Desarrollo, aplicación y evaluación de un algoritmo de detección de fatiga muscular a partir de los índices espectrales de Dimitrov.

Abstract

Uno de los principales problemas en el deporte es el riesgo de lesiones durante el mismo y más aún durante el entrenamiento. Es extremadamente común que la intensidad, duración y cargas utilizadas por los deportistas en sus ejercicios sean seleccionadas de forma intuitiva por ellos mismos o por su entrenador en el mejor de los casos. Esto conlleva, tarde o temprano, a dos situaciones: sobrepasar los límites físicos del deportista y generar una lesión o bien quedar por debajo de este y realizar un entrenamiento insuficiente. Para dar solución a esta problemática se diseñó, desarrolló y aplicó un algoritmo computacional basado en los índices espectrales de Dimitrov que permite identificar la fatiga muscular en señales de electromiografía de superficie. Se adquirieron señales de electromiografía de superficie en bíceps de dos sujetos, deportista uno y no deportista el segundo. Ambos siguieron un protocolo de entrenamiento similar, realizando ejercicios isométricos e isotónicos hasta el fallo muscular, tal como se suele hacer hoy en día. Se procesaron utilizando el algoritmo y se identificó el nivel de fatiga a lo largo de estas. Se comparó los resultados entre el brazo dominante y el no dominante de uno de los sujetos y entre los brazos dominantes de ambos. Además, se recopilaron bases de datos con señales de electromiografía de superficie similares para posteriormente aplicarles el algoritmo, identificar los niveles de fatiga y comparar los resultados con las señales adquiridas y con los niveles esperados por Dimitrov. Finalmente se comparó el desempeño para detectar la fatiga muscular de los índices espectrales de Dimitrov con la frecuencia media y frecuencia mediana, ambas técnicas comúnmente utilizadas para este objetivo. Se concluyó que los índices de Dimitrov son aplicables para detectar fatiga muscular tanto en ejercicios isométricos como isotónicos. Además, se demostró que el algoritmo tiene buen desempeño en señales de distintas fuentes, entregando valores coherentes, de acuerdo a lo postulado por Dimitrov, en cada una en las que se probó. Se concluyó también que los índices de Dimitrov y el algoritmo aquí explicado presenta más sensibilidad y precisión que las técnicas convencionales con las que se comparó. Finalmente se demostró la utilidad del algoritmo para monitorear y evaluar el estado de los músculos del usuario al identificar la fatiga muscular en señales de electromiografía de superficie, pudiendo ser una herramienta importante en la planificación del entrenamiento deportivo y la prevención de lesiones.

One of the main problems in sport is the injury risk involved in training. It is extremely common that the intensity, duration and loads used by athletes in their exercises are selected intuitively by themselves or by their coach in the best of cases. This leads, sooner or later, to two different situations: to exceed the physical limits of the athlete and generate an injury or to fall below this and perform insufficient training. To solve this problem, a computational algorithm based on Dimitrov's spectral indices was designed, developed and applied to identify muscle fatigue in surface electromyography signals. Surface electromyography signals were acquired in biceps of two subjects, one an athlete and the second a non-athlete. Both followed a similar training protocol, performing isometric and isotonic exercises until muscle failure, as it is usually done nowadays. They were processed using the algorithm and the level of fatigue was identified along these. The results were compared between the dominant and non-dominant arm of one of the subjects and between the dominant arms of both. In addition, databases with similar surface identify fatigue levels and compare the results with the acquired signals and with the fatigue levels expected by Dimitrov. Finally, the performance to detect muscle fatigue of Dimitrov's spectral indices was compared with the mean frequency and median frequency, both techniques commonly used for this purpose. The Dimitrov indices show to be applicable to detect muscle fatigue in both isometric and isotonic exercises. In addition, it was demonstrated that the algorithm works well with signals from different sources, giving consistent data values, as postulated by Dimitrov, in each one tested. It was also concluded that Dimitrov's indices and the algorithm presents more sensitivity and accuracy than the conventional techniques with which it was compared. Finally, it was demonstrated the usefulness of the algorithm to monitor and evaluate the state of the user's muscles by identifying muscle fatigue in surface electromyography signals, which could be an important tool in sports training planning and injury prevention.