Nomenclatura
EMG : indica la categoria generale della metodica definita come “elettromiografia” e che attiene a tutto quanto è in relazione all’attività elettrica generata dal sistema neuromuscolare. Tale attività elettrica può essere indagata in maniera non invasiva con sistemi di registrazione di superficie (sEMG) o con metodiche invasive (elettrodi ad ago concentrico, elettrodi ad ago mono polari, elettrodi a filo) per l’analisi dettagliata delle caratteristiche delle unità motorie e delle caratteristiche di conduzione a livello della interfaccia nervo / muscolo : placca neuromuscolare.

La sEMG presenta sostanziali differenze rispetto alla EMG invasiva, in termini di valutazione quantitativa del sistema neuromuscolare. Consente la misura della forza equivalente prodotta dal muscolo, la valutazione del tempo di attivazione di un muscolo, o di un gruppo di muscoli, e la stima dell’affaticamento muscolare.
La disponibilità di sistemi di misura multicanale, consente inoltre di quantificare le sinergie muscolari in specifiche condizioni di test: coordinamento degli arti inferiori nel cammino, attività muscolare nel controllo della postura, sinergie muscolari dell’arto superiore nei movimenti di afferramento (power grip) e nei movimenti di precisione delle dita della mano (precision grip).
Sinergie muscolari
In letteratura attualmente vi sono tre definizioni di sinergia muscolare che permettono, almeno in parte, di non fare eccessiva confusione nell’utilizzo del termine sinergia muscolare:

Analisi delle sinergie di tipo – C
Si tratta essenzialmente di un analisi della varianza e delle covarianze inter trial e intra trial.
Metodologie di “machine learning” nell’analisi dei segnali
In presenza di assemblaggi multicanale di segnali sEMG correlati a funzioni naturali ma complesse come le sinergie muscolari, è probabile che sia necessario utilizzare metodologie di estrazione o classificazione dell’informazione come quelle consentite dai metodi di machine learning o di approccio ai modelli classificativi con reti neurali. Si pensa ad esempio ad un approccio di “anomaly detection” che permette di individuare un pattern anomalo o patologico sulla scorta di una conoscenza sulla regolarità dello stesso fenomeno fino a quel momento osservata.
]]>