given muskel ved korrekt kropsposition burde være i hvile, mens den ved den kompenserende kropsholdning belastes. Figur 2.6 viser et EMG-signal Side 10 af 113

19 Kapitel 2: Problemanalyse optaget med overfladeelektroder, et såkaldt surface EMG-signal, semg-signal (for yderligere om EMG-signaler, se appendiks B Elektromyografi, side 85), på de øvre cervikale paraspinale muskler (samling parallelle muskler omkring den cervikale del af rygsøjlen). Patienten på figuren har tendens til at lade hovedet falde forover, og derved påvirkes musklerne, som en følge af tyngdekraften på hovedet, og dette ses som en øget muskelaktivtet. På det midterste stykke af det optagne signal holder patienten hovedet i korrekt neutral stilling og det ses, at musklen derved er relakseret. [Merletti og Parker, 2004] Figur 2.6: Behandlet overflade-emg-signal af de cervikale paraspinale muskler (samling parallelle muskler omkring den cervikale del af rygsøjlen). (s) hovedet er faldet forover, og der ses muskelaktivitet i form af svingende amplitude. (c) hovedet returneres til anatomisk udgangsposition og amplituden falder. Modificeret fra: Merletti og Parker [2004] Samme princip kan anvendes til at bestemme, hvilke muskler der deltager i en given bevægelse i skulderleddet, og dermed kan det afgøres, om bevægelsen er korrekt udført. Hvis der ses et udslag i EMG-signalet for muskler, der ikke burde være aktive i en korrekt udført bevægelse, kan det være et tegn på, at der er tale om en uhensigtsmæssig kompenserende bevægelse. [Merletti og Parker, 2004] I figur 2.7 ses et eksempel på et EMG-signal fra trapezius pars descendens under isometrisk elevation af scapula og abduktion af humerus sammenlignet med relakseret tilstand. Figur 2.7: Forstærket, ensrettet og lavpasfiltreret EMG-signal fra trapezius pars descendens. Her ses en tydelig forskel på to målinger: En relaksation, rød, og en kontrahering, blå. [Larsen et al., 2013] EMG-signaler benyttes også af flere terapeuter til at sikre et korrekt aktiveringsmønster af muskler i givne bevægelser. Ved forskellige bevægelser i kropsstammen kan der forekomme cokontraktioner i den modsatte sides muskler, som derved kan overtage en del af funktionen af Side 11 af 113

20 Kapitel 2: Problemanalyse den primære muskel. Det er ikke altid hensigtsmæssigt og kan give spastiske bevægelser, dog kan patienten lære eller genlære korrekt aktivering f.eks. vha. specifikke øvelser og EMG-signal som biofeedback. [Cram, 2011] Et eksempel på co-kontraktion kan ses i figur 2.8 og korrigeret i figur 2.9. Figur 2.8: EMG-signal af sternocleidomastoideus (SCM) og de cervikale, paraspinale muskler (CPS) ved ryghvirvel C4 under rotation af hovedet. Begge i højre og venstre side. Ved rotation af hovedet er der stor grad af co-kontration i modsatte sides muskler, specielt ved rotation mod venstre. Modificeret fra: Cram [2011] Figur 2.9: Rotation af hovedet medfører minimal co-kontraktion i den modsatte sides muskler. Modificeret fra: Cram [2011] Rehabilitering med tærskelværdier bruges ofte til flere forhold, både aktiveringsforøgelse og -hæmning af muskler. [Merletti og Parker, 2004] En tærskelværdi kan implementeres analogt med en komparator, som sammenligner EMG-signalet med en spænding og kan videregive output afhængigt af, om signalet er over eller under den fastsatte værdi [Larsen et al., 2013]. Det samme kan gøres digitalt, hvor det samtidigt eksempelvis kan visualiseres med en farvet streg på en skærm, der markerer, hvor langt fra tærsklen signalet befinder sig. Denne form for rehabilitering kan anvendes til at lære patienten at mærke, hvornår den pågældende muskel er kontraheret, og hvornår den er relakseret. Ved at have input fra samme muskel i højre og venstre side og vise signalet på samme skærm, vil en terapeut kunne se, om aktiviteten i musklerne er den samme, og hvis der er forskelle, kan træningen målrettes mod de situationer, hvor forskellene opstår. [Merletti og Parker, 2004] EMG-signaler kan også bruges til at lære apopleksiramte at bruge en enkelt muskel eller en muskelgruppe, isoleret fra andre muskler ved, at den ramte visuelt kan se et enten råt eller behandlet EMG-signal for den pågældende muskel samt evt. andre muskler af interesse eksempelvis dem, som ikke burde bruges. På denne måde lærer den apopleksiramte, hvordan den pågældende muskel aktiveres uden at uønskede muskler samtidigt aktiveres. Selve feedbacken kunne være auditivt i form af en tone eller et musikstykke eller visuelt f.eks. i form af EMG-signalet og en linje, der markerer tærskelværdien (eller vibrationer på den aktive muskel [Larsen et al., 2013]). [Merletti og Parker, 2004] Teknikker, som bruges i praksis, har forskellige anvendelser, der afhjælper forskellige problemstillinger Elektromyografiske biofeedbacksystemer Biofeedback kan defineres som: Anvendelsen af overvågnings instrumenter (sædvanligvis elektroniske) til, at detektere og forstærke interne fysiologiske processer i kroppen, for at gøre disse, almindeligvis, utilgængelige interne informationer tilgængelige til individet og bogstaveligt, sende dem tilbage til ham (Gruppe 472: brugeren ) i en eller anden form [Birk, 1973] Biofeedback er i træningssammenhænge blevet anvendt i årtier. Systemet er ofte sammensat i en pakke lille nok til at kunne bæres i en lomme. Feedbacken bygger oftest på lyd eller et visuelt feedback. Side 12 af 113

21 Kapitel 2: Problemanalyse De fleste EMG-biofeedbacksystemer er bygget op omkring en tærskelværdi for EMG-signalets amplitude. Amplitude-tilgangen, er baseret på teorien om, at et sikkert (dvs. ikke skadeligt) muskelspændingsniveau kan fastsættes til en grænseværdi. En alternativ tilgang til anvendelsen af tærskelværdier lyder, at al belastning over lang tid, uden pause, er skadeligt. [Merletti og Parker, 2004] EMG-biofeedbackteknikker Biofeedbackteknikkerne kan overordnet inddeles i tre kategorier: [Merletti og Parker, 2004] Nedtræning, hvis formål er at nedbringe overexciterede musklers aktivitetsniveau Optræning, hvis formål er at opbringe aktivitetsniveauet i inhiberede muskler Koordinationstræning, hvis formål er at give patienten evnen til en balanceret anvendelse af agonister og antagonister. Træningsformen anvendes oftest først efter succesfuld nedog/eller optræning De tre ovennævnte kategorier dækker over en lang række teknikker. Teknikkerne er praktiske eksempler på, hvordan semg-biofeedback anvendes i klinisk praksis. Isolation af specifik muskel foregår ved, at patienten, ved hjælp af et visuelt feedback i form af et råt eller et processeret EMG-signal, forsøger at lære at aktivere en enkelt, isoleret muskel. Målet er, at patienten kan isolere muskelaktiviteten uden at lave co-kontraktioner i omkringliggende muskler. [Merletti og Parker, 2004] Tærskelbaseret op- eller nedtræning bliver brugt til at få en patient til enten at aktivere eller deaktivere en muskel eller et område. Patienten får feedback i form af et behandlet EMG-signal, sammen med en visuel grænse og/eller et audiobaseret feedback. Når patienten, succesfuldt, har opnået den fastsatte tærskel % af sine forsøg, kan terapeuten justere grænsen, så sværhedsgraden øges. Nogle systemer understøtter en automatisk justering af tærsklen. [Merletti og Parker, 2004] Tærskelbaseret spændings-opmærksomhedstræning bliver brugt til, at gøre patienten opmærksom på spændingsniveauet i en given muskel. Årsagen er, at individer, der oplever problemer med muskelsmerter og -spændinger tit har mistet evnen til, at fornemme spændingsniveauet i den eller de ramte muskler. Derfor fastsættes tærsklen her til et niveau, som patienten skal lære at huske, for at kunne definere den givne muskels spændingsniveau under forskellige bevægelser og kropspositurer. [Merletti og Parker, 2004] Spændings-adskillelsestræning kan fungere som en overbygning til tærskelbaseret spændingsopmærksomhedstræning. De to metoder adskiller sig fra hinanden ved, at patienten, under spændings-adskillelsestræning, vha. et visuelt feedback, trænes i at opnå en række spændingsniveauer. [Merletti og Parker, 2004] Deaktiveringstræning har til formål at lære patienten at fjerne såkaldte efterspændinger, efter at have udført en given bevægelse. [Merletti og Parker, 2004] Højre/venstre balancetræning anvendes, når der opdages forskelle på højre og venstre side af kroppen under udførelsen af identiske bevægelser. Terapeuten vil, i tilfælde af ubalance, lade patienten udføre optræning, for den svage side eller nedtræning af den overexciterede side, indtil balancen i EMG-signalet er genoprettet. [Merletti og Parker, 2004] Side 13 af 113

22 Kapitel 2: Problemanalyse Motorisk kopiering foregår ved, at terapeuten lader patienten følge et, på forhånd, optaget EMG-signal på en skærm. Patienten skal så efterligne det optagne EMG-signal. Denne type træning, anvendes ofte til patienter med halvsidig svækkelse som apopleksipatienter. Den side af kroppen, der fungerer normalt, kan anvendes til at generere det EMG-signal, som senere skal kopieres af den svækkede side. [Merletti og Parker, 2004] Positur træning benyttes til at vise patienten, at korrekt kropsholding resulterer i, at musklerne skal arbejde mindre og kroppen derfor er mindre belastet. [Merletti og Parker, 2004] Terapeutiske øvelser med semg-feedback anvendes til at øge muskelstyrken i en muskel eller muskelgruppe. Ved at anvende semg-signaler, under udførelsen af øvelserne, kan terapeuten lettere opdage, hvis patienten anvender kompenserende muskler, til at udføre en given bevægelse. Terapeuten kan anvende EMG-biofeedback til at lære patienten at anvende de korrekte muskler til at udføre bevægelsen. [Merletti og Parker, 2004] Vurdering af funktionelle aktiviteter indebærer, at patienten befinder sig på et tilpas højt motorisk niveau, inden de funktionelle øvelser integreres i patientens dagligdag. EMGbiofeedback benyttes til at lave korrektioner undervejs. [Merletti og Parker, 2004] 2.5 Telerehabilitering Telerehabilitering er en elektronisk måde at inddrage fagspecialister i en behandling, uden de behøver at være tilstede, der hvor patienten er. Dette kan bl.a. ske ved hjælp af video, lyd, billeder eller måleresultater og kan både anvendes til diagnostik og behandling, herunder også rehabilitering. Telerehabilitering er meget udbredt i det danske sundhedsvæsen, men med en meget varierende kompleksitet af teknologierne. [Sundhedsstyrelsen, 2009] Nogle af de problemstillinger telerehabiliteringen kan være med til at løse er, at den apopleksiramte tidligere kan udskrives fra sygehuset. Hermed kan rehabiliteringen udføres som hjemmetræning, hvor vejledningen foregår, i forhold til den ramtes normale hverdag i vante fysiske omgivelser. Endvidere kan telerehabilitering anvendes til at effektivisere hjemmetræning, set i forhold til hjemmetræning uden telerehabilitering, pga. inddragelse af ekspertviden. [Joubert et al., 2009] Et review fra 2013 af The Cochrane Collaboration har samlet en række forskellige randomiserede kontrollerede forsøg af telerehabiliteringsløsninger. Der var ikke evidens til at konkludere noget endegyldigt, men flere af studierne viste en tilsvarende effekt ved brug af telerehabilitering som ved fysisk tilstedeværelse af en terapeut. [Laver et al., 2013] Side 14 af 113

23 Kapitel 2: Problemanalyse 2.6 Problemformulering Apopleksi er en tilstand, der kan medføre en lang række af motoriske og sensoriske konsekvenser. Som nævnt i afsnit 1.1 Indledning, side 1, er muskuloskeletale smerter en hyppigt forekommende konsekvens af apopleksi, særligt hyppig er skuldersmerter i den ramte side, hvor % (op til personer i 2009) af de apopleksiramte oplever denne type smerter. Skuldersmerterne opstår efter længere tid, hvor skulderen har været udsat for bevægelsesmønstre, der belaster og afklemmer bløddelene i skulderleddet. I tilfælde hvor skulderleddet udsættes for de skadelige belastninger tilpas længe, vil også nerverne kunne tage skade. De skadelige bevægelsesmønstre er såkaldte uhensigtsmæssige kompensatoriske bevægelser. Denne type bevægelser opstår som en konsekvens af, at kroppen forsøger på at kompensere for en evne, som er mistet pga. hjerneskaden. De nye kompensatoriske bevægelser udføres som regel ved, at der aktiveres andre muskelsynergier i udførslen af den ønskede handling. De bevægelsesmønstre, som viser sig på sigt at være skadelige, er bevægelser, der modarbejdes af kroppens anatomiske udformning. Skulderen er her særligt udsat, da den er et komplekst led med mange bløddele og mange stabiliserende muskler. Alle elementerne i skulderen skal arbejde sammen for at opnå bevægelsesmønstre, der ikke fører til skade, men for en apopleksiramt med mistet eller reduceret motorisk kontrol og sensorisk bevidsthed, kan dette være svært. Ofte er det i de store muskelgrupper i kropskernen, hvor kontrollen først genvindes, hvorved netop kropskernen ofte indgår i muskelsynergierne ved kompensatoriske bevægelser. I rehabilitering af apopleksiramte indgår en lang række faggrupper med hver deres fokusområde, hvor det er fælles for dem alle, at de bibringer den apopleksiramte feedback. Feedbacken er nødvendig for, at den ramte kan blive gjort opmærksom på, hvorvidt de handlinger vedkommende udfører, gøres rigtigt eller forkert og dermed om de potentielt set kan være skadelige. Det viser sig i den forbindelse, at skuldersmerter ofte opstår i den sene del af rehabiliteringsforløbet, hvor patienten i længere perioder er overladt til selvstændigt at udføre sin træning. Den manglende feedback kan antages at have en medvirkende effekt på skuldersmerters opståen. Hjemmetræning er oftest sidste fase i rehabiliteringen, og netop i denne fase risikeres det, at den apopleksiramte overlades til sig selv og ikke modtager tilstrækkelig feedback. En måde dette kan løses på, er ved brug af telerehabilitering, hvor den ramte kan få feedback på udførslen af øvelser, uden der behøver at være en terapeut eller andet sundhedsfagligt personale tilstede sammen med vedkommende. Som middel til at behandle personer med nedsatte muskulære- og sensoriske evner er EMGbiofeedback blevet anvendt igennem årtier. EMG-biofeedback udnytter viden om EMG-signalets karakteristika, særligt at dets amplitude varierer ved skiftende belastninger. De fleste EMGbiofeedbacksystemer anvender derfor tærskelbaserede løsninger, som gør brugeren af systemet opmærksom på, om muskelspændingerne opnår skadelige niveauer. Problemformuleringen udspringer af et ønske om at udvikle et EMG-baseret system, der kan afhjælpe problematikkerne med manglende feedback. Dette system skal kunne hjælpe apopleksiramte i deres selvstændige hjemmetræning, således udførelsen af uhensigtsmæssige kompensatoriske bevægelser mindskes. Hvordan er det muligt at udvikle et EMG-baseret biofeedbacksystem til detektering af uhensigtsmæssige kompensatoriske bevægelser i skulderleddet under selvstændig hjemmetræning? Side 15 af 113

24

25 Kapitel 3 Problemløsning I dette kapitel fremstilles et løsningsforslag, der på baggrund af problemanalysen skaber rammerne for at udvikle et teknologisk system. 3.1 Løsningsforslag Et EMG-biofeedbacksystem skal, i denne sammenhæng, være i stand til at opsamle EMG-signal fra muskler, der bruges under aktivitet i skulderleddet, og give et feedback, der kan være med til at afgøre, hvorvidt der udføres en uhensigtsmæssig eller hensigtsmæssig bevægelse. Figur 3.1: Blokdiagrammet viser det tænkte løsningforslag. Brugeren er forbundet til et system, der leverer feedback på brugerens øvelser. I følge afsnit 2.3 Muskelsynergier i skulderen, side 7, ønskes, det at mindske retraktion af scapula, samt abduktion af humerus. Hertil bruges hhv. trapezius pars ascendens og deltoideus lateralis som katalysatorer, og disse vælges som de to muskler, der skal opsamles EMG-signal fra (fremadrettet vil de to muskler blive benævnt trapezius og deltoideus, hvor der specifikt menes trapezius pars ascendens og deltoideus lateralis.) Et feedback til brugeren, vha. EMG-signal, kræver et system, der kan opsamle muskelsignaler og lave en behandling, der gør det muligt at formidle, hvornår der er tale om en for stor muskelkontraktion. Selve behandlingen af signalet kan med fordel gøres digitalt, fremfor analogt, da digital databehandling åbner op for nemmere at kunne tilpasse filtrering, forstærkning m.v. til den individuelle bruger. For at et kontinuert EMG-signal kan behandles digitalt, er det nødvendigt med en analog opsamling af EMG-signalet, hvorefter det kan konverteres, via en analog til digital konverter (ADC), til et digitalt signal. Når signalet er digitalt, er der også mulighed for at videresende information til relevant sundhedspersonale. For at varetage denne funktion, skal signalet behandles, så der både kan komme realtids-feedback til brugeren, samt lagring af data til eventuelle sundhedsfaglige kontaktpersoner. På figur 3.2 ses et blokdiagram, der illustrerer de enkelte elementer i løsningsforslaget. Figur 3.2: Et blokdiagram over løsningforslaget. Det digitale system leverer både et analogt feedback i realtid og lagring af data til on-demand tilseelse, hvilket kan være relevant under besøg af sundhedsfagligt personale til vurdering af træningssessioner. Side 17 af 113

26 Kapitel 3: Problemløsning Overvejelserne opstillet i dette afsnit danner baggrund for videreudvikling, hvor de enkelte blokke i figur 3.2 konkretiseres. Dette gøres først ved at beskrive et muligt produkt, der ses i afsnit 3.2 Systemdesign herunder. Kapitel 4 Systemudvikling, side 19, beskriver design og implementering af systemet. 3.2 Systemdesign I dette afsnit opstilles et forslag til, hvordan et færdigt produkt kan realisere det foregående løsningsforslag. Produktet skal maksimalt være på størrelse med et sæt spillekort, da det ikke må være til gene for brugeren. For at muliggøre, at brugeren kan bevæge sig frit rundt, skal systemet være trådløst og kommunikere til en feedback enhed og en lagrings- og præsentationsenhed, såsom computer, TV eller tablet, hvor brugsstatistikken kan ses. Feedback-enheden kan være et armbåndsur, som er i stand til at gøre brugeren opmærksom på uhensigtsmæssige bevægelser, vha. lyd, lys eller vibrationer. Brugeren har mulighed for at vælge, hvilken realtidsfeedback, der ønskes via armbåndsuret. Systemet bæres af brugeren via en slynge. Elektroderne skal kunne påsættes af en lægmand, men den tilknyttede terapeut har inden da lavet langtidsmarkeringer på brugerens deltoideus og trapezius, så elektroderne placeres korrekt. Alternativt kan der vælges elektroder, som kan sidde på brugeren i længere perioder af gangen. Side 18 af 113

27 Kapitel 4 Systemudvikling I dette kapitel beskrives design og implementering af systemet. Der udvikles en prototype, som er en mere simpel udgave af det system, der er beskrevet i afsnit 3.2 Systemdesign, side 18. Prototypen udvikles, så grundidéerne fra systemdesignet fremgår og en videreudvikling af prototypen vil således på sigt kunne resultere i det fuldendte design. For at kunne udvikle prototypen er der opstillet nogle overordnede krav til systemet, som beskrives i afsnit 4.1 Overordnede krav, nedenfor, og disse krav gøres mere specifikke i afsnit Analoge krav, side 21, og afsnit Digitale krav, side 21, efter beskrivelsen af prototypen (afsnit 4.2 Prototype, side 19). 4.1 Overordnede krav Der stilles følgende overordnede krav til systemet: Opsamle EMG-signal fra deltoideus og trapezius Filtrere støj og signaler der ikke relatere til EMG-signal Skelne uhensigtsmæssig muskelkontraktion fra ingen/lav aktivitet ved brug af brugerspecifikke parametre Give feedback i realtid Sende og gemme data til en PC, så det kan tilgås efter en fuldendt træningssession Lækstrømme fra systemet må ikke kunne forårsage varige mén på brugeren 4.2 Prototype Til at opsamle EMG-signalerne fra deltoideus og trapezius udvikles to identiske analoge systemer, der skal agere indgangskanaler til det digitale system. Formålet med de analoge systemer er, udover at opfange signalerne, at lave en grundlæggende behandling af signalet (herunder bl.a. forstærkning og filtrering), så signalet kan viderebehandles digitalt. De analoge systemer er beskrevet i afsnit 4.3 Analogt system: Design og implementering, side 23, hvor de implementerede blokke beskrives enkeltvis, hvorefter der til slut er en beskrivelse af systemtesten som blev udført. Til at varetage analog til digital-konverteringen, samt den trådløse overførsel til computeren anvendes en mikrocontroller. Der er valgt en ez430-rf2500 MSP430F2274 (benævnes fremadrettet MSP), som er et udviklingsværktøj fra Texas Instruments, der har de ønskede komponenter samlet på ét modul (se figur 4.1). Side 19 af 113

28 Kapitel 4: Systemudvikling Figur 4.1: På figuren ses mikrocontrolleren, MSP: Access Point og End Device. De komponenter der bliver anvendt under implementeringen er illustreret på henholdsvis Access Point og End Device, desuden er de to forskellige slags strømforsyninger vist, USB og batteriklemme. Det system, der implementeres, består af de to analoge systemer, to mikrocontrollerer og en computer, som illustreret på figur 4.2. Den ene mikrocontroller, kaldet End Device (ED), anvendes som grænseflade mellem den analoge verden, brugeren, og den digitale verden. På ED anvendes ADC en til konverteringen af det analoge signal til et digitalt, og der laves desuden en mængde databehandling (beskrives i afsnit End Device, side 36). Den anden mikrocontroller, Access Point (AP), overfører data via USB til computeren (se afsnit Access Point, side 49), hvor der beregnes forskellig brugsstatistik, som fremstilles visuelt og informativt. Data kan desuden gemmes (beskrives i afsnit Computer, side 52), så de efterfølgende kan ses af brugeren og evt. en terapeut. Både AP og ED har en CC2500 2,4 GHz radio, som gør det muligt at overføre data trådløst. ED har en batteriforsyning, som sammen med de analoge systemer udgør den mobile del af systemet. Figur 4.2: Blokdiagrammet illustrerer systemets opbygning. Brugeren kobles til et analogt system, som forbindes til et ED. Fra ED sendes data trådløst til AP og herfra overføres det til en computer, hvor brugere bl.a. kan se statistik over træningen. MSP ens arbejdsområde er maksimalt i området 0-3,6 V og minimalt 0-1,8 V pga. ADC en, [Texas Instruments, Inc., 2012] men den øvre grænse er bestemt af forsyningsspændingen (1,8-3,6 V), og det analoge system skal derfor behandle signalet, så det analoge output ligger indenfor dette område. Ud fra ovenstående og løsningsforslaget udspringer nogle mere konkrete krav til det analoge og det digitale system, således systemet som helhed kan opfylde de overordnede krav (Se afsnit 4.1, Overordnede krav, side 19). Side 20 af 113

29 Kapitel 4: Systemudvikling Analoge krav Det analoge system skal kunne forberede signalet til at indgå i det digitale system, derfor skal det udføre en række opgaver: Muskelsignalet skal forstærkes til MSP ens arbejdsområde, DCoffset skal filtreres fra, der skal implementeres et anti-aliaserings filter og der skal implementeres et kendt offset i forhold til arbejdsområdet og MSP en skal beskyttes mod spændinger udenfor området 0-3,6 V. Følgende krav opstilles til det analoge system: Opsamling via elektroder Frasortering af fælles støj i signalet Minimering af aliasering Offset midt i arbejdsområdet, maksimalt 1,8 V Forstærkning af signalerne, så arbejdsområdet udnyttes Beskyttelse til det digitale system mod spændinger udenfor området 0-3,6 V Modtage forsyning fra batterier Digitale krav Det digitale system skal kunne sample signalerne, således de overgår fra kontinuerte analoge signaler til diskrete digitale. Det skal kunne filtrere signalerne yderligere efter det analoge system, således at EMG-signalet kan behandles. Systemet skal kunne levere forskellige outputs, når henholdsvis trapezius er kontraheret, når deltoideus er kontraheret eller de begge er kontraheret. Følgende krav opstilles til det digitale system: Et AP og et ED med fungerende radiokommunikation til hinanden Konvertering af analoge signaler til digitale Filtrering af signalet til endeligt brug Batteriforsynet Detektion af muskelkontraktion Overførsel af signaler ved kompensatoriske bevægelser til en computer Give feedback til brugeren Brugersikkerhed For at systemet kan anvendes af en bruger, stilles der nogle krav til elsikkerheden. Systemet forsynes med spænding fra en batteriforsyning for at mindske den mulige lækstrøm, der kan løbe fra systemet til brugeren, i forhold til hvis systemet blev forsynet fra elnettet. Hvor mange ampere, der helt præcist bliver leveret, afhænger af hvilken modstand batterispændingen møder ved udgang (jo højere modstand, jo lavere ampere). Der anvendes endvidere en fælles jord for systemet og forsyningen, da dette gør, at strøm ved eventuelle fejltilstande løber til jord frem for brugeren. Referenceelektroden placeres på samme side af kroppen som de øvrige elektroder, da dette vil modvirke, at en eventuel fejlstrøm løber over hjertet. De non-invasive elektroder gør, at brugeren har en højere indgangsimpedans, end hvis der havde været anvendt invasive elektroder, da strømmen i så fald ikke skulle gå igennem huden, og mindre lækstrømme ville så kunne løbe til brugeren. Endeligt overføres data trådløst til computeren via radio, hvilket forhindrer, at der kan løbe en strøm fra computeren til brugeren. Der er således implementeret to niveauer af sikkerhed i systemet, jording og isolation. [Webster, 2010] Hvor stor fare der er Side 21 af 113

