TRABALHO DE CONCLUSÃO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO
Proposta de construção de um instrumento de medição de
força através da captação de sinais mioelétricos na mão com
a aplicação de força palmar utilizando Arduino Uno
Anderson Lima da Silva, Austin Augusto da Silva, Eliabes Luna de Queiroz, Eusébio Angelo Nogueira, Wendel
Barreto da Silva, André Luiz Maciel Santana
Departamento de Engenharia da Computação
Universidade Anhembi Morumbi (UAM)
Resumo — A captação de sinais mioelétricos tem sido objetivo
de pesquisas, pois na área de Fisioterapia, esse sinal é importante
para acompanhar a evolução de um músculo trabalhado, através
da captura deste sinal. Há também próteses que trabalham com
esse sinal e gera movimento. Na Educação Física é um importante
sinal para identificação de fadiga muscular. No entanto, mesmo os
estudos atuais ainda indicam oportunidades de melhoria
relacionadas a portabilidade de um instrumento para aferição
destes sinais. Este artigo apresenta os principais resultados de uma
proposta de construção de um novo instrumento de trabalho que
seja capaz de capturar o sinal medido, condicionar e transformar
esse sinal em intensidade de força. Além disso, espera-se que com
as validações adequadas este dispositivo possa auxiliar médicos,
fisioterapeutas e terapeutas ocupacionais no processo de captação
da intensidade de força dos pacientes no que diz respeito aos
movimentos da mão. Com equipamentos deste tipo, entende-se que
seja possível estruturar respostas rápidas e processos terapêuticos
mais assertivos. Para alcançar estes objetivos foram realizados o
desenvolvimento, montagem do protótipo. Os principais resultados
indicaram que será necessário adotar a estratégia de mensurar o
percentual de força aplicada, pois trata de um sinal muito pequeno
e difícil de ser capturado.
Palavras-Chave — Eletromiografia, Força, Medição
1
I. INTRODUÇÃO
O
sinal mioelétrico (SEMG) é um sinal biomédico oriundo
da atividade elétrica produzida em um músculo durante
sua contração (GODÓI et al, 2013). Esse sinal é importante para
diversas áreas, pois através da captura deste os profissionais na
área de saúde (médicos, fisioterapeutas) avaliam o progresso de
melhora dos pacientes. Por exemplo, na Fisioterapia, a captura
deste sinal é um importante indicador para o acompanhamento
de uma evolução do músculo trabalhado. Resultados de
pesquisas, como por exemplo, de trabalhos de reabilitação, com
a finalidade de , avaliar o efeito da terapia do biofeedback por
eletromiografia(EMG) de superfície na flexão do joelho na
marcha hemiparética (LOPES et al, 2004); há proposta para
aquisição dos sinais mioelétricos através da captação de sinais
resultante da contração de músculos orbicular dos olhos e
frontalis (VIEIRA, 2014); há também propostas para aplicação
destes sinais em projetos de gamificação, para estimular o
paciente em sua reabilitação (DUQUE et al, 2014); na Educação
Física, esse sinal é importante para identificar fadiga muscular
(GONÇALVES, 2006); na Odontologia, sua principal aplicação
é no tratamento das disfunções Temporomandibulares,
utilizando a eletromiografia para mostrar ao paciente o estado
atual do músculo, analisando sua evolução durante o tratamento
até chegar a uma função satisfatória. (MALTA et al, 2008).
As principais motivações para elaboração desta pesquisa
estão associadas aos pacientes relatados em pesquisas como
MENDES et al (2008) que tratam de pacientes com Distúrbios
Osteomusculares Relacionadas ao Trabalho e JORGE et al
(2018) que tratam de pacientes para a recuperação da força
palmar.
O sinal eletromiográfico tem origem fisiológica nos
neurônios motores que inervam as fibras musculares
esqueléticas. Tais neurônios transmitem impulsos nervosos que,
ao chegarem na junção neuromuscular, liberam o
neurotransmissor acetilcolina, que por sua vez causará o início
de um potencial de ação nas fibras musculares individuais do
músculo. Esse potencial de ação se propaga ao longo de toda a
membrana muscular, gerando a contração muscular (GODÓI
et al, 2013).
Todo ser vivo de estrutura complexa produz sinais
mioelétricos (ANDRADE, 2007), sinal que é transportado pelos
nervos e músculos até o membro que realizar algum tipo de
trabalho (OLIVEIRA et al, 2011).
