Evaluating the Suitability of Wavelet Transform in Matlab for Application in Wearable Health Monitors

• Autores: Chaupi Arohuillca, Roger, Contreras Llica, Dylan Jhoel
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/21899
• Enlace del recurso: https://hdl.handle.net/20.500.12773/21899
• Nivel de acceso: acceso abierto
• Materia: Transformada Wavelet; Aplicación en Dispositivos Portátiles; Trastornos Neuromusculares; https://purl.org/pe-repo/ocde/ford#2.02.01

La incidencia de trastornos neuromusculares, incluyendo la miopatía y la esclerosis lateral amiotrófica (ELA), ha aumentado drásticamente en áreas como Arequipa, Perú. Sin embargo, la falta de acceso a mecanismos de diagnóstico especializados ha hecho que la perfección en el diagnóstico sea prácticamente imposible, principalmente en áreas subdesarrolladas. Este estudio por lo tanto proporciona el marco para desarrollar y probar un sistema de análisis de señales EMG basado en el aprendizaje automático y la transformada Wavelet para mejorar el diagnóstico en monitores de salud portátiles (wearables). El dataset utilizado proviene de la tesis doctoral de Nikolic, que realizó registros de EMG de grupos saludables, con miopatía y con ELA. Esto ofrece una base sólida para la discriminación entre una actividad muscular normal y una patológica. Las señales EMG de los músculos bíceps braquial y vasto medial se recolectaron, se preprocesaron para la eliminación de ruido y artefactos, y se analizaron utilizando la transformada Wavelet para descomponer la señal EMG en sus componentes de frecuencia relevantes. Las características extraídas de la descomposición Wavelet se aplicaron luego para entrenar un clasificador de Máquinas de Vectores de Soporte (SVM) para la diferenciación posterior entre los tres grupos. El clasificador SVM se desempeñó con un nivel de precisión, sensibilidad y especificidad (92%, 90% y 94% ) que sugiere que este enfoque podría ayudar enormemente en el diagnóstico temprano y en la mejora del acceso a la atención médica.