Abstract:
Este trabajo consistió en el desarrollo de una interfaz biomédica para el control de dispositivos robóticos mediante la adquisición, filtrado y análisis de señales electromiográficas de superficie (sEMG). Con el fin de separar las señales sEMG según su clase para el control de dichos dispositivos, se implementó un algoritmo de clasificación mediante el entrenamiento de una máquina de vectores de soporte (SVM) y de una red neuronal (RN), utilizando vectores de características extraídos de la señal. Al haber obtenido un modelo de clasificación que presenta un alto rendimiento, se hizo uso de la simulación de un sistema robótico y un algoritmo capaz de traducir los resultados del clasificador en comandos, para visualizar la manipulación del sistema según la señal sEMG adquirida.
Los mejores resultados de entrenamiento de clasificadores se obtuvieron a partir del
uso de redes neuronales, con rendimientos superiores al 90% al clasificar cuatro movimientos/gestos, resultados que superan los presentados por las máquinas de vectores de soporte.
Además, se demostró que el uso de características únicamente en el dominio del tiempo es suficiente para generar clasificadores que presenten porcentajes de rendimiento mayores a 80 %.
En un futuro se espera que la implementación de esta interfaz biomédica contribuya al
desarrollo de nuevas metodologías que promuevan el aprendizaje enfocado en Machine Learning y al desarrollo de futuras investigaciones sobre el control de dispositivos de asistencia médica utilizando señales bioeléctricas.
(A)
