CC BY
55
4. Manjanaik N., Parameshachar B. D., Hanumanthappa S.N., Banu R. Intra Frame Coding In Advanced Video Coding Standard (H.264) to Obtain Consistent PSNR and Reduce Bit Rate for Diagonal Down Left Mode Using Gaussian Pulse // IOP Conference Series: Materials Science and Engineering. 2017. Vol. 225. Р. 012209. DOI: 10.1088/1757-899X/225/1/012209.
5. Fairchild M. D. Color appearance models. Rochester, 2004. 617 p.
6. Delta-E Calculator. URL: http://colormine.org/delta-e-calculator.
7. Проскуряков Н. Е., Яковлев Б. С., Архангельская Н. Н. Определение параметров, влияющих на время расчета среднего цвета изображения // Проблемы машиноведения: материалы III Междунар. науч.-техн. конф., 23-24 апр. 2019 г., Омск, ОмГТУ. В 2 ч. Ч. 2. 2019. С. 342-350.
УДК 681.2.084; 615.471
РАЗРАБОТКА ЭЛЕКТРИЧЕСКОЙ МОДЕЛИ МЫШЕЧНОЙ ТКАНИ И УСТРОЙСТВА РЕГИСТРАЦИИ БИОПОТЕНЦИАЛОВ
DEVELOPMENT OF MUSCULAR TISSUE ELECTRICAL ANALOG AND DESIGNING THE DEVICE FOR BIOPOTENTIAL REGISTRATION
В. О. Рябчевский, Г. В. Никонова, А. A. Кабанов
Омский государственный технический университет, г. Омск, Россия
V. O. Ryabchevsky, G. V. Nikonova, A. A. Kabanov
Omsk State Technical University, Omsk, Russia
Аннотация. Представлена разработка совместимой SPICE модели мышцы человека и устройства для тестирования оборудования и компонентов устройства регистрации сигналов электромиографии (ЭМГ). Используются инструменты моделирования сигнала реального ЭМГ в программе NI Multisim. Разработана модель мышцы, основной которой является линейно-частотно модулирующий генератор, формирующий сигнал частотой 50-500Гц с амплитудой 100мВ, который эмулирует поведение мышечного несинхронного сигнала. Проведено исследование мышечной и нервной ткани по осциллограммам биопотенциалов во взаимодействии со средой разработки систем измерения NI LabVIEW.
Ключевые слова: мышца, биопотенциал, SPICE модель, эмулятор, Multisim.
DOI: 10.25206/2310-9793-7-2-148-154
I. Введение
Электрические потенциалы возникают во всех мышцах и нервах живого организма. Они могут быть обнаружены в любой живой клетке или органе. Элементарной биологической ячейкой, производящей электрическую энергию, является отдельная клетка. Разность потенциалов между возбужденной и невозбужденной частями клетки возникает таким образом, что потенциал возбужденной части всегда меньше потенциала невозбужденной части. Также возникает биопотенциал между различными участками тканей. Эта разность электрических потенциалов в одних случаях имеет главное, а в других - побочное значение для жизнедеятельности организма и является сопутствующим фактором его деятельности [1].
Биопотенциалы не являются постоянными величинами, а изменяются в зависимости от физико-химического состояния клетки или ткани, концентрации и состава, соприкасающихся с ними солевых растворов [2].
С помощью осциллограмм биопотенциалов исследуют мышечную или нервную ткань. Очевидно, что при этом разность потенциалов определяется совокупностью потенциалов отдельных клеток. Живые клетки можно в грубом приближении рассматривать как электрические генераторы. Тогда общая разность потенциалов, а также сопротивление ткани будут, очевидно, зависеть от характера соединения клеток. В отдельных случаях клетки соединены как бы последовательно друг с другом. Образуемая в этом случае ЭДС может достигать нескольких сотен миливольт [3].
