Diseño e implementación de prototipo de un sistema de adquisición de bio potencial muscular usando redes neuronales para la clasificación de movimientos de una mano, 2023
Descripción del Articulo
El presente trabajo de tesis tuvo como objetivo diseñar e implementar un sistema de adquisición de señales no invasivo capaz de reconocer patrones de biopotencial muscular y clasificarlos en diferentes estados de movimiento de una mano. Se abordó la problemática de la pérdida de extremidades superio...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Privada de Tacna |
| Repositorio: | UPT-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.upt.edu.pe:20.500.12969/3824 |
| Enlace del recurso: | http://hdl.handle.net/20.500.12969/3824 |
| Nivel de acceso: | acceso abierto |
| Materia: | Biopotencial muscular Señales mioeléctricas Redes neuronales Prototipo http://purl.org/pe-repo/ocde/ford#2.02.02 |
| Sumario: | El presente trabajo de tesis tuvo como objetivo diseñar e implementar un sistema de adquisición de señales no invasivo capaz de reconocer patrones de biopotencial muscular y clasificarlos en diferentes estados de movimiento de una mano. Se abordó la problemática de la pérdida de extremidades superiores y su impacto en la calidad de vida, así como la demanda creciente de sistemas de asistencia y rehabilitación basados en la clasificación de movimientos. Se revisaron antecedentes internacionales y nacionales, destacando la importancia de desarrollar prótesis más accesibles y sistemas de rehabilitación efectivos. Se establecieron bases teóricas sobre inteligencia artificial, redes neuronales, señales mioeléctricas y técnicas de caracterización y clasificación de señales. Metodológicamente, se optó por un diseño experimental, manipulando los movimientos de la mano para evaluar el prototipo en un entorno controlado. Se definieron requerimientos y se planificó el desarrollo utilizando un modelo de proceso iterativo e incremental, siguiendo el ciclo de vida de cascada y metodologías de codiseño. Se implementó el hardware y software, utilizando sensores, amplificadores, digitalizadores y algoritmos de clasificación. Siendo sus resultados un prototipo con una precisión global del 92,69 % clasificando los estados de la mano del sujeto de pruebas, esperándose que el prototipo contribuya al avance de las prótesis mioeléctricas y los sistemas de rehabilitación, mejorando la calidad de vida de las personas con discapacidad motora. |
|---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).