A relação entre a amplitude e o sinal eletromiográfico e a
força muscular tem sido objetivo de pesquisas que empregam
essa ferramenta como medida indireta de força muscular
TRABALHO DE CONCLUSÃO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO
(BASMAJIAN et al, 1985). Enquanto alguns estudos
demonstram uma linearidade nessa relação com músculos
pequenos, como os músculos interósseos palmares, outros
avaliam músculos maiores, tais como o músculo bíceps
braquial, demonstram uma relação EMG-força não linear
(OLIVEIRA et al, 2008).
Drente as alternativas identificadas na literatura, destaca-se o
Dinamômetro Biomédico para Avaliação Funcional das Mãos
(SANTOS, 2009), em que os autores indicam uma alternativa
para acompanhamento da evolução do paciente com base na
força palmar (palma da mão). No mercado, um instrumento
desenvolvido pela empresa Instrutherm chamado DD-2000,
onde o instrumento é usado para acompanhamento da evolução
dos tratamentos fisioterápicos.
O objetivo e o problema de pesquisa serão abordados na
próxima seção.
II.PROBLEMA DE PESQUISA / OBJETIVOS
O processo de relacionar o sinal mioelétrico e a força não é
uma tarefa fácil, algumas pesquisas como as de ONISHI et al.
(2002) indicam dificuldade em identificar qualquer correlação
linear entre a frequência média do sinal mioelétrico e força de
extensão do joelho. Baseados em simulações e experimentos,
utilizando o músculo bíceps braquial, Farina et al. (2002)
concluíram que não parece ser razoável esperar uma relação
geral entre variáveis espectrais e força. Porém, o estudo de
Karlsson e Gerdle (2001) apresentam uma solução alternativa
por meio da aplicação da transformada contínua de Wavelet,
identificando uma relação linear entre frequência média e força.
A pesquisa de Andrade et al (2011) apresenta uma associação
do músculo mais apropriado para conseguir estabelecer a
medida mais próxima para relacionar o sinal mioelétrico com a
força aplicada pelo paciente, captando esse sinal nos músculos
FDI (First Dorsal Interosseous).
Nesse cenário, este projeto se propõe a construir um protótipo
para captação do sinal mioelétrico com o intuito de comprar os
resultados obtidos pelo equipamento desenvolvido nesta
pesquisa com soluções semelhantes do mercado.
Nesse contexto, este estudo se propõe a projetar um
instrumento para captar medidas e aproximá-las com a relação
do sinal mioelétrico resultante da força palmar, aplicado pelo
paciente, tendo em vista a existência de sinais não lineares do
músculo aferido, o que exige a construção de filtros, circuitos
amplificadores e um código de programa que associa o sinal
capturado e condicionado para relacionar o sinal mioelétrico
com a força aplicada pelo paciente.
Por fim, define-se o seguinte problema de pesquisa:
 Qual a importância para efetuar a construção de
um instrumento de medição de força através da
captação de sinais mioelétricos?
Como hipótese alternativa, os resultados apresentados pelo
protótipo apresentam um resultado diferente dos sinais obtidos
pelo equipamento de mercado, indicando apenas que terá um
resultado de uma forma diferente.
2
III. REVISÃO BIBLIOGRÁFICA
Pesquisas como a de Andrade et al. (2011), no contexto da
modelagem de soluções semelhantes, sugerem que o melhor
local para capturar o sinal mioelétrico é acima do FDI (First
Dorsal Interosseous), pois trata-se de um músculo pequeno e
com relação quase linear entre a frequência e frequência
mediana. Ainda, ao capturar o sinal nesta região é possível
associar esses sinais e efetuar a sua comparação com a força da
preensão palmar do paciente.
Pesquisa como a de Vieira (2014), no contexto de materiais e
técnicas, sugerem que a melhor estratégia para captura dos
sinais mioelétricos é através da eletromiografia de superfície,
por tratar-se de um processo indolor
Figura 1 - First Dorsal Interosseous
Fonte: Andrade, 2011
Toda e qualquer atividade motora é produzida pela ação de
um único tecido, que constitui o músculo estriado esquelético,
músculo inervado pelo sistema nervoso central. Cada músculo
esquelético é composto por centenas de células ou fibras
musculares, que são individualmente inervadas por um único
axônio. Como esse axônio se origina em um neurônio, o mesmo
é denominado neurônio motor ou motoneurônio (ANDRADE et
al, 2011).
