Desenvolvimento e avaliação de um sistema de detecção automática de tosse voluntária utilizando técnicas de aprendizagem de máquina aplicadas a eletromiografia de superfície

Abstract

O estudo de sinais de eletromiografia (EMG) possui aplicações em áreas diversificadas da ciência, é de grande importância no desenvolvimento de técnicas fisioterapêuticas de reabilitação, sendo ele incluso nos estudos de análise de tosse. Os sinais de eletromiografia proporcionam a visualização do funcionamento do sistema neuromuscular, que abrange muitas funções do organismo humano,e por isso possuem grande potencial para pesquisa. Uma dentre as possibilidades de exploração dos sinais de eletromiografia é a reabilitação de indivíduos com lesão medular, pois estes possuem alteração em muitas funções do organismo além da motora, sendo alterado também, por exemplo, o mecanismo da respiração. O EMG aplicado ao estudo da respiração e higiene brônquica possibilita melhor percepção dos métodos de tosse assistida, nessa situação o EMG também pode ser usado com o objetivo de tornar a tosse assistida automática pela sincronia entre os sinais de músculos expiratórios e um sistema de estimulação elétrica dos músculos abdominais. Para obter a devida sincronia é necessário identificar a intenção ou o início de tosse pela análise da eletromiografia. Para tal, o trabalho apresenta a sugestão de detecção do início de tosse por algoritmos de aprendizagem de máquina, que permitem muitas opções de métodos de classificação. Inicialmente definiu-se o uso da máquina de vetor de suporte (SVM) para a classificação binária da presença de tosse em dados previamente adquiridos. Os sinais EMG estudados são resultantes de um ensaio realizado em cinco participantes com diferentes alturas e complexidade de lesões medulares, sem restrições pulmonares e respiratórias, em que as tosses foram induzidas conscientemente. O trabalho contribui na investigação dos melhores parâmetros e métodos de classificação para a identificação da tosse voluntária e também de pré tosse, entendida com o evento anterior à tosse, uma vez que a área de aprendizado de máquina fornece ferramentas robustas, com muitos graus de liberdade para um desempenho suficiente para a aplicação almejada. Os resultados dos experimentos de classificação nos sinais de EMG trabalhados demostram grande variação no desempenho de identificação de tosse e de pré tosse de acordo com aposição dos eletrodos e também de acordo com cada participante de pesquisa, uma vez que as lesões medulares de cada um são diferentes e por isso se manifestam em cada indivíduo de maneira particular. Contudo, para cada participante foram obtidas combinações de experimentação que puderam identificar trechos de EMG de tosse e de pré tosse dos demais sinais de EMG, sendo os menores valores de sensibilidade obtidos para classificação de tosse e de pré tosse 92,45% e 88,69%, respectivamente, referentes aos sinais de EMG do mesmo participante. Dentre as cinco pessoas que colaboraram com as aquisições de sinais apenas o participante A2 teve resultados inferiores a 96% nas métricas de sensibilidade e especificidade, fazendo sugestão de estudos mais aprofundados a respeito do tipo de lesão e a tosse nos sinais de EMG e também de técnicas de aprendizado de máquina mais robustas para o caso.