30 Kapitel 4: Systemudvikling forbundet med forskellige niveauer af lækstrømme, kan ses i figur 4.3. På baggrund af figuren er en lækstrøm på maksimalt 10 ma tilladeligt. Opsummeret er de overordnede krav til brugersikkerheden, at der anvendes: Jording Isolation Batteriforsyning Lækstrøm, maks. 10 ma Figur 4.3: En oversigt over de fysiologiske konsekvenser, der kan optræde som en følge af lækstrømme af forskellige størrelser, hvis brugeren udsættes for dem i 1-3 sekunder. Modificeret fra: Webster [2010] Implementering af brugersikkerhed: Anvendelsen af MSP en gør, at kravet om isolation er opfyldt. De øvrige krav opfyldes i det analoge system, hvor der implementeres en fælles jord og en batteriforsyning (se afsnit Strømforsyning, side 23). Endvidere implementeres to indgangsmodstande, som medvirker til at sænke den maksimale lækstrøm, der kan løbe til patienten. Beregningerne af den maksimale lækstrøm kan ses i afsnit Design af instrumenteringsforstærker, side 24. Side 22 af 113

31 4.3 Analogt system: Design og implementering Kapitel 4: Systemudvikling Til prototypen er der konstrueret et analogt system, der er opbygget som illustreret i figur 4.4. Formålet med det analoge system er at dæmpe fælles støj, nedsætte aliasering vha. lavpasfiltrering samt at tilpasse signalet til arbejdsområdet på MSP ens ADC, der ligger mellem 0 og 3,6 V. Tilpasningen laves vha. forstærkning, filtrering og offset. Figur 4.4: Figuren viser systemet, hvor de indrammede blokke er elementerne i den analoge del af systemet. Netop disse blokke er nødvendige for, at systemet kan opfylde de overordnede analoge krav. De indrammede blokke optræder dobbelt i det samlede system, men er for overblikkets skyld kun repræsenteret én gang i figuren. I det følgende beskrives formål med, krav til og design af de enkelte blokke. Efter implementeringen blev det samlede analoge system testet, som beskrevet i afsnit 4.4 Analogt system: Test, side 31. På figur 4.11 i samme afsnit ses det samlede analoge kredsløb. For at opfylde kravet om, at der skal kunne måles EMG-signal fra to muskler, bygges der to identiske systemer. I indeværende afsnit dokumenteres kun det ene system, hvilket efterfølgende duplikeres bortset fra strømforsyningen, der vil fungere som fælles strømforsyning for de analoge og det digitale system Strømforsyning Den anvendte spændingsforsyning er et præfabrikeret modul, der er baseret på et 3 V Panasonic CR123A lithium batteri med en total kapacitet på 1550 mah [Panasonic, 2005]. 3 V batteriet driver et aktivt kredsløb, som genererer ±5,6 V (benævnes V + og V ) og jord i splitsupply samt 3,3 V (benævnes V cc ) og jord. Der leveres de nævnte spændinger, indtil batteriet ikke kan drive det aktive kredsløb længere, og derfor forekommer der ingen spændingsfald. Instrumenteringsforstærkere og operationsforstærkere forsynes med ±5,6 V og sikringskredsløb og MSP forsynes med 3,3 V Elektroder Der anvendes non-invasive elektroder, som er lette at påføre korrekt og lette at koble til systemet. De skal desuden være forholdsvist små og sidde godt fast. De skal have en båndbredde på minimum Hz, da det er i dette område EMG-signalet kan forventes at ligge [Christie et al., 2009]. Spændingsforskelle skal som minimum kunne måles i området fra ±5 mv, da EMGsignalets amplituder forventes at være af denne størrelsesorden [Konrad, 2005]. For at opnå et bedst muligt signal skal elektroderne have en lav indgangsimpedans, være gode elektriske ledere Side 23 af 113

32 Kapitel 4: Systemudvikling og have god kontakt med huden. Endelig skal elektroderne ikke være polariserbare. [Webster, 2010, Aminoff, 2010] Kravene til elektroderne er derfor: Ikke-polariserbare Båndbredde: Hz Skal kunne måle spændinger på ± 5 mv Non-invasive Størrelse svarende til yderste led på en tommelfinger Valg af elektroder Elektroderne Ambu Neuroline 720 er ikke-polariserbare Ag-AgCl elektroder og er i følge databladet egnede til EMG-optagelse. Elektroderne har gelé på klæbesiden, som øger den elektriske ledningsevne, sørger for god kontakt med huden samt sikrer, at elektroderne sidder godt fast. Størrelsen på elektroderne er cirka 22 mm 30 mm. [Ambu, 2011] Instrumenteringsforstærker Instrumenteringsforstærkeren får et differentielt input på to inputterminaler plus en reference, og leverer output på en outputterminal. For bedst mulig signalbevarelse bør instrumenteringsforstærkerens inputterminaler have en indgangsimpedans på mindst 1 GΩ. Det signal, der forstærkes er forskellen mellem de to inputs og på denne måde dæmpes Common Mode støj, der er en betegnelse for signal, der er fælles på begge inputterminaler samt referencen. Forholdet hvorved Common Mode støjen dæmpes, kaldes Common Mode Rejection Ratio (CMRR), der bør være mindst 100 db. [Bronzino, 2000] I relation til Common Mode støjen, skal der tilføjes et værn mod DC-strømme, der ellers vil kunne resultere i et uønsket offset (biasstrøm). Udover dæmpningen af Common Mode støj, skal signalet forstærkes, før det kan behandles yderligere, og der ønskes en forstærkning på 100. Forstærkeren skal virke i hele det frekvensområde, som EMG-signalet kan ligge i. [Aminoff, 2010] Kravene til instrumenteringsforstærkeren er således: Forstærkning på 100 Båndbredde: Hz Inputimpedans: større end 1 GΩ CMRR: Større end 100 db Beskyttelse mod biasstrøm Design af instrumenteringsforstærker Før forstærkeren implementeres en biaskobling til at dæmpe evt. biasstrøm. Som en sikring mod open loop (dvs. en uendelig høj forstærkning, som får instrumenteringsforstærkeren til at gå i mætning) i instrumenteringsforstærkeren, der risikeres hvis der ikke er en inputstrøm. Til at modvirke dette fænomen indsættes en indgangsmodstand på hver af indgangsterminalerne. Førnævnte biaskobling medvirker endvidere til dæmpning af Common Mode støj, da støjen derved får en alternativ vej til jord, når der ikke er signal på inputkanalerne. Biaskoblingen består af to modstande mellem instrumenteringsforstærkerens indgange, og mellem disse går en stor modstand til jord (se figur 4.5). [Jensen, 2012] Da der er tale om AC-spændinger i systemet, skal de to modstande før instrumenteringsforstærkerens indgange have samme størrelse [Sedra og Smith, 2004]. Side 24 af 113

33 Kapitel 4: Systemudvikling Til instrumenteringsforstærkeren anvendes en AD620 og i databladet for denne fremgår det, at CMRR typisk er større end 110 db ved en forstærkning på 100 og at indgangsimpedansen ved differentiel forstærkning er 10 GΩ. Ved hjælp af nedenstående formel beregnes det, hvilken modstand, R g, der skal anvendes for at opnå en bestemt forstærkning. Da kravet var en forstærkning, G, på 100, beregnes modstanden som følger: [Analog Devices, 2011] R g = 49,4 kω G 1 49,4 kω = = 498,99 Ω (4.1) Der fås en modstand på 498,99 Ω og der anvendes derfor en modstand på 499 Ω. Til biaskoblingen er der anvendt to ens modstande(r 4 og R 5 ) imellem instrumenteringsforstærkerens indgange på 1,5 kω og en modstand til jord på 100 MΩ (R 3 ). Opbygningen af biaskoblingen og instrumenteringsforstærkeren fremgår af figur 4.5. Figur 4.5: Forrest ses biaskoblingen, som består af følgende modstande: R 1 = R 2 = 1 kω, R 3 = 100 MΩ og R 4 = R 5 = 1,5 kω. Forstærkningsmodstanden R g har værdien 499 Ω og Ref er referenceelektroden. instrumenteringsforstærkeren er en AD620, som forsynes med ±5,6 V. Indgangsmodstandene på 1 kω bidrager til brugersikkerheden (beskrevet i afsnit Brugersikkerhed, side 21) ved at begrænse den maksimale lækstrøm, der kan løbe til brugeren ved fejlfunktion. Beregning af den maksimale lækstrøm ses i formel 4.2, hvor I fejl er fejlstrømmen, V fejl er den maksimale spænding svarende til V + og V og R I er indgangsmodstanden. I fejl = V fejl R I = 5,6 V 1 kω = 5,6 ma (4.2) Kravet til brugersikkerheden er hermed opfyldt, da den maksimalt tilladte lækstrøm var defineret til 10 ma Højpasfilter For at undgå DC-forstyrrelser i signalet implementeres et højpasfilter, der maksimalt dæmper høje frekvenser med 3 db, mens frekvenser under knækfrekvensen dæmpes med filterordenen ganget med 20 db i stopbåndet. Knækfrekvensen er defineret som den frekvens, hvor signalet er dæmpet med 3 db. DC ønskes dæmpet og på baggrund af det udførte pilotforsøg (se appendiks D Pilotforsøg, side 91) sættes knækfrekvensen til 20 Hz. For at undgå, at signalet forvrænges skal filteret have en forstærkning på 1 i hele pasbåndet. [Nilsson og Riedel, 2011] Passive filtre har bl.a. de fordele frem for aktive, at de har uendelig båndbredde, at de ikke skal forsynes med en spænding og at de er billigere at fremstille. Endvidere genererer passive filtre mindre støj, da der kun kan genereres støj fra modstandene og passive filtre er derfor bedre egnede til frafiltrering af DC-offset end aktive filtre. [Schematica, 2013] Opsummeret giver det følgende krav til højpasfilteret: Knækfrekvens: 20 Hz 1. orden Side 25 af 113

34 Kapitel 4: Systemudvikling Passivt Dæmpning på maks. 3 db i pasbåndet Monoton dæmpning Design af højpasfilter Der implementeres et passivt RC-filter, bestående af en modstand og en kondensator (se evt. figur 4.6). Det passive filter er af første orden og dæmper signalet med 20 db per dekade. Knækfrekvensen, f c, i et passivt filter beregnes ved hjælp af modstanden, R, og kondensatoren, C, på følgende måde: 1 f c = (4.3) R C 2π Da den ønskede knækfrekvens er 20 Hz indsættes dette som f c, og der vælges en kondensator på 6,8 µf. Ved isolation af R kan modstanden beregnes: R = 1 f c C 2π = 1 20 Hz 6,8 µf 2π = 1,17 kω (4.4) Der anvendes en modstand på 1,2 kω, hvilket ved indsættelse i formel 4.3 giver en knækfrekvens på 19,50 Hz, hvilket accepteres i forhold til kravet om en knækfrekvens på 20 Hz. Højpasfilterets opbygning ses på figur 4.6. [Nilsson og Riedel, 2011] Figur 4.6: Opbygningen af et passivt højpasfilter af første orden. Kondensatoren, C, har værdien 6,8 µf og modstanden, R, er på 1,2 kω, hvilket giver en knækfrekvens på 19,5 Hz Lavpasfilter Lavpasfilteret implementeres som et aktivt anti-aliaseringsfilter, hvor knækfrekvensen sættes ved hjælp af Nyquists samplingsteori (se appendiks C Sampling og aliasering, side 87, for uddybning af anti-aliasering og Nyquist). Der vælges et aktivt filter, da aktive filtre bidrager med bedre signalbevarelse end passive. På baggrund af pilotforsøget (se appendiks D Pilotforsøg, side 91) sættes samplingsfrekvensen til Hz, og dermed bliver filterets stopfrekvens lig Nyquistfrekvensen, som er 500 Hz. I pilotforsøget blev der anvendt et aktivt 2. ordens lavpasfilter med en knækfrekvens på 500 Hz. Spektralanalyserne og Fouriertranformationerne i databehandlingen af pilotforsøget viste, at knækfrekvensen kunne sænkes til 300 Hz uden væsentlige dele af signalet ville blive dæmpet. Spektralanalyserne og FFT erne viste desuden, at der var støj ved Hz og Hz, og der ønskes derfor en yderligere dæmpning af disse frekvenser. Dæmpningen beregnes herunder i ligning 4.5, hvor A er den beregnede dæmpning, output er den ønskede magnitude for outputtet og input er det målte inputs magnitude. ( ) A = 20 log output 10 (4.5) Signalet (outputtet) havde magnituden 0,0068 i pilotforsøgets resultater (se figur D.3, side 94), var dæmpet med 12,29 db (A) ved Hz og den oprindelige magnitude (inputtet) kan input Side 26 af 113

35 Kapitel 4: Systemudvikling med formel 4.5 derfor beregnes til 0,028. Det ønskede niveau for magnituden er fastsat til en hundrededel af dette, dvs. 0, Ved hjælp af disse værdier beregnes den ønskede dæmpning: ( ) A = 20 log 0, = 40 db (4.6) Filteres orden kan så beregnes, hvilket gøres med ligning 4.7, hvor A min er den minimale nødvendige dæmpning i stopbåndet, A max er den maksimale dæmpning i pasbåndet, ω s er frekvensen hvor dæmpningen skal være A min og ω p er knækfrekvensen. 0,028 ( ) N = log 10 A min / Amax/10 1 ( ) (4.7) 2 log ωs 10 ω p ( ) db/10 1 = log db/10 1 ( ) = 3, log Hz Hz Filteret, der blev anvendt i pilotforsøget, var af anden orden og dette ændres som en følge af ovenstående beregninger til et filter af fjerde orden. [Nilsson og Riedel, 2011, Hüche, 1996] [Nilsson og Riedel, 2011, Hüche, 1996] Kravene til lavpasfilteret er: Knækfrekvens: 300 Hz 4. orden Aktivt Dæmpning maks. 3 db i pasbåndet Monoton dæmpning Design af lavpasfilter Der vælges et filter af typen Butterworth, da dette filter er fladt i pasbåndet og dermed forvrænger signalet mindst muligt og dæmper 80 db per dekade. Fjerde ordens filteret implementeres som to aktive anden ordens lavpasfiltre i serieforbindelse, hver bestående af en operationsforstærker, to kondensatorer og to modstande (se evt. figur 4.7). [Nilsson og Riedel, 2011, Hüche, 1996] Som operationsforstærkere anvendes en TL084, indeholdende fire operationsforstærkere på samme chip, og komponenterne i lavpasfilteret beregnes på baggrund af Sallen-Key topologien. For kondensatorerne, C 1 og C 2, skal forholdet i formel 4.8 nedenfor gælde. I formlen er i filterets nummer i serieforbindelsen og a i og b i er Butterworth-filterkoefficienterne, som for et fjerde ordens filter er: a 1 = 1,8478, a 2 = 0,7654, b 1 = 1,0000 og b 2 = 1,0000. C 2 > C 1 4 b i a 2 i (4.8) Herunder følger et beregningseksempel for det første filter i serieforbindelsen, hvor C 1 sættes til 47 nf. Den mindste værdi for C 2 beregnes derfor som følger: 4 1 C 2 > 47 nf = 55,06 nf (4.9) 1,84782 Til C 2 anvendes en kondensator på 100 nf, så forholdet i formel 4.8 er opfyldt. Herefter kan de to modstande, R 1 og R 2, beregnes ved hjælp af følgende formler, hvor f c er knækfrekvensen: R 1 = a 1 C 2 a 2 1 C2 2 4 b 1 C 1 C 2 (4.10) f c 4 π C 1 C 2 Side 27 af 113

36 Kapitel 4: Systemudvikling = 1, nf 1, (100 nf ) nF 100 nf 300 Hz 4 π 47 nf 100 nf Den nærmeste modstandsværdi er 3,3 kω og denne anvendes. = 3,4 kω R 2 = a 1 C 2 + a 2 1 C2 2 4 b 1 C 1 C 2 (4.11) f c 4 π C 1 C 2 = 1, nf + 1, (100 nf ) nf 100 nf = 17,4 kω 300 Hz 4 π 47 nf 100 nf Den nærmeste modstandsværdi på 18 kω anvendes. Værdierne for komponenterne i det andet filter i serieforbindelsen beregnes på samme måde under anvendelse af filterkoefficienterne a 2 og b 2 og med C 3 = 47 nf. Filteret opbygges således af følgende komponenter: C 3 = 47 nf, C 4 = 330 nf, R 3 = 3,9 kω og R 4 = 4,7 kω Kredsløbet ses på figur 4.7 nedenfor. Figur 4.7: Lavpasfilteret følger Sallen-Key topologien og er af fjerde orden [Nilsson og Riedel, 2011, Kugelstadt, 2013]. Komponenternes værdier er som følger: C 1 = 47 nf, C 2 = 100 nf, C 3 = 47 nf, C 4 = 330 nf, R 1 = 3,3 kω, R 2 = 18 kω, R 3 = 3,9 kω og R 4 = 4,7 kω, og de anvendte operationsforstærkere er TL084, som forsynes med ±5,6 V Ikke-inverterende forstærker Forstærkningen af signalet sker i to trin, hvor første trin finder sted i instrumenteringsforstærkeren, andet trin foregår efter filtreringen, da en forstærkning af støjen herved minimeres. Til denne yderligere forstærkning anvendes en ikke-inverterende forstærker, der består af en operationsforstærker og to modstande (se evt. figur 4.8). Forstærkningen afhænger af forholdet mellem modstandene, og der ønskes en forstærkning, som får signalet til bedst muligt at udnytte arbejdsområdet fra 0 V til 3,3 V. Forstærkningsniveauet blev i appendiks D Pilotforsøg, side 91, sat til 181, hvilket viste sig at være passende. Forstærkningen på 181, fastholdes på dette grundlag. Forstærkeren skal virke i hele signalets frekvensområde, dvs. at båndbredden som minimum skal være området mellem højpasfilterets og lavpasfilterets knækfrekvens. [Nilsson og Riedel, 2011] Kravene til den ikke-inverterende forstærker er: Forstærkning på 181 Båndbredde: Minimum Hz Design af ikke-inverterende forstærker Der anvendes også i denne blok en TL084 operationsforstærker. Forstærkningen, betegnet G, i en ikke-inverterende forstærker beregnes ved hjælp af forholdet mellem de to modstande, R 2 og R 1 : G = 1 + R 2 R 1 (4.12) Side 28 af 113

37 Kapitel 4: Systemudvikling Til R 1 vælges en modstand på 1 kω, og da der ønskes en forstærkning på 181 kan R 2 beregnes: R 2 = R 1 (G 1) = 1 kω (181 1) = 180 kω (4.13) R 2 bliver lig med 180 kω, og den ikke-inverterende forstærker ses på figur 4.8 nedenfor. [Nilsson og Riedel, 2011] Figur 4.8: Ikke-inverterende forstærker med en forstærkning på 181. Som operationsforstærker er der anvendt en TL084, der forsynes med ±5,6 V og modstandene har værdierne R 1 = 1 kω og R 2 = 180 kω Selvjusterende offset Et EMG-signal svinger omkring 0 V og har dermed både positive og negative værdier (se appendiks B Elektromyografi, side 85) [Merletti og Parker, 2004]. Da MSP ens arbejdsområde er 0-3,3 V, er det nødvendigt at flytte signalet, så det kun antager positive værdier, og der anvendes derfor en offsetblok. Offsetblokken er en inverterende, summerende forstærker, hvor signalet kommer ind på den inverterende terminal og offsetspændingen på den ikke-inverterende terminal. Offsettet skal kunne reguleres, da systemets forsyningsspænding vil falde over tid. Hvis ikke offsettet justeres i forhold til forsyningsspændingen, vil faldet i spænding over tid kunne medføre, at signalet ender uden for MSP ens arbejdsområde. Der ønskes ikke en yderligere forstærkning af signalet i offset-blokken. Kravene til offsetblokken er derfor som følger: Offset lig med maks. 1,65 V (halvdelen af V cc ) Automatisk ændring af offsettet i takt med, at systemets forsyningsspænding falder Forstærkning på Design af selvjusterende offset På figur 4.9 ses en offsetblok, der via en summerende konfiguration og en spændingsdeling på offsetspændingen flytter signalet i positiv retning. Outputtet for offsetblokken beregnes på baggrund af formel 4.14 nedenfor, hvor Input er inputsignalet, der i dette system kommer fra den ikke-inverterende forstærker, V cc er MSP ens forsyningsspænding på 3,3 V (se afsnit Strømforsyning, side 23) og Output er offsetblokkens output. R f, R g, R 1 og R 2 er modstande, hvis placering i forhold til operationsforstærkeren fremgår af figur 4.9. Output = ( Input Rf R g ) + ( V cc R 1 R 1 + R 2 ) ( 1 + R ) f R g (4.14) Minusset foran Input indikerer, at signalet inverteres. Det ses, at forholdet mellem R f og R g afgør, hvor meget signalet forstærkes med, og da der ikke ønskes en forstærkning, skal de to modstande have samme størrelse, og der vælges modstande på 10 kω. Side 29 af 113

38 Kapitel 4: Systemudvikling Konfigurationens offset leveres af spændingsdelingen før den ikke-inverterende terminal, som er bestemt af R 1 og R 2 samt af forholdet mellem R f og R g. Det er altså den sidste del af formel 4.15, der bestemmer offsettets størrelse, som derfor kan beregnes som følger: Offset = ( V cc R 1 R 1 + R 2 ) ( 1 + R ) f R g (4.15) Som det fremgår af formel 4.15 vil offsettet falde proportionalt med forsyningsspændingen, V cc, og kravet om at offsettet justeres automatisk i forhold til forsyningsspændingen er dermed opfyldt. Der ønskes som nævnt et offset på 1,65 V, når V cc er 3,3 V, R f og R g er allerede bestemt til 10 kω og R 1 sættes til 10 kω. Ved indsættelse af dette i nedenstående formel 4.16, bliver R 2 til 30 kω. R 2 = Figur 4.9 illustrerer opbygningen af offsetblokken. R 2 = (1 + R f R g ) V cc R 1 R 1 (4.16) Offset 10 kω (1 + ) 3,3 V 10 kω 10 kω 10 kω = 30 kω 1,65 V Figur 4.9: Figuren illustrerer kredsløbet, som giver et offset på 1,65 V. Modstandene har følgende værdier: R f = R g = 10 kω, R 2 = 10 kω og R 1 = 30 kω. Der er anvendt en TL084, som er forsynet med ±5,6 V, og har V cc som positivt input og EMG-signalet som negativt input Sikringsblok Hvis der kommer spændinger til MSP en, som ligger udenfor dens arbejdsområde, kan denne beskadiges. Der implementeres derfor en analog blok, som har til formål at beskytte MSP en ved at klippe negative signaler og signaler med en større amplitude end 3,3 V. Kravene til sikringsblokken er derfor: Forstærkning på 1 Output større end eller lig med 0 V og mindre end eller lig med V cc Design af sikringsblok Sikringskredsløbet udgøres af en ikke-inverterende buffer med en MCP6002 rail-to-rail operationsforstærker, som forsynes med V cc (jvf. afsnit Strømforsyning, side 23). Rail-to-rail operationsforstærkeren muliggør, at signalet kan komme tættere på forsyningsspændingerne, end det kan i en almindelig operationsforstærker. Signaler, der er større end forsyningsspændingen eller mindre end 0 V klippes, og der kan således kun komme spændinger ud af sikringsblokken, som ligger i området 0-3,3 V. Side 30 af 113

