Facultad de Ingeniería Ingeniería
Biomédica
Plan de tesis:
“Diseño de un prototipo de EMG para el análisis de la fatiga muscular en personas varones
sedentarios”
Autores:
Jaen Pier Ordoñez Quispe
Medelin Moreno Estrada
Para optar el Título Profesional de Ingeniero Biomédico
Asesor
Luis Hermoza Paz
Lima, Perú
2025
INTRODUCCIÓN
La fatiga muscular se define como la disminución de la capacidad de un músculo o grupo muscular para generar fuerza o
potencia, como resultado de los efectos inducidos por la actividad física [1]. Este fenómeno puede originarse por una
insuficiencia en el sistema nervioso central durante la transmisión de señales eléctricas hacia las fibras musculares o por
alteraciones en el mecanismo de acoplamiento excitación contracción a nivel muscular. De manera adicional, procesos
fisiopatológicos como la isquemia y la reperfusión, que comprometen la adecuada administración e irrigación sanguínea del
tejido muscular, también se encuentran estrechamente asociados con su desarrollo [2]. En los deportistas y personas que realizan
ejercicio físico de manera regular este fenómeno puede ocasionar una disminución del rendimiento, limitar el desarrollo físico e,
incluso, aumentar la probabilidad de lesiones asociadas al sobreesfuerzo. No obstante, cuando es gestionado de manera adecuada
dentro de un programa de entrenamiento estructurado, la fatiga muscular puede constituir un estímulo fisiológico fundamental,
que potencia los procesos de adaptación y favorece la progresión tanto funcional como estructural del sistema
musculoesquelético [3]. Se estima que aproximadamente un tercio de los deportistas de alto rendimiento ha experimentado
sintomatología asociada al síndrome de sobre entrenamiento, condición que incrementa significativamente la incidencia de
lesiones por sobreuso [4]. En contraste, las personas que no realizan actividad física de manera regular, es una población con
mayor sensibilidad a alcanzar la fatiga muscular. En el estudio realizado en Estados Unidos, donde mujeres con 21 años en edad
media se sometieron a 2 semanas de inmovilización de la articulación de la rodilla izquierda posteriormente fueron expuestos a
pruebas de extensor de rodilla isométrico y fuerza isocinética concéntrica a dos velocidades, en el cual concluyeron que la
inactividad física afecta significativamente a la activación voluntaria y el comportamiento de las unidades motoras [5]. En
revisiones sobre lesiones en levantadores de pesas, se ha reportado que hasta cerca del 81% de los casos están relacionados con la
fatiga o la sobrecarga, entendida como acumulación excesiva de trabajo, recuperación inadecuada o superar la capacidad
individual [6].
Existen diversos métodos para detectar la fatiga muscular entre los métodos no invasivos destacan cuestionarios y escalas
(métodos subjetivos), electromiografía, ultrasonido y sistemas de captura o movimiento [7]. El método del ultrasonido, evalúa la
fatiga muscular indirectamente a través del estudio de las medidas de la contracción, tensión y grosor de los músculos, la
principal limitación es que los sistemas convencionales miden cambios en la rigidez de distintas estructuras (músculos, tendones,
nervios y piel) de una articulación, sin ser específicas del músculo [8]. Los sistemas de análisis de movimiento (UMI, cámaras
infrarrojas y visión por IA sin marcadores) se emplean con frecuencia junto con algoritmos de aprendizaje automático para
estimar la fatiga por su precisión y fiabilidad. No obstante, suelen requerir configuraciones específicas que los limitan a entornos
controlados [7]. El estudio ejecutado en España, evaluó la validez convergente entre la electromiografía de superficie (EMG), la
ecografía (US) y la dinamometría para medir la fatiga muscular durante una contracción isométrica voluntaria máxima de presión
manual (MVIC). Se incluyeron 50 adultos sanos (18–65 años), y se registraron simultáneamente los cambios en la actividad
eléctrica, el grosor muscular y la fuerza isométrica con EMG, US y dinamometría durante una MVIC sostenida de 15 segundos.