II. Постановка задачи
Сигнал от мышцы является крайне маленьким, его амплитуда составляет от нескольких микровольт до 4-5 мВ [4]. Обычно, при регистрации биопотенциалов между электродами, отводящими потенциал, находится не одно волокно, а целая система (ствол) мышечных или нервных волокон, т. е. имеет место как бы параллельное соединение биологических генераторов. Поэтому величина ЭДС в этом случае остается примерно той же,
что и у одиночного волокна, а сопротивление источника ЭДС (сопротивление ткани) уменьшается. Так, сопротивление одного сантиметра одиночного нервного волокна составляет несколько десятков МОм, а сопротивление одного см нервного ствола - десятки кОм [5].
Следует отметить, что напряжение, создаваемое мышечной или нервной тканью, обычно значительно меньше напряжения, создаваемого отдельным волокном, вследствие шунтирующего действия различных внеклеточных жидкостей, соединительных оболочек и т. д.
/ \ I
» —гм— S •Е iE » —w— > Е Е
9 4
Excitation wave direction
Рис. 1. Схематичное изображение электрической модели мышцы и сигнала I(t) [3] (С - стимулятор; Г - гальванометр; Э - электроды)
На рис. 1 схематически показано электрическое возбуждение нервного волокна и отведения потенциалов действия поверхностными электродами. Эти потенциалы возникают вдоль волокна при распространении волны возбуждения, сопровождаемой появлением участков с различными потенциалами, которые регистрируются чувствительным гальванометром [3]. Приведенный способ наложения электродов на волокно для снятия биопотенциалов носит название двухполюсного или двухфазного отведения (при этом регистрируется двухфазный потенциал действия) [6].
Для регистрации сигнала микропроцессорными устройствами в большинстве случаев применяется следующая схема (рис. 2): инструментальный операционный предусилитель с коэффициентом усиления не менее 100 и основной усилитель с регулируемым коэффициентом усиления в среднем в 20 раз [7].
Рис. 2. Схема инструментального усилителя
Однако при снятии сигнала ЭМГ возникают различные фоновые шумы, возникающие из-за наличия электронного оборудования и физиологических факторов [8]. Следовательно, сигнал ЭМГ обрабатывается и анализируется для получения необходимой информации. Для надлежащего анализа сигнала ЭМГ используют различные виды технологий, такие как вейвлет-преобразование, независимый компонентный анализ, эмпирическая модовая декомпозиция и статистика более высокого порядка [9].
III. Решение
При разработке радиоэлектронного оборудования необходимо проверять существующие решения, тестировать работу компонентов схемы, подстраивать и подбирать компоненты. Поскольку постоянно реализовы-вать принципиальную схему в виде платы иррационально, применяют программы-эмуляторы [10]. Наиболее удобным и мощным инструментом моделирования аналоговых схем является NI Multisim. Последние версии программы обладают улучшенной функциональностью, новыми инструментами для моделирования, благодаря чему разработка и создание проектов электрических схем может выполняться гораздо более точно и быстро. NI Multisim может взаимодействовать со средой разработки систем измерения LabVIEW, что позволяет сопоставлять теоретические данные с реальными прямо в ходе создания схем макетных плат [11]. Это уменьшает количество проектных ошибок и ускоряет реализацию проектов. Обратной стороной этого стали завышенные си-
стемные требования, предъявляемые к оборудованию. Нагрузка на процессор и память при работе с большими схемами и при трассировке очень велика.
Несмотря на то что данная программа и другие аналогичные имеют расширенную базу элементов, в них отсутствуют компоненты, эмулирующие работу организма человека, а именно нет инструментов моделирования сигнала реального ЭМГ, ЭКГ сигналов. Исходя из этого, целью данной работы является разработка совместимой SPICE модели мышцы для тестирования оборудования и компонентов разрабатываемого устройства регистрации ЭМГ.
IV. Реализация
1. Создание SPICE модели компонента
Multisim базируется на промышленном стандарте SPICE 3F5. Ее поддерживаемые модели созданы с использованием стандартного синтаксиса SPICE [12]. Это дает возможность создать модель, используя Model Makers и назначая значения параметров модели примитива, используя существующие детали как каркас, или создавая модель-подсхему (subcircuit model).
