[EN]
Hello Hive Community!
Sometimes I venture into posting about my achievements in the world of electronics, such as repairing equipment. This week I was browsing through my feed and came across the profiles @profwhitetower and @tecnotronics, both of which focus on electronics content, and I felt inclined to share some of my experience in this area.
Ever since I was a child, I've always been fascinated by the field of Electrical and Electronics, time has passed and thank God I've had the opportunity to take some courses in this area. But recently I'm doing a Master's degree in Electrical Engineering. Last term I took a subject called Biomedical Instrumentation, where the focus was on studying the main bioelectric signals emanating from the human body. The most famous are the Electrocardiogram (ECG - from the heart) and Electromyogram (EMG - from the muscles) signals. There are countless of them, most of which follow this EXG pattern, where the X varies according to the signal of interest.
This subject also focused on studying the electronic circuits that condition these signals, using Operational Amplifiers and Filters. Operational Amplifiers are basically active electronic elements that amplify or attenuate a signal. Filters, on the other hand, are circuits that select a signal range of interest.
As a final project for this course, I decided to work with the Electromyography (EMG) signal to detect Bruxism, which is a disease characterized by the unconscious act of clenching or grinding the teeth constantly and excessively, during sleep or even when the person is awake. Sleep bruxism is difficult to diagnose, as the person who has it doesn't notice it, only in the long term, as it causes pain and can wear down the dental arch.
So the proposal was to develop an acquisition circuit capable of detecting EMG signals when an individual clenches their teeth using the corpus masseter and anterior temporal muscles, which are the muscles located on the face, in the red region in the image below. In this image, we have electrodes located on these muscles, in a bipolar configuration connected to a circuit containing a dedicated instrumentation amplifier for acquiring bioelectrical signals, the AD620.
The circuit for acquiring this signal was designed and assembled by me. This circuit contains an instrumentation amplifier, AD620; a band-pass filter at a frequency of 20 to 500 Hz, which is the frequency of the electromyography signal; a 60 Hz filter to attenuate mains noise; and finally a final amplification stage, because the EMG signal is a very low-amplitude signal with several sources of noise, so it needs to pass through all these stages.
A signal conditioning circuit was designed to amplify and filter the EMG signal from the electrodes on the masseter and anterior temporal muscles. This circuit was supplied with a symmetrical voltage via two 9-volt alkaline batteries in order to reduce the noise coming from the mains. The proposed circuit was divided into the following stages.
The first stage used a filter to reduce radio frequency interference (RFI), along with a circuit to protect against electrostatic discharge. After this stage, the inputs of the AD620 instrumentation amplifier are used to amplify the differential input and attenuate the common mode signal. It was decided to apply a gain of 100V/V using a gain resistor of 470 Omega.
The next stage is the band-pass filter designed for the 20 - 500 Hz range, which is the range of the electromyography signal. The tool used to design the filter was Filter Design Tool, which used the parameters described. The circuit generated by this tool can be seen in the figure below. It is a three-stage, sixth-order Chebychev response filter.
In the next step, an amplifier was used in the inverter configuration to further amplify the signal, giving a gain of 560 V/V. In addition, a peak detector was used to capture the envelope of the raw EMG signal. Next, a low-pass filter with a cut-off frequency of 10 Hz was used to smooth out the rectified signal. Finally, a comparator circuit was used which relates the signal from the envelope detector to an adjustable threshold, based on a 10K potentiometer (an adjustable resistor). All these steps are shown in the figure below, thus completing the system.
To simulate bruxism, the individual connected to the circuit is instructed to bite a tourniquet hose with different intensities of force and duration. The data is stored using an oscilloscope and a pen drive. The data is processed in an algorithm made in Matlab software, which detects when there is a bite signal and its duration. The signal in the figure (in red) is the treated and rectified EMG signal, note that there are two square pulses below which is the comparator signal (in blue) which indicate that there are two bites, the width of the pulse indicates the duration of the bite.
The bite detection algorithm had an assertiveness rate of 97.70% and a standard deviation of 5.86%. The system proved to be accurate in detecting both short and long bites. However, there were cases in which the system was activated by false positives due to noise sources, such as swinging cables that activated the comparator's activation threshold.
I'm sorry if this post has become a little complex, I've tried to make it as simple as possible so that it's easy to understand for those who aren't familiar with the area. Thank you very much for making it this far!