Los sujetos colocaron el Jamar (herramienta de presión manual) en su mano, con el brazo junto al tronco, el hombro en posición
neutral y el codo flexionado a 90◦ y tiraron de la barra metálica con sus dedos, realizando 2-3 contracciones máximas (para evitar
la aparición temprana de fatiga) Los resultados mostraron asociaciones moderadas entre los tres métodos. Ambos sexos
presentaron cambios similares en la actividad y grosor muscular, aunque los hombres mostraron mayor pérdida de fuerza. Las
pendientes de fatiga no se relacionaron con variables demográficas o antropométricas, pero la circunferencia y longitud del
antebrazo sí se vincularon con la capacidad de mantener la fuerza.[9]
De los métodos descritos, la aplicación de electromiografía con sistemas comerciales son los más frecuentes para registrar la
actividad eléctrica muscular, ya que, cuentan con parámetros predeterminados de muestreo, filtrado y procesamiento, facilitando
el análisis de patrones vinculados a la aparición de la fatiga muscular, sin embargo el costo representa una limitación importante,
ya que restringe el acceso a determinados sectores interesados en estudiar y profundizar en esta temática[10][11][12], los
sistemas comerciales actuales, como BTS Surface EMG (Vandrico, North Vancouver, Canadá) y Tringo Wireless EMG (DelSys,
Massachusetts, EE. UU.), ofrecen soluciones de EMG inalámbricas. Sin embargo, presentan ciertas limitaciones ya que, son
costosos con precios que oscilan entre 448 y 15 675 euros, estos son voluminosos lo que reduce su portabilidad y afecta el
movimiento natural del usuario [13].Por ejemplo el estudio realizado en el departamento de neurociencia de la universidad de
Verona, indican que el el análisis sEMG puede ser realizado por científicos deportivos y/o fisioterapeutas en su trabajo diario
para estudiar la actividad muscular en diferentes poblaciones o en los períodos pre/post entrenamiento. Sin embargo, el análisis
sEMG en equipos deportivos o centros de rehabilitación no está muy extendido también porque los aparatos comerciales son
bastante caros, alrededor de 15.000 a 20.000 €.[14] Así mismo, Aunque la adquisición de señales EMG se puede realizar de
diferentes maneras, hoy en día uno de los métodos más utilizados es mediante electromiografía superficial (sEMG), ya que, en
comparación con otros métodos, por ejemplo, agujas, es uno de los métodos menos invasivos. En el estudio de Reino Unido se
compara el precio de dispositivos comerciales siendo alrededor de 20.000 euros para el dispositivo de la marca Delsys trigno y
15.000 euros del fabricante cometa, en comparativa de los sensores de bajo coste que pueden variar entre 150 y 100 euros para
Bitalino y Myoware + Arduino mega, respectivamente.[15]
Los principales indicadores que permiten concluir sobre la detección de la fatiga muscular en un individuo, se ve representado en
el incremento de la raíz cuadrática media (RMS) y del valor absoluto en el dominio temporal de la señal EMG del músculo,
además las variaciones en la frecuencia media y el uso de redes neuronales, son parámetros considerados fiables para estimar la
proximidad del estado de fatiga muscular [16][17],por otro lado, la implementación de microcontroladores como Arduino se ha
aplicado en proyectos electrónicos orientados al control y procesamiento de información, mostrando su viabilidad en la
adquisición de señales generadas por la actividad muscular, por ejemplo el estudio realizado en el Reino Unido hace una
comparativa entre sensor diseñado de bajo costo y un sistema comercial, el sensor de bajo costo fue implementado utilizando
componentes de hardware, como Arduino Uno, módulo Myoware y HC-05 Bluetooth con batería alcalina que proporciona una
conexión inalámbrica. Para evaluar la fiabilidad del sensor EMG de bajo costo, reclutaron a siete participantes para realizar
ejercicios dinámicos. Ambos sistemas se colocaron en el músculo vasto lateral de cada participante. Los indicadores de
validación utilizados fueron el coeficiente de correlación de rangos de Spearman y la correlación intraclase (CCI). Los resultados
obtenidos indicaron una concordancia relativa y absoluta en el nivel máximo de CCI en un rango de (0,74-0,92) para ambos
sistemas. La correlación intraclase promedio en el nivel máximo fue de 0,83, lo que indica una concordancia de buena a excelente
entre ambos sistemas. Hay un alto grado de confiabilidad para la señal de salida del sensor de bajo costo. Por lo tanto, hay una
correlación significativa del sensor EMG de diseño y el sistema comercial. Además, en el nivel pico, la correlación de Spearman
estuvo en el rango de (0.71–0.85) con un promedio de 0.76, lo que indica una muy buena correlación entre los dos sistemas [16].