Некоторые устройства имеют SPICE модели примитива. Эти устройства перечислены в таблице ниже. Модель примитива - это модель, которая определяется набором параметров. Они используются как базовые строительные блоки в схемах и подсхемах.
Многие электронные устройства не представлены примитивами, но их можно воспроизвести как SPICE модели. Subcircuit Models используются для ввода характеристик этих моделей. Подсхемы моделей создаются из набора устройств, которые содержат модели примитивов, источников напряжения и/или тока, и/или других моделей-подсхем.
Все модели-подсхемы должны начинаться со строки, которая начинается с утверждения .SUBCKT, за которым следует имя модели-подсхемы и внешние узлы подсхемы, которые будут соединяться с другими компонентами. Подсхема должна заканчиваться утверждением .ENDS [13].
1. .SUBCKT <SubcircuitName> <N1> <N2> <N3> <N4>
2. ...
3. .ENDS SubcircuitName
Модель-подсхема определяется по имени и соединяется внутренними устройствами, которые и создают подсхему. Например, для определения, что резистор 100kQ со ссылочным указателем (reference designator) R1 соединен с узлами 4 и 5, необходимо написать:
R1 4 5 100k
Пример следующей модели-подсхемы приведена в листинге 1. Это подсхема соответствует следующей схеме, начерченной в Multisim (рис. 3). Узлы 1 и 2 - это те два узла, что будут соединены вне модели-подсхемы. Они определены как внешние узлы через включение их в первую строку модели-подсхемы. Резистор, конденсатор и диод - это все примитивы. Единственные параметры, определенные для резистора и конденсатора, их значения, но диод имеет дополнительные параметры, определенные использованием утверждения .model.
Листинг 1. Простая SPICE модель
1. .SUBCKT TstModel 1 2
2. dD1 0 2 1BH62_DIODE_1
3. cC1 0 2 1e-006
4. rR2 1 0 3000
5. rR1 1 2 1000
6. .MODEL 1BH62_DIODE_1 D
7. + IS=5.950e-006 N=4.031e+000 RS=2.677e-002
8. + BV=1.200e+002
9. + EG=1.110e+000 XTI=3.000e+000 TT=5.760e-007
10. + FC=5.000e-001 KF=0.000e+000 AF=1.000e+000
11. .ENDS TstModel
1
о
Рис. 3. Электрическая схема модели
Для проведения исследования и моделирования была получена информация о сигнале ЭМГ с применением медицинского оборудования, предназначенного для этих целей [14]. Данный прибор является 2-канальным электронейромиографом (рис. 4 а) со встроенной клавиатурой, в состав которого входят:
• 2 канала оптимизированы для быстрого проведения тестов моторного и сенсорного проведения и игольчатой ЭМГ
• портативный, может работать с ноутбуком
• «всё в одном»: стимуляторы, регистрирующие каналы, управление, дисплей
• высокое качество регистрации: частота квантования — до 100 кГц
• токовый стимулятор на два выхода со сверхбыстрой коммутацией
Рис. 4. Проведение съёма биопотенциалов: а) прибор регистрации сигналов [14], б) подключение отведений
В ходе проведения эксперимента по съему сигнала с одной мышцы (рис. 4б) было обнаружено, что наиболее стабильно сигнал от мышцы можно получать в некоторых положениях руки: для расслабленной руки сигнал практически не регистрируется, при сжатии в кулак появляется сигнал с переменной частой от 100 до 500 Гц амплитудой 1-2 мВ при простом сжатии и с увеличенной амплитудой при попытке разжать кулак.
2. Разработка модели мышцы
Основной модели является линейно-частотно модулирующий генератор, который выдает сигнал частотой 50-500Гц с амплитудой 100мВ, который эмулирует поведение мышечного несинхронного сигнала [15]. Для получения двух потенциалов противофазных сигналов установлен инвертирующий усилитель с коэффициентом усиления 1 и неинвертирующий повторитель для создания одинаковой задержки сигнала.
