Optimalizace kinestetické iluze pro neurorehabilitaci

Abstract

Tato bakalářská práce se zaměřuje na analýzu svalové aktivity dolních končetin pomocí povrchové elektromyografie s cílem vytvořit datový základ pro návrh rehabilitačních metod využívajících kinestetickou iluzi. Práce je rozdělena do tří částí podle typu pohybové úlohy: dvě rehabilitační cvičení vleže, chůze a simulace s vibrační stimulací ve virtuálním prostředí. První část se věnuje dvěma izolovaným rehabilitačním cvikům prováděným vleže. EMG signály byly převedeny do bipolární formy a dále analyzovány výpočtem obálek získaných pomocí Hilbertovy transformace. Segmentace jednotlivých opakování byla provedena ručně na základě referenční elektrody. Následně byly pro každý kanál vypočteny průměrné obálky a detekovány aktivní segmenty pomocí dvouprahové metody. Ve druhé části byl analyzován EMG signál zaznamenaný během chůze. Segmentace krokového cyklu byla provedena automaticky pomocí autokorelace, která umožňuje odhad délky opakujícího se pohybového vzoru. U elektrod umístěných pouze na pravé straně byla aktivita levé končetiny odhadnuta časovým posunem obálek o polovinu délky kroku. Takto získané obálky byly využity k analýze fázování svalové aktivity během chůze. Třetí část práce se zaměřuje na simulaci s vibrační stimulací ve virtuálním prostředí. Byl porovnán EMG signál zaznamenaný při měření s aplikací vibrací a bez ní. Výsledky ukazují, že vibrační stimulace v kombinaci s vizuálním podnětem ve VR dokáže vyvolat měřitelnou svalovou aktivitu i při pasivním scénáři. Subjektivní vnímání účinku stimulace bylo zaznamenáno pomocí dotazníku. Všechny tři pohybové úlohy byly realizovány na autorce práce, která rovněž prováděla aplikaci elektrod a umisťovala vibrační podněty. Výsledky byly vizualizovány, kvantitativně zhodnoceny a exportovány do tabulkových výstupů. Z důvodu citlivosti obsahu nebudou tyto tabulky součástí zveřejněné verze práce. Navržená metodika však umožňuje detailní analýzu svalové aktivity i v případech s omezeným senzorickým pokrytím a může sloužit jako základ pro návrh cílené rehabilitační stimulace ve virtuálním prostředí.

This bachelor thesis focuses on the analysis of lower limb muscle activity using surface electromyography, with the aim of creating a data foundation for the design of rehabilitation methods utilizing kinesthetic illusion. The work is divided into three main parts according to the type of motor task: two supine exercises, walking, and a simulation with vibratory stimulation in a virtual reality environment. The first part focuses on two isolated rehabilitation exercises performed in a lying position. EMG signals were converted into bipolar form and analyzed using the Hilbert transform and envelope calculation. Segmentation of individual repetitions was performed manually based on a reference electrode. Subsequently, average envelopes were calculated for each channel and active segments were detected using a dual-threshold method. In the second part, EMG signals recorded during walking were analyzed. Step cycle segmentation was performed automatically based on autocorrelation. For electrodes placed only on the right side, the activity of the left leg was estimated by a time shift of the envelopes by half of the gait cycle duration. These estimated envelopes were then used to analyze the phasing of muscle activity during walking. The third part of the thesis focuses on a simulation with vibratory stimulation in a virtual environment. EMG signals recorded during conditions with and without applied vibration were compared. The results show that vibratory stimulation combined with visual input in VR can elicit measurable muscle activity even during a passive scenario. Subjective perception of the stimulation effect was recorded using a questionnaire. All three motor tasks were carried out on the author of the thesis, who also performed the application of electrodes and positioning of the vibratory stimulators. The results were visualized, quantified, and exported into tabular outputs. Due to the sensitive nature of the data, these tables are not included in the public version of the thesis. However, the proposed methodology enables detailed analysis of muscle activity even in cases with limited sensor coverage and may serve as a basis for designing targeted rehabilitation stimulation in virtual environments.