Otro estudio propone un sistema integrado de hardware y software diseñado para la adquisición, el procesamiento y el análisis de
señales electromiográficas de superficie (sEMG). El sistema analiza las señales sEMG para comprender la función muscular y el
control neuromuscular, empleando redes neuronales convolucionales (CNN) para el reconocimiento de patrones. La integración
de un algoritmo de IA con el dispositivo de adquisición de señales mejora los resultados cualitativos al eliminar la información
redundante, dicho dispositivo usa un procesador Raspberry con un circuito de adquisición de señales de seis electrodos, La
elección de esta tarjeta procesadora se debe a que cuenta con la memoria adecuada para guardar y enviar los datos adquiridos, a
su gran volumen y, finalmente, a su alto rendimiento, en cuanto a la amplificación, la resistencia RG permite una ganancia de G =
1000 (60 dB) utilizando la configuración de pines específica del amplificador AD623. El filtro de muesca pasivo permite
eliminar la frecuencia específica de f = 50 Hz mediante una combinación de varias resistencias y condensadores que, gracias a su
particular posicionamiento, crean un sistema compuesto por un polo y dos ceros simples que permiten detener la frecuencia que
causa el ruido. Finalmente, se añadió un filtro paso bajo activo de tercer orden para atenuar todas las frecuencias por encima de la
frecuencia de corte f = 150 Hz, con una tendencia de −60 dB por década. Los resultados muestran claramente que la red neuronal
propuesta alcanzó una alta precisión tanto en el conjunto de entrenamiento (96,732 %) como en el de prueba (94,234 %). Estos
hallazgos indican la alta eficacia del modelo el método propuesto que logró un buen resultado en términos de precisión.[17]Por
tal motivo, es indispensable el uso de métodos robustos y confiables que permitan extraer características relevantes y precisas de
las señales registradas en electromiografías para evaluar el estado de la fatiga muscular [11].
En base de los estudios mencionados, el objetivo de la investigación es realizar el diseño y desarrollo de un prototipo EMG
portátil, eficiente y de bajo costo el cual representa una alternativa viable y accesible, para generar un impacto significativo en el
campo clínico, deportivo, académico y en la vida diaria. Esta solución permitiría una mayor accesibilidad a herramientas de
monitoreo y control, con aplicaciones potenciales en los distintos campos [19].
2. METODOLOGIA
Tal como se observa en la Figura 1, el sistema de implementación se estructura en dos fases fundamentales, ambas destinadas a
montarse sobre placas de circuito impreso (PCB) desarrolladas mediante el software Eagle.
La primera fase comprende todo el proceso relacionado con la gestión y supervisión de la batería, abarcando también la conexión
hacia el periférico donde se encuentran integrados los distintos módulos electrónicos necesarios para el funcionamiento general
del dispositivo. Por otro lado, la segunda fase agrupa los componentes destinados al procesamiento de la señal EMG, incluyendo
el acondicionamiento, filtrado y amplificación correspondientes, así como los elementos de protección que garantizan la
seguridad tanto del sistema como del usuario. En conjunto, ambas etapas conforman una arquitectura electrónica organizada que
facilita el funcionamiento eficiente y seguro del dispositivo final.
Figura 1.
El sistema desarrollado incorpora una batería de ion–litio de 3.7 V y 2000 mAh, lo que permite que el dispositivo sea
completamente portátil y pueda utilizarse fuera de un entorno de laboratorio gracias a su bajo peso. Este acumulador proporciona
energía a la tarjeta principal y ofrece una autonomía aproximada de 5 horas bajo un consumo de 0.4 amperios. La señal EMG
captada por los electrodos es sometida primero a un proceso de amplificación y filtrado, asegurando así una mejor calidad antes
de su tratamiento. Posteriormente, dicha señal atraviesa un circuito de protección constituido por un arreglo de diodos montados
en superficie, cuya función es resguardar el módulo integrador frente a posibles sobrecargas o perturbaciones eléctricas. Una vez
acondicionada, la información es enviada al conversor analógico–digital para su digitalización y posterior procesamiento. El
análisis de los datos se gestiona mediante software diseñado en Proteus utilizando lenguaje C++. Finalmente, la transmisión de la
información se realiza vía Bluetooth, lo que permite monitorear en tiempo real el comportamiento y el estado del sistema durante
su operación.
2.1 Etapa de control de carga de batería
Una característica destacada del sistema se encuentra en su módulo de gestión de carga de la batería, el cual incorpora una fuente
de alimentación que cumple con los valores eléctricos establecidos en el datasheet del acumulador. Estos parámetros se resumen
en la Tabla 1 presentada a continuación.
Tensión nominal 3.7 v
Tensión de carga 4.2 v
Tensión de corte 2.75 v
Capacidad 2000 mAh
Corriente de carga 2.0 A
máxima
Corriente de carga 1.0 A
estándar
Resistencia interna ≤ 48 mΩ
Diámetro ≤ 18.25mm
Altura ≤ 65.10mm
Peso 47.5g
Tabla 1
El proceso de carga de la batería se completa en aproximadamente 4 horas, manteniendo una temperatura de referencia de 25 °C.
Por otro lado, el tiempo de descarga fue evaluado tomando como base el diagrama de capacidad frente al voltaje (Diagrama 1) y
la tabla de corriente en función del tiempo (Tabla 2). Además, se realizó una comparación entre la autonomía teórica y la
obtenida experimentalmente, evidenciándose un tiempo de operación de 5 horas con una variación aproximada de ±5 %.
diagrama 1
tabla 2
2.2 Etapa de acondicionamiento de voltaje
En esta etapa se busca mantener las variables eléctricas dentro de los parámetros establecidos de cada circuito o dispositivo. Para
asegurar la continuidad del sistema, se integró un módulo de carga TP4056 (Figura 2). Este dispositivo opera con una fuente de
entrada de 5 V y proporciona una salida regulada de 3.7 V, con una corriente de suministro de 0.4 amperios y un consumo
máximo de 1.2 amperios
Figura 2
Asimismo, el sistema incorpora un módulo elevador de voltaje (step-up) de 5 V, mostrado en la Figura 3, encargado de
estabilizar la alimentación. Este convertidor presenta las siguientes especificaciones eléctricas: una tensión de entrada de 3.7 v,
un rango de salida ajustable entre 5 V y 28 V, una capacidad de entrega de corriente de hasta 2 A y un consumo propio de
aproximadamente 2.2 mA.
Figura 3
Por otra parte, para generar un voltaje con polaridad invertida se empleó el inversor LT1054 (Figura 4). Este componente
funciona como una fuente reductora que toma una tensión de entrada de 5 V y proporciona una salida de –5 V, con una capacidad
de suministro de hasta 100 mA y un consumo aproximado de 5 mA.
Figura 4
Además, para el adecuado acondicionamiento del voltaje se incorporó un regulador lineal de baja caída RT9080 (Figura 5). Este
componente, que funciona como una fuente reductora (step-down), opera con una tensión de entrada de 5 V y proporciona una
salida estable de 3.3 V. Su capacidad de corriente se encuentra en el rango de 610 a 1100 mA, mientras que su consumo propio es
extremadamente bajo, alrededor de 4 µA.
Figura 5
2.3 Etapa de Adquisición de señal
Esta etapa se encarga de analizar la señal captada por los electrodos para luego someterla a procesos de amplificación y
acondicionamiento. Para ello, se utilizaron cinco electrodos superficiales adhesivos de platino, cada uno con una impedancia de 5
mΩ. La disposición de los electrodos, mostrada en la Figura 6, permite obtener de manera precisa las señales provenientes del
músculo cuádriceps.
2.4 Etapa de Amplificación de señal
Pre – amplificador
Para la amplificación de las señales provenientes de los electrodos se empleó el amplificador instrumental INA128, seleccionado
por su bajo consumo de corriente y su reducido nivel de ruido eléctrico, características fundamentales en el procesamiento de
señales biomédicas y en dispositivos portátiles. Con base en las pruebas realizadas, se determinó una ganancia de 99, lo que
corresponde a una resistencia comercial de 510 Ω, calculada según la fórmula indicada en la hoja de datos del componente.
50 K Ω
G=1+
RG
Figura 6
Circuito Pie Derecho
Se emplea el sistema de retroalimentación activa para reducir el ruido externo y mejorar significativamente la calidad de la señal
EMG, de esta forma evitamos que el INAI 128 reciba señales fuera de rango o saturadas que puedan afectar el funcionamiento de
dicho componente. El sistema consume una corriente de 750uA como se ve en la Figura 7,8
Figura 7,8
Filtro Pasa – Alto
Se implementó un filtro pasa altos activo de segundo orden tipo Sallen-Key, con una frecuencia de corte de 10 Hz, con el
propósito de eliminar la componente de corriente continua (DC) y las interferencias bioeléctricas generadas por los electrodos
(Figura 9). Se seleccionó una configuración Butterworth, por lo que se adoptaron un factor de calidad Q=0.7071 y un factor k=1
Además, se estableció una ganancia A=2 con el fin de resaltar la señal útil frente al ruido asociado a la actividad muscular.
Figura 9
Filtro Pasa – Bajo
Con el fin de suprimir el ruido de alta frecuencia y conservar la mayor cantidad posible de información presente en la señal EMG,
se empleó un filtro pasa bajos activo de segundo orden tipo Sallen-Key con respuesta Butterworth. Este filtro fue configurado con
una frecuencia de corte de Fo=500 Hz y una ganancia moderada de A=3, suficiente para realzar la señal sin riesgo de saturación
(Figura 10).
Figura 10
AMPLIFICADOR OPERACIONAL: TL071
CORRIENTE DE CONSUMO: 5mA máximo
2.4 Etapa de Filtrado
AMPLIFICADOR OPERACIONAL: LM358
CORRIENTE DE CONSUMO: 20mA máximo
PASOS
DISEÑO
DEFINICION CARACTERISTICAS
2.2 ELABORACION DEL PROTOTIPO :
procesos etapas sub etapas
esquemático, diagramas. No necesarios códigos de software
poner diagrama de flujo
2.3 pruebas en laboratorio: empleo osciloscopio
2.4 pruebas entorno real : participación de personas, población
REFERENCIAS
[1] C. Alix-Fages, “Efectos de la fatiga mental en el rendimiento neuromuscular / Effects of mental fatigue on neuromuscular
performance,” Tesis Doctoral, Fac. de Formación del Profesorado y Educación, Dpto. de Educación Física, Deporte y Motricidad
Humana, Univ. Autónoma de Madrid, Madrid, España, 2023. [En línea]. Disponible en:
[Link]
[2] P. B. Kurland and R. Lerner, Eds., The Founders’ Constitution. Chicago, IL, USA: Univ. of Chicago Press, 1987. [En línea].
Disponible en: [Link] Accedido: Feb. 28, 2010.
[3] M. Muñoz, “Sistema de monitoreo inalámbrico de parámetros fisiológicos para personas realizando actividad física,” Tesis,
Dpto. Ing. Electr., Fac. Ing., Univ. de Concepción, Chile, 2016. [En línea]. Disponible en:
[Link]
[4] D. Ullman, The Mechanical Design Process, 4th ed. New York, USA: McGraw-Hill, 2010, p. 433.
[5] R. J. MacLennan, D. Ogilvie, J. McDorman, E. Vargas, M. S. Stock, and B. C. Clark, “The time course of neuromuscular
impairment during short-term disuse in young women,” Exp. Physiol., vol. 106, no. 12, pp. 2470–2484, Dec. 2021, doi:
10.1113/EP089648.
[6] L. Keeling, M. E. Cinque, K. Golshani, P. O’Halloran, J. R. Macdonell, and K. Softness, “Lesiones de levantamiento de pesas
en las extremidades superiores: diagnóstico y tratamiento,” Rev. Ortopedia, vol. 15, pp. 24–27, 2018, doi:
10.1016/[Link].2017.11.005.
[7] R. F. Pitzalis, B. Lagomarsino, I. Ceroni, N. Cartocci, J. Ahmad, G. A. Albanese, J. Zenzeri, C. Di Natali, L. Monica, D. G.
Caldwell, M. Casadio, and J. Ortiz, “Evaluating muscle fatigue with non-invasive approaches: A review of methods, metrics, and
implications,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 33, pp. 2707–2723, 2025, doi: 10.1109/TNSRE.2025.3578843.
