Optimización y clasificación de señales EMG a través de métodos de reconocimiento de patrones

Thumbnail USTA

Fecha

Director

DOI

ORCID

Google Scholar

Cvlac

gruplac

Descripción Dominio:

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Santo Tomás. Seccional Bucaramanga

Compartir

Thumbnail USTA

Resumen

Este artículo presenta un estudio basado en la optimización de la respuesta de un electromiógrafo a través de algunas técnicas utilizadas para el trata- miento, análisis y procesamiento de señales electro- miográficas superficiales, con el fin de proporcionar una herramienta útil como estrategia para el diagnóstico y pronóstico de cuadro clínico de enfermedades muscula- res (Por ejemplo, para pacientes con pie caído). Los datos fueron obtenidos a partir de la información de pacientes que fueron diagnosticados previamente por fisiatras, de los cuales 7 eran sanos y 5 pacientes mos- traron neuropatía de pie caído. Un conjunto de señales electromiográficas fueron ad- quiridas y almacenadas durante el movimiento de dorsi- flexión en una posición supina a partir del músculo tibial anterior en cada paciente. Luego estas señales fueron procesadas mediante técnicas de extracción caracterís- tica y métodos de reconocimiento de patrones para la clasificación de las mismas. Para el pre-procesamiento de las señales electromio- gráficas se emplearon métodos en tiempo y frecuencia, como la transformada de Fourier y, a su vez, técnicas como el Análisis de Componentes Principales (PCA) y redes neuronales artificiales (es decir, MLP y PNN), que permiten representar en forma gráfica los resultados obtenidos en un plano bidimensional y mejorar de esta forma el porcentaje de clasificación. Los resultados obtenidos describen un sistema electro- miógrafo, el cual fue optimizado mediante la implemen- tación de métodos de reconocimiento de patrones, se alcanzó un porcentaje de acierto de hasta el 100 % en la clasificación de señales EMG por medio de electrodos superficiales.

Abstract

Idioma

Palabras clave

EMG, FFT, MLP, PCA, pie caído, PNN, foot drop, PNN.

Citación

Colecciones

Licencia Creative Commons

Copyright (c) 2018 ITECKNE