Резисторы R7-R8 представляют собой сопротивление кожи испытуемого. На резисторах R9-R14 создаются коэффициенты деления 1:1 для проверки сигнала, 1:10 - максимально напряженная мышца, на которую оказывают сопротивление, 1:15 - максимально напряженная мышца, на которую не оказывают сопротивления, 1:20 - слабо напряженная мышца, равносильно сжатию мышцы-антагониста, 1:50 - расслабленная мышцы, помехи.
Рис. 5. Разработанная схема модели
На основе данной схемы была разработана PCSPICE модель мышцы. Часть модели представлена в Листинге 2.
Листинг 2. Фрагмент разработанной модели.
1. .SUBCKT MUSCLEMODEL ContDeb ContMax ContMid ContLow GND muscle_pos ref muscle_neg
2. ...
3. S1 signal_sorce_pos divider ContDeb GND sw1
4. S2 signal_sorce_pos divider ContMax GND sw2
5. S3 signal_sorce_pos divider ContMid GND sw3
6. S4 signal_sorce_pos divider ContLow GND sw4
7. .model sw1 vswitch(Ron=1p Roff=1G Von=3.3 Voff=0.5)
8. .model sw2 vswitch(Ron=9k Roff=1G Von=3.3 Voff=0.5)
9. .model sw3 vswitch(Ron=14k Roff=1G Von=3.3 Voff=0.5)
10. .model sw4 vswitch(Ron=19k Roff=1G Von=3.3 Voff=0.5)
11. rR5 signal_sorce_pos divider 49000
12. rR10 signal_sorce_neg muscle_neg 10000
13. rR9 muscle_pos divider 10000
14. rR8 ref signal_sorce_neg 1000000
15. rR7 divider ref 1000000
16. rR6 divider signal_sorce_neg 1000
17. ...
18. .ENDS
В начале модели описаны входные и выходные сигналы модуля ContDeb ContMax ContMid ContLow -входы для подключения кнопок или устройств управления, GND общий провод для ввода сигнала, muscle_pos ref muscle_neg выходные сигналы с «мышцы». Далее в строках 3-6 описано подключение кнопок и цепи управления. В строках 7-10 указаны параметры кнопок и условия изменения их состояния в свойствах модели. Строки 11-16 описывают оставшуюся часть делителей на резисторах и выходные соединения.
Далее необходимо встроить эту модель в библиотеки среды Multisim. Для этого необходимо призвать мастера настройки модели в панели инструментов. В ходе работы среда предложит назвать модель, указать ей количество контактов, нарисовать собственное отображение, подключить и настроить саму модель [12].
Рис. 6. Окна мастера создания модели и модель в среде Multisim V. Эксперимент
3. Проверка модели. Составление схемы устройства ЭМГ
После реализации модели можно приступить к разработке простейшей принципиальной схемы регистратора ЭМГ, на основе которой оценить работоспособность модели и выдаваемые ею значения (рис. 7).
В центре схемы стоит модель мышцы MuscleModel, к входам которой подключены выключатели и подведены к общему проводу. При смене состояния из низкого в высокое, происходит переключение режима и вывод сигнала на Muscle + и Muscle - контакты. Данный сигнал усиливается инструментальным операционным усилителем и передается в масштабирующий усилитель, сигнал с которого приходит на осциллограф XSC1 [16]. Полученный сигнал представлен на рис. 8.
Рис. 8. Данные с осциллографа Ми1^т. Развертка по вертикали 1В/дел, по горизонтали 200мС/дел
Программа Multisim является звеном в системе сквозного проектирования разработки фирмы N1 и имеет средства сопряжения с LabView Ш. В программной среде LabView построен виртуальный прибор для визуального наблюдения тестовых сигналов. Дальнейшая обработка сигналов ЭМГ реальных сигналов ЭМГ проведена с использованием аппаратных и программных средств фирмы N1 (рис. 9).
ногт Cjraph
Time
drum
Рис. 9. Данные с виртуального прибора LabView
Сигналы, полученные с разработанной модели, адаптированы для проведения тестов моторного и сенсорного проведения ЭМГ с игольчатых электродов и достаточно близко повторяют сигнал, снятый реальным прибором регистрации ЭМГ.