[8] J. Siracusa, K. Charlot, A. Malgoyre, S. Conort, P. E. Tardo-Dino, C. Bourrilhon, and S. Garcia-Vicencio, “Módulo de
cizallamiento muscular en reposo medido mediante elastografía por ondas de corte ultrasónicas como herramienta alternativa
para evaluar la fatiga muscular en humanos,” Front. Physiol., vol. 10, p. 626, 2019, doi: 10.3389/fphys.2019.00626.
[9] Varol, U., Navarro-Santana, M. J., Valera-Calero, J. A., Antón-Ramírez, S., Álvaro-Martínez, J., Díaz-Arribas, M. J.,
Fernández-de-las-Peñas, C., & Plaza-Manzano, G. (2023). Convergent validity between electromyographic muscle
activity, ultrasound muscle thickness and dynamometric force measurement for assessing muscle. Sensors, 23(4), 2030.
[Link]
[10] T. G. Balshaw, A. Fry, T. M. Maden-Wilkinson, P. W. Kong, and J. P. Folland, “Reliability of quadriceps surface
electromyography measurements is improved by two vs. single site recordings,” Eur. J. Appl. Physiol., vol. 117, no. 6, pp. 1085–
1094, Apr. 2017, doi: 10.1007/s00421-017-3595-z.
[11] V.-H. Nguyen, G. T. Luu, T. V. Luong, M. X. Trang, P. Ravier, and O. Buttelli, “After-Fatigue Condition: A Novel Analysis
Based on Surface EMG Signals,” arXiv preprint, arXiv:2309.04770, Sep. 2023. [En línea]. Disponible en:
[Link]
[12] S. Sun, G. Xu, M. Li, M. Zhang, Y. Zhang, W. Liu, and A. Wang, “Function electrical stimulation effect on muscle fatigue
based on fatigue characteristic curves of dumbbell weightlifting training,” Cyborg and Bionic Systems, vol. 5, p. 0124, Jun. 6,
2024, doi: 10.34133/cbsystems.0124.
[13] R. B. Ribas Manero, A. Shafti, B. Michael, J. Grewal, J. L. Ribas Fernández, K. Althoefer, and M. J. Howard, “Wearable
embroidered muscle activity sensing device for the human upper leg,” in Proc. Annu. Int. Conf. IEEE Eng. Med. Biol. Soc.
(EMBC), 2016, pp. 6062–6065. [En línea]. Disponible en: [Link]
[14]Tecchio, P., Monte, A., & Zamparo, P. (2021). Electromiografía de bajo coste: su validez frente a un sistema comercial
depende del tipo y la intensidad del ejercicio. European Journal of Translational Myology, 31(2), 9735.
[Link]
[15]Fuentes del Toro, S., Wei, Y., Olmeda, E., Díaz, V., Ren, L., & Wei, G. (2019). Validation of a low-cost electromyography
(EMG) system via a commercial device during isometric, isotonic, and isokinetic exercises. Sensors, 19(23), 5214.
[Link]
[16] A. Bawa and K. Banitsas, “Design validation of a low-cost EMG sensor compared to a commercial-based system for
measuring muscle activity and fatigue,” Sensors, vol. 22, no. 15, art. 5799, 2022, doi: 10.3390/s22155799.
[17]Laganà, F., Pratticò, D., Angiulli, G., Oliva, G., Pullano, S. A., Versaci, M., & La Foresta, F. (2024). Development of an
integrated system of sEMG signal acquisition, processing, and analysis with AI techniques. Signals, 5(3), 476–493.
[Link]
[18] F. N. Jamaluddin, F. Ibrahim, and S. A. Ahmad, “A new approach to noninvasive-prolonged fatigue identification based on
surface EMG time-frequency and wavelet features,” J. Healthcare Eng., vol. 2023, Art. 1951165, 2023, doi:
10.1155/2023/1951165.
[19] Y. Inyeol, J. Jeung, Y. Song, and Y. Chung, “Non-invasive quantitative muscle fatigue estimation based on correlation
between sEMG signal and muscle mass,” IEEE Access, vol. 8, pp. 191751–191757, 2020, doi: 10.1109/ACCESS.2020.3029792.