Aplicaciones mioelectricas

Solo disponible en BuenasTareas
  • Páginas : 8 (1796 palabras )
  • Descarga(s) : 0
  • Publicado : 7 de abril de 2010
Leer documento completo
Vista previa del texto
Detección de Señales Mioeléctricas y su análisis con Redes Neuronales
Ing. Jaime Alberto Aguilar Zambrano, Bernardo José Aristizabal Rivera y Marcial Enrique Quiñones Angulo
Facultad de Ingeniería, Pontificia Universidad Javeriana

Resumen. - Este documento describe el sistema desarrollado en la Universidad Javeriana de Cali para la adquisición de EMGs y su análisis con RNAs para laclasificación de movimientos de la mano. El sistema permite realizar exámenes médicos y rehabilitar pacientes con amputación o problemas musculares utilizando para ello una prótesis virtual. Abstract. - This document contains information about the system developed at the Javeriana University in Cali to acquire and analyze EMGs using ANNs to classify hand movements. The system provides a tool for medicalexamination and patients rehabilitation. Palabras Clave: EMGs (Electromiogramas), RNAs (Redes Neuronales Artificiales), ANNs (Artificial Neural Networks), Mioeléctricas.
I. INTRODUCCION

adquisición de datos en un computador. Con el uso de software se realizan diferentes procesos a la señal adquirida y l s resultados obtenidos le o entregan a una red neuronal para la clasificación del movimientoque se esta realizando. Con la salida de la red se maneja una prótesis virtual con fines de rehabilitación y entrenamiento del paciente.

Figura 1. Sistema de adquisición y análisis de EMGs

En la actualidad existen muchos estudios enfocados al análisