Produkter
Webbutik Kampanjer Aktiviteter

Produkter  /  Fysiologiska mätsystem  /  Forskningssystem  /  Applikationsexempel  /  

EMG

EMG-signaler är elektriska potentialskillnader parallellt med muskler som man mäter upp med ytelektroder på huden. Detta ger oss information inte bara om musklerna själva, utan även om känslor via ansiktsmuskler och hur det står till med det motoriska nervsystemet, t.ex. kan vissa sjukdomar ge avvikelser från typiska EMG-mönster.

För att kunna ta del av denna information behövs utöver en översiktlig förståelse ha rätt mätsystem som kan hantera de små svaga signaler som EMG är. Man behöver även en analysprogramvara som på ett rationellt sätt kan ta fram de matematiska mått som man normalt associerar med EMG-analyser.

Med BIOPACs forskningssystem och programvaran AcqKnowledge har vi allt som krävs för att mäta och analysera denna signal, både för psykofysiologiska applikationer och rent motoriska och neurologiska applikationer.

Muskelvävnaderna i kroppen är ansvariga för kroppens inre och yttre rörelser. Det finns tre huvudtyper av muskler: hjärtmuskulatur och glatt muskulatur som styrs av det autonoma nervsystemet, samt skelettmuskulatur som styrs av det viljestyrda nervsystemet. I denna beskrivning fokuserar vi endast på skelettmuskulaturen.

Skelettmuskler består av flera parallella knippen med muskelfibrer. Varje muskelfiber räknas som en flerkärning muskelcell som styrs av motornerver som går från ryggmärgen eller hjärnstammen beroende på vilka muskler det rör sig om.

En motornerv ansluter normalt till flera muskelceller, och detta kallas då en motorisk enhet. Det finns små och stora motoriska enheter beroende på hur många muskelceller en nervcell kontrollerar. När nervcellen i en motorisk enhet skickar en signal till musklerna så kontraherar alla muskelfiber i den motoriska enheten samtidigt. Dvs. man har en ”allt eller inget”-respons. En aktivering av en muskel innebär en transient impuls som fortplantar sig genom hela muskelfibern så att muskeln drar ihop sig. Notera dock att ENDAST de muskelceller/fibrer som är ansluta till den motoriska enheten aktiveras!

 

 Klicka för förstoring.

En hel muskel består i praktiken av många motoriska enheter. För att åstadkomma en gradvis och smidig aktivering av en muskel finns två mekanismer för hur muskeln går från viloläge till maximal aktivering:

  1. Mindre motoriska enheter som har ett lägre tröskelvärde aktiveras först och sedan aktiveras successivt större motoriska enheter.
  2. ​En impuls i en given motorisk enhet har alltid samma styrka, men man kan öka frekvensen med vilka dessa impulser skickas ut från motornerven (”firing rate”) vilket då i praktiken ökar muskelstyrkan. Frekvenserna för denna motorstyrning kan variera men när man tittar på EMG-signalen så dominieras energin i 10-30Hz området av de motoriska enheternas aktiveringar.

Det mått man brukar titta på när det gäller EMG relaterar till muskelns relativa energinivå per tidsenhet, ”integrerat EMG”, och AcqKnowledge stöder flera olika mått:

  • glidande medelvärde av absolutvärdet (ARV)
  • glidande RMS värdet (RMS)
  • glidande integral av absolutvärdet (iEMG)


    Klicka för förstoring.

Det är också intressant att göra spektralanalys av EMG-signalen, och det kan man också göra i AcqKnowledge. Man får ut:

  • Median-, medel- och toppfrekvenser
  • Medel- och totaleffekten

 

 Klicka för förstoring.

Exakt vad man är intresserad av beror också helt på applikationen. Sysslar man med muskelfysiologi primärt är det troligt att man tittar mer på frekvensinnehåll och detaljer/mönster i EMG-signalen. Sysslar man däremot t.ex. med ansikts-EMG för att korrelera känslor med olika ansiktsmuskler är man i första hand intresserad av att se om en muskel överhuvudtaget har aktiverats, och isåfall hur kraftigt, och kanske reaktionstider i förhållande till ev. stimuli, och även korrelera förekomst av muskelaktivering med andra händelser eller experimentella stimuli.

Se t.ex. svarstider för stimuli-response via Find Cycle AcqKnowledge, för en enkel demonstraion av detektering av muskelresponser och hur man räknar fram reaktionstider:

AcqKnowledge har alla verktyg som krävs för både automatisk detektering av muskelaktivering, samt händelsebaserad korrelationsanalys. Till exempel kan man enkelt få fram specifika och spontana ögonblinkningar genom att relatera muskelaktiveringen till stimulimarkörer etc. Antalet muskelaktiveringar per tidsenhet är också enkelt att få fram. Det går även att ge biofeedback baserat på muskelaktiveringar.

För mer information om vad man kan göra och hur man gör, kontakta oss gärna så går vi igenom detta tillsammans!

Anledningen till att man är intresserad av att mäta EMG är många:

  • Inom psykologisk forskning mäter man ofta ansiktsmusklerna eftersom det speglar känslor
  • Man kan också mäta ANDRA muskler för att se om man är spänd eller avslappnad
  • Sysslar man specifikt med muskler och de motoriska delarna i nervsystemet är det också intressant att mäta EMG

Beroende på om man ska mäta ett fåtal muskler eller väldigt många muskler (uppåt 16 st) samtidigt så har vi olika förstärkarlösningar. Både trådbundna och trådlösa och sådana som man kan använda i loggerläge och lagra data på minneskort.

Klassisk EMG100C förstärkare med kabel, se här »

Trådlös EMG förstärkare BioNomadix, se här »

Trådlös mobita logger som med fördel kan användas till flerkanalig EMG, se här »

Hör gärna av er till biopac@jor.se om ni har funderingar kring detta. Vi lyssnar gärna på vad du har för applikation och ger dig skräddarsydda förslag utifrån dina behov.

(1) Handbook of Psychophysiology – chapter 12, Länk »

(2) Guidelines for Human Electromyographic Research, Länk »

 (3) Application Note#119 - EMG Power Spectrum Analys »

 (4) AS#214 – Eyeblink Startle Scoring »

 (5) 232 - EMG: NORMALIZE TO MAXIMUM VOLUNTARY CONTRACTION »

 (6) 118 - EMG SIGNAL ANALYSIS »

Boka_webdemo_big_.jpg

Sök

Skriv in det du vill söka efter här