39 Kapitel 4: Systemudvikling Kredsløbet for sikringsblokken er illustreret i figur Figur 4.10: Sikringsblok bestående af en ikke-inverterende buffer baseret på en rail-to-rail operationsforstærker (MCP6002). Operationsforstærkeren forsynes med 3,3 V, V cc, og jord, fra systemets fælles spændingsforsyning. [Kugelstadt, 2013] 4.4 Analogt system: Test Introduktion Blokkene er koblet sammen i den rækkefølge, som de er præsenteres i afsnit 4.3 Analogt system: Design og implementering, side 23 og frem. Det færdige analoge system ser dermed ud som på figur Figur 4.11: Figuren viser de enkelte analoge blokke, adskilt af farvede bokse, som er sat sammen til det samlede analoge kredsløb. Formålet med den samlede test af det analoge system er at undersøge, hvorvidt kravene hertil er overholdt. Der laves således en undersøgelse af outputsignalets amplitudeområde for at sikre, at forstærkningen lever op til kravet om, at arbejdsområdet skal udnyttes. Dette gøres også vha. en offset-blok, så signalet svinger i midten af arbejdsområdet. Sikringsblokken bevirker, at signaler større end 3,3 V eller mindre end 0 V klippes. Derudover ses der på outputsignalets frekvenser for at sikre, at den ønskede filtrering er opnået Metode Systemet blev testet i den form, det skal bruges i det færdige system, dvs. at det blev forsynet af et batteri (se afsnit Strømforsyning, side 23), og inputsignalet blev opsamlet med elektroder fra en 24-årig, kvindelig forsøgsperson. Til at konvertere de analoge signaler til digitale, blev der anvendt en ADC med et arbejdsområde på ±10 V (NI USB-6009 fra National Instruments) og for at sikre forsøgspersonen mod fejlstrømme fra computeren, blev der anvendt en USB-isolator (USI-01 fra IMM Elektronik). Elektroderne blev placeret på trapezius, deltoideus og en reference på acromion (som illustreret i figur D.2 i appendiks D.1 Introduktion, side 91.) Forsøglederen placerede elektroderne, stod for at udføre målingerne, tog tid og instruerede forsøgspersonen i øvelserne. Forsøgspersonen udførte følgende to øvelser: Afslappede muskler (baseline): Forsøgspersonen sad stille på en stol med armene hvilende på benene i 10 sekunder. Side 31 af 113

40 Kapitel 4: Systemudvikling Isometrisk kontraktion af deltoideus og trapezius: Fleksionsvinklen i albuen var ca. 90, humerus blev abduceret til ca. 90 og scapula blev retraheret. Denne position blev holdt statisk i 10 sekunder. Øvelserne blev udvalgt på baggrund af pilotforsøget (se appendiks D.2 Metode, side 91.) Den første øvelse blev valgt for at få en måling af baseline, og den anden øvelse blev valgt, da det var i denne øvelse i pilotforsøget, de største amplituder kunne måles, hvilket er hensigtsmæssigt i forhold til undersøgelse af, hvorvidt sikringsblokken og forstærkningen virker efter hensigten Resultater For at undersøge frekvensindholdet i outputsignalet fra det analoge system, laves der diskrete Fouriertransformationer (fft) i MATLAB (se evt. beskrivelsen af denne funktion i appendiks D.2 Metode, side 91.) Ved hjælp af denne funktion opnåes et plot, der viser, hvordan energien i signalet er fordelt på frekvenserne. I figur 4.12 og 4.13 ses det Fouriertransformerede EMGsignal, der blev optaget for deltoideus og trapezius i de to udførte øvelser. På grafen til venstre i figur 4.12 ovenfor ses et spike ved 50 Hz. Figur 4.12: Figuren viser Fouriertransformationen af EMG-signalerne, der blev optaget ved baselinemålingen. Det ses, at signalerne stort set er dæmpet helt efter cirka 400 Hz. Endvidere ses på plottet for deltoideus (til venstre), at der forekommer 50 Hz støj. Af figur 4.12 og 4.13 fremgår det, at der stort set ikke er noget signal ved frekvenser højere end 400 Hz, hvilket stemmer overens med lavpasfilterets knækfrekvens på 300 Hz. Det observeres, at der ved frekvenser over 500 Hz ikke længere sker tydeligere ændringer. Dette underbygger en samplingsfrekvens på minimalt Hz. Side 32 af 113

41 Kapitel 4: Systemudvikling Figur 4.13: Figuren viser Fouriertransformationen af EMG-signalerne, der blev optaget under kontraktion. Det ses, at signalerne stort set er dæmpet helt ved frekvenser over cirka 400 Hz. Figur 4.14 og 4.15 viser EMG-signalerne plottet i tidsdomænet. Det ses, at der ved baselinemålingen på figur 4.14 blev opsamlet mere signal fra trapezius end fra deltoideus. På figur 4.14 og 4.15 ses det, at signalerne svinger omkring cirka 1,5 V og derudover holder sig inden for arbejdsområdet. Figur 4.14: På figuren ses baseline målingen, hvor forsøgspersonen havde afslappede muskler. Det ses, at signalet svinger omkring cirka 1,5 V, og at amplituderne ligger inden for arbejdsområdet. Der ses mere aktivitet for trapezius end for deltoideus. Side 33 af 113

42 Kapitel 4: Systemudvikling Figur 4.15: På figuren ses målingen ved den anden øvelse, hvor forsøgspersonen havde kontraherede muskler. Det ses, at signalet svinger omkring cirka 1,5 V, og at det ligger indenfor arbejdsområdet. I MATLAB er den maksimale og den minimale værdi for begge muskler ved kontraktion fundet ved hjælp af funktionerne min og max. Værdierne for deltoideus var hhv. 0,00 V og 3,23 V og værdierne for trapezius var hhv. 0,56 V og 2,88 V, For at kvantificere mængden af støj kan et forhold mellem støj og signal benyttes. Hvis signalet i baselinemålingen (figur 4.14) betragtes som værende diverse støjkilder (baseline-drift, dc-offset, crosstalk, etc.) og kontraktionen (figur 4.15) som værende signal og støj, kan et forhold udregnes. RMS er root-mean-square, SN R er signal-to-noise ratio og størrelsen af signalet fås ved at trække baselinemålingen fra kontraktionen: SNR = RMS(signal) RM S(støj) = RMS(kontraktion baseline) RM S(baseline) (4.17) For deltoideus: For trapezius: SNR = 0,3001 0,0109 SNR = 0,2261 0,0624 = 27,4092 (4.18) = 3,6222 (4.19) Ud fra ovenstående SNR er der mere støj ved måling på trapezius. Det blev observeret, at der ved bytning af kablerne til de to identiske analoge systemer ikke blev genereret mere støj på det ene system end det andet, der er altså tale om støj fra selve EMG-signalet. Da test af det analoge system er fuldført, færdiggøres det elendige system ved at designe og implementere den digitale del, hvilket ser i det kommende afsnit. Det digitale system udformes på baggrund af de resultater, som er fundet i den analoge test. Side 34 af 113

43 4.5 Digitalt system: Design og implementering Kapitel 4: Systemudvikling Funktionerne i det digitale system beskrives løbende i den rækkefølge, der fremgår af figur 4.2, side 20, dvs. at ED beskrives først, herefter AP og til sidst computeren. Funktionerne der anvendes i de enkelte dele af systemet samt den tilhørende teori, beskrives efterhånden som de anvendes. Efter teori om en funktion, beskrives det hvordan denne implementeres på MSP en. Selve koden vil ikke fremgå, denne præsenteres i stedet i form af flowcharts. I rapporten præsenteres to typer flowcharts. Den ene type er enkeltstående c-funktioners flowcharts, som er simple og ikke indeholder interrupts. Funktionerne skal læses fra den øverste superellipse, hvori funktionens input er skrevet og slutter ved den nederste superellipse, hvori det står, hvad den næste funktion i algoritmen er. Den anden type af flowcharts illustrerer styresystemet for ED og AP og er opbygget således, at venstre del er kodeeksekvering og udførte handlinger. Den højre del består af de mulige interrupts, som mikrocontrolleren kan modtage, der vækker den fra low-power mode. Disse interrupts sætter en semafor, som får mikrocontrolleren til at udføre den designede funktion. Venstre og højre del af flowcharts er opdelt af en stiplet linje. De kommende underafsnit indeholder figurer, hvori der er præsenteret data fra mikrocontrolleren. En del af databehandlingen på mikrocontrolleren er såkaldt bitshifting, hvor alle bit rykkes en eller flere pladser til højre eller til venstre. Antallet af bitshift svarer til hhv. division eller multiplikation med potenser af to, og bitshiftes der f.eks. tre gange til højre, svarer dette til division med 2 3, dvs. division med 8. Da der regnes på heltal, er bitshifting ikke en reversibel regnemetode, da trunkeringer gør, at der ikke nødvendigvis opnåes samme resultat, hvis der laves et antal bitshift til højre og efterfølgende samme antal bitshift til venstre. Bitshifting er smart at anvende til beregninger på en mikrocontroller med begrænset regnekraft, da der på chippen er implementeret en såkaldt hardware multiplier. Hardware multiplieren er et modul, som er beregnet til at foretage bitshift, og denne regneoperation er derfor hurtig og strømbesparende, sammenlignet med eksempelvis division. Bitshifting laves for at overholde begrænsningerne i variabeltyperne i C, og i systemet bitshiftes der kun til højre. Eksempelvis kan en signed int (signed short int i konventionel C) ikke rumme tal udenfor området ±2 15 ( til ). [Microsoft Developer Network, 2014] Hvis værdierne kommer uden for dette område, vil der opstå numerisk overflow. En værdi, der er større end vil, når den når den maksimale værdi, lave den resterende optælling fra den mindst mulige værdi ( ). Resultatet af vil i en signed int blive , da er den maksimale værdi og der tælles fra igen, når den maksimale værdi er nået. Det er derfor ikke muligt at vide, hvad den oprindelige værdi var, da numerisk overflow kan ske flere gange for det samme tal. Pga. de implementerede bitshift er signalernes værdier lavere end de oprindelige ADC-værdier, og enhederne volt og millivolt er ikke længere en akkurat skildring af enheden. Amplituden af muskelspændingen fra systemet vil af denne grund ikke kunne sammenlignes med andre opsamlede signaler. Forholdet mellem høje og lave amplituder i signalet er bevaret, fordi behandlingen er den samme for alle værdier, og derfor er signalet stadig brugbart i dette specifikke system. På grund af denne behandling er enhederne på amplitude-akserne i nogle grafer udeladt. Er data ikke behandlet med bitshifting på MSP en, er der en enhed på amplitude-aksen. Side 35 af 113

44 Kapitel 4: Systemudvikling End Device Fra det analoge system kommer EMG-signalet via kabler ind på ED s porte. På ED foretages den primære digitale behandling af signalet. Som det fremgår af figur 4.16, konvereteres signalet først fra analogt til digitalt, hvorefter det filtreres, kvadreres og der laves et løbende gennemsnit. Hvis brugeren aktiverer MSP ens trykknap, kalibreres systemet, hvorved en tærskel fastsættes, som signalet herefter sammenlignes med (se evt. figur 4.28). Hvis signalet ligger over tærskelværdien, sendes udvalgt data trådløst til AP. Figur 4.16: Blokdiagrammet illustrerer den databehandling, der foregår på ED. Databehandlingen består af en analog til digital konvertering, forskellige funktioner, der anvendes for at opnå et mindre støjfyldt signal og endeligt fastsættelse af og sammenligning med en tærskelværdi Analog til digital konvertering EMG-signalet er et analogt signal, hvilket vil sige, at det er kontinuert og kan inddeles uendelig mange gange og stadig have signalværdier. For at signaler kan behandles i en computer, skal de være diskrete, og dette kan de blive ved, at der tages øjebliksbilleder af signalet, som kædes sammen med en digital, binær værdi. [Oppenheim og Schafer, 2010] Til at lave disse øjebliksbilleder benyttes en ADC. Opsamlingsprincippet illustreres i figur Det diskrete signals karakteristika afhænger af ADC ens specifikationer; samplingsfrekvens (hvor mange samples, der opsamles pr. sekund), opløsning, arbejdsområde. [Oppenheim og Schafer, 2010] Figur 4.17: Et analogt (kontinuert) signal x(t) konverteres til et digitalt (diskret) signal x[n] vha. af en ADC, der måler en værdi med perioden T (tiden mellem hver sample). Inspireret af: Oppenheim og Schafer [2010] Samplingsfrekvensen, F s, er et udtryk for, hvor mange samples, der opsamles pr. sekund. Den afhænger af samplingsperioden T og er defineret ved: F s = 1/T (4.20) Når ADC en skal angive en amplitude til en given sample, laves der en approksimation. Approksimationens nøjagtighed afhænger af ADC ens opløsning og arbejdsområde. [Oppenheim og Schafer, 2010] Hvis det analoge arbejdsområde divideres med antallet af kvantificeringsniveauer (også kaldet spændingsniveauer) fås Least Significant Bit (LSB), som er den mindste forskel, der Side 36 af 113

45 Kapitel 4: Systemudvikling i det analoge signal kan detekteres. Antallet af kvantificeringsniveauer beregnes som 2 opløftet i antallet af bit og LSB beregnes derfor som følger: [Litovsky, Version 4.0] LSB = Analogt måleområde 2 bits (4.21) Jo højere antallet af bits er, des flere kvantificeringsniveauer har ADC en og des mindre bliver LSB. Derved øges opløsningen. [Litovsky, Version 4.0] Fejlen mellem den reelle værdi på det analoge signal og den nærmest mulige kvantificering kaldes en kvantificeringsfejl. Dette illustreres i figur 4.18, hvor et sinus signal samples med en fiktiv ADC. Her ses det firkantede signal, som ADC en giver i forhold til sinusbølgen samt størrelsen af kvantificeringsfejlene. Figur 4.18: Et eksempel på kvantificeringsfejl af en sinusbølge, som konverteres til digital data. Under grafen ses størrelsen af de enkelte fejl. Dette vil desuden forvrænge frekvensspektret en smule, da det ikke passer perfekt med en sinusbølge. Modificeret fra: Chouinard [2013] Når signalet har fået en binær værdi, kan det behandles digitalt. For yderligere information om AD-konvertering og MSP ens ADC, se appendiks E.4 Analog til Digital Konverter, side 109. På baggrund af den analoge test (se evt. afsnit Resultater, side 32) fastsættes samplingsfrekvensen til Hz Følgende krav til ADC en stilles: Opsamling af data fra to kanaler Sampling med den mindst mulige frekvens i forhold til det udviklede analoge system: Hz Implementering på MSP en: MSP en har en 10-bit ADC, der har forbindelse til en række af porte, som kan få analoge inputs, se figur Her ses i alt 18 porte, hvoraf ca. en tredjedel er reserveret til specielle funktioner. Det vil være muligt at tilføje inputs fra EMGopsamlingssystemet til to analoge kanaler, der samples. Side 37 af 113

46 Kapitel 4: Systemudvikling Figur 4.19: En oversigt over MSP en. Den blå firkant indikerer porte, der kan forbindes til analog elektronik. Modificeret fra: Hansen [2014d] Arbejdsområdet er bestemt af MSP ens spændingsforsyning. Ved en forsyning på 3,3 V, vil dette være den øvre grænse og 0 V vil være den nedre grænse. Med 10 bit giver det i følge formel 4.21 en LSB på: [Texas Instruments, 2013] LSB = 3,3 V 0 V 210 = 3,3 V 1024 = 3,2 mv (4.22) Den mindste spændingsændring, der kan registreres er derfor 3,2 mv. Opsætning af ADC en sker i kodningen af ED via såkaldte kontrolregistre. For at få en samplingsfrekvens på Hz, opsættes ADC en til at sample på baggrund af Timer_A interrupts (se appendiks E.2 Timers, side 107.) Opsætning af Timer_A laves, så den er afhængig af en 8 MHz clock (sub-main clock, SMCLK) med en input-divider på 8, så den effektivt tæller med 1 MHz. Timer_A output sættes til at toggle, dvs. at hver gang den tæller op til dens designerede værdi, ændrer den sig binært fra 0 til 1 og omvendt. Dette resulterer i stigende og faldende flanker, og ADC en sampler kun på de stigende flanker, svarende til hver anden gang Timer_A laver et interrupt. Fs = SM CLK (4.23) 2 Optællingsværdi Der ønskes en samplingsfrekvens på Hz og den værdi, der tælles til kan beregnes: Optællingsværdi = SM CLK 2 Fs = 1 M Hz = (4.24) Timer_A s optællingsværdi sættes derfor til 500 og der fås en samplingsfrekvens på Hz Filtrering Udover filtrering i det analoge domæne, kan der med fordel implementeres et digitalt filter. Digitale filtre har den fordel, at støj fra elnettet, effektivt kan fjernes uden at forstyrre det ønskede EMG-signal, hvor analoge notch-filtre kan medføre faseforstyrrelser og fjernelse af styrke fra EMG-signalet. [Merletti og Parker, 2004] Der findes to hovedgrupper af digitale filtre; Infinite Impuls Respons (IIR) og Finite Impuls Respons (FIR). Det første filter, der implementeres er et FIR-filter. FIR-filtre afhænger kun af tidligere inputs, hvilket er grunden til, at de har en endelig impulsrepons og de har lineær faseforskydning, så alle Side 38 af 113

47 Kapitel 4: Systemudvikling frekvenskomponenter forskydes lige meget i tidsdomænet. I ligningen herunder er y[n] outputtet, x[n k] er de tidligere inputs, b[k] er filterkoefficienterne og M er antallet af filterkoefficienter. [Hüche, 1996] y[n] = M b[k] x[n k] (4.25) k=0 Differentiatorfiltre er en type af FIR-filtre, som kan anvendes til at dæmpe støj ved bestemte frekvenser, og fungerer som en række forskudte båndpasfiltre. Differentiatorfiltre dæmper støj ved en bestemt frekvens samt alle spejlinger af denne frekvens. Hvis eksempelvis 50 Hz støj ønskes dæmpet, vil der samtidig forekomme en dæmpning i 0 Hz, 100 Hz, 150 Hz, etc., som illustreret i figur Der vises frekvenser op til 500 Hz, svarende til den halve samplingsfrekvens, når denne er sat til Hz. Nederst på figuren ses det, at filteret har en lineær faseforskydning, som det gør sig gældende for FIR-filtre. [Hansen, 2014a] Figur 4.20: Øverst ses filterkarakteristikken for et differentiatorfilter, der dæmper 50 Hz og alle spejlinger af denne frekvens. Nederst ses filterets lineære faseforskydning. Filteret designes ved beregning af, hvor mange samples der er i mellem to tilsvarende punkter på sinusbølger med forskellige frekvenser, når samplingsfrekvensen kendes. Sammenhængen mellem samplingsfrekvensen og frekvensen på den givne støj udregnes til en værdi, der kan benyttes til implementering. Denne værdi er længden af en vektor med B-koefficienter, der anvendes til at modulere inputværdierne til det ønskede output, og beregnes vha. følgende formel, hvor F s er samplingsfrekvensen og F Støj er frekvensen af den støj, der ønskes dæmpet. B = F s F Støj + 1 (4.26) Længden af vektoren med B-koefficienterne, angiver afstanden i samples mellem to tilsvarende punkter i den støj, der ønskes dæmpet, og ved at subtrahere de to samples, vil filteret løbende eliminere amplituden ved den pågældende frekvens samt alle spejlinger af denne. DC-offset vil også bliver elimineret, da 0 Hz er en spejling af alle frekvenser. [Hansen, 2014a] På baggrund af dette afsnit stilles følgende krav til differentiatorfilteret: Dæmpe 50 Hz støj observeret i testen af det analoge system (se evt. 4.4 Analogt system: Test, side 31) Implementering på MSP en: I differentiatorfilteret laves et dataarray, som modtager data fra ADC en. Når antallet af datasamples er lig antallet af filterets B-koefficienter, udføres filtreringen. Står der ikke det rette antal samples i dataarrayet, gøres ingenting og der ventes på Side 39 af 113

48 Kapitel 4: Systemudvikling flere samples. Filteret virker ved at trække første sample fra det sidste sample i arrayet - alle andre filterkoefficienter er lig nul. B-koefficienterne bliver da: B = [1; 0; 0;... 0; 1] (4.27) Da 50 Hz ønskes dæmpet, sættes F Støj til 50 Hz og da der samples med Hz, kan antallet af B-koefficienter beregnes: B = Hz + 1 = 21 samples (4.28) 50 Hz Med en samplingsfrekvens på Hz, svarer 21 samples til, at 50 Hz-bølgen altid vil blive dæmpet af filtreringen. I figur 4.21 ses det, hvorledes differentiatorfilterets kode er opbygget. differentiator( ) ADC-data læg ADC-data i array Array-plads tælles op 21 datasamples? Nej Ja Array-plads sættes til nul diff = ADC-data diff = sample[20] - sample[0] diff sendes videre kvadrering( ) Figur 4.21: Flowchart over differentiatorfilterets kode. ADC-data kommer ind og lægges i et array, indtil længden af dette er 21. Da trækkes første værdi fra sidste værdi og data returneres til næste trin i det samlede program. Som det fremgår, anvendes i realiteten kun første og sidste af de 21 værdier, hver gang koden kører og beregningen består således kun af en enkelt subtraktion. Filterets effekt er illustreret på figur 4.22, hvor der er brugt EMG-signal, opsamlet fra deltoideus under abduktion af humerus, optaget i forbindelse med pilotforsøget (se appendiks D Pilotforsøg, side 91). Til signalet er der efterfølgende tilføjet et kunstigt, varierende offset. Af figuren fremgår det, at offsettet fjernes efter filtrering og at signalet har mindre spikes. Side 40 af 113

49 Kapitel 4: Systemudvikling Figur 4.22: Før differentiatiorfilteret, ses et varierende offset (blå). Når data filtreres fjernes offsettet og signalet har mindre spikes (rød). Ud fra ovenstående figur, er det dog vanskeligt at se, om 50 Hz er filtreret. Derfor laves et kunstigt signal, en 50 Hz sinusbølge, som filtreres med differentiatorfilteret. Dette ses i figur 4.23, hvor filtreringen er illustreret. Af figuren fremgår det, at filteret først har effekt efter 0,02 sekunder, svarende til 21 samples. Dette skyldes, at funktionen kun udføres, når der er 21 samples i arrayet (se evt. flowchartet på figur 4.21). Figur 4.23: En kunstig 50 Hz sinusbølge filtreres i differentiatorfilteret. Efter 21 samples har filteret nok data til at lave filtreringen af 50 Hz støj, og herefter er værdien 0 (rød linje). Det ses, at der er en forsinkelse på filteret på 21 samples, svarende til 0,02 sek Kvadrering Kvadrering kan bruges som et redskab, hvis analyse af signalet har til formål at kvantificere størrelse og mængde af et signal, fremfor viden om, hvornår det er positivt og negativt. Ved kvadrering omdannes alle negative værdier til positive, og da EMG-signaler svinger omkring 0 (se appendiks B Elektromyografi, side 85), vil det derfor ikke være hensigtsmæssigt, at lave et løbende gennemsnit på det oprindelige EMG-signal. Kravene til kvadreringen er: Side 41 af 113

50 Kapitel 4: Systemudvikling Bevare signalet inden for variabelområdet for en signed int (±2 15 ), så der ikke fås numerisk overflow Implementering på MSP en: Der implementeres kvadrering ved at multiplicere signalet med sig selv. Figur 4.24 viser, at kvadrering laves på data fra differentiatorfilteret. Tallet ganges med sig selv, hvilket gør, at negative værdier bliver positive. For at undgå, at signalerne fra kvadrering forårsager numerisk overflow bitshiftes signalet. kvadrering( ) differentiator( ) kvadrering = diff diff kvadrering sendes videre løbende gennemsnit( ) Figur 4.24: Flowchart som viser, hvordan kvadrering laves i programmet. Efter filtrering med differantiatorfilteret bliver tallet ganget med sig selv og sendt videre til det løbende gennemsnit, som er den næste funktion i algoritmen. Beregningerne af, hvor mange gange signalet som minimum skal bitshiftes, laves som følger. Kvadratroden af den maksimale værdi, der kan være i en signed int (32.767), bestemmes: Max værdi = = 181 (4.29) Den maksimale ADC-værdi, der kan fås med en 10-bits ADC er 1023 (se evt. afsnit Analog til digital konvertering, side 36). Den højeste værdi under 181, som kan opnås vha. bitshift er 127: 1023 >> 3 = 127,9 127 (4.30) Der rundes ned, da der regnes med heltal. Signalet skal således bitshiftes minimum tre gange (svarende til division med otte), for at sikre, at der ikke opstår numerisk overflow ved kvadreringen Løbende gennemsnit Et løbende gennemsnit er et FIR-filter, som beregner den gennemsnitlige værdi af alle samples i et vindue af en bestemt længde, for derigennem at opnå et mere lavfrekvent signal med færre spikes. Det løbende gennemsnit beregnes vha. formel 4.31, hvor A M [k] er filterets output, N er vinduets størrelse, x i er input og k er samplenummeret. A M [k] = 1 N k i=k N+1 x i (4.31) Først beregnes gennemsnittet for de første N samples, hvorefter vinduet flyttes en eller flere samples frem og det nye gennemsnit beregnes. Dette gentages for hele signalet. Hvis vinduet flyttes mere end en sample af gangen, har den enkelte sample betydning i kortere tid for værdien. [Blandford og Parr, 2013] Et signal, der er blevet filtreret med et løbende gennemsnit kan lettere benyttes til sammenligning eksempelvis i konfiguration med tærskelværdier. Som tidligere beskrevet (se evt. afsnit 4.5) koster division mange clockcycles på MSP en og dette ønskes derfor undgået i implementeringen af det løbende gennemsnit på MSP en. Følgende krav stilles til løbende gennemsnit: Side 42 af 113