VI. Выводы и заключение
В ходе данной работы создана электрическая модель мышцы человека и устройство для тестирования оборудования и компонентов устройства регистрации ЭМГ. При разработке использованы инструменты моделирования реальных сигналов ЭМГ, ЭКГ в программе NI Multisim. Разработанная SPICE модель может быть внедрена в другие современные среды моделирования схем электрических, которые поддерживают стандарт SPICE. Модель имеет управляемые входы и позволяет оценить работоспособность проектируемой мобильной электроники, в частности регистраторов мышечного сигнала для управления бионическими протезами. Модель устройства в Multisim сопрягается с программно-аппаратными средствами NI LabView. В программной среде LabView построен виртуальный прибор для визуального наблюдения тестовых сигналов ЭМГ. SPICE модель может быть использована при проектировании устройств манипуляторов для промышленных и бионических роботов. SPICE модель имеет открытый исходный код и возможность для развития с добавлением шумов от внешних источников, случайных шумов работы мышечных волокон и т. д.
Источник финансирования
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-38-90162.
Список литературы
1. Rangayyan Rangaraj M. Biomedical signal Analysis // IEEE/ Wiley New York NY 2nd Edition, 2015. URL: https://people.ucalgary.ca/~ranga/enel563/Lectures2ndEdCh4-5-6.pdf.
2. Cattani Carlo., Badea Radu Ion., Criçan Maria. Biomedical Signal Processing and Modeling Complexity of Living Systems Article // Computational and Mathematical Methods in Medicine. 2012. Vol. 177. Р. 298634. DOI: 10.1155/2012/298634.
3. Eugene N. Biomedical Signal Processing and Signal Modeling // New York: Wiley- Interscience. 2000. 536 p.
4. Husn-Hsien Chang, Moura José M. F. Biomedical Signal Proc / ed. Myer Kutz // Biomed. Engineer. and D e-sign Handbook. 2010. Vol. 1. McGraw Hill Chapter 22. Р. 559-579.
5. Medical sensor patches Multiparameter bio-signal sensing and monitoring wireless patches, Posted: 19-Jan-2019. URL: http://www.ti.com/solution/medical_sensor_patches.
6. Multiparameter Front-End Reference Design for Vital Signs Patient Monitor (Rev. A), 08 May 2019. URL: http://www.ti.com/lit/ug/tidueo2a/tidueo2a.pdf, http://www.ti.com/tool/TIDA- 01614.
7. Practical design methods for normalization of signals from ANALOG DEVICE sensors. URL: http://www.analogdevice.com.
8. Rangaraj M Rangayyan. Biomedical Signal Analysis: A Case-Study Approach // Wiley-IEEE Press. 2002. 552
р.
9. Kabanov A. A., Nikonova G. V. Development of Analog Filtering Circuit for Electromyography Signals Proc // Radioelectr. and Inform. Technology. Ural Symp. on Biomed. Engin., (USBEREIT April 2019). Conf. №. 8736559. Р. 55-58. DOI: 10.1109/USBEREIT.2019.8736559. EID: 2-s2.0-85068610338.
10. SPICE Modeling. URL: https://ozlib.com/812902/tehnika/spice_modelirovanie.
11. Esimhanova А. М., Nikonova G. V. Virtual Device For Processing The Signals From MEMS // Pressure Sensors Proc. Int. Conf. of Young Spec. on Micro/Nanotechnologies and Electron Devices (EDM 2018), 29 June-3 July 2018 Novosibirsk. Р. 676-680. DOI:10.1109/EDM.2018.8434971. EID: 2-s2.0-85052365781.
12. SPICE Models. A collection of SPICE simulation models for Analog Devices' products.
13. Laurence W Nagel. Is it Time for SPICE4 // Numerical Aspects of Device and Circuit Modeling Workshop, 23-25 June 2004, Santa Fe New Mexico.
14. Neuro-MEP Electromyograph User manual. URL: www.neurosoft.com.
15. SPICE3f5 Models. URL: https://help.altium.com/display/AMSE/SPICE3f5+Models.
16. Simulation Models and Analyses Reference Technical Reference TR0113 (v1.4). 2006. 419 p.
