Clasificación de señales musculares para prótesis de extremidad superior a través de sensores de bajo costo

• Autor: Ayala Galván, Diana Del Milagro
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad de Lima
• Repositorio: ULIMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ulima.edu.pe:20.500.12724/22913
• Enlace del recurso: https://hdl.handle.net/20.500.12724/22913
• Nivel de acceso: acceso abierto
• Materia: Electromiografía; Procesamiento de señales; Inteligencia artificial; Sistemas hombre-máquina; Arduino (Controlador programable); Análisis de series de tiempo; Instrumentos y aparatos médicos; Análisis de componentes independientes; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación consiste en la recolección y procesamiento de señales musculares de treinta y siete (37) sujetos de prueba en función de tres (03) movimientos predefinidos. Estas señales fueron recolectadas a través del sensor de bajo costo Myoware Muscle Sensor (37 USD) y una placa de hardware libre (Arduino Mega 2560). Posteriormente, dichas señales fueron depuradas a través de un filtro pasa bajo con la finalidad de reducir el ruido inherente del sensor. Posterior a ello se aplicó el algoritmo de FastICA con la finalidad de descomponer las señales y entender de mejor manera los componentes y características que estos presentan. Finalmente, con las señales libres de ruido y reconstruidas en función de sus componentes, se realizó la clasificación según el movimiento al que dicho componente corresponde a través de técnicas de Machine Learning. La investigación se realizó con la finalidad de sentar las bases para un modelo de clasificación de señales musculares adecuado y preciso para, en un futuro, implementar una prótesis de extremidad superior accesible a personas de bajos recursos, alcanzando un porcentaje de exactitud en los movimientos del 86,9565%.