- Images: By the author
[PT]
Olá Comunidade Hive!
As vezes eu me aventuro em postar sobre meus feitos no mundo da eletrônica, como reparo em equipamentos. Essa semana estava navegando pelo meu feed e acabei me deparando com os perfis @profwhitetower e @tecnotronics, ambos são focados em conteúdos na área de Eletrônica, e me senti inclinado a compartilhar um pouco da minha experiência nessa área.
Desde criança sempre fui facinado pela área de Elétrica e Eletrônica, o tempo passou e graças a Deus tive a oportunidade de fazer alguns cursos nessa área. Mas, recentemente estou fazendo um Mestrado em Engenharia Elétrica. No período passado tive uma matéria chamada Instrumentação Biomedica, onde o foco foi estudar os principais sinais bioelétricos que são emanados pelo corpo humano. Os mais famosos são os sinais de Eletrocardiograma (ECG - do coração) e Eletromiograma (EMG - dos musculos), há inúmeros deles onde a maioria segue esse padrão EXG, onde o X varia de acordo com o sinal de interesse.
Essa matéria também teve como foco estudar os circuitos eletrônicos que condicionam esses sinais, através de Amplificadores Operacionais e Filtros. Amplicadores Operacionais basicamente são elementos eletrônicos ativos que amplificam ou atenua um sinal. Já os Filtros são circuitos que selecionam uma faixa de sinal de interesse.
Como projeto final para esta disciplina resolvi trabalhar com o sinal de Eletromiografia (EMG), para a decteção de Bruxismo, que é uma doença caracterizada pelo ato inconsciente de apertar ou ranger os dentes de forma constante e excessiva, durante o sono ou até mesmo quando a pessoa esta acordada. O bruxismo do sono é dificil de ser diagnosticado, pois a pessoa que tem não percebe, somente no longo prazo, pois causa dor e pode desgastar a arcada dentária.
Então, a proposta era desenvolver um circuito de aquisição capaz de detectar os sinais EMG, quando um individuo apertasse os dentes usando os musculos corpo masseter e temporal anterior, que são os musculos localizados no rosto, na região em vermelho na imagem abaixo. Nela temos eletrodos localizados nesses musculos, na configuração bipolar ligados a um circuitos contendo um amplificador de instrumetação dedicado para aquisição de sinais bioeletricos, o AD620.
O circuito para aquisição desde sinal foi projeto e montando por mim. Este circuito contém um amplificador de instrumetação, AD620; um filtro passa faixa na frequência de 20 a 500 Hz que é a frequência do sinal de eletromiografia, um filtro de 60 Hz para atenuar o ruído da rede elétrica; e por fim um estágio de amplificação final, pois o sinal EMG é um sinal de baixissima amplitude e diversas fontes de ruído, por isso precisa passar por todas essas etapas.
Um circuito de condicionamento de sinal foi projetado para amplificar e filtrar o sinal EMG dos eletrodos, nos músculos masseter e temporal anterior. Esse circuito foi alimentado com uma tensão simétrica, através de duas baterias alcalina de 9 Volts, com a finalidade de reduzir o ruído proveniente da rede elétrica. O circuito proposto foi dividido nos seguintes estágios.
O primeiro estágio foi utilizado um filtro para redução de interferência de radiofrequência (RFI), juntamente com um circuito de proteção contra descargas eletrostática. Após essa etapa, tem-se as entradas do amplificador de instrumentação AD620 para amplificar a entrada diferencial e atenuar o sinal de modo comum. Foi decido aplicar um ganho de 100V/V utilizando um resistor de ganho de 470 Omega.
O próximo estágio é o filtro passa-faixa projetado para a faixa de 20 - 500 Hz, que é faixa do sinal de eletromiografia. A ferramenta utilizada para projeto do filtro foi Filter Design Tool, onde foram utilizados os parametros descritos. O circuito gerado pode essa ferramenta pode ser visto na Figura abaixo é um filtro de três estágios e sexta ordem de resposta Chebychev.