51 Kapitel 4: Systemudvikling Give et mere lavfrekvent signal Må ikke anvende division i beregningerne Implementering på MSP en: Der implementeres et løbende gennemsnit. Først initialiseres en variabel kaldet GN S (forkortelse for gennemsnit) til 0 og denne variabel anvendes i formel Den nye sample, der kommer ind, ganges med en fornyelsesfaktor og lægges til gennemsnittet, og der trækkes en værdi fra, som svarer til en forglemmelsesfaktor ganget med gennemsnittet. Resultatet af dette gemmes i variablen GN S, som det fremgår af formel 4.32 nedenfor og gennemsnittets værdi ændres løbende. [Hansen, 2014a] GNS = GNS + ny værdi fornyelsesfaktor GNS forglemmelselsfaktor (4.32) Forglemmelsesfaktoren laves vha. af bitshift, og jo flere gange der bitshiftes, des større betydning har tidligere samples for outputtet, da der kun bliver trukket en lille del af det tidligere gennemsnit fra. Som det fremgår, kan funktionen på denne måde implementeres ved brug af kun én addition og én subtraktion, hver gang der samples en ny værdi. Dette kræver meget mindre regnekraft, end hvis gennemsnittet skulle beregnes for hele signalet hver gang, som det normalt gøres ved implementering af et løbende gennemsnit (se formel 4.31). [Hansen, 2014a] Eksekveringen af det løbende gennemsnit udføres på ED, som det er vist på figur Faktorer ganges på det tidligere gennemsnit og kvadreringsdata. Sammen med det tidligere gennemsnit giver disse det nye, løbende gennemsnit. løbende gennemsnit( ) Gennemsnit [GNS] initialiseres til 0 kvadrering( ) [KD] GNS = GNS + KD fornyelsesfaktor - GNS forglemmelsesfaktor GNS sendes videre sammenligning( ) Figur 4.25: Flowchart som viser, hvordan det løbende gennemsnit laves på MSP en. Der lægges en værdi til gennemsnittet (GNS), som er en fornyelsesfaktor ganget med den nye sample (KD, en forkortelse for KvadreringsData), der kommer fra kvadreringsfunktionen, og der trækkes en værdi fra, som er en forglemmelsesfaktor ganget med GNS. Resultatet gemmes i variablen GNS, som sendes videre til sammenligningsfunktionen. Til de efterfølgende figurer er der brugt et EMG-signal opsamlet fra deltoideus under abduktion af humerus i pilotforsøget (se evt. appendiks D, Pilotforsøg, side 91). Det løbende gennemsnit i figur 4.26 har en konstant fornyelsesfaktor på 1, og forskellige forglemmelsesfaktorer, som 32 1 ganges på GNS. Øverst fra venstre er disse faktorer: 64, 1 32, 1 16 og 1. Jo større faktoren der 8 ganges på er, jo mindre når det løbende gennemsnit at stige. Side 43 af 113

52 Kapitel 4: Systemudvikling Figur 4.26: Effekten af forglemmelsesfaktoren vises i ovenstående grafer, hvor grafens titel viser hvilken faktor, der er anvendt. Fornyelsesfaktoren er den samme i de fire grafer. Testen er lavet med data fra deltoideus under abduktion af humerus. For at vise effekten af fornyelsesfaktoren, laves en tilsvarende figur, hvor forglemmelsesfaktoren har værdien 1 for alle graferne og fornyelsesfaktoren varieres. Figur 4.27 viser dette. Modsat 32 forglemmelsesfaktor, betyder en større faktor her, at det løbende gennemsnit stiger hurtigere. Der er igen anvendt faktorer på 1 64, 1 32, 1 16 og 1, der ganges på den nye værdi fra kvadreringen 8 (KD). Figur 4.27: Effekten af fornyelsesfaktoren vises i ovenstående grafer, hvor grafens titel viser hvilken faktor, der er anvendt. Forglemmelsesfaktoren er den samme i de fire grafer. Testen er lavet med data fra deltoideus under abduktion af humerus. Valget om fornyelses- og forglemmelsesfaktorens størrelse træffes i testen af det digitale system, afsnit 4.6 Digitalt system: Test, side 54. Ud fra figur 4.26 og 4.27 ses, at signalet har færre spikes end før implementeringen af det løbende gennemsnit. Dette kan være med til at sikre, at der ikke fås mange enkelte spikes over tærsklen, men at det derimod vil være over eller under tærsklen i længere perioder af gangen. Hermed kan det løbende gennemsnit opfylde de stillede krav. Side 44 af 113

53 Kapitel 4: Systemudvikling Kalibrering Da EMG-signalets amplitude er forskellig fra bruger til bruger (se appendiks B Elektromyografi, side 85), implementeres en funktion, der kan sætte tærskelværdien efter den enkelte bruger. Kalibreringen er illustreret på blokdiagrammet i figur 4.28 og foregår ved, at der laves en kontraktion, hvorefter der trykkes på knappen på ED. Dette medfører, at begge dioder begynder at lyse, som et signal til brugeren, om at kalibreringsfunktionen er startet. Dioderne lyser i 3 sekunder, og i dette tidsrum skal brugeren lave en voluntær, isometrisk kontraktion i deltoideus og trapezius ved at abducere humerus og retrahere scapula. Når dioderne går ud, må brugeren igen slappe af, og der beregnes automatisk en tærskel som 45 % af det løbende gennemsnit (se appendiks D.1 Introduktion, side 91). Systemet er herefter klar til brug. Figur 4.28: Blokdiagram, der illustrerer fastsættelsen af tærskelværdien. Brugeren skal lave isometrisk kontraktion i deltoideus og trapezius og trykknappen aktiveres. Dioderne bliver tændt og der opsamles data i tre sekunder, hvorefter dioderne slukkes dioderne og kontraktionen kan ophøre. Det opsamlede data anvendes til fastsættelsen af tærsklen ved 45 % af den udførte isometriske kontraktion. Kravene til kalibreringsfunktionen bliver således: Skal kunne fastsætte en individuel tærskel for hhv. deltoideus og trapezius på 45 % af størst mulig voluntær kontraktion i tre sekunder Skal startes ved aktivering af trykknappen Skal give feedback ved hjælp af dioderne, så brugeren ved, hvornår kontraktionen må afsluttes Implementering på MSP en: Kalibreringsfunktionen implementeres ved, at den igangværende kode afbrydes, når der trykkes på knappen, og i stedet køres kalibreringsalgoritmen. Derefter tænder begge dioder, og der sættes en tæller i gang svarene til tre sekunder. I de tre sekunder gennemgår det samplede data fra ADC en den tidligere beskrevne behandling; differentiatorfiltrering, kvadrering og løbende gennemsnit. Den sidste værdi, det løbende gennemsnit får, multipliceres med 9 og divideres med 20 (svarende til 45 %), for at undgå håndtering af kommatal. Tærsklen returneres som en global variabel, der kan benyttes i andre af programmets funktioner. Flowchartet i figur 4.29 nedenfor, illustrerer i generelle træk programmeringen af kalibreringsfunktionen. Side 45 af 113

54 Kapitel 4: Systemudvikling kalibrering( ) Trykknap interrupt Dioder tændes counter = ADC opsamler ADC-data counter = counter - 1 differentiator( ) kvadrering( ) løbende gennemsnit( ) counter = 0? Nej tærskel = GNS 9/20 tærskel gemmes globalt Low-power mode aktiveres Ja Dioder slukkes Figur 4.29: Figuren viser et flowchart over programmeringsstrukturen for kalibreringsfunktionen. Når trykknappen aktiveres afbrydes hovedfunktionen (main), og data fra ADC en filtreres og kvadreres. De kvadrerede værdier bruges til det løbende gennemsnit, der multipliceres med 9 og divideres med 20 for at opnå tærsklen. Med implementeringen af denne funktion, er kravene til kalibreringen opfyldt Sammenligning af signal og tærskelværdi Efter kalibreringen er færdig, ligger tærsklens værdi gemt i en variabel på ED, som kan bruges til logisk sammenligning. ED skal sende signalet til AP, når signalet er større end eller lig med tærsklen og undlade at sende noget, når signalet ligger under tærkslen. Kravet til sammenligningen bliver derfor: Skal for begge muskler kunne afgøre, om signalet er under, lig med eller over den tilhørende tærskel Skal kunne give feedback til brugeren vha. dioderne, hvis den ene eller begge kanaler er over tærsklen Implementering på MSP en: Sammenligningen laves på al data, som opsamles via ADC en, når kalibreringen ikke er i gang, og den foregående behandling af signalet er færdig. Disse sammenligningsparametre kan begrænse, hvad ED gør, afhængigt af signalets størrelse i forhold til tærsklen. Hvis signalet er under tærsklen gøres der intet, og hvis signalet er større end eller lig med tærsklen, sendes data videre til AP. For den kanal, der er over tærsklen sendes EMG-signalet og for den anden kanal sendes blot nuller. Hvis begge kanaler er over, sendes det behandlede EMG-signal fra begge kanaler. Hvis signalet fra kanal 1 er større end eller lig med tærsklen, tændes den grønne diode og hvis kanal 2 er større end eller lig med tærsklen tændes den røde diode. Hvis begge kanaler er over tærsklen, tændes begge dioderne. Når signalet kommer under tærsklen, slukkes dioderne. Side 46 af 113

55 Kapitel 4: Systemudvikling Figur 4.30 viser flowchartet over sammenligningens kodningsprincip. Hvis en kanals data er større end eller lig med den tilsvarende tærskel, lægges denne data i et array. Dette sker for begge kanaler i hver deres array. sammenligning( ) løbende gennemsnit( ) kalibrering( ) Begge >= tærskel Nej Ja Kanal 1 lægges på plads[0] Kanal 2 lægges på plads[1] Gemmes i arrayet midlertidig_besked Kanal 1 >= tærskel Nej Kanal 2 >= tærskel Nej Ja Ja Kanal 1 lægges på plads[0] 0 lægges på plads[1] 0 lægges på plads[0] Kanal 2 lægges på plads[1] midlertidig_besked sendes videre Low-power mode aktiveres Figur 4.30: Flowchart over sammenligningen af EMG-signalet fra kanal 1 og kanal 2 med de respektive tærskler. Hvis et eller begge signaler er over, tændes en eller begge dioder, afhængigt af hvilken kanal, der var over tærsklen. Data gemmes i et array og sendes trådløst til AP Radiokommunikation til Access Point Det færdige system skal have trådløs kommunikation fra enheden på brugeren og til en computer, og dette er muligt via MSP ens radiomoduler (CC2500) placeret på ED og AP. Systemet skal fungere også selvom der kan være forstyrrelser fra andet udstyr, og desuden skal den trådløse kommunikation have en rækkevidde på minimum 5 m. Rækkevidden er fastsat efter, at brugeren skal kunne stå med afstand til computeren, men samtidig kunne se den realtidsfeedback, der fremkommer på skærmen. Kravene til radiokommunikationen er: Data fra to kanaler skal kunne sendes trådløst fra ED til AP med et minimalt tab af data Skal kunne sende data over afstande på minimum 5 meter Implementering på MSP en: Data skal sendes trådløst fra ED til AP, og dette gøres via radioen. Et kommunikationsforsøg udsendes fra AP, hvori der bl.a. ligger information om enhedsadressen og kommunikationsbetingelserne ( tokens ). [Texas Instruments, Inc., 2011] Hvis ED svarer med samme information, som AP udsendte, er der oprettet kommunikation mellem enhederne. Herefter kan trådløs dataoverførsel påbegyndes ved brug af afsendelses- og modtagelseskommandoer i SimpliciTI-protokollen, der er udviklet af Texas Instruments til små, strømbesparende og trådløse radiofrekvente netværk til brug på mikrocontrollere (se appendiks E.6.2 Radiomodul 112). SimpliciTI-protokollen indeholder bl.a. sikring af, at kommunikation ikke fejlfortolkes pga. forstyrrelser fra andet udstyr, hertil anvendes join og link tokens. SimpliciTI afsender datapakker, der hver indeholder 11 informationer, hvoraf data udgør én af disse 11 informationer. [Hansen, 2014a] De andre informationer indeholder bl.a. radiosynkronisering, længden i byte og adressen for destinationen og kilden. Disse ekstra informationer fra SimpliciTI-protokollen bevirker, at hvis der modtages data på AP, er der garanti for, at det er hele dataet og at det er det rigtige data. [Texas Instruments, Inc., 2011] Dette er med til at forbedre sikkerheden for ikke at modtage data fra andre enheder, men det er teoretisk set muligt, hvis adresserne på enhederne og join/link-tokens er identiske. Hver af disse er 8-cifrede hexadecimalstrenge. Da der opsamles EMG-signal fra to muskler, skal data fra begge kanaler sendes, så der i den videre behandling kan skelnes mellem dem. Når sammenligningen af data og tærskel på ED har genereret fem data samples, som er større end den respektive tærskel, sendes en datapakke til Side 47 af 113

56 Kapitel 4: Systemudvikling AP. Denne indeholder fem samples fra hver kanal, hver bestående af en high byte og low byte. High byte/low byte er en opdeling af værdiens bitmønster, så tallet består af to 8-bit værdier, da computeren er opsat til at læse 16-bit. Det højeste decimaltal der kan fremkomme ved 8-bit er 2 8 (svarende til 256, 0-255) og derfor bruges to 8-bit værdier til at frembringe tal over 255. Decimaltal under 255 gemmes blot i en byte, mens værdier over 255 gemmes som high og low byte. Udregningerne nedenfor giver et eksempel med decimaltallet 833, som først omregnes til hexadecimal, hvorefter det opdeles i high og low byte. 833 = 52,0625 (Restdel = = 1) 16 Som skrevet i ligningen, bliver restdelen af den første division 1. Dette er den første værdi i hexadecimal. 52 = 3,25 (Restdel = 0,25 16 = 4) 16 Den anden restdel bliver 4 og low byte bliver 0x41. 0x skrives foran for at signalere, at det er et hexadecimal. 3 = 0,1875 (Restdel = 0, = 3) 16 Den tredje restdel er 3 og divisionen er slut, da der ikke længere er et heltal at dele med 16 og high byte bliver 0x03. Hexadecimalet bliver 0x341. Det vælges at sende ti samples af gangen, da dette er gavnligt for strømforbruget. Sendes datasamples én efter én, vil radiomodulet modtage data til afsendelse hurtigere, end den kan afsende det og data mistes. Data, der bliver lagt til afsending, vil altid blive lagt på samme måde i det data-array, der sendes, så data fra ADC ens kanal 1 og 2 vil konsekvent ligge på de samme pladser. Jo mere data, der sendes, des højere er hukommelsesforbruget på ED, og derfor er det begrænset til ti samples. Nedenfor illustreres radiokommunikationen med et flowchart. Af figur 4.31 fremgår det, hvordan data gemmes i array og sendes videre til AP. samplenummer initialiseres til 0 afsending( ) sammenligning( ) midlertidig_besked lægges i besked besked[0 + samplenummer 2] = midlertidig_besked[0] besked[1 + samplenummer 2] = midlertidig_besked[1] 5 samples? Ja send besked til AP samplenummer = 0 Nej samplenummer = samplenummer + 1 Low-power mode aktiveres Figur 4.31: Flowchart, der viser afsending af data fra ED til AP. Data lægges i et array, og når der er fem samples sendes data til AP, samplenummeret sættes til 0 igen og systemet går i low-power mode Styresystem ED skal programmeres og opsættes, så det kan varetage funktionerne, der er beskrevet i de tidligere afsnit. For at dette kan opfyldes, udvikles der et styresystem. Kravene til styresystemet på ED er følgende: Skal være i low-power mode, når der ikke er interrupts og algoritmen ikke udføres AP, trykknappen og ADC en skal kunne lave interrupts og sætte semaforer Side 48 af 113

57 Kapitel 4: Systemudvikling Implementering på MSP en: Hele programmeringen af ED fremgår af figur Til venstre ses hovedprogrammet, de ønskede funktioner (bl.a. ADC, radio, timer, trykknap og variabler) initialiseres ved opstart af MSP en. Efterfølgende går MSP en i low-power mode, og kan derefter vækkes af en Interrupt Service Rutine (ISR). Ved interrupt sættes semaforer, der initierer funktioner andre steder i programmet. De forskellige ISR er vækker ED fra low-power mode og hovedprogrammet køres, så funktionen med den nyligt satte semafor udføres, hvorefter MSP en returnerer til low-power mode. main() Interrupt Service Routine Opstart Initialisering af ADC, radio, timers, trykknap og variabler Sæt radiosemafor AP Low-power mode Sæt knapsemafor Trykknap Trykknap Læg semafor kalibrering() ja nej Radio Læg semafor Forbind AP ja nej ADC Læg semafor Behandl data ja nej Sæt ADCsemafor ADC Figur 4.32: Figuren viser det samlede flowchart over ED. Til højre er de anvendte Interrupt Service Routiner (ISR) initieret af trykknappen, ADC en og radioen og til venstre illustreres det primære program, der er i low-power mode og afventer interrupts. Når en semafor er sat, udføres den tilsvarende funktion i programmet, hvorefter semaforen lægges ned, og MSP en returnerer til low-power mode Access Point I forhold til ED, laver AP ikke behandlingstunge funktioner. AP s primære funktion er, at viderebringe data til PC en. I de følgende underafsnit beskrives det, hvordan dette gøres, og hvordan koden bag er opbygget. Flowcharts følger opbygning, som beskrevet i afsnit 4.5 Digitalt system: Design og implementering, side Radiokommunikation fra End Device AP modtager data fra ED via radiokommunikation. Dette sker via SimpliciTI, som er beskrevet i afsnit Radiokommunikation til Access Point, side 47. Kravene til denne del af radiokommunikationen er de samme som for ED: Skal kunne modtage data på minimum 5 meters afstand fra ED Skal kun modtage data fra det tilhørende ED Implementering på MSP en: AP modtager en pakke bestående af 20 bytes: 5 highbyte og 5 lowbyte for to kanaler, dvs. 5 samples fra hver kanal og følger ellers samme principper som i afsnit Radiokommunikation til Access Point, side 47. Fra ED er disse bytes sorteret i et array. Dette array gemmes lokalt på AP til videre brug. Dette ses også i figur 4.33 Side 49 af 113

58 Kapitel 4: Systemudvikling modtagelse() Radiotransmitteret data simpliciti-verficering Læg data i lokalt array Figur 4.33: Data modtages i et array fra ED over radioen, og gemmes lokalt på AP. Inden data er tilgængeligt til brug på AP, har simpliciti verificeret, at det, der blev sendt afsted, også er modtaget korrekt Overførsel fra Access Point til computer MSP en kommunikerer via Universal Asynchronous Receiver Transmitter (UART) med den tilsluttede computer. Som tidligere nævnt, sendes 20 byte pr. radiopakke, og hver radiopakke består af 5 samples fra to kanaler. Ved en samplingsfrekvens på Hz sendes der 200 pakker i sekundet, svarende til byte pr. sekund, derudover forekommer der en start og stop bit ved hver byte, dvs. yderligere bit pr. sekund, hvilket sammenlagt svarer til byte pr. sekund. Derfor er det påkrævet, at den valgte overførselshastighed kan håndtere denne datamængde (se evt. appendiks E.6.1 Universal Asynchronous Receiver Transmitter, side 112). Ved kommunikation med PC en sendes enten jord (0 V) eller forsyningsspænding (Vcc) ind via USB, og dette omsættes til et digitalt bitmønster, via analog til digital konvertering. Frekvensen (raten), hvormed AP sender data til PC en, måles i Baud, og det er nødvendigt, at computeren opsamler data i samme frekvens, som det afsendes. Når der kun er to muligheder, 0 V eller Vcc, svarende til 0 og 1, er baudraten lig med bitraten, men vil i tilfælde hvor data sendes med flere spændingsniveauer vil bitraten være højere en baudraten. [Hansen, 2014b] Baudraten kan på modtagersiden opfattes som en samplingsfrekvens, der skal stemme overens med afsendingsfrekvensen for, at afsendt data modtages korrekt. Årsagen er, at hvis computeren ikke læser data fra kommunikationsporten på de rigtige tidspunkter, vil der enten ikke være noget data, eller der vil være noget forkert data [Tanenbaum, 2006]. Jo højere baudrate der vælges, des hurtigere vil AP være i stand til at overføre data. Kravene til overførslen fra AP til PC en er: AP skal kunne sende mindst byte pr. sekund PC skal kunne modtage mindst byte pr. sekund Ovenstående skal foregå med samme overførselshastighed på AP og PC. Implementering på MSP en: AP er optaget i den periode, hvor data sendes via UART, og derfor kan der med fordel vælges en overførselshastighed, som kan overføre væsentligt mere data end nødvendigt, så AP vil være optaget i kortere tidsperioder. Af denne grund vælges en frekvens på Baud, dvs bit pr. sekund svarende til byte pr. sekund med start og stop bit. For at opsætte UART-konfigurationen på AP bruges tabellen i figur 4.34, hvor de typiske baudrater ses, som kan vælges med en clock source på 8 MHz. Derudover ses de indstillinger, som MSP en skal opsættes til for at køre med de specifikke overførselshastigheder. Den valgte overførselshastighed er markeret med en rød firkant. UCBRx henviser til baudrate kontrolregisteret og UCBRSx og UCBRFx er modulationsregistre. Disse tre indstillinger skal sættes på AP. Registrene arbejder med 8-bit unsigned integers og værdierne, der kan skrives i registrene, skal derfor ligge mellem 0 og 255. Det ses i figur 4.34, at nogle indstillinger er større end 255, så derfor sættes indstillingerne til UCBRx via to registre, UCBR0 og UCBR1, hhv. low byte og high byte i hexadecimal. Side 50 af 113

59 Kapitel 4: Systemudvikling Figur 4.34: Typiske baudrater, når clock source kører med 8 MHz. Desuden ses de indstillinger, som MSP en skal opsættes til, for at køre med den pågældende baudrate. Den valgte baudrate er markeret med rødt. BRCLK Frequency er den frekvens, UART ens clock kører med. UCBRx, UCBRSx og UCBRFx er Baud Rate Control Register, som bruges til modulation af baudraten. Afhængigt af værdierne, som skrives heri, opsættes MSP en til en bestemt baudrate. Modificeret fra: Texas Instruments, Inc. [2008] UCBRx værdien omskrives fra decimal til hex på samme måde som beskrevet i afsnit Radiokommunikation til Access Point, side 47, og 69 bliver derved 0x45. Da 69 er under 255 er der ingen high byte, og derfor indstilles følgende: UCBR0 sættes lig med 0x45 UCBR1 sættes lig med 0x00 UCBRSx sættes til 4 (UCBRS_4) UCBRFx sættes til 0 (UCBRF_0) Hermed er UART-konfigurationen på MSP en opsat til at køre med Baud, hvilket svarer til byte pr. sekund, hvor der er taget højde for start og stop bit, hvilket opfylder kravet Styresystem AP skal programmeres og opsættes, så det kan varetage funktioner, der er beskrevet i de tidligere afsnit. Til dette laves et styresystem. Kravene til styresystemet på AP er: Der skal kunne laves interrupts og sættes semaforer af UART, af ED ved oprettet forbindelse og ved afsendt data Skal være i low-power-mode, når der ikke er et interrupt Implementering på MSP en: Samlet virker AP som vist i figur Når AP tændes, laves initialisering af alle elementer, som skal bruges i programmet. Herefter går AP i low-power mode og venter på interrupts, som får den til at vågne og udføre den pågældende funktion. Når dette sker, tjekker AP om der er sat semaforer fra de forskellige interrupts service rutiner, og hvis en eller flere er sat, udføres funktionen. Efter funktionen er udført, går AP igen i low-power mode. Side 51 af 113