Figura 2 - Estrutura de um músculo esquelético
Fonte: Andrade, 2011
A contração de um músculo é o resultado da contração
relativamente independente das fibras musculares que o
compõem. Um único motoneurônio pode inervar várias fibras
musculares distintas de um mesmo músculo, tornando assim a
atividade conjunta dessas fibras subordinada à atividade do
respectivo motoneurônio. Assim, se esse motoneurônio for
ativado, todas as fibras musculares que ele inerva também serão
ativadas. Esse conjunto composto por um motoneurônio e suas
respectivas fibras são chamadas de unidade motora.
A análise dos sinais elétricos provenientes de uma unidade
motora, denominados potenciais de ação das unidades motoras
(PAUM) ou Motor Unit Action Potential (MUAP), podem ser
TRABALHO DE CONCLUSÃO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO
utilizados para diagnosticar vários tipos de disfunções
neuromusculares, além de fornecer informações de grande valia
para uma melhor compreensão do comportamento do sistema
neuromuscular em diversas condições como lesão, fadiga etc.
Obter diretamente o sinal elétrico proveniente de uma
unidade motora é um processo complexo e às vezes inviável na
prática. Por isso, frequentemente, o sinal eletromiográfico
(EMG) de um músculo é obtido por completo, ao invés das
atividades individuais de suas unidades motoras (ANDRADE et
al,2011). A figura abaixo mostra como ocorre o processo de
detecção desses sinais:
Figura 3- Detecção dos trens de MUAP
Fonte: Andrade, 2011
O sinal EMG pode ser conceituado com a soma dos
potenciais de ação de várias unidades motoras ativas que se
encontram na região onde foi posicionado o eletrodo. Em
resumo, pode-se dizer que o sinal EMG é o sinal total detectado
por um eletrodo (ANDRADE et al, 2011).
A eletromiografia de superfície (EMGs) é um exame em
tempo real, não invasivo e indolor, no qual se utilizam eletrodos
superficiais para captar o potencial elétrico gerado na contração
muscular. O diferencial captado é a soma (temporal e espacial)
de todos os pequenos potenciais de ação de todas as unidades
motoras envolvidas no espaço abrangido, assim como é o
resultado de todas as resistências e dispersões do sinal (visto
que é um sinal captado à superfície da pele, o seu trajeto até a
superfície encontra tecidos que oferecem resistência à
propagação do sinal, sendo afetado por todas as características
anatômicas e fisiológicas do local) (VIEIRA,2014).
A captura dos sinais pode ser feita com a utilização do
microcontrolador Arduino Uno, pois, indicado por Vieira, 2014,
o Arduino se justifica pela relação custo reduzido por facilidade
de uso.
A Shield OLIMEX Modelo SHIELD EKG-EMG, conforme
indicado por Vieira, 2014, se justifica por sua facilidade em
conectar com o Arduino. Como característica, a Shield possui
capacidade de acoplamento de mais shields, podendo ter até 6
canais de entrada analógica, além da geração de sinal de
calibração pelas saídas digital D4 e D9, tem conector para
eletrodos ativos e passivos, trabalha com Arduino nas voltagens
de 5V e 3.3V e amplificação máxima do sinal em 205 vezes
maior.
Para a apresentação dos resultados no protótipo, foi escolhido
o display modelo 2.4” TFT LCD Display Shield, pela sua
compatibilidade com o Arduino UNO. Conforme Felipe, 2016,
além do display possuir compatibilidade com o Arduino, ele
3
possui uma biblioteca pronta.
Foi escolhido o eletrodo passivo ou de superfície, modelo
Medtrace ou similar, pois o grupo não tem especialidade em
área médica para utilizar os eletrodos ativos, que perfuram a
pele, e, conforme Vieira, 2014, além de ser um processo não
invasivo, indolor e atende aos critérios da eletromiografia de
superfície.
Em conjunto com o Eletrodo de superfície, será utilizado um
cabo de captação dos sinais mioelétricos, marca Sparkfun ou
similar.
Para acomodar os componentes eletrônicos internamente, foi
pensado em uma solução simples e barata, uma caixa de
montagem com dimensões que acomodasse todo o protótipo
montado.