Na etapa seguinte, foi utilizado um amplificador na configuração inversora, para amplificar ainda mais o sinal, dando um ganho de 560 V/V. Além disso, foi utilizado um detector de pico para captar a envoltória do sinal EMG bruto. Em seguida há um filtro passa baixa com frequência de corte de 10 Hz, para suavizar o sinal retificado. Por fim, foi utilizado um circuito comparador que relaciona o sinal do detector de envoltória com um limiar ajustável, a partir de um potenciômetro (um resistor ajustável) de 10K. Todos essas etapas são apresentadas na figura abaixo, assim finalizando o sistema completo.
Para simular o Bruxismo o individuo conectado ao circuito é orientado a morde uma mangueira de garrote com diferentes intensidades de força e duração, os dados são armazenados utilizando um osciloscópio e um pen drive. Os dados são processados em algoritmo feito no software Matlab, que detecta quando há sinal de mordida e sua duração. O sinal da figura (em vermelho) é o sinal EMG tratado e retificado, observe que há dois pulso quadrados abaixo que é o sinal do comparador (em azul) que indicam que existem duas mordidas, a largura do pulso indica a duração da mordida.
O algoritmo de detecção de mordida teve uma taxa de assertividade de 97,70% e desvio padrão de 5,86%. O sistema se mostrou ser preciso na detecção tanto de mordidas de curta duração, quanto de longa duração. Porém, houveram casos em que o sistema foi ativado por falsos positivos devido a fontes de ruído, como balançar de cabos que ativou limiar de ativação do comparador.
Desculpa se este post ficou um pouco complexo tentei ao máximo simplicá-lo, para que ficasse de fácil compreensão para aqueles que não são da área. Muito obrigado por ter chegado até aqui!
- Imagens: De autoria própria
Posted Using InLeo Alpha
Sensacional! Rapaz tu tens talento! Minha esposa tem bruxismo mas eu identifiquei pq durmo com ela rs. Alem de que os dentes dela estavam muito desgastado! Esse tipo de equipamento é interessante pq dormindo nunca sabemos oq acontece rs
Valeu! @gwajnberg que bom que gostou! Sinto muito por sua esposa! Gostei bastante desse trabalho que acabei postando aqui na Hive.
Tu que fez o script do matlab ? Ou ja pegou pronto?
O script foi feito por um colega de turma. Eu fiquei responsável pela parte de hardware e ele fez a parte do software
Boa 'e assim mesmo que um bom projeto tem sucesso! time com diferentes habilidades!
Obrigado por promover a comunidade Hive-BR em suas postagens.
Vamos seguir fortalecendo a Hive
¡Hola @elderdark!
Agradezco enormemente que me hayas mencionado en tu publicación. Es increíble presenciar cómo compartes tus experiencias y éxitos en el ámbito de la electrónica. Se puede apreciar fácilmente tu dedicación y pasión por esta área, desde tus primeros intereses hasta ahora que estás cursando una Maestría en Ingeniería Eléctrica.
Me resulta sumamente fascinante la materia de Instrumentación Biomédica, sobre todo cuando se enfoca en el análisis de las señales bioeléctricas. Resulta asombroso cómo la electrónica puede utilizarse para comprender y perfeccionar la salud humana mediante estas tecnologías.
Sería un placer para mí seguir compartiendo conocimientos y experiencias tanto contigo como con la comunidad. No pares tu excelente trabajo y continuemos aprendiendo juntos!
Saludos,
@profwhitetower
¡Muchas gracias @profwhitetower! ¡Me alegro de que te haya gustado! Me gustaría hacerme eco de lo que has dicho, así que por favor, sigue posteando sobre temas de electrónica y anima a otros a hacerlo.
Your post was manually curated by @Shiftrox.
Delegate your HP to the hive-br.voter account and earn Hive daily!
🔹 Follow our Curation Trail and don't miss voting! 🔹
Thanks for your contribution to the STEMsocial community. Feel free to join us on discord to get to know the rest of us!
Please consider delegating to the @stemsocial account (85% of the curation rewards are returned).
You may also include @stemsocial as a beneficiary of the rewards of this post to get a stronger support.
Congratulations @elderdark! You have completed the following achievement on the Hive blockchain And have been rewarded with New badge(s)
Your next target is to reach 95000 upvotes.
You can view your badges on your board and compare yourself to others in the Ranking
If you no longer want to receive notifications, reply to this comment with the word
STOPMuchas gracias por la mención y por inspirarte a publicar sobre electrónica y el mundo digital!!!
Lindo post , un saludo desde Argentina.