60 Kapitel 4: Systemudvikling Opstart main() Interrupt Service Routine ED kontakt ED radio Initialisering af com-port, radio, timers og variabler Low-power mode Forbindelse oprettet Sæt kontaktsemafor Data afsendt Sæt radiosemafor Kontakt Læg semafor ED forbundet ja nej Radio Læg semafor Modtag data ja nej UART ja Læg semafor Start/stop ED nej Send data til PC Sæt UARTsemafor UART Figur 4.35: Flowchartet viser den overordnede programmering af AP. Efter opstart går AP i lowpower mode og venter på interrupts. Interrupts kan komme fra tre kilder: UART (PC), ED der opretter forbindelse eller ED der sender data. Hvert interrupt sætter en semafor, som igangsætter en specifik funktion på AP Computer Når computeren modtager data fra AP, anvendes MATLAB til statistisk analyse og lagring på computeren af den pågældende træningssession. Den overordnede struktur i denne del af systemet er illustreret i figur Formålet med funktionerne er, at en terapeut på den måde kan tilgå gemt data efterfølgende og vurdere brugerens enkelte præstationer og progression. Data modtages i MATLAB via Universal Serial Bus (USB). Det er vigtigt, at MATLAB modtager data i samme hastighed som AP afsender. AP afsender data med Baud, og derfor sættes denne værdi i MATLAB koden vha. BaudRate-kommandoen [MathWorks, 2014e]. For nærmere forklaring af dette, se afsnit Overførsel fra Access Point til computer, side 50. Figur 4.36: Figuren er et blokdiagram, der illustrerer funktionen af den PC-baserede del af systemet. AP sender data til PC en, hvor det behandles i MATLAB, så det kan præsenteres, og der kan beregnes statistiske værdier. Efter endt træningssession kan data gemmes Grafisk brugergrænseflade Til visuel fremvisning af brugerens kompensatoriske bevægelser, og statistik anvendes en Graphical User Interface (GUI). Med den grafiske brugergrænseflade skal brugeren i realtid kunne følge sin træningssession, og få feedback, når der udføres kompensatoriske bevægelser. Bevægelserne skal registreres i et pindediagram, hvoraf det skal fremgå, hvor lang tid hver kompensatorisk bevægelse har varet. Desuden skal der laves statistiske beregninger af træningssesionen, herunder antal kompensatoriske bevægelser og den gennemsnitlige varighed af en kompensatorisk bevægelse. Statistikken vises henholdsvis for deltoideus og trapezius. Data fra de udførte træningssesioner skal kunne gemmes på computeren og efterfølgende hentes ind i GUI en igen. Endeligt skal GUI en kunne startes forfra. Side 52 af 113

61 Kapitel 4: Systemudvikling Kravene til den grafiske brugergrænseflade er: Brugeren skal kunne følge sin træning i realtid Skal kunne beregne statistiske værdier, herunder antallet af kompensatoriske bevægelser i løbet af en træningssession og den gennemsnitlige varighed af en kompensatorisk bevægelse Skal kunne gemme og hente data Skal have en reset-funktion Implementering på computeren: kan ses i figur 4.37 nedenfor. Den grafiske brugergrænseflade udvikles i MATLAB og Figur 4.37: Af figuren fremgår den grafiske brugergrænseflade udarbejdet i MATLAB. Grafen øverst til venstre opdaterer med data, når der er kompensatoriske bevægelser, og der modtages data fra ED via AP. Til højre er pindediagrammet placeret, der opdateres løbende med de kompensatoriske bevægelsers varighed. Nedenfor ses fra venstre mod højre: start og reset, valg af COM-port, gem og hent data, information om antal og gennemsnitlig varighed af de kompensatoriske bevægelser for hhv. deltoideus (skulder) og trapezius (ryg) og helt til højre ses varigheden af den sidst udførte kompensatoriske bevægelse. I det efterfølgende beskrives de forskellige funktioner, der anvendes i GUI en. De forskellige funktioners placering ses på figur Til valget af COM-port anvendes en funktion, der automatisk finder de tilgængelige porte på computeren og viser dem i listen. COM-porten, hvor AP er tilsluttet vælges og dermed kan programmet startes. I boksen Program kontrol findes en Start -knap og når denne bliver valgt, sendes en startkommando til AP via UART. Herfra sendes den via radiokommunikationen til ED, som starter opsamling af data og sender dette tilbage til AP, når der udføres en kompensatorisk bevægelse. Når knappen Start er valgt, skifter knappens tekst til Stop, og giver knappen funktionalitet til at stoppe dataopsamling på ED. Start/Stop knappen skifter dermed funktion og tekst efter hvert tryk. Desuden er der en Reset -knap, hvormed det er muligt at nulstille GUI en. I boksen Datahåndtering ses funktionerne Gem og Hent. Gem -funktionen gemmer pindediagrammet samt de beregnede statistiske værdier (beskrives senere i dette afsnit), så Side 53 af 113

62 Kapitel 4: Systemudvikling de kan tilgås efter behov. GUI en opretter selv filnavn med dato og klokkeslæt, så bestemte træningssesioner kan findes frem igen. For at få vist en ældre træningssession trykkes der på Hent og pindediagrammet samt statistik vil blive vist. Visualisering af modtaget data sker i grafen til venstre. Hver kanal er visualiseret i realtid i grafen, hvor Kanal 1: Skulder vises med blå og Kanal 2: Ryg vises med grøn. Disse betegnelser er valgt som lægmandstermer for hhv. deltoideus og trapezius for at gøre systemet mere brugervenligt. Når der ikke modtages data, er graferne stationære og bliver ikke opdateret, og baggrunden på grafen er hvid. Når der sker en kompensatorisk bevægelse, opdaterer grafen med den nye data og baggrunden bliver rød. Dette giver brugeren mulighed for at følge træningen i realtid og dermed reagere på eventuelle kompenserende bevægelser. Pindediagrammet i øverste højre hjørne opdateres løbende med de kompensatoriske bevægelser gennem optagelsen. Hver kompensatorisk bevægelse illustreres med en pind, hvis højde viser, hvor længe bevægelsen har varet. Deltoideus (kanal 1) vises med blå og trapezius (kanal 2) med grøn, ligesom i grafen. Dermed kan det efter træning, ses hvor mange gange brugeren har udført kompensatoriske bevægelser, samt i hvor lang tid. I forlængelse af pindediagrammet vises der statistik i de små bokse under pindediagrammet. Der er to bokse pr. kanal. Den ene boks er antallet af kompensatoriske bevægelser, og den anden viser den gennemsnitlige tid pr. kompensatorisk bevægelse. Boksene opdateres løbende under træningssessionen. I nederste højre hjørne ses en boks, som viser varigheden af den sidste kompensatoriske bevægelse. Alle de digitale elementer i systemet er nu præcenteret, og vil i det efterfølgende afsnit blive testet med henblik på at opfylde Digitale krav, side Digitalt system: Test Introduktion Formålet med dette afsnit er at teste og efterprøve den digitale implementering fra forrige afsnit. Dette gøres ved at teste, om kravene, som blev stillet til den enkelte funktion, er opfyldt. Delene testes enkeltvis, for at mulige småfejl og uhensigtsmæssigheder opdages, og derved kan korrigeres, således systemets enkelte dele til slut kan fungere som en samlet enhed Metode Først beskrives det, hvordan testen af den pågældende funktion er udført, og derefter præsenteres de opnåede resultater. Generelt for flere af testene er, at der benyttes kunstigt genererede sinus signaler, som er valgt med en frekvens, der repræsenterer et muligt input i systemet. Kunstige signaler er brugt for præcist at kende amplitude og signalets varighed. Hvis der efter udførte test er behov for det, laves der korrektioner, og de nye resultater præsenteres. Rækkefølgen på de enkelte tests følger såvidt muligt implementeringsafsnittet og i tilfælde, hvor det giver mening, vil et behandlet signal arbejdes videre med i næste test, da det i så fald matcher det forventede input i det samlede system. Hastigheden, hvormed ED udfører alle funktionerne samlet testes, for at sikre, at dette kan nås, inden der kommer et nyt sample fra ADC en, hvorved ED burde være klar til nye beregninger. Hvis dette ikke er tilfældet, vil der ske fejlagtig behandling af signalet. Først testes EDs funktioner: ADC Differentiatorfilter Kvadrering Løbende gennemsnit Sammenligning af signalet med tærskelværdi Side 54 af 113

63 Kapitel 4: Systemudvikling Hastighed af al databehandlingen, efter AD-konverteringen, i sammenhæng Kalibrering af tærskelværdi Det gør sig gældende for alle tests af differentiatorfilter, kvadering og løbende gennemsnit, at der anvendes et tidligere opsamlet EMG-signal fra 4.4 Analogt system: Test, side 31, hvor signalet fra deltoideus for isometrisk kontraktion anvendes. Det optagede signal er normaliseret på computeren inden testen, så det svarer til MSP ens 10-bit ADC. Dette er gjort ved at lave et arbejdsområde fra (svarende til 2 10 ). Herefter testes AP s funktioner: Radiokommunikation (dette er en fælles test af AP og ED, da de er afhængige af hinanden) Overførsel fra AP til PC (dette er ligeledes en fælles test, da de er afhængige af hinanden) GUI en testes ikke, da denne blot plotter resultatet og tæller forskellige værdier op. For at undgå, at de individuelle tests og deres metoder og resultater bliver spredt for meget ud, vil de specifikke metoder stå i tilknytning til de respektive resultater i de næste afsnit End Device: Resultater På ED testes først ADC en, derefter testes algoritmen bestående af filtrering, kvadrering og løbende gennemsnit enkeltvis. Efterfølgende testes sammenligning af signal og tærskel og til sidst kalibreringen af tærsklen Analog til digital konvertering For at teste ADC ens præcision anvendes et pulserende, firkantet signal svingende omkring 1 V, med en amplitude på ± 200 mv, og en frekvens på 1 Hz. Det forventes, at signalet gengives korrekt og uden klipning. Resultatet af dette ses på figur 4.38, hvor amplituderne svinger fra 0,78 til 1,18 V, mod forventet 0,8 og 1,2 V. Til testen bruges en funktionsgenerator, som har en output impedans på 50 Ω ved det genererede signal [Rigol, 2012], hvilket forårsager en spændingsdeling mellem generatoren og MSP en. Faldet på 0,02 V i forhold til det forventede tilskrives denne ukendte spændingsdeling, samt offset i andre blokke. Figur 4.38: Test af ADC en. Der bruges et pulserende, firkantet signal. Signalet svinger med 1 Hz, 1 V offset og 400 mv peak-to-peak. Det ses, at det opsamlede signal varierer 0,02 V fra det forventede, både på den høje og lave puls. Denne variation kan skyldes output impedansen på den anvendte funktionsgenerator. Side 55 af 113

64 Kapitel 4: Systemudvikling ADC ens samplingsfrekvens forventes at være Hz og dette blev testet ved at indstille en af MSP ens kanaler til at generere et output. Over denne udgang blev Timer_A signalet transmitteret, og optaget med et digitalt oscilloskop. Resultatet af testen kan ses på figur 4.39, der viser, at Timer_A s stigende flanker kommer med 1 ms mellemrum. Figur 4.39: Test af ADC ens samplingsfrekvens. På figuren ses Timer_A signalet, repræsenteret ved periodiske og næsten lodrette streger, de såkaldte stigende flanker. Det fremgår, at de stigende flanker forekommer med 1 ms mellemrum, hvilket svarer til en samplingsfrekvens på Hz. Ved at finde tidspunktet til de forskellige toppunkter, finde differensen mellem dem og tage middelværdien af differenserne er den gennemsnitlige tid mellem toppunkter blevet bestemt til 1 ms. Samplingsfrekvensen beregnes i formel 4.33, hvor F s er samplingsfrekvensen og T er tiden mellem flankerne. F s = 1 T = 1 = Hz (4.33) 1 ms Samplingsfrekvensen er dermed som forventet, og opfylder det opstillede krav hertil Differentiatorfiltrering På MSP en filtreres det rå EMG-signal, og det behandlede signal sendes retur til computeren. Det forventes, at der vil kunne ses en reducering af støj. Data før og efter filtreringen sammenlignes, som det fremgår nedenfor i figur Side 56 af 113

65 Kapitel 4: Systemudvikling Figur 4.40: Test af differentiatorfilteret. Øverst ses det normaliserede signal, der overføres til MSP en og nederst ses det filtrerede signal. Bemærk: forskellige y-akser på de to grafer. På figur 4.40 ses det, at det normaliserede data (øverst) har et offset. På det filtrerede signal (nederst) fremgår det, at filteret dæmper offset, og at signalet nu som forventet svinger omkring nul. På figur 4.41 ses det Fouriertransformerede signal før og efter filtreringen. Det ses på den nederste graf, at signalet er dæmpet ved 0 Hz, 50 Hz, 100 Hz, osv. Figur 4.41: Test af differentiatorfilteret. Øverst ses Fouriertransformationen af signalet før filtreringen og nederst ses Fouriertransformationen af det filtrerede signal. Bemærk: forskellige y-akser på de to grafer. Det fremgår af den nederste graf, i figur 4.41, at det digitalt implementerede filter virker. Det ses ved, at 50 Hz dæmpes sammen med spejlingerne af denne frekvens. Side 57 af 113

66 Kapitel 4: Systemudvikling Kvadrering Der benyttes et filtreret signal med både relaksation og kontraktion til kvadrerings testen. Det forventes, at de anvendte bitshift er tilstrækkelige til at undgå overflow (negative værdier). I figur 4.42 ses signalet før og efter implementering af bitshift, og det ses, at der ikke opstår numerisk overflow. Figur 4.42: Test af kvadreringen efter signalet er bitshiftet tre gange (svarende til division med 8). På den øverste graf ses det normaliserede og filtrerede signal og nederst ses dette signal bitshiftet tre gange og kvadreret. Bemærk: Signalet der her er anvendt indeholder både relaksation og kontraktion, og at y-akserne ikke har samme værdier. Det ses på den øverste graf i figur 4.42, at kontraktionen er startet omkring samples inde i målingen, men på den del af signalet, der er forstørret på den nederste graf, ses det, at der er aktivitet før den egentlige kontraktion begynder. Ved efterprøvelse af bitshifting med fire (svarende til division med 16), minimeres denne aktivitet, og det er derfor valgt at implementere dette. I figur 4.43 ses det samme signal som i figur 4.42, men bitshiftet fire gange før kvadrering. Side 58 af 113

67 Kapitel 4: Systemudvikling Figur 4.43: Test af kvadreringen efter signalet er bitshiftet fire gange. På den øverste graf ses det normaliserede og filtrerede signal, og nederst ses dette signal bitshiftet fire gange og kvadreret. Bemærk: Signalet der er anvendt indeholder både relaksation og kontraktion, og at y-akserne ikke har samme værdier. Da kvadreringen også skal fungere ved en isometrisk kontraktion, testes dette også, se figur Figur 4.44: Test af kvadreringen efter signalet er bitshiftet fire gange. På den øverste graf ses det normaliserede og filtrerede signal og nederst ses dette signal bitshiftet fire gange og kvadreret. Bemærk: Signalet der anvendes er en isometrisk kontraktion, og at y-akserne ikke har samme værdier. Som det fremgår af figurerne virker kvadreringen, med et input bitshiftet fire gange, efter hensigten, da der ikke forekommer negative værdier. Side 59 af 113

68 Kapitel 4: Systemudvikling Løbende gennemsnit Der benyttes et filtreret og kvadreret signal, henholdsvis for isometrisk kontraktion og relaksation og kontraktion til denne test. Der forventes et mere lavfrekvent signal. I figur 4.45 ses signalet efter det løbende gennemsnit er implementeret, ved isometrisk kontraktion (nederst) og det kvadrerede signal (øverst). Figur 4.45: Test af det løbende gennemsnit på en isometrisk kontraktion. På den øverste graf ses det normaliserede, filtrerede og kvadrede signal og nederst ses dette efter der er indført løbende gennemsnit. Det ses, at signalet ikke kan komme under værdien 63, hvilket skyldes heltalsmatematik. Bemærk: Signalet der her er anvendt er isometrisk kontraktion, og at y-akserne ikke har samme værdier. På figur 4.45 ses det, at signalet ikke kan få en lavere værdi end 63. Dette skyldes, at der på MSP en altid rundes ned, da der laves matematik udelukkende med heltal. Hvis den nye sample er under 64, lægges der således ikke noget til signalet. Hvis der ikke lægges noget til signalet og gennemsnittet er på 64, trækkes der 1 (64 delt med 64) fra signalet og det nye gennemsnit bliver 63. Gentages dette bliver forglemmelselfaktoren mindre end 1 og rundes derfor ned til 0, hvorved der ikke trækkes noget fra signalet, og det nye gennemsnit ligeledes får værdien 63. Dette er illustreret i følgende ligning med en ny værdi på 62 og et gennemsnit (GNS) på 63: GNS = GNS + ny værdi fornyelsesfaktor GNS forglemmelselsfaktor = (4.34) = , , = Med heltalsmatematik bliver decimaltallene til 0, og gennemsnit bliver derfor lig gennemsnit, og ændrer sig ikke yderligere. Denne problematik løses ved at indføre en ekstra forglemmelsesfaktor på -1. Dette illustreres i figur Side 60 af 113

69 Kapitel 4: Systemudvikling Figur 4.46: Test af det løbende gennemsnit efter korrektioner af funktionen. På den øverste graf ses det normaliserede, filtrerede og kvadrede signal og nederst ses dette signal efter der er indført løbende gennemsnit. Det ses, at signalet nu kan få værdien 0. Bemærk: Signalet der her er anvendt er isometrisk kontraktion, og at y-akserne ikke har samme værdier. Der laves korrektioner af fornyelses- og forglemmelsesfaktoren, så egenskaberne for funktionen ændres til at have en lavpaslignende karakteristik. Ændringen har til formål at få signalet til at svinge med en sådan hastighed, at det bliver muligt, at sammenligne signalet med en tærskel. På figur 4.46 ses det, at signalet rammer 0 hyppigt, hvilket ikke er repræsentativt for en isometrisk kontraktion, hvor der ses muskelsignal konstant. Dette gør, at fornyelses- og forglemmelsesfaktorene skal korrigeres. Den nye fornyelsesfaktor bitshiftes tre gange (svarende til division med otte) og forglemmelsesfaktoren bitshiftes syv gange (svarende til division med 128). Disse korrektioner fremgår af figur 4.47 og Side 61 af 113

70 Kapitel 4: Systemudvikling Figur 4.47: Test af det løbende gennemsnit efter yderligere korrektioner af funktionen. På den øverste graf ses det normaliserede, filtrerede og kvadrede signal og nederst ses dette signal efter der er indført løbende gennemsnit med en fornyelsesfaktor, der er bitshiftet tre gange, og en forglemmelsesfaktor, der er bitshiftet syv gange. Bemærk: Signalet der anvendes er en isometrisk kontraktion, og at y-akserne ikke har samme værdier. Figur 4.48: Test af det løbende gennemsnit efter yderligere korrektioner af funktionen. På den øverste graf ses det normaliserede, filtrerede og kvadrede signal og nederst ses signalet efter, der er indført løbende gennemsnit med en fornyelsesfaktor, der er bitshiftet tre gange, og en forglemmelsesfaktor, der er bitshiftet syv gange. Bemærk: Signalet, der her er anvendt, indeholder både relaksation og kontraktion, og at y-akserne ikke har samme værdier. I de nederste grafer i figur 4.47 og 4.48 ses det, at signalet har en karakteristik, hvor der kan indsættes en tærskel. Side 62 af 113

71 Kapitel 4: Systemudvikling Sammenligning af signal og tærskelværdi Funktionen, der sammenligner signalet med den fastsatte tærskelværdi, blev testet ved, at der blev sendt et kendt signal ind i ED fra en funktionsgenerator. Signalet havde en frekvens på 120 Hz, et offset på 1,5 V og 0,5 V peak-to-peak, og blev sendt ind i et sweep varende 240 cyklusser, svarende til 2 sekunder. En port på MSP en blev sat til at generere output, når signalet oversteg tærsklen (prædefineret til 10) og stoppe igen, når signalet var under. Det forventes, at systemet generere output, når signalet induceres og ingen ting, når det er færdigt. Data blev opsamlet med et oscilloskop fra den kanal, der genererede output og kan ses i figur Figur 4.49: Test af sammenligning af signal og tærskelværdi. Tærsklen er prædefineret til 10, og det ses, at outputtet er længere end det inducerede signal, hvilket kan skyldes, at signalet behandles med et løbende gennemsnit, der bevirker, at der er en forglemmelselsfaktor. Forglemmelsesfaktoren bevirker, at det tager tid fra, at induceringen af signal afsluttes til outputtet falder tilsvarende. Outputtet varede 2,3983 sekunder. Det var forventet, at signalet var over tærsklen i 2 sekunder. På figur 4.49 ses det, at signalet er over tærsklen i længere tid. Ved at finde tidspunktet til første og sidste toppunkt, der hvor der genereres output bestemmes den præcise tid til 2,3983 sekunder. Da forsinkelsen skyldes forglemmelsesfaktoren accepteres resultatet. Det blev desuden observeret, at den røde diode var tændt i samtlige sekunder, der blev produceret output Hastighed Algoritmens hastighed blev testet for at verificere, at hele koden når at blive eksekveret inden, der modtages et nyt interrupt fra ADC en. ADC en sampler, som testet tidligere, med Hz, og algoritme koden må derfor maksimalt vare 0,999 ms. Det forventes, at hastigheden på algoritmen er væsentligt under 0,999 ms, da algoritmen ikke indeholder unødigt beregningstunge funktioner. Dette testes ved, at der genereres et output på en af de analoge porte, når ADC en laver et interupt. Outputtet slukkes igen, når algoritmen er færdig. Resultatet kan ses i figur 4.50, hvor det fremgår, at outputtet slukkes efter ca. 0,150 ms (aflæst fra udsnittet af grafen i øverste højre hjørne). Side 63 af 113

72 Kapitel 4: Systemudvikling Figur 4.50: Test af hvor hurtigt algoritmen bliver eksekveret: Når kurven stiger momentant tændes output, når kurven falder igen efter perioden med højfrekvente svingninger, slukkes outputtet. Bemærk: I grafen er der zoomet på et udsnit for at illustrere varigheden af algoritmen. Testen viser, at algoritmen tager ca. 0,150 ms, svarende til, at algoritmen kan køres 6 hele gange, inden for samplingshastigheden. Dette er tilstrækkeligt til systemet Kalibrering Test af kalibreringen udføres ved at inducere et 120 Hz signal med 0,5 V peak-to-peak og 1,5 V offset ved brug af en funktionsgenerator. Der måles på den ene kanal, mens den anden kobles til jord. Det forventes, at tærsklen ender på 45 % af signalet, der sendes tilbage. Signalet kan ses på figur Figur 4.51: Det funktionsgenererede signal vist i GUI ens graf. Det ses, at signalet ligger omkring 510, med små svingninger, samt kanalen der er jordet er nul. Det blev observeret, at når der ikke blev induceret signal, kom der periodiske spikes igennem i størrelsesordenen under 10. Derfor ændres koden således, at hvis en tærskel bliver udregnet til at være under 10, sættes den automatisk til 10. Signalet induceres igen, og trykknappen aktiveres, og koden kører, til tærsklen er fastsat. Der sættes breakpoints i koden, således at kodeafviklingen stopper, når kalibreringsfunktionen er udført. Formålet med at stoppe kodeafviklingen er, at variable værdier ikke kan aflæses, når koden kører. Side 64 af 113

73 Kapitel 4: Systemudvikling På figur 4.52 kan det ses, at værdierne der bliver sendt til AP er endt på 511 og 0, samt tærskler på 229 og 10 (denne er altså endt på 10 eller derunder). Figur 4.52: Udsnit af værdier i MSP ens RAM. Til venstre ses variabelnavnet og til højre ses værdien tilskrevet variablen. De interessante variabler er markeret i den røde firkant, og det ses, at det, der sendes tilbage (send_back) er på henholdsvis 511 og 0, mens tærsklerne (threshold) er på 229 og 10. Som beskrevet i afsnit Kalibrering, side 45, findes tærsklen ved at multiplicere med 9 og dividere med 20, svarende til 45 %: tærskel = løbende gennemsnit 9 20 = = 229,95 (4.35) Variablerne er initialiserede som signed int, så de kan antage positive og negative heltal. Ved at foretage beregninger på heltal skæres eventuelle decimaler væk, således at resultatet fra formel 4.35, 229,95, bliver 229. På baggrund af ovenstående resultater, bliver tærsklerne korrekt udregnet som 45 % af gennemsnittet Access Point: Resultater På AP testes radiokommunikationen ved hjælp af ED, for at undersøge, om der mistes signal under overførslen. Desuden testes den fastsatte baudrate, for at sikre, at overførsel mellem AP og PC fungerer Radiokommunikation Radiokommunikationen blev testet ved en undersøgelse af antallet af tabte pakker over fire forskellige afstande. Afstandene blev målt med et målebånd, og der var fri luft mellem ED og AP. Der kan have været andet elektronisk udstyr i de omkringliggende rum. Det forventes at pakketabet er minimalt. På ED blev der implementeret en counter, som talte en op, hver gang der blev sendt en pakke via radioen og på samme måde blev der implementeret en counter på AP, som talte en op, hver gang, der blev modtaget en pakke. På denne måde kunne antallet af sendte og modtagede pakker sammenlignes, og antallet af mistede pakker samt det procentvise pakketab kunne beregnes. De anvendte afstande samt tilhørende resultater fremgår af tabel 4.1. Tabel 4.1: Test af radiokommunikation. I tabellen ses antallet af sendte og modtagede pakker samt det procentvise pakketab over fire afstande. Afstand Sendte pakker Modtagede pakker Pakketab i % 1 m ,05 % 3 m ,35 % 5 m ,57 % 7 m ,00 % Der er ikke testet over større afstande end 7 m, da den maksimale afstand til systemet vurderes til 5 m, hvis der ønskes feedback samtidig med træningen. I tabellen ses det, at der stort set ingen pakker mistes over de korte afstande, og at der over de længere afstande mistes forholdsvist få pakker. Det procentvise pakketab er så lille, at det ikke får nogen betydning for systemets funktionalitet og radiokommunikationen virker derfor efter hensigten. Side 65 af 113