Para as medições e comparações, o dinamômetro escolhido
foi o modelo da marca Vakind ou similar, modelo 1213, por ser
mais acessível e sua simplicidade para aferir as medidas de
força.
A captura deste sinal será possível com o uso de eletrodos
passivos e um cabo modelo MyoWare ou similar, com três
terminais de captura. Após a captura deste sinal, esse sinal será
condicionado e transformado em unidade de Força.
O diagrama em blocos da estrutura dos componentes
escolhidos está configurado na seguinte forma:
Figura 4 - Diagrama em blocos dos componentes
Fonte: Próprio Autor
A. Pesquisa Bibliográfica
Através do trabalho de Andrade et al (2011), é um trabalho
que traz para o projeto uma trilha para prosseguir com a
investigação desejada, pois traz o sinal aferido, condicionado
para ser comparado com a força aplicada pelo paciente.
Na estratégia de trabalho, há também o trabalho do Santos
(2009), onde ele desenvolveu um dinamômetro para aferir a
força da preensão palmar; mesmo objetivo do grupo, porém,
com materiais diferentes.
Há também o trabalho de Vieira (2014) onde a estratégia de
TRABALHO DE CONCLUSÃO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO 4

captura de sinais é a mesma adotada pelo grupo, através da

eletromiografia de superfície, além dos materiais utilizados,
sendo eles o Arduino Uno, a Shield OLIMEX EKG-EMG, cabo
para captura do sinal e eletrodos passivos.

IV. METODOLOGIA
O presente projeto será feito da seguinte forma: (i) identificar
estratégias de trabalhos similares na literatura, para dar
fundamentos teóricos para esta pesquisa (ii) especificar um
conjunto de hardwares e bibliotecas que possam auxiliar no
desenvolvimento deste protótipo (iii) implementar o protótipo
(iv) realizar a integração entre hardware-firmware (v)
especificar um protocolo de testes (vi) conduzir um conjunto de
testes (vii) analisar os principais resultados obtidos.
Foi desenvolvido um algoritmo para capturar o sinal
mioelétrico, condicionar o sinal e converter o sinal em Força. Figura 6 - Diagrama em blocos dos estados do projeto
Para capturar esse sinal, foram colocados três eletrodos passivos Fonte: Próprio Autor
no braço do paciente, sendo dois na parte dorsal da mão e um
terceiro eletrodo em um ponto neutro (cotovelo). O esboço da solução proposta está na figura abaixo:

Figura 5 – Locais de fixação dos eletrodos

Fonte: Próprio Autor

Os componentes utilizados: Figura 7 - Esboço do Protótipo

 Microcontrolador Arduino Uno; Fonte: Próprio Autor
 Shield OLIMEX modelo SHIELD EKG-EMG;
 Display TFT 2.4” modelo Arduino ou similar; Como se pretende calibrar o protótipo? Será utilizado um
 Cabo de Sensores Modelo Myoware ou similar; dinamômetro manual para obter as medidas e alinhar a força
exercida no dinamômetro com a intensidade do sinal captado.
 Eletrodos de Superfície modelo Medtrace ou
Para o tratamento dos sinais, foram escolhidos os seguintes
similar;
filtros digitais:
 Caixa de Montagem.
 Transformada Rápida de Fourier;
 Dinamômetro Manual
 Filtro passa-baixa;
Para o funcionamento, foi elaborado um diagrama de estados,  Filtro de Média Móvel;
que consiste nos seguintes passos: Para a utilização dos filtros digitais citados acima, se pretende
1. Apresentação; responder as seguintes perguntas: por que esse filtro? O que ele
2. Clicar em Avançar; faz? Quem indica/usa o filtro?
3. Conectar o cabo de sinais; O dinamômetro utilizado é esse modelo abaixo:
4. Clicar em Avançar;
5. Pede ao usuário para efetuar contrações com a mão;
6. Exibição do gráfico;
7. Processamento do sinal e conversão em força;
8. Exibição das informações processadas;
9. Etapa de finalização – se sim, ir para a próxima
etapa, senão voltar para a etapa 3;
10. Fim.
Segue a apresentação do diagrama em blocos de estados da Figura 8 - Dinamometro Manual
Fonte: Ali Express (2020)
solução proposta:
TRABALHO DE CONCLUSÃO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO
Será efetuado os testes de hipótese para garantir a eficácia do
protótipo.
