Effetti del Downsampling sui Segnali EMG ad Ago: Un Workflow Sistematico

Un nuovo studio da arXiv presenta un workflow per valutare come il downsampling influenzi i segnali di elettromiografia ad ago (nEMG) utilizzati per rilevare malattie neuromuscolari (NMD). La ricerca affronta le sfide computazionali poste da frequenze di campionamento elevate ed eterogenee nell'analisi quasi in tempo reale. Il workflow combina metriche di distorsione basate sulla forma, risultati di classificazione da modelli di machine learning basati su feature e analisi dello spazio delle feature per quantificare la perdita di informazioni. Utilizzando un compito di classificazione NMD a tre classi, lo studio esamina come diversi algoritmi e fattori di downsampling influenzino l'integrità della forma d'onda e le prestazioni predittive. I risultati mirano a guidare strategie di downsampling ottimali per applicazioni cliniche.