74 Kapitel 4: Systemudvikling Overførsel fra Access Point til computer Overførsel mellem AP og PC testes, for at skire at dét AP sender også er det PC modtager og omvendt. Dette gøres via programmet RealTerm, som kan indstilles til at sende tegn via UART til AP med en bestemt baudrate. Baseret på hvilke tegn, der sendes og modtages via RealTerm, skal AP udføre bestemte funktioner. I testen er AP opsat specielt til dette formål, så den sender alle tegn, den modtager, tilbage. På denne måde testes både kommunikation til og fra PC. Det forventes, at hvis baudraterne er ens, så bliver tegnene korrekt præsenteret. I figur 4.53 ses et skærmbillede af RealTerm-programmet under testen. Til testen sendes strengen This Is A Test Of Baud Rate ét tegn efter hinanden. RealTerm viser ikke eksplicit, hvad der sendes, men kun hvad der modtages på porten. Som figur 4.53 viser, sender AP det samme tegn til PC, som oprindeligt blev sendt til AP. Derfor kan det konkluderes, at opsætningen af Baud på AP er korrekt. Figur 4.53: Test af Baud via programmet RealTerm. Strengen This Is A Test Of Baud Rate blev sendt fra computeren til AP, der er opsat til at sende alle tegn direkte tilbage. I RealTerm vises tegn, som modtages på porten. Da den sendte og modtagne streng er identiske, konkluderes det, at Baud er korrekt opsat. 4.7 Systemtest Introduktion Formålet med systemtesten er at lave en samlet test af hele systemet. En forsøgsperson kobles derfor til det analoge system med elektroder, og det opsamlede EMG-signal behandles på ED, hvorefter det sendes trådløst via radioen til AP. Endeligt inkluderes den grafiske brugergrænseflade også i testen. Det undersøges om kalibreringen virker efter hensigten, og om uhensigtsmæssige bevægelser bliver detekteret efter fastsættelsen af tærsklen. Desuden laves der en undersøgelse af, om hensigtsmæssige bevægelser af systemet fejlagtigt kan blive vurderet som værende uhensigtsmæssige. Opsummeret er formålet med den samlede systemtest følgende: Test af alle komponenter i sammenhæng Kalibrering af tærskel Vurdering af systemets nøjagtighed Side 66 af 113

75 Kapitel 4: Systemudvikling Metode Testen blev afholdt af en forsøgsleder og en observatør med en rask, kvindelig forsøgsperson på 24 år. Forsøgslederen placerede elektroder på deltoideus og trapezius samt en referenceelektrode på acromion på forsøgspersonen (for mere præcis placering se figur D.2 i appendiks D.2 Metode, side 91). Derefter blev forsøget initieret ved indstilling af tærskelværdien ved hjælp af kalibreringsfunktionen. Forsøgspersonen blev under kalibreringen bedt om at udføre kontraktion i trapezius og deltoideus i tre sekunder, ved at abducere humerus til cirka 90, fleksere albuen og lave retraktion af scapula, så albuen pegede cirka bagud, se figur Kalibreringsfunktionen blev aktiveret af forsøgslederen vha. trykknappen på ED og forsøgspersonen fastholdt den isometriske kontraktion til forsøgslederen havde observeret, at dioderne på ED blev slukket. PC med AP var placeret, så forsøgspersonen ikke havde mulighed for at se PC ens skærm. Forsøgslederen sad ved PC en og observerede GUI en, håndterede data og sammenlignede den udførte bevægelse med aktiviteten i GUI en, samt EDs dioder. Forsøgspersonen var placeret på en stol uden ryglæn foran et bord og blev af forsøgslederen instrueret i at udføre de hensigtsmæssige og uhensigtsmæssige bevægelser, som fremgår af tabel 4.2 nedenfor. Figur 4.54: Illustrering af bevægelsen under kalibrering. Hver øvelse blev gentaget tre gange med cirka ti sekunders mellemrum. Øvelserne er udformet med reelle rehabiliteringsøvelser som inspiration. Flere rehabiliteringsafdelinger har ABCkonceptet som referenceramme (Affolter: der trænes med dagligdags gøremål med henblik på selvstændighed, Bobath: fokus på stimulering af kroppens normale bevægemuskler, Coombs: opmærksomhed rettes mod ansigt, mund og svælg) og i valget af øvelser, er der lagt vægt på de to første, da disse læner sig op af målet med systemet. [Wæhrens et al., 2006] Desuden bruges et træningsprogram fra Regionshospitalet Randers (se: Regionshospitalet Randers Fysioterapien [2012]). Side 67 af 113

76 Kapitel 4: Systemudvikling Tabel 4.2: Tre øvelser blev udført under forsøget, i både en hensigtsmæssig og uhensigtsmæssig form. Øvelse Hensigtsmæssig Uhensigtsmæssig 1 Et lod på 300 g blev flyttet fra et punkt (A) til et andet punkt (B) på bordet, i det sagitale plan. Punkt A blev fastsat således, at det lå ud for skulderen i den højre side, i underarmens længde og det samme for punkt B, men ud for venstre skulder. Loddet blev flyttet fra A til B, og derefter tilbage fra B til A. Bevægelsen fra punkt A til B og retur tælles som én gentagelse. Fleksionsvinklen i albuen blev holdt på ca. 90. Humerus blev holdt adduceret i bevægelsen, så bevægelsen kunne foregå umiddelbart over bordpladen. Se figur Der blev taget udgangspunkt i den hensigtsmæssige bevægelse, men humerus blev abduceret under bevægelsen, så bevægelsen foregik i en bue over bordpladen, som svarede til at loddet nåede op til underkanten af forsøgspersonens thorax. 2 Der blev lavet cirkelbevægelser på en bordplade. Cirklen havde en diameter på centimeter. Bevægelsen blev startet med hånden placeret ud fra skulderen, albuen flekseret til 90 og humerus adduceret. Under hånden blev der placeret en klud for at mindske friktion med bordpladen. Cirkelbevægelsen blev lavet mod uret og albuen forblev flekseret. Se figur Der blev løftet en kop fra bordet og op til munden. Bevægelsen startede med hånden placeret ud for skulderen og albuen flekseret til 90. Herefter blev armen bevæget i en diagonal linje op, samtidig med at albuen var flekseret yderligere til koppen var ved munden, hvorefter den blev sænket tilbage og placeret på bordet. Se figur Der blev taget udgangspunkt i den hensigtsmæssige bevægelse, men humerus blev abduceret til ca og skulderen eleveret. Der blev taget udgangspunkt i den hensigtsmæssige bevægelse, men skulderen blev eleveret og humerus blev abduceret, så abduktionsvinklen var Side 68 af 113

77 Kapitel 4: Systemudvikling Figur 4.55: Figuren viser den hensigtsmæssige udgave af 1. bevægelse, flytning af lod. Figur 4.56: Figuren viser den hensigtsmæssige udgave af 2. bevægelse, cirkelbevægelse. Figur 4.57: Figuren viser den hensigtsmæssige udgave af 3. bevægelse, drikkebevægelse. Databehandling laves via beregninger af systemets nøjagtighed ved hjælp af formlerne i tabel 4.3 nedenfor, som samlet kaldes Confusion Matrix. Tabellen indeholder det udførte antal af hensigtmæssige og uhensigtmæssige bevægelser samt hvor mange bevægelser, der blev detekteret og hvor mange, der ikke blev detekteret. Disse observationer er i tabellen benævnt med bogstaverne fra a til d. I tabellen beregnes følgende statistiske værdier: [Sayad, 2014] PPV (Positive Predictive Value, præcision): Forholdet mellem antallet af udførte uhensigtsmæssige bevægelser, der blev detekteret korrekt og det samlede antal af detekterede, uhensigtsmæssige bevægelser NPV (Negative Predictive Value): Forholdet mellem antallet af korrekt udførte hensigtsmæssige bevægelser og det samlede antal af detekterede, hensigtsmæssige bevægelser Sensitivitet: Forholdet mellem antallet af korrekt detekterede uhensigtsmæssige bevægelser og det samlede antal af udførte uhensigtsmæssige bevægelser Specificitet: Forholdet mellem antallet af korrekt detekterede hensigtsmæssige bevægelser, der var hensigtsmæssigt udført, og det samlede antal af udførte hensigtsmæssige bevægelser Nøjagtighed: Forholdet mellem antallet af bevægelser, der blev korrekt detekteret og det samlede antal af bevægelser Tabel 4.3: Tabellen viser, hvordan PPV, NPV, sensitivitet, specificitet og nøjagtighed beregnes. [Sayad, 2014] Bemærk: En korrekt detekteret hensigtmæssig bevægelse er en hensigtsmæssig bevægelse, der ikke blev detekteret. Udført Detekteret som Uhensigtmæssig Hensigtsmæssig Uhensigtmæssig a b PPV a/(a+b) Hensigtmæssig c d NPV d/(c+d) Sensitivitet Specificitet Nøjagtighed a/(a+c) d/(b+d) = (a+d)/(a+b+c+d) Side 69 af 113

78 Kapitel 4: Systemudvikling Resultater Resultaterne fra den samlede test præsenteres i tabel 4.4. Herefter vil disse blive behandlet med en Confusion Matrix og dets formler (PPV, NPV, specificitet, sensitivitet og nøjagtighed. Se evt. tabel 4.3 i afsnit Metode, side 67.) Ved præsentation af data fra deltoideus alene, vises hver enkelte beregning, hvorefter de færdige matricer blot præsenteres for trapezius og begge muskler sammen. Tabel 4.4: Tabellen viser resultaterne fra den samlede test. Hver øvelse og antallet af uhensigtsmæssige og hensigtsmæssige bevægelser (i følge systemet) ses i kolonnerne. Uhensigtsmæssige (deltoideus/trapezius) Hensigtsmæssige (deltoideus/trapezius) Øvelse 1 4/3 3/3 Øvelse 2 0/2 3/3 Øvelse 3 2/3 3/0 Beregningerne for dataene i tabel 4.5 er lavet på følgende måde: Systemets PPV (præcision) udregnes som forholdet mellem antallet af korrekte detektioner af uhensigtsmæssige bevægelser og det samlede antal uhensigtsmæssige bevægelser, der er detekteret. P P V = % = 100 % (4.36) Systemets NPV udregnes som forholdet mellem korrekt detektion (ingen detektion med dette system) af hensigtsmæssige bevægelser og det samlede antal af bevægelser, der ikke blev detekteret. NP V = % = 69 % (4.37) Sensitivitet er systemets evne til korrekt at detektere uhensigtsmæssige bevægelser, når de forekommer. Systemet har gjort dette seks gange og fire gange registreret en uhensigtsmæssig bevægelse som værende hensigtsmæssig. Sensitivitet = % = 60 % (4.38) Specificitet er systemets evne til korrekt at detektere hensigtsmæssige bevægelser, når de forekommer. I dette tilfælde ses ingen detektion med det udviklede system. Systemet har gjort dette ni gange og nul gange registreret en hensigtsmæssig bevægelse, som værende uhensigtsmæssig. Specificitet = % = 100 % (4.39) Systemets nøjagtighed beregnes som det samlede antal af korrekt detekterede bevægelser (dvs. antallet af uhensigtsmæssige bevægelser, der detekteres og antallet af hensigtmæssige bevægelser, der ikke detekteres) divideret med det totale antal gentagelser: Nøjagtighed = % = 79 % (4.40) Side 70 af 113

79 Kapitel 4: Systemudvikling Tabel 4.5: Forsøgets databehandling - Deltoideus. Bemærk: Summen af oberserveringerne giver 19. Der blev udført 18 øvelser, den ekstra observering skyldes, at en af de uhensigtmæssige bevægelser blev detekteret to gange. Udført Detekteret som Uhensigtmæssige Hensigtsmæssige Uhensigtmæssige 6 0 PPV 100 % Hensigtmæssige 4 9 NPV 69 % Sensitivitet Specificitet Nøjagtighed 60 % 100 % 79 % Herefter præsenteres resultaterne i tabel 4.6 for systemet ud fra de data, der blev opsamlet fra trapezius. Tabel 4.6: Forsøgets databehandling - Trapezius. Udført Detekteret som Uhensigtmæssige Hensigtsmæssige Uhensigtmæssige 8 3 PPV 73 % Hensigtmæssige 1 6 NPV 86 % Sensitivitet Specificitet Nøjagtighed 89 % 67 % 78 % I tabel 4.7 ses systemets samlede resultater, hvilket vil sige at både data fra trapezius og deltoideus er medtaget. Tabel 4.7: Forsøgets databehandling - Samlet. Bemærk: Summen af oberserveringerne giver 37. Der blev udført 18 øvelser og da der måles på to muskler, giver dette 36. Den ekstra observering skyldes, at en af de uhensigtmæssige bevægelser blev detekteret to gange. Udført Detekteret som Uhensigtmæssige Hensigtsmæssige Uhensigtmæssige 14 3 PPV 82 % Hensigtmæssige 5 15 NPV 75 % Sensitivitet Specificitet Nøjagtighed 74 % 83 % 78 % I de foregående tabeller ses, at nøjagtigheden er meget ens (78 % og 79 %). Dog varierer systemets specificitet og sensitivitet afhængigt af, hvilken data, der medtages, og dermed er funktionaliteten forskellig på de to muskler. For deltoideus er sensitiviteten 60 % og specificiteten 100 %, i modsætning til trapezius som er hhv. 89 % og 67 %. Samlet set har systemet en nøjagtighed på 78 % med en sensitivitet og specificitet på hhv. 74 % og 83 %. Side 71 af 113

80

81 Kapitel 5 Syntese 5.1 Diskussion Analogt system Det analoge system opfyldte de overordnede krav (se evt. afsnit Analoge krav, side 21) omkring opsamling af signal, forstærkning, filtrering, offset og sikring af MSP en. Der blev implementeret et digitalt filter for yderligere at filtrere 50 Hz støj. Alternativt kunne der have været implementeret et analogt notch-filter, men dette blev fravalgt for at simplificere den analoge del af systemet. På baggrund af den analoge filtrering (se evt. figur 4.12 og 4.13, side 32), blev der fastsat en samplingsfrekvens på Hz. Det er muligt, at knækfrekvensen på filteret kunne være sat lavere uden dæmpning af væsentlige dele af signalet, for derved at kunne sænke samplingsfrekvensen. Det analoge system havde et offset på 1,5 V mod et forventet offset på 1,65 V. Dette skyldes ikke, at det er et selvjusterende offset, da den maksimale værdi der blev målt var 3,23 V og derfor kan der som minimum forventes et offset på 1,615 V. Det lavere offset kan i stedet være forårsaget af et negativt offset i en eller flere af de øvrige blokke eller det kan skyldes tolerance i de anvendte komponenter. Dette har dog ingen praktisk effekt, medmindre signaler klippes, da differentiatorfilteret fjerner offset. Der blev observeret mere støj på målingerne fra trapezius end for deltoideus (se evt. figur 4.14, side 33), hvilket underbygges af, at signal-to-noise ratio var lavere for trapezius. Ved at bytte kablerne blev det bekræftet, at forskellen ikke havde med de analoge systemer at gøre, da støjen stadig viste sig på målingen fra trapezius. Dette blev fundet for alle forsøgspersonerne under pilotforsøget. Det blev derfor konkluderet, at trapezius pars ascendens ikke var hensigtsmæssig til dette formål, da der er mange omkringliggende muskler, som kan resultere i crosstalk (se appendiks B.1 Crosstalk, side 86) Digitalt system Differentiatorfilteret er designet til at dæmpe 50 Hz og alle spejlinger af denne frekvens. 50 Hz blev valgt, da der sås et spike ved denne frekvens pga. støj fra elnettet (se evt. 4.12, 32). Et alternativ til differentiatorfilteret kunne være et digitalt notch-filter, men for at opnå samme høje dæmpning, ville et filter af en høj orden være nødvendig. Høje filterordener medfører mange filterkoefficienter og dermed mange additioner og multiplikationer, hvilket betyder, at filteret ville bruge flere clockcycles. Endvidere er mange filterkoefficienter kommatal, og da der anvendes heltal på MSP en, ville det kræve mange afrundinger eller yderligere gøre filtrering mere kompliceret. [Hüche, 1996] Differentiatorfilteret dæmper 0 Hz (spejling af 50 Hz), som gør, at offset i systemet minimeres. Desuden fandtes, at 50 Hz var dæmpet tilstrækkeligt i differentiatorfilteret, og der var ikke brug for yderligere filtrering (se evt. 4.41, side 57). Beregninger viste, at det havde været nok at bitshifte signalet fra differentiatorfilteret tre gange for at undgå numerisk overflow mod de fire der blev implementeret. Hvis bitshifting kun var lavet tre gange, ville signalet have fået højere værdier, og det ville blive nødvendigt at bitshifte flere gange senere i behandlingen af signalet, end der er gjort i det nuværende system. Et bitshift mindre ville betyde, at mere af signalet blev bevaret. Det ekstra bitshift blev implementeret, da det kun er høj muskelaktivitet, der ønskes detekteret, og det, der mistes, er derfor uden betydning for systemet. Ydermere fandtes, at der var støjværdier efter tre gange Side 73 af 113

82 Kapitel 5: Syntese bitshift, som blev fejlfortolket som muskelkontraktion. Efter fire gange bitshift var disse mindsket (se hhv. figur 4.42, side 58, og figur 4.43, side 59). I det løbende gennemsnit kunne der have været valgt andre fornyelses- og forglemmelsesfaktorer. Faktorernes størrelse har indflydelse på lavpasfiltreringens effekt, og det er en vurderingssag, hvor meget signalet skal filtreres. Det fandtes i test af det digitale system, at hhv. 1 8 og var passende fornyelses- og forglemmelsesfaktorer. Test af sammenligning med tærskelværdien blev kun udført med et signal med konstant frekvens og amplitudespænd. Testen viste, at signalet er over tærsklen i længere tid, end der blev sendt signal. Dette skyldes sandsynligvis forglemmelsesfaktoren, der gør, at signalet ikke falder lige så pludseligt, som signalkilden i testen. Den praktiske betydning af dette vurderes ikke at have indflydelse på brugen af systemet, da det kun drejede sig om 0,39 sekunder ekstra (se evt. figur 4.49, 63). Yderligere test kunne laves med et varierende signal, som oscillerer over og under tærsklen. Under test af algoritmens hastighed, blev det ikke undersøgt, hvilken betydning et fald i batteriforsyningens spænding har. Når forsyningsspændingen falder, sænkes CPU ens clockfrekvens, hvilket medfører, at algoritmen udføres langsommere. Dermed er der en risiko for, at CPU en ikke vil kunne nå at udføre algoritmen inden for tidsrammen. Da den målte tid for algoritmen var cirka 0,15 ms og den maksimalt må tage 0,99 ms, kan CPU en nå at beregne algoritmen med kun en fjerdedel af den nuværende clockfrekvens. I systemet bruges en spændingsforsyning som leverer 3,3 V indtil dette fysisk ikke kan lade sig gøre længere, hvorefter ingenting leveres, så sænket clockfrekvens vil ikke forekomme. Tærsklen beregnes ved, at der tages 45 % af den sidste værdi i det løbende gennemsnit i perioden på tre sekunder. Hvis brugeren ikke laver en isometrisk kontraktion, vil den sidste værdi ikke nødvendigvis være repræsentativ for hele signalet. Beregning af et gennemsnit vil påvirkes mindre af dette. Grunden til at et samlet gennemsnit ikke blev implementeret var problematikken med numerisk overflow, som afhjælpes ved bitshifts af samtlige sampleværdier, hvilket giver afrundingsfejl. Tærsklen for løbende gennemsnit tilsvarer ikke nødvendigvis en tærskel for gennemsnittet, som gør, at tærsklen ikke nødvendigvis er sammenlignelig med signalet, hvis den laves på gennemsnittet. En ændring af kalibreringsfunktionen kunne være, hvis tærsklen kunne gemmes i flash hukommelsen, så brugeren ikke før hver eneste træning skal indstille en ny tærskel og derved udføre den uhensigtsmæssige bevægelse, kalibreringen kræver. Kalibrering kunne i stedet ske med jævne mellemrum. Fordelen ved at systemet kalibreres hver gang er, at tærsklen er indstillet efter kroppens aktuelle tilstand, eksempelvis musklens udtrætningsgrad, neural aktivitet og gradvis ændring af anatomisk karakteristika, såsom vævslag og muskelfibre. Testen af radiokommunikation kunne være udvidet, eksempelvis kommunikation mellem forskellige rum og under påvirkning af andre End Devices. Dette blev ikke gjort, da sikkerheden i simpliciti-protokollen vurderes at være tilstrækkelig til dette formål. Desuden fandtes for begge mulige problematikker, at de havde mindsket relevans ift. dette projekts faglige fokus Systemtest Den samlede test blev udført med én forsøgsperson. Forsøgspersonen var en 24-årig, rask kvinde, som derfor ikke er repræsentativ for systemets forventede brugere. Ved kun at teste systemet på én forsøgsperson, fås et meget smalt statistisk grundlag for at vurdere systemets funktionalitet. Endvidere kan valget af øvelser have betydning for testens resultater. Mange rehabiliteringsafdelinger tager udgangspunkt i ABC-konceptet (se afsnit Metode, side 67), der bl.a. har fokus på selvstændighed og dagligdagens gøremål, hvilket også er brugt i valget af øvelser til den samlede test af systemet. De uhensigtsmæssige bevægelser er defineret på baggrund af litteraturen (se afsnit Skulderproblemer som følge af apopleksi, side 9). Valget af øvelser kunne eksempelvis understøttes af interviews med terapeuter og deltagelse i træningssessioner. Forsøget varede i alt 20 minutter, hvoraf størstedelen af tiden var pauser imellem øvelserne. Effektiv bevægelsestid var i omegnen af fem minutter, og det er dermed ikke testet, om udtrætning har indflydelse på tærsklens værdi. Der kan muligvis være behov for, at tærsklen tager Side 74 af 113

83 Kapitel 5: Syntese hensyn til udtrætning, køn, alder og fysisk formåen (se evt. appendiks B Elektromyografi, side 85). Under udførelsen af forsøget, var forsøgspersonen iført tøj, der blottede elektrodeplaceringsstederne. Havde dette ikke være tilfældet, kunne tøjet muligvis skabe 0 Hz støj i systemet. I praksis vil det være uhensigtsmæssigt, hvis det er nødvendigt, at systemet stiller krav til brugerens påklædning. GUI en, som benyttes under testen, opdaterer kun pindedigrammet, når en uhensigtsmæssig bevægelse varer længere end ét sekund. Denne tidsperiode er sat, for at modvirke at GUI en opdaterer pindediagrammet og optælling med meget korte perioder, hvis signalet svinger omkring tærskelværdien. Det er muligt, at en anden tidsperiode er mere hensigtsmæssig. Foruden førnævnte tidsperiode, kunne der implementeres et yderligere krav til, hvornår pindediagrammet opdateres, nemlig at signalet skal være under tærskelværdien i en vis periode, før en ny uhensigtsmæssig bevægelse kan optælles. Dette vil medføre, at systemet ikke laver flere optællinger under én sammenhængende bevægelse, som skete i øvelse 1 for deltoideus (se evt. tabel 4.4, side 70). Alternativt kunne tidsperioderne have været implementeret som et krav til End Device, før den starter/stopper med at sende data, hvormed End Device ville være mere strømbesparende, da mindre mængder data sendes. Resultaterne af systemtesten afhænger af, hvorvidt data fra trapezius eller deltoideus behandles. Dette vil sige, at der er forskel på systemets funktionalitet mellem de to muskler, hvilket kan skyldes valget af øvelser eller de specifikke musklers brugbarhed. Systemet er behandlet med Confusion Matrix, hvori sensitivitet og specificitet lægger sig til øvelsernes resultat, i modsætning til Positive- og Negative Predicte Value, der lægger sig til systemets resultater. I systemet vurderes en høj sensitivitet at være vigtigere end en høj specificitet. En lav sensitivitet vil kunne medføre, at brugeren tror, at de udførte bevægelser er korrekte og dermed risikeres det, at der udvikles dårlige vaner, som kan være svære at komme af med. En lav specificitet medfører, at brugeren får feedback, når der udføres korrekte bevægelser. Dette er dog mindre alvorligt, da det blot betyder, at brugeren bliver mere forsigtig i udførslen af øvelserne, og eventuelle tvivlsspørgsmål vil efterfølgende kunne afklares med terapeuten. Samlet havde systemet en sensitivitet på 74 %, hvilket vil sige, at 26 % af den uhensigtsmæssige bevægelser ikke blev detekteret. Specificiteten var 83 %, hvilket vil sige, at 17 % af de hensigtsmæssige bevægelser blev detekteret som uhensigtsmæssige. I systemet vurderes en høj Positive Prediction Value at være vigtigere end Negative Predictive Value, da høj forsigtighed foretrækkes frem for manglende detektering af uhensigtsmæssige bevægelser. Positive Predictive Value var 82 %, hvilket vil sige at systemet detekterede 18 % hensigtsmæssige bevægelser som værende uhensigtsmæssige. Negative Predictive Value var 75 %, som betyder at 25 % af de uhensigtsmæssige bevægelser ikke er blevet detekteret af systemet. Systemets afvigelser kan skyldes øvelsesvalg, muskelvalg og/eller tærskelværdiens niveau. Præcist hvilken effekt disse har haft, kræver yderligere bearbejdning at klargøre. Side 75 af 113

84 Kapitel 5: Syntese 5.2 Konklusion På landsplan opstår der årligt nye tilfælde af apopleksi, der medfører en række motoriske og sensoriske konsekvenser for den ramte. Efter et apopleksitilfælde har hjernen øgede plastiske egenskaber, som giver den bedre mulighed for at oprette nye synapseforbindelser og kommunikationsveje. I rehabiliteringsforløbets tredje fase sendes apopleksiramte hjem, og herefter foregår træning selvstændigt med tilhørende ambulante konsultationer. Nogle apopleksiramte er imidlertid i tvivl om, hvorvidt øvelserne de laver derhjemme, udføres rigtigt. Udførelsen af øvelserne kan have stor betydning for progressionen i den apopleksiramtes tilstand. Op til 40 % af apopleksiramte oplever skuldersmerter, som kan udvikle sig over tid pga. kompensatoriske bevægelser, der er kroppens måde at håndtere muskulære og neurale svækkelser. Det konkluderes, at de typiske årsager til smerte i skulderen er: Retraktion af scapula (trapezius pars ascendens er katalysator) og abduktion af humerus (deltoideus lateralis er katalysator). Disse bevægelser kan medføre afklemning af sener og bursa i skulderen, som potentielt set kan medføre permanente skader på nerver og en sublukseret skulder. Elektromyografi anvendes i forbindelse med rehabilitering, hvor det bl.a. benyttes til at sikre korrekte aktiveringsmønstre. Ved hjælp af tærskler kan det vurderes, om aktivitetsniveauet i en specifik muskel er hensigtsmæssigt eller uhensigtsmæssigt. Hvis signalet lagres, kan det anvendes i forbindelse med telerehabilitering, hvor brugeren udfører træningen hjemme og en terapeut kan analysere signalet efterfølgende. Der er udviklet en prototype for at besvare problemformuleringen (se evt. afsnit 2.6 Problemformulering, side 15), som består af to identiske, analoge systemer, der forstærker og filtrerer signalet. Derudover laves offset og sikring af signalets spændingsområde, før det når til mikrocontrolleren. Filtrering og forstærkning blev fastsat på baggrund af appendiks D Pilotforsøg, side 91, hvor der blev optaget EMG-signal fra trapezius pars ascendens og deltoideus lateralis. De analoge systemer blev testet med muskelsignaler fra en forsøgsperson, og der blev lavet signal-to-noise beregninger for at vurdere systemerne. Der laves digital behandling af signalet på mikrocontrolleren ez430-rf2500 MSP430F2274, som har et arbejdsområdet 0-3,6 V. Outputtet fra det analoge system samples på individuelle kanaler på mikrocontrollerens analog til digital konverter, og dataene behandles yderligere med End Device: Her laves først differentiatorfiltrering.herefter kvadreres signalet og et løbende gennemsnit laves på signalet. Ved opstart af mikrocontrolleren, skal brugeren udføre kalibrering af tærsklen, så systemets funktion gøres individuel. Når data er over tærsklen, sendes dette trådløst fra End Device til Access Point, der er forbundet til en computer. På computeren præsenteres data visuelt, og der laves optælling af kompensatoriske bevægelser, og den gennemsnitlige varighed beregnes. Yderligere er det muligt at gemme træningsresultaterne, så de er tilgængelige efter behov. Den samlede test af systemet viste, at der, som tiltænkt kunne, indstilles en tærskel for muskelsignalet, som blev bestemt ved at tage 45 % af det behandlede signal over tre sekunder. Systemet opnåede en specificitet på 83 %, samt en sensitivitet på 74 %. Afvigelserne kan skyldes muskelvalg, øvelsesvalg og/eller tærskelværdiens niveau. Samlet viste systemet sig at have en nøjagtighed på 78 % og en præcision (Positive Predictive Value) på 82 %. Det kan på denne baggrund konkluderes, at der er udviklet et EMG-baseret biofeedbacksystem, der er i stand til at detektere uhensigtsmæssige kompensatoriske bevægelser i skulderleddet. Der er behov for yderligere forsøg med flere forsøgspersoner for at validere systemets funktion. Side 76 af 113

85 Litteraturliste AAPB, Association for Applied Psychophysiology and Biofeedback AAPB. What is Biofeedback?, URL Set d Ambu, Ambu. Ambu Neuroline 720, URL patient_monitoring_and_diagnostics/product/neuroline_720-prod307.aspx. Datablad set d Aminoff, Michael J. Aminoff. Aminoff s Electrodiagnosis in Clinical Neurology. Elsevier Saunders, sixth edition, Analog Devices, Analog Devices. AD620 Low Cost Low Power Instrumentation Amplifier, Andersen, Damgaard, Forchhammer, og Iversen, Grethe Andersen, Dorte Damgaard, Hysse B. Forchhammer, og Helle K. Iversen. Apopleksi -sygdom, behandling og organisation. Munksgaard, Birk, L. Birk. Biofeedback: Behavioural medicine. Grune & Stratton, Blandford og Parr, Dick Blandford og John Parr. Introduction to Digital Signal Processing. Pearson, Boss, B. J. Boss. Pathophysiology: The biologic basic for disease in adults and children Bronzino, J.D. Bronzino. The Biomedical Engineering Handbook, volume 1. CRC Press, 2. edition, Chouinard, L. Chouinard. ADC Performance, URL analog-digital-%e2%80%93-part-6a-adc-performance. Set: Christie, Inglis, Kamen, og Gabriel, Anita Christie, J. Greig Inglis, Gary Kamen, og David A. Gabriel. Relationships between surface EMG variables and motor unit firing rates. Eur J Appl Physiol, 107, , Cirstea og Levin, M. C. Cirstea og M. F. Levin. Compensatory strategies for reaching in stroke. Brain, 123, , Cram, Jeffrey R. Cram. Cram s Introduction to Surface Electromyographic. Jones and Bartlett Publishers, Dammeyer, Gade, Gjedde, Kupers, Holm, Jensen, Klarborg, Lundbye-Jensen, Mogensen, Nielsen, Ptito, Siebner, og Uldall, J. Dammeyer, A. Gade, A. Gjedde, R. Kupers, M. M. Holm, K. Jensen, B. Klarborg, J. Lundbye-Jensen, J. Mogensen, J. B. Nielsen, M. Ptito, H. Siebner, og P. Uldall. Den plastiske hjerne. HjerneForum, Davies, Patricia M. Davies. Skridt for skridt - En vejledning i behandling af voksne hemiplegiker Dawoud og Peplow, Dawoud Shenouda Dawoud og R. Peplow. Digital System Design - Use of Microcontroller. River Publishers, De Luca, G. De Luca. Fundamental Concepts in EMG signal acquisition. Delsys, Side 77 af 113

86 LITTERATURLISTE Doidge, N. Doidge. The Brain That Changes Itself: Stories of Personal Triumph from the frontiers of brain science. Viking Penguin, Ellis-Hill, Robison, Wiles, McPherson, Hyndman, og Ashburn, C. Ellis-Hill, J. Robison, R. Wiles, K. McPherson, D. Hyndman, og A. Ashburn. Going home to get on with life: Patients and carers experiences of being discharged from hospital following a stroke. informa healthcare, Farina, Merletti, B., og Graven-Nielsen, D. Farina, R. Merletti, Indino B., og T. Graven-Nielsen. Surface EMG Crosstalk Evaluated from Experimental Recordings and Simulated Signals. Methods of Information in Medicine, 1/2004, 30 35, Fenger, Baandrup, Clausen, Græ m, og Jacobsen, C. Fenger, U. Baandrup, P.P. Clausen, Niels Græ m, og G. K. Jacobsen. Klinisk Patologi. FADL s Forlag, Good, Bettermann, og Reichwein, D. C. Good, K. Bettermann, og R. K. Reichwein. Stroke Rehabilitation. Continuum Lifelong Learning, 17:3, , Hansen, 2014a. J. Hansen. MM10 Digitale HW/SW Systemer, URL dropbox.com/s/7znfl0ingt1vw09/hwsw_mm9_2014.pdf. Set: Hansen, 2014b. J. Hansen. MM6 Digitale HW/SW Systemer, URL dropbox.com/s/1b8t9p8a91tqka4/hwsw_mm6_2014.pdf. Set: Hansen, 2014c. J. Hansen. MM7 Digitale HW/SW Systemer, URL dropbox.com/s/9d2lvs600cmv3eo/hwsw_mm7_2014.pdf. Set: Hansen, 2014d. J. Hansen. MM1 Digitale HW/SW Systemer, URL dropbox.com/s/ftfjj9solz9fwtz/hwsw_mm1_2014.pdf. Set: Holtermann, Søgaard, Christensen, Dahl, og Blangsted, A. Holtermann, K. Søgaard, H. Christensen, B. Dahl, og A.K. Blangsted. The influence of biofeedback training on trapezius activity and rest during occupational computer work: a randomized controlled trial. European Journal of Applied Physiology, 104, , Hüche, Erik Hüche. Digital Signal Behandling Hunter, I. Hunter. Physiology of the Electromyographic Signal, URL biomech.byu.edu/hunter/exsc663/chapter8.aspx. Set: Instruments, Texas Instruments. Wireless Sensor Monitor Using the ez430-rf2500, Instruments, Texas Instruments. Low-Cost Low-Power 2.4 GHz RF Transceiver, Jensen, Winnie Jensen. ST3 Elektroniske kredslï ½b Opgaver i design, implementering og test af elektroniske kredslï ½b, URL Exercises.pdf. Set: Gitte Jepsen. Fokus - Tema: Træning i eget hjem, Johansson og Wild, Tim Johansson og Claudia Wild. Telerehabilitation in stroke care - a systematic review. Journal of Telemedicine and Telecare, 17, 1 6, Joubert, Joubert, Bustos, Ware, Jackson, Harrison, og Cadilhac, Jacques Joubert, Lynette B. Joubert, Elizabeth Medeiros de Bustos, Dallas Ware, David Jackson, Terrence Harrison, og Dominique Cadilhac. Telestroke in Stroke Survivors. Cerebrovascular Diseases, 27, 28 35, Side 78 af 113

87 LITTERATURLISTE Kleim og Jones, Jeffrey A. Kleim og Theresa A. Jones. Principles of Experience- Dependent Neural Plasticity: Implications for Rehabilitation After Brain Damage. Journal of Speech, Language, and Hearing Research, 51, , Konrad, Peter Konrad. The ABC of EMG - A Practical Introduktion to Kinesiological Electromyography. Noraxon USA INC., Kugelstadt, Thomas Kugelstadt. Active Filter Design Techniques. Texas Instruments, A.V. Larsen, A.S.K Nielsen, C.M. Wollesen, M.B. Sørensen, og T. Krøgholt. Biofeedback til apopleksi - Forebyggelse og afhjælpning af kompensatoriske bevægelser vha. EMG og vibrationer, Note: ST3-projekt. Larsen, T. Larsen. Hjemmetræning af patienter med Apopleksi - en medicinsk teknologivurdering. Sundhedsstyrelsen, Center for Evaluering og Medicinsk Teknologivurdering, Laver, Schoene, Crotty, Georg, Lannin, og Sherrington, KE Laver, D Schoene, M Crotty, e S Georg, NA Lannin, og C Sherrington. Telerehabilitation services for stroke (Review). The Cochrane Library, 12, 1 46, Gustavo Litovsky. Beginning Microcontrollers with the MSP430 Tutorial, Version 4.0. Martini, Bartholomew, og Nath, Frederic H. Martini, Edwin F. Bartholomew, og Judi L. Nath. Fundamentals of Anatomy & Physiology. Pearson, MathWorks, 2014a. MathWorks. nextpow2, URL matlab/ref/nextpow2.html. MathWorks, 2014b. MathWorks. fft - fast fourier transform, URL mathworks.se/help/matlab/ref/fft.html. MathWorks, 2014c. MathWorks. rms - root-mean-square level, URL mathworks.se/help/signal/ref/rms.html. MathWorks, 2014d. MathWorks. filter - 1-D digital filter, URL se/help/matlab/ref/filter.html. MathWorks, 2014e. MathWorks. BaudRate - Specify the rate at which bits are transmitted, URL McCabe, Orishimo, McHugh, og Nicholas, A. McCabe, K. Orishimo, M. McHugh, og S. Nicholas. Surface Electromygraphic Analysis of the Lower Trapezius Muscle During Exercises Performed Below Ninety Degrees of Shoulder Elevation in Healthy Subjects. Sports Physical Therapy Section of the American Physical Therapy Association, Merletti og Parker, R. Merletti og P. Parker. Electromyography - Physiology, Engineering, and Noninvasive Applications. IEEE Press, Microsoft Developer Network, Microsoft Developer Network. Data Type Ranges, URL Moshovos, A. Moshovos. Instruction Set Architectures: Characterization, Nielsen og Bojsen-Møller, Oluf Falkenberg Nielsen og Mette Juel Bojsen-Møller. Anatomi og Fysiologi - Hånden på hjertet Nilsson og Riedel, J. Nilsson og S. Riedel. Electric circuits. Pearson, Side 79 af 113

88 LITTERATURLISTE Nordin og Frankel, Margareta Nordin og Victor H. Frankel. Basic Biomechanics of the Musculoskeletal System. Wolters Kluwer, Lippincott Wiliams & Wilkins, Oppenheim og Schafer, Alan V. Oppenheim og Ronald W. Schafer. Discrete-Time Signal Processing. Pearson, Özgünen, Çelik, og Kurdak, Kerem Tuncay Özgünen, Umut Çelik, og Sanlı Sadi Kurdak. Determination of an optimal threshold value for muscle activity detection in EMG analysis. Journal of Sports Science and Medicine, 9, , Palsetia, D. Palsetia. RISC vs. CISC, URL cit595s07/riscvscisc.pdf. Panasonic, Panasonic. Manganese Dioxide Lithium Cylindrical Batteries: Individual Specifications, Poulsgaard, February L. Poulsgaard. Hjernefunktioner og skader, URL neurokirurgi/hjernefunktioner-og-skader/. Set: Raine, Meadows, og Lynch-Ellerington, S. Raine, L. Meadows, og M. Lynch- Ellerington. Bobath Concept: Theory and Clinical Practice in Neurological Rehabilitation. Blackwell Publishing Ltd, Regionshospitalet Randers Fysioterapien. Træningsprogram for patienter med brud i skulderen (øvelser uden belastning), Februar URL Hospital/Randers/Medicinsk%20Afdeling%20M/_Pjecer%20samlet/Projekt%20Hjemmetr% C3%A6ning%20ved%20rehabilitering%20af%20apopleksipatienter.pdf. Set: Rigol, Rigol. Arb Amplitude and Impedance, URL com/acton/attachment/1579/f-0111/0/-/-/-/-/file.pdf. Sayad, S. Sayad. Model Evaluation - Classification, URL com/model_evaluation_c.htm. Set d. 7/ Schematica, Schematica. A Comparison of Passive Filters and Active Filters, URL and_passive_filters.html. Set d Schuler og Chugani, C. Schuler og M. Chugani. Digital Signal Processing. A Hand-on Approach. McGraw-Hill, Sedra og Smith, A. Sedra og K. Smith. Microelectric circuits. Oxford University Press, Sundhedsstyrelsen, 2011a. Sundhedsstyrelsen. Hjerneskaderehabilitering -en medicinsk teknologivurdering. Serienavn 2011; 13(1) Sundhedsstyrelsen, 2011b. Sundhedsstyrelsen. Forløbsdiagram for rehabilitering af voksne med erhvervet hjerneskade Sundhedsstyrelsen, Marts Sundhedsstyrelsen. Telemedicin, URL http: //sundhedsstyrelsen.dk/da/uddannelse-autorisation/autorisation/autorisation-og-pligter/ telemedicin. Set Swenson, R. S. Swenson. REVIEW OF CLINICAL AND FUNCTIONAL NEUROSCI- ENCE, Chaptor 11. Dartmouth Medical School, Tanenbaum, Andrew S. Tanenbaum. Structured Computer Organization. Pearson Education Inc., 5 edition, Side 80 af 113

89 LITTERATURLISTE Tata Institute of Fundamental Research, February Tata Institute of Fundamental Research. ADULT NEUROGENESIS: From Stem Cells to Therapies, URL Texas Instruments. MSP430x2xx Family User s Guide, Texas Instruments, Inc., Texas Instruments, Inc. Family User s Guide, 2008, Texas Instruments, Inc., Texas Instruments, Inc. Simpliciti - Application Programming Interface, Texas Instruments, Inc., Texas Instruments, Inc. Mixed Signal Microcontroller, Wæhrens, Winkel, og Jørgensen, E. Wæhrens, A. Winkel, og H. Jørgensen. Neurologi og neurorehabilitering. Munksgaard, Wæhrens, Winkel, og Gyring, Eva Wæhrens, Annette Winkel, og Jens Gyring. Neurologi og neurorehabilitering for ergoterapeuter og fysioterapeuter. Munksgaard Danmark, Webster, J. Webster. Medical Instrumentation. Application and Design. Wiley, Witting, Klamer, Dietrichs, og Johannessen, Oktober, Nanna Witting, Finn Klamer, Espen Dietrichs, og Terje Johannessen. Spasticitet, Set: Side 81 af 113

90

91 Appendiks A Skulderen A.1 Skulderleddet Skulderen dannes af knoglerne scapula og clavicula, og er forbindelse fra overekstremiteterne til torso. [Martini et al., 2012] Dette giver en del kontaktflader til andre knogler, der faciliterer bevægelse. Skulderen består af tre ægte led (synovialled, hvor knogler er forsynet med en bruskbeklædt kontaktflade, og bevægelse sker ved forskydelse af de indgående knogler) og et uægte led (har ikke brusk-beklædt kontaktflade, der forskydes ved bevægelse), der bidrager til den store fleksibilitet. De fire led er; glenohumeralleddet, acromioclaviculærleddet, sternoclaviculærleddet og den scapulothorakale ledspalte, vist i figur A.1 nedenfor. [Martini et al., 2012, Nordin og Frankel, 2012] Figur A.1: På figuren ses de fire led skulderen består af; glenohumeralleddet, acromioclaviculærleddet, sternoclavivulærleddet og den scapulathorakele ledspalte. Modificeret fra: Nordin og Frankel [2012] Glenohumeralleddet er et synovialled og dannes af scapula og humerus. Scapula består af en ledskål, hvori det kugleformede hoved på humerus (caput humeri) passer. Brusk på scapula gør leddet mere stabilt, da det danner en fordybning, så caput humeri passer i ledskålen. [Nielsen og Bojsen-Møller, 2013] Leddet fuldendes af coraco-acromial ligamentet, der forbinder acromion og processus coracoideus. [Martini et al., 2012] Acromion danner derudover acromioclaviculærleddet med clavicula. Leddet er også et synovialled og omsluttes af en fibrøs kapsel og forstærkes af flere ligamenter. Her kan bl.a. nævnes de to coracoclaviculære ligamenter, der danner forbindelse fra clavicula og til processus coracoideus, samt acromioclaviculær ligamentet, der danner forbindelse fra clavicula til acromion. [Nordin og Frankel, 2012] På figur A.2 illustreres dette. Side 83 af 113

92 Kapitel A: Skulderen Figur A.2: På figuren ses et anteriort udsnit af skulderen, der bl.a. viser leddene glenohumeralleddet og acromioclaviculærleddet med tilhørende ligamenter. Modificeret fra: Martini et al. [2012] Den mediale ende af clavicula danner sammen med sternum det sternoclaviculære led. Dette er, ligesom acromicoclaviculærleddet, et synovialled og har en sadel lignende form. Sternum og clavicula forbindes af det anteriore sternoclaviculære ligament. Clavicula er også forbundet til det øverste ribben via det costoclaviculære ligament. [Nordin og Frankel, 2012] Illustreret på figur A.3. Figur A.3: Figuren illustrere det sternoclaviculære led. Modificeret fra: [Nordin og Frankel, 2012] Side 84 af 113

93 Appendiks B Elektromyografi Frekvensområdet for opsamlede EMG-signaler er fra ca Hz. Det store område skyldes, at der registreres signal fra forskellige motor units, dvs. en nerveende og dens tilhørende fiberinnervation, som hver kan sende signal med en frekvens på ca. 160 Hz. [Christie et al., 2009] Amplituden for signalerne afhænger af, hvilken muskel der undersøges og kan variere mellem mindre end 50 µv og op til mv [De Luca, 2001]. Generelt er det sådan, at jo flere aksoner, der deltager i kontraktionen af en muskel, des højere amplitude opnås der, da den samlede amplitude for musklen er summen af de enkelte motor units aktionspotentialer. [Merletti og Parker, 2004] EMG-signaler er zero-mean, hvilket vil sige, at signalet svinger omkring nul med identisk positiv og negativ amplitude. Dette forekommer som følge af den måde, muskelsignaler opsamles på, som ses på figur B.1 nedenfor. Når der er sat elektroder på en muskel, vil de- og repolariseringer blive repræsenteret på begge elektroder, men med en vis forsinkelse pga. udbredelsen af signalet. Derfor er EMG-signaler zero-mean, som til ethvert tidspunkt er summen af alle igangværende polariseringsændringer. [Hunter, 2013] Figur B.1: Figuren illustrerer, hvordan EMG-signalet genereres. Til venstre ses fem motor units (1-5), samt overførslen af aktionspotentialerne fra neuroner, benævnt α A og α B, til musklen. Signalerne vil brede sig forbi begge elektroder, som transducerer til hhv. den positive og den negative indgang på operationsforstærkeren. Selve EMG-signalet er summen af alle disse polariseringsændringer til et tidspunkt. Modificeret fra: Hunter [2013] Der vil kunne ses forskellige EMG-signaler musklerne imellem, men også fra person til person. Måles der på den samme muskel på to personer, vil EMG-signalerne ikke være identiske. Dette skyldes, at der findes forskellige typer af muskelfibre, som inddeles i tre typer ud fra deres kontraktionshastighed og udholdenhed og disse muskelfibre kan ved EMG-optagelser give forskellige amplituder. [Merletti og Parker, 2004] De fleste af kroppens muskler indeholder en blanding af de forskellige muskelfibre og fordelingen mellem dem afhænger af, hvilken funktion den pågældende muskel har. Derudover varierer forholdet mellem muskelfibrene fra person til person, da forholdet er genetisk bestemt og desuden kan påvirkes af blandt andet fysisk træning. Dertil kommer, at musklerne som helhed forandrer sig med alderen. [Martini et al., 2012] Andre årsa- Side 85 af 113

94 Kapitel B: Elektromyografi ger til individuelle forskelle er: tykkelsen af vævslag, position af elektroderne ift. muskelfibrene, længden af muskelfibre og crosstalk. [Merletti og Parker, 2004] B.1 Crosstalk Ved brug af overfladeelektroder, kan der opstå en problematik ved optagelse af EMG-signaler, da der er risiko for, at der opsamles signal fra de omkringliggende muskler. Hvis deres potentiale opfanges af elektroderne, er der ikke længere tale om EMG-signal fra en bestemt muskel, men en samlet sum fra flere muskler. [Cram, 2011] Muskler flytter sig under huden ved kontraktion, og en tilsyneladende god elektrodeplacering kan vise sig mindre hensigtsmæssig ved kontraktion end ved relakseret tilstand. [Farina et al., 2004] Specielt rygmuskulaturen omkring rygsøjlen er udsat for crosstalk, da der ligger mange muskler i lag, og det er derfor stort set umuligt at få isoleret EMG-signal fra eksempelvis de midterste fibre fra trapezius, hvis der optages med overflade elektroder. Arbejde foregår ofte i synergier, hvilket yderligere besværliggør optagelsen fra rygmuskulaturen, da der ved næsten alle bevægelser vil være flere aktive muskler. [Cram, 2011] En måde at forebygge crosstalk er ved at anvende en fordelagtig elektrodeplacering. Ved brug af et elektrodekort, kan den mest hensigtsmæssige placering findes for en given muskel. [Cram, 2011] Side 86 af 113

95 Appendiks C Sampling og aliasering C.1 Samplingsteori Et kontinuert, analogt signal kan ved hjælp af sampling blive et tidsdiskret digitalt signal. Et digitalt signal kan relateres til et kontinuert signal med relationen i formel C.1, hvor T er samplingsperioden og n er samplenummeret. Dette er relateret til samplingsfrekvensen, f s, hvorom der gælder at f s er 1 T. x digitalt [n] = x kontinuert (nt ), hvor < n < (C.1) Et digitalt signal er således en sekvens af punkter, diskrete både i tid og amplitude. I forbindelse med sampling kan der opstå aliasering, som er støj bestående af uønskede frekvenskomposanter, der gør det umuligt at komme tilbage til det oprindelige signal. Aliasering forekommer, når der findes frekvenskomposanter i signalet, som er højere end den halve samplingsfrekvens, Nyquistfrekvensen. Ud fra dette, kan det udelades, at hvis et analogt signal kan genskabes korrekt, skal samplefrekvensen være mindst dobbelt så høj, som den højeste frekvens i signalet. I praksis vælges ofte en samplefrkvens på 4-10 gange signalets højeste frekvens [Blandford og Parr, 2013]. Figur C.1 viser et eksempel, hvor to analoge signaler med frekvenser på hhv. 1 og 3 khz er samplet med intervaller på 0,25 ms. Som det fremgår er det samplede signal ens, og det vil dermed ikke derudfra være muligt at afgøre, hvorvidt det oprindelige analoge signal er det ene eller det andet. [Hüche, 1996, Schuler og Chugani, 2005] Havde signalet være samplet med en højere samplingsfrekvens, var dette undgået. Figur C.1: Sampling af et 1 khz- og 3 khz-signal med samme samplefrekvens, hvor det ses, at signalerne har de samme samples (markeret med sorte prikker). [Schuler og Chugani, 2005] I figur C.2 ses et andet eksempel på samplingen af et signal, hvor den valgte samplefrekvens er mindre end to gange Nyquistfrekvensen samt en illustration af, hvordan aliaseringsstøj opstår som en følge deraf. [Hüche, 1996] Side 87 af 113

96 Kapitel C: Sampling og aliasering Figur C.2: A) viser et signals frekvenskarakteristik: f h er den højeste frekvenskomposant i signalet og f s er samplefrekvensen. B) viser konsekvensen af, at samplingsfrekvensen er sat for lavt. Der ses en spejlning, aliasering, af frekvenskomposanter, der er markeret med grønne og røde områder. C) amplituden af de aliaserede frekvenser er nu lagt til amplituden på frekvenserne på hver side af spejlingsfrekvensen. D) den resulterende frekvenskarakteristik, som er forvrænget ift. A) pga. aliasering af frekvenskomposanter. Modificeret fra: Hüche [1996] Det ses på B) i figur C.2, at signalet spejles i Nyquistfrekvensen, hvilket medfører, at delspektrene kommer til at overlappe hinanden og som det fremgår af B) adderes delspektrene, hvorved der opstår nye frekvenser, som ikke er med i det oprindelige signal. [Hüche, 1996] De opståede frekvenser kan beregnes vha. følgende formel, hvor N er et heltal (dog ikke 0), f s er samplingsfrekvensen og f er signalets frekvens. fuønsket = N f s ± f (C.2) Summen (eller differensen) er de frekvenser, der opstår, som uønskede frekvenskomposanter og der er således uendeligt mange, da N kan være uendeligt stor. [Schuler og Chugani, 2005] C.1.1 Anti-aliaseringsfilter For at undgå aliasering kan et anti-aliaseringsfilter implementeres. Filteret kan bygges som et aktivt analogt lavpasfilter, hvor knækfrekvensen sættes, så kun frekvenser i det analoge inputsignal, der er lavere end Nyquistfrekvensen, passerer. Frekvenser over nyquistfrekvensen vil resultere i aliasering og optræde i signalet som støj. Det ideelle anti-aliaseringsfilter har en forstærkning på 1 fra 0 Hz til Nyquistfrekvensen og et gain på 0 ved alle frekvenser over Nyquistfrekvensen. Dette er ikke muligt at implementere i praksis, men Butterworth filtre af høje ordener kan komme forholdsvist tæt på. Hvis anti-aliaseringsfilteret er af en lav orden, vil frekvenser lige under Nyquistfrekvensen også blive dæmpet lidt og frekvenser over Nyquistfrekvensen er desuden dæmpet mindre. Butterworthfiltre vælges ofte frem for andre typer af analoge filtre, da de laver monoton dæmpning. [Hüche, 1996, Blandford og Parr, 2013] For at nedsætte kravene til det analoge filter, kan teknikken oversampling anvendes. Teknikken går ud på, at der vælges en samplingsfrekvens, der er væsentligt højere end den dobbelte Side 88 af 113

97 Kapitel C: Sampling og aliasering Nyquistfrekvens, hvorved der ikke vil ligge så meget af signalet lige under Nyquistfrekvensen, og der dermed kan anvendes et analogt filter af en lavere orden, uden aliasering. Efter filtreringen AD-konverteres signalet, og der implementeres et digitalt anti-aliaseringsfilter af en høj orden. Til sidst downsamples signalet igen. Hele processen ses i figur C.3. Fordelene ved oversampling er, at en del af filtreringen kan foretages i software frem for hardware, hvilket gør det lettere at lave ændringer, hvis kravene til systemet ændres. Oversampling reducerer kvantificeringsstøj, støjen bliver blot spredt over et bredere frekvensspektrum men får en tilsvarende lavere densitet, og støjens energi forbliver derved den samme. [Blandford og Parr, 2013] Figur C.3: På blokdiagrammet i figuren ses et anti-aliaseringsfilter, der anvender oversampling. Det ses, at der er 4x oversampling, hvilket reduceres til sidst ved at down-sample med den pågældende oversamplingsfaktor. Hvis Nyquists teori er overholdt og samplefrekvensen er større end den dobbelte Nyquistfrekvens, vil antialiasering ikke optræde og implementeringen af et anti-aliaseringsfilter er derfor ikke nødvendig. [Hüche, 1996] Side 89 af 113

98

99 Appendiks D Pilotforsøg D.1 Introduktion Forud for udviklingen af prototype systemet, til detektion af kompensatoriske bevægelser, gennemføres der et pilotforsøg. Formålet med forsøget er, at opnå viden om EMG-signalerne fra deltoideus og trapezius, herunder at identificere signal fra støj. Denne viden kan så sammen med teori fra litteraturen anvendes, som beslutningsgrundlag i udviklingen af systemet. Det er nødvendigt for udviklingen af systemet, at de forventede inputs og outputs fra de enkelte systemblokke kendes for at forstærkninger og filteregenskaber kan tilpasses. I afsnit 2.3 Muskelsynergier i skulderen, side 7, blev det fremlagt, at deltoideus og trapezius er medvirkende i uhensigtsmæssige kompensatoriske bevægelser, hhv. abduktion af humerus og retraktion af scapula, og derfor måles der på disse to muskler. Til at afgøre, hvornår en muskel er kontraheret, anvendes et mål som blev anvendt af Özgünen et al. [2010], i et studie omhandlende fastsættelsen af den ideelle tærskel til bestemmelse af, hvornår muskler er aktive på baggrund af et EMG-signal. I studiet blev EMG-signalerne målt og tærsklen beregnet ud fra en cykeltest på 10 minutter. Tærsklerne blev sat til 25 %, 35 % og 45 % af root-mean-square (RMS) af målingen, og blev efterfølgende brugt til at detektere muskelaktivitet under korte sprintsessioner. I artiklen blev det konkluderet, at den bedst egnede tærskel var 45 % af RMS. [Özgünen et al., 2010] Der tages derfor udgangspunkt i dette resultat, under fastsættelsen af en aktivitetstærskel. Formål Bestemme det primære frekvensområde for deltoideus og trapezius, for på denne måde at fastsætte den nødvendige knæk- og stopfrekvens, filterorden og -type til et antialiaseringsfilter. Anti-aliaseringsfilterets specifikationer dikterer, hvilken samplingsfrekvens der kan vælges, så Nyquist s samplingsteori (beskrevet i appendiks C Sampling og aliasering, side 87) er overholdt. Bestemme amplituder for muskelkontraktioner under hensigtsmæssige og uhensigtsmæssige bevægelser, for derigennem at kunne implementere den nødvendige forstærkning af signalet. Bestemme et passende tærskelniveau (inspireret af Özgünen et al. [2010]). D.2 Metode Population: Forsøget blev gennemført med fire raske forsøgspersoner, heraf to mænd og to kvinder med en samlet gennemsnitsalder på 23,2 ± 1,5 (95 %) år. Måleudstyr: Der blev benyttet to identiske analoge systemer til opsamling af data fra de to muskler. Hvert system indeholdt en biaskobling, en instrumenteringsforstærker (forstærkning på 100), et passivt højpasfilter (knækfrekvens på 0,1 Hz), et anden ordens Butterworth-lavpasfilter (knækfrekvens på 533,2 Hz) og en forstærker (forstærkning på 181). Se figur D.1. Der blev samplet med en frekvens på Hz, med en NI USB-6009 ADC fremstillet af National Instruments. Side 91 af 113

100 Kapitel D: Pilotforsøg Af sikkerhedshensyn blev der anvendt en USI-01 USB-isolator, fremstillet af IMM Elektronik GmbH, til galvanisk adskillelse mellem PC og forsøgsperson. Figur D.1: Kredsløbsdiagram over det analoge system, der benyttes til pilotforsøget. En biaskobling, en instrumenteringsforstærker med forstærkning på 100, et passivt højpasfilter med en knækfrekvens på 0,1 Hz, et butterworth-lavpasfilter af anden orden med en knækfrekvens på 533 Hz og en forstærker med en forstærkning på 181. Fremgangsmåde: Pilotforsøget bestod af fem forskellige målinger. Målingerne blev foretaget af en forsøgsleder i et laboratorium under normale støjforhold. Elektroderne, Ambu NeuroLine 720, blev placeret på baggrund af et muskel- og elektrodeplaceringskort (se figur D.2) på højre side af kroppen. Elektrodeplaceringsområderne blev afsprittet af forsøgslederen, forud for påsættelsen af elektroderne. Forsøgspersonen blev placeret siddende på en stol, uden ryglæn, ved et bord. Figur D.2: Elektroderne var placeret på højre side af kroppen og er markeret med sorte prikker på torsoerne. Fra venstre mod højre ses placeringen til referenceelektroden på acromion, elektroderne på trapezius pars ascendens i midten og elektroderne på deltoideus lateralis til højre. Modificeret fra: Cram [2011]. Målingerne var baseret på følgende fem øvelser, bestående af tre gentagelser. Én gentagelse slutter, når forsøgspersonen er tilbage ved øvelsens startpunkt. Hver forsøgspersonen lavede øvelserne én gang, som blev lavet i fem separate målingssessioner, og hver måling varede 10 sekunder. Mellem målingerne var der ca. 20 sekunders pause. Øvelserne er udformet efter inspiration fra Davies [2001] og Regionshospitalet Randers Fysioterapien [2012]. 1. Korrekt bevægelse (en bevægelse, der vurderes at være hensigtsmæssig og lig øvelser, der ses i rehabilitering): Et lod på 300 g blev flyttet fra et punkt til et andet på bordet, frontalt for forsøgspersonen, i det sagitale plan. Punktet blev fastsat således, at det svarede til skulderens bredde i den højre side og underarmens længde. Loddet blev flyttet herfra til et tilsvarende punkt ud for venstre skulder, hvorefter det blev flyttet tilbage til startpunktet. Disse bevægelser fra side til side og tilbage igen, anses for at være én gentagelse. Fleksionsvinklen i albuen blev holdt på ca. 90. Humerus blev holdt adduceret i bevægelsen. Side 92 af 113

101 Kapitel D: Pilotforsøg 2. Abduktion af humerus (deltoideus forventes aktiv): Fleksionsvinklen i albuen var ca. 90. Humerus blev abduceret til omkring 90, og blev efterfølgende adduceret til udgangsstillingen. Abduktion og efterfølgende adduktion er én gentagelse. 3. Retraktion af scapula (trapezius forventes aktiv): Fleksionsvinklen i albuen var ca. 90. Armen blev roteret eksternalt, så underarmen pegede ca. 30 lateralt for kroppen. Højre scapula blev retraheret uden yderligere bevægelser i armen, hvorefter den blev protraheret tilbage til udgangsstillingen. Når armen var tilbage i udgangsposition, var én gentagelse færdig. 4. Isometrisk kontraktion af begge muskler (abduktion af humerus og retraktion af scapula): Fleksionsvinklen i albuen var ca. 90. Humerus blev abduceret til ca. 90 og scapula blev retraheret. Denne position blev opretholdt gennem hele målingen á 10 sekunder. 5. Afslappede muskler (baseline): Forsøgspersonen sad stille med armene hvilende på benene i 10 sekunder. Den korrekte bevægelse blev udført, for bagudrettet, at kunne validere, hvorvidt tærsklen er sat således, at der ikke gives feedback ved korrekt udførte bevægelser. Kontrahering af hhv. deltoideus og trapezius blev lavet for at bestemme frekvensindholdet af signalerne, så filtreringen i det endelige system kan optimeres. Den samlede kontrahering laves for at kunne fastsætte en tærskel, som kan muliggøre digital detektion af, hvornår en bevægelse er uhensigtsmæssig for brugeren. Databehandling: Denne udført med henblik på at analysere frekvensindhold og amplituder samt at sammenligne signalet med en fastsat tærskelværdi. MATLAB benyttes til databehandlingen, og i den forbindelse blev flere definerede funktioner anvendt: Diskret Fouriertransformation (fft) - analyse af energien i signalet fordelt på frekvenser. Funktionen fft skal have to inputs, data og frekvensafgrænsning. Længden af datasættet blev lavet med funktionen nextpow2, som finder 2 x -potensen til den næste mulige potens, svarende til størrelsen af inputtet som nextpow2 tager. Inputtet hertil var dataene, som ønskes analyseret, og resultatet kaldes NFFT. Effekten af at lave længden en potens af 2 er, at Fouriertransformationen udregnes hurtigere. Fouriertransformationen normaliseres med længden af dataene (L). Eksempel: fftdata = fft(data,nf F T )/L Herefter skal fouriertransformationen plottes, som en-sidet frekvensspektrum, hvor f er de ønskede frekvenser, hvis energimængde illustreres i grafen. [MathWorks, 2014b] plot(f,2 abs(fftdata(1 : NF F T /2 + 1))) Spektrografi (spectrogram) - analyse af frekvensernes energi over målingsperioden. Spektrogrammerne blev lavet med en vinduesstørrelse på 512 (2 9 ) og spring på 64 (2 6 ). Dette vil sige, at hver beregning laves over 512 samples, som rykker 64 samples efter hver beregning. Potenserne er valgt, fordi 2 x øger beregningshastigheden [MathWorks, 2014a]. Der er brugt et Hamming-vindue, da dette mindsker energilækage mellem frekvenser. Yderligere gives samplingsfrekvens, F s, og yaxis, der bestemmer grafens udseende, som input. Eksempel på en spektrogram-kommando i MATLAB: spectrogram(data,hamming(512),64,[],f s, yaxis ); Root-mean-square (rms) - en given vektors værdier kvadreres, midles over et givet antal målinger og til sidst tages kvadratroden. [MathWorks, 2014c] Eksempel med 15 målinger pr. beregning (1 samplespring pr. beregning): rms(data,15); Digital filtrering (filter) - en digital filtrering, der filtrerer et signal ud fra givne filterkoefficienter. Denne kommando tager a- og b-koefficienter på filteret, samt data, som skal Side 93 af 113

102 Kapitel D: Pilotforsøg filtreres. [MathWorks, 2014d] Eksempel, hvor b og a er arrays med koefficienter: f ilter(b, a, data); D.3 Resultater I dette afsnit behandles data fra pilotforsøget. Der præsenteres blot data fra én forsøgsperson, som er vurderet repræsentativ for hele populationen. Dette gøres, da der potentielt set kunne præsenteres mere end 15 grafer pr. person, som inkluderer fourier-, spektral-, filter- og tærskelanalyse. Først præsenteres frekvensanalyserne for alle de fem udførte bevægelser. Data for hver øvelse er behandlet med både Fouriertransformation og spektralanalyse og begge analyser er lavet fra Hz, da dette tilsvarer halvdelen af samplingsfrekvensen. Hver figur består af to grafer, deltoideus til venstre og trapezius til højre, som indeholder data fra samme øvelse. Først præsenteres Fouriertransformationen og derefter spektralanalysen af det samme signal. Ud fra disse grafers information, er det muligt at designe et analogt anti-aliaseringsfilter (lavpasfilter) og hermed fastsætte den nødvendige samplingsfrekvens i det færdige system. Desuden analyseres muskelsignalernes amplituder med henblik på at lave en analog forstærkning, som udnytter arbejdsområdet bedst muligt, uden signalerne klippes. Derefter præsenteres de digitale resultater, hvor der først laves digital filtrering af signalet, beregninger af RMS samt indsættelse af en tærskelværdi. Dette illustreres grafisk for alle de udførte bevægelser. Figur D.3 viser Fouriertransformationen af hhv. deltoideus og trapezius under baselinemålingen. Det ses, at frekvenserne omkring 0 Hz indeholder en stor del af signalets energi, altså DC-støj. Signalerne er opsamlet med identiske, analoge systemer, men alligevel ser det generelt ud til, at signalet fra trapezius indeholder mere støj mellem Hz ligesom de højfrekvente støjkilder (eksempelvis Hz) er større i dette signal. Figur D.3: Baseline-data analyseret med Fouriertransformation af EMG-signalet. EMG-signalet er udelukkende behandlet analogt, via instrumenteringsforstærker, højpas-, lavpasfilter samt forstærkning. Bemærk: Knækkede y-akser på begge grafer, lavet for at give en bedre opløsning af energimængden fra 0,1-200 Hz, som forholdsmæssigt er mange gange mindre end DC-støjen. Det fremgår yderligere af spektralanalysen, figur D.4, at der findes konstante støjkilder omkring Hz og Hz, foruden den Hz-støj, som figur D.3 viser. Spektralanalysen viser samme tendens som fouriertransformationen, da der ses en konstant større energimængde i Hz og de højfrekvente støjkilder på trapezius-målingen, hvilket ses i de rødlige farvenuancer på figur D.4. Side 94 af 113

103 Kapitel D: Pilotforsøg Figur D.4: Spektralanalyse for baseline-målingerne. Resultatet heraf er talrige fouriertransformationer, som er lavet over mindre tidsintervaller af hele datasættet. Grafen viser resultatet heraf som farvespektre, hvor røde farvenuancer tilsvarer megen forholdsmæssig energi og blålige farver er lav energi. Bemærk: Konstante støjkilder omkring 1.000, og Hz. På figur D.5 nedenfor ses Fouriertransformationen af den korrekte øvelse. Ligesom under baseline-målingen, fremgår det af Fouriertransformationen, at energimængden i trapezius-signalet ser større ud end energimængden for det tilsvarende deltoideus-signal. Støjen omkring Hz er mere eller mindre identisk, mens de andre støjkilder er størst i trapezius-signalet. Figur D.5: Fouriertransformation af signalet optaget ved den korrekte øvelse. Støjkilder er til stede på begge signaler, men der er væsentlig mere signal mellem Hz end ved baseline-målingen. Dette kan tilsvare muskelaktivitet. Bemærk: Knækkede y-akser. Spektralanalysen af den korrekt udførte øvelse, se figur D.6, viser ligeledes de førnævnte støjkilder. På deltoideus-signalet ser det ud til, at der har været perioder med mere aktivitet i Hz, omkring 2, 5 og 8 sekunder inde i målingen. Dette er sværere at definere på trapeziussignalet, fordi der ses en mere konstant aktivitet i området Hz og lidt lavere aktivitet herfra og op til ca. 500 Hz. Side 95 af 113

104 Kapitel D: Pilotforsøg Figur D.6: Spektralanalyse af den korrekte bevægelse for hhv. deltoideus (til venstre) og trapezius (til højre). Røde farvenuancer tilsvarer megen forholdsmæssig energi og blålige farver er lav energi. På figur D.7 ses fouriertransformationen af EMG-signalerne optaget under abduktion af humerus. Her ses stadig meget DC-støj på begge signaler, men der ses også højere energier i frekvenser mellem Hz, som tilsvarer frekvensbåndet, hvor muskelaktivitet kan findes. Figur D.7: Fouriertransformation af signalerne under abduktion af humerus. Bemærk: Knækkede y- akser. Figur D.8 viser spektralanalysen af signalerne ved abduktion af humerus. Der ses øget aktivitet i Hz i tidsintervallerne 1-2, 4 og 6-8 sekunder, som dog er mest veldefineret ved deltoideus. Side 96 af 113

105 Kapitel D: Pilotforsøg Figur D.8: Spektralanalyse af signalerne under abduktion af humerus. Især på deltoideus-målingen er det muligt at se markante energiforskelle omkring 1-2, 4 og 6-8 sekunder, som kan betyde, at deltoideus har været aktiveret. Dette er sværere på trapezius, men det ses dog en let øget aktivitet i disse tidsintervaller. Røde farvenuancer tilsvarer megen forholdsmæssig energi og blålige farver er lav energi. Nedenstående figur D.9 viser Fouriertransformationen af signalerne for retraktionen af scapula. Her var forventet en højere aktivitet i trapezius end ved abduktion af humerus, men analyseres trapezius-data alene, ligner Fouriertransformationen meget den, der er plottet for abduktionen af humerus i figur D.7. For deltoideus ses en meget lille aktivitet, i forhold til ved abduktionen af humerus, hvilket passer med, at trapezius er den primære katalysator for retraktionsbevægelsen. Figur D.9: Fouriertransformation af EMG-signalet for retraktion af scapula. Der ses ikke megen aktivitet i deltoideus, mens der ses væsentligt mere i trapezius. Aktivitet i trapezius har dog været en generel tendens i de tidligere øvelser. Bemærk: Knækkede y-akser. I modsætning til hvad der ses på Fouriertransformationerne (se figur D.7 og D.9), er der en tydelig forskel at se mellem trapezius-målingerne for abduktionen af humerus og retraktionen af scapula i spektrogrammerne (se figur D.8 og D.10). Det fremgår tydeligt, at der under abduktion er meget aktivitet i deltoideus og under retraktion i trapezius. På figur D.10 fremgår tre perioder med øget aktivitet 1-2, 4 og 6 sekunder inde i målingen. Dette viser, at trapezius-aktiviteten er højere på de tidspunkter, som svarer til de tre gentagelser af øvelsen. Side 97 af 113

106 Kapitel D: Pilotforsøg Figur D.10: Spektralanalyse af signalet optaget ved retraktion af scapula. Der ses en mindre forøgelse i energien i deltoideus efter 2 og 4 sekunder og især 6 sekunder, mens der ses en tydelig antydning af tre bevægelser på trapezius-målingen, som ved nogle af de øvrige øvelser har været støjfuld. Bevægelserne ser ud til at være udført efter ca. 2, 4 og 6 sekunder, som ses på de forstørrede øgede energimængder fra Hz (rød farve). Røde farvenuancer tilsvarer megen forholdsmæssig energi og blålige farver er lav energi. På baggrund af frekvensanalyserne (Fouriertransformationerne og spektrogrammerne), er det nu muligt at designe den ønskede filtrering. Dette er prøvet med forskellige filtre: Butterworth og Chebyshev med forskellige knækfrekvenser på mellem 200 og 400 Hz. Her præsenteres kun det endelige resultat, som gav den nødvendige filtrering af signalet. Der ændres på det nuværende højpasfilter, så det har en knækfrekvens på 20 Hz, som har til formål at øge dæmpningen af lavfrekvent DC-støj. Derudover ændres lavpasfiltret fra et 2. ordens filter med en knækfrekvens på 500 Hz til et filter af 4. orden med en knækfrekvens på 300 Hz for at opnå en bedre dæmpning af højfrekvent støj. På figur D.11 og D.12 ses spektralanalyser, som viser frekvensindholdet i signalet før og efter ændringerne af filtrene. Side 98 af 113

107 Kapitel D: Pilotforsøg Figur D.11: Graferne viser data fra deltoideus ved abduktion af humerus. Signalet til venstre er filtreret med et passivt højpasfilter med en knækfrekvens på 0,1 Hz og et lavpasfilter med en knækfrekvens på 500 Hz. Signalet til højre er filtreret med et passivt højpasfilter med en knækfrekvens på 20 Hz og et lavfilter af 4. orden med en knækfrevens på 300 Hz. Det primære frekvensområde, som indeholder mest energi (op til 200 Hz), viser sig at være bevaret. Røde farvenuancer tilsvarer megen forholdsmæssig energi og blålige farver er lav energi. På figur D.11 ses en sammenligning af energien i frekvensspektret Hz før og efter ændringerne i filtreringen. Det fremgår, at den højfrekvente støj er dæmpet, og at energien primært ligger i Hz, aftagende fra ca. 200 Hz. Figur D.12: Graferne viser data fra trapezius, under en retraktion. Signalet til venstre er filtreret med et passivt højpasfilter med en knækfrekvens på 0,1 Hz og et lavpasfilter med en knækfrekvens på 500 Hz. Signalet til højre er filtreret med et passivt højpasfilter med en knækfrekvens på 20 Hz og et lavfilter af 4. orden med en knækfrevens på 300 Hz, foruden den allerede eksisterende filtrering (knækfrekvens 500 Hz). Det primære frekvensområde, op til 200 Hz er bevaret, og det er også i dette område, at signalet indeholder mest energi. Røde farvenuancer tilsvarer megen forholdsmæssig energi og blålige farver er lav energi. På figur D.12 sammenlignes data fra trapezius under en retraktion. På grafen til venstre ses både højfrekvent og lavfrekvent støj, som efter yderligere filtreringen (højre graf) er dæmpet. Dog ses stadig tre tydelige energiforøgelser i Hz, som er forårsaget af aktivitet i trapezius. Side 99 af 113