V. RESULTADOS E ANÁLISES
Foi desenvolvido o código e testada a implementação. Dos 3
filtros digitais escolhidos para filtrar o sinal, o filtro que
funcionou nos testes foi o filtro de média móvel, já os demais
filtros (Transformada Rápida de Fourier e Filtro Passa-baixa)
não fora possível implementar, pois a sua implementação possui
alta complexidade para ser processada no Arduino Uno. No
caso da Transformada Rápida de Fourier, a transformada pode
ser calculada no Arduino Uno, porém ele só calcularia até 128
pontos (amostras) devido a sua memória ser menor,
considerando que seria apenas um dispositivo de recepção de
sinal e processamento. Como a implementação já trabalha com
a parte gráfica, reduz ainda mais a quantidade de memória
disponível para o cálculo da transformada (Canal Oficiencia, do
Instituto Federal de São Carlos, 2019). Já o Filtro Passa-baixa,
produz um efeito indesejável, que é o atraso de fase, que pode
induzir a erros significativos na medida das variáveis temporais
apresentadas (Andrade, 2007).
Com a utilização do filtro digital de média móvel, ele
responde às perguntas da metodologia. O filtro de média móvel
foi escolhido por ser um filtro digital leve e rápido para ser
processado no Arduino Uno. Sua utilização consiste em pegar
uma série de amostras pré-definida e obter a média desses
valores, fazendo com que a oscilação do sinal seja suavizada
para evidenciar apenas o sinal desejado e não o seu ruído.
Quanto maior o número de amostras a serem capturadas, maior
será o “atraso” de correção de sinal. O Filtro é indicado por
profissionais da área de saúde e professores de eletrônica, por
tratar-se de um filtro fácil de ser aplicado e por funcionar na
maioria de aplicações do Arduino, onde o sinal do filtro de
média móvel é utilizado. O filtro média-móvel é um filtro
digital que usa uma janela móvel de J amostras para calcular a
média de uma sequência de dados, a cada instante no tempo
(SANTOS et al, 2015).
Na parte de construção do protótipo, para conseguir colocar
as placas montadas para a solução funcionar, foi necessário
colocar o módulo do display acima e soldar a Shield Olimex
abaixo do Microcontrolador Arduino.
Figura 9 - Protótipo em fase de testes
Fonte: Próprio Autor
Com o protótipo construído, obteve-se os seguintes
5
resultados:
Figura 10 - Sinal de saída com ruído e sinal Filtrado
Fonte: Próprio Autor
No sinal acima, o sinal com ruído está em azul e o sinal
vermelho é o sinal filtrado com a utilização do filtro de média
móvel.
Para fins de análise do protótipo construído, foram
selecionados 3 voluntários de uma família residente na zona sul
de São Paulo. Foi abordado a estes voluntários qual era o
objetivo destes testes e eles aceitaram fazer parte como
voluntários dos experimentos deste estudo. Com a escolha
voluntários, foram coletadas 6 amostras, sendo elas 2 de cada
voluntário. 1 amostra de cada voluntário sem o uso do
dinamômetro e outra amostra com o uso do dinamômetro. Os
perfis são esses: Homem, 61 anos; Mulher, 46 anos e Mulher,
24 anos. Os três voluntários estavam sentados, com o braço em
repouso sobre a mesa. No momento do teste nenhum dos 3
voluntários sentiram-se desconfortáveis com a aplicação dos
eletrodos. Nos testes com o dinamômetro, os 3 voluntários
sentiram desconforto, devido a força necessária a ser aplicada
para pressionar o objeto e realizar o movimento de preensão
palmar. O Homem de 61 anos e Mulher de 46 anos sentiram
incômodos durante a preensão do dinamômetro, mas foram
poucos incômodos. Já a Mulher de 23 anos ficou mais
incomodada com a preensão palmar do dinamômetro devido ao
esforço que precisou aplicar para pressionar o dinamômetro.
Com estes 3 perfis, obteve-se os seguintes resultados:
 Resultado 1 – Homem, 61 anos
Figura 11 - Sinal aferido sem dinamômetro homem 61 anos
Fonte: Próprio Autor
TRABALHO DE CONCLUSÃO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO
Figura 12 - Sinal aferido com dinamômetro homem 61 anos
Fonte: Próprio Autor
 Resultado 2 – Mulher – 46 anos
Figura 13 - Sinal aferido sem dinamômetro mulher 46 anos
Fonte: Próprio Autor
Figura 14 - Sinal aferido com dinamômetro mulher 46 anos
Fonte: Próprio Autor
 Resultado 3 – Mulher, 24 anos
Figura 15 - Sinal aferido sem dinamômetro mulher 24 anos
Fonte: Próprio Autor
6
Figura 16 - Sinal aferido com dinamômetro mulher 24 anos
Fonte: Próprio Autor
Como observado, através das figuras, o sinal filtrado (em
vermelho) está plenamente aderente em 2 situações de teste:
Homem, 61 anos e Mulher, 42 anos.
VI. CONCLUSÃO
Após a realização deste trabalho, conclui-se que a
metodologia empregada no sentido de adotar a eletromiografia
de superfície como captura dos sinais mioelétricos, atendeu ao
objetivo de capturar o sinal em seu melhor ponto de captura
para medir força sem precisar utilizar um mecanismo de
preensão palmar, porém, pela limitação do Arduino Uno no uso
de memória, não foi possível efetuar o condicionamento do
sinal e convertê-lo em força, atendendo em 80% o objetivo
proposto pelo trabalho.
As contribuições reais que o projeto pode oferecer é o ponto
exato para a captura do sinal e a aderência dos resultados
aferidos, mesmo com uma pequena amostragem, além da
escolha do filtro de média móvel como o mais leve e fácil de ser
implementado.
Para trabalhos futuros, recomenda-se o uso dos mesmos
módulos para a captura do sinal, mas com um microcontrolador
diferente, tais como por exemplo, o Arduino Mega. Além desse
protótipo com uma atualização, pode ser empregado no futuro,
como uma estratégia diferente, a medição do percentual de
força, trazendo o resultado da intensidade de força aplicada pelo
paciente ou para áreas esportivas, para avaliar a força que o
atleta alcança em situações de preparação de treino ou quando
se pretende atuar na recuperação de um atleta lesionado.
REFERÊNCIAS
[1] GODÓI, T. D. S. M. D.; DUQUE, L. H.; DIAZ, F. J. D. O. Prótese
Mioelétrica controlada por Redes Neurais. Universitas Gestão e TI,
Brasília, v. 3, dezembro/2013. ISSN 2179-8311.
[2] LOPES, P. G.; VASCONCELOS, J. C. P.; RAMOS, A. M.; MOREIRA,
M. C. S.; LOPES, J. A. F.; KAVAMOTO, C. A. O efeito da terapia de
biofeedback por eletromiografia de superfície na flexão de joelho da
marcha hemiparética. ACTA FISIATR vol. 11(3), pg. 125-131, São
Paulo, 2004.
[3] VIEIRA, I. M. S. Interface humana músculo-facial. Instituto Superior de
Engenharia do Porto, Porto, 2014.
[4] DUQUE, L. H.; ARAÚJO, R. M.; LÔBO, P. H. C. Proposta de
Reabilitação Fisioterapêutica em Pacientes Com Dificuldade em Executar
Movimentos em Membros Superiores ou Inferiores, Utilizando-se Sinais
TRABALHO DE CONCLUSÃO DO CURSO DE ENGENHARIA DE COMPUTAÇÃO 7

Mioelétricos nos Jogos Virtuais. Universitas Gestão e TI, v. 4, n. 2, p. 1-6,

Brasília, jul./dez. 2014.
[5] GONÇALVES, M. Eletromiografia e a Identificação de Fadiga Muscular.
Rev. bras. Educ. Fís. Esp., São Paulo, v.20, p.91-93, set. 2006.
Suplemento n.5.
[6] MALTA, J.; CAMPOLONGO, G. D.; TARLEY E. P. B., REGINALDO
P. O. Eletromiografia Aplicada aos Músculos da Mastigação. ACTA
ORTOP BRASILEIRA V. 14(2), 2006.
[7] MENDES, L. F.; LANCMAN, S. A Contribuição da Fisioterapia em
Grupo na Recuperação e Reabilitação de Pacientes com LER/DORT. São
Paulo, 2008.
[8] JORGE, M. S. G; KLEIN, S. R.; KOHLRAUSCH, J.; ZANIN, C.;
WIBELINGER, M. Intervenção Fisioterapêutica na Dor, na Força de
Preensão Palmar e na Qualidade de Vida em Indivíduos com Doenças no
Tecido Conjuntivo. PERSPECTIVA v. 42, n.157, p. 109-121; Erechim,
março/2018.
[9] ANDRADE, N. A. Desenvolvimento de um sistema de aquisição e
processamento de sinais eletromiográfico de superfície para a utilização
no controle de próteses motoras ativas. Universidade de Brasília. Brasília,
p. 101. 2007. (PPGENE.DM – 313/07).
[10] OLIVEIRA, J. L. D.; ARAÚJO, R. M.; DUQUE, L. H. Amplificador de
Eletromiografia com Áudio. Anuário da Produção de Iniciação Científica
Discente, Valinhos, v. 13, p. 293-302, 20/maio/2011.
[11] BASMAIJAN J. V., DE LUCA C. J. Muscles alive: their functions
revealed by electromyography. Baltimore: Williams and Wilkins; 1985.
[12] OLIVEIRA, S. D.; TUCCI, H. T.; VERRI, E. D.; VITTI, M.; REGALO,
S. C. H. Influência da posição do Braço na Relação EMG-força em
músculos do Braço – Fisioterapia e Pesquisa vol. 15 nº 3, São Paulo,
agosto/2008.
[13] SANTOS, E. A., Dinamômetro Biomédico Para Avaliação Funcional das
Mãos. Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade
de Engenharia de Ilha Solteira, Fevereiro, 2009.
[14] ONISHI H., YAGI R., AKASAKA K., MOMOSE K., IHASHI K.,
HANDA Y. Relationship between EMG signals and force in human
vastus lateralis muscle using multiple bipolar wire electrodes. J
Electromyogr Kinesiol. 2000; 10 (1): 59-67.
[15] FARINA D., FOSCI M., MERLETTI R. Motor unit recruitment
strategies investigated by surface EMG variables. J Appl Physiol. 2002;
92 (1): 235-247.
[16] KARLSSON S., GERDLE B. Mean frequency and signal amplitude of
the surface EMG of the quadriceps muscles increase with increasing
torque – a study using continuous walvelet transform. J Electromyogr
Kinesiol. 2001; 11 (2): 131-140.
[17] ANDRADE, A. O., ANDRADE, I. C. Modelagem da Atividade Elétrica
Muscular Visando a Avaliação de Sistemas para Decomposição de Sinais
Eletromiográficos. Laboratório de Engenharia Biomédica (BioLab) –
Faculdade de Engenharia Elétrica – Universidade Federal de Uberlândia.
Uberlândia, p. 24. 2011.
[18] FELIPE, A. F. Desenvolvimento de um sistema embarcado de bordo para
monitoramento de parâmetros via diagnóstico de rede can. Universidade
Tecnológica Federal do Paraná, Ponta Grossa, 2016.
[19] BANZI, M. Primeiros Passos com o Arduino. 1ª. ed. São Paulo: Novatec
Editora Ltda., 2011.
[20] JUNIOR, Dr. G. B. V.; Fundamentos de Eletromiografia – URL:
http://www.cpaqv.org/mtpmh/eletromiografia.pdf – Acesso em:
19/04/2020.
[21] LINNAMO A., MORITANI T., NICOLE C., KOMI P.V. Motor unit
activation patterns during isometric, concentric and eccentric actions at
different force levels. J Electromyogr Kinesiol v.13 (1). p. 93-101, 2003.
[22] O’SULLIVAN, S. B.; SCHMITZ, T. J. Fisioterapia Avaliação e
Tratamento. 5ª. ed. São Paulo: Manole Ltda., 2010.
[23] Vídeo do Canal do Youtube Oficiencia, do Instututo Federal de São
Carlos sobre Transformada Rápida de Fourier no Arduino. URL:
https://www.youtube.com/watch?v=4dI5EXFFG_Y&feature=youtu.be –
Acesso em: 18/11/2020.
[24] SANTOS, G. A; BASTOS, G.; NOVAIS B. A.; MARQUES, DR. J. E. S.
Luva Hapática para Controle de um Manipulador Instituto Federal de
Educação Ciências e Tecnologia da Bahia, Vitória da Conquista, 2015.
[25] Site de compras Ali Express. URL:
https://pt.aliexpress.com/item/4000593465281.html?
trace=wwwdetail2mobilesitedetail – Acesso em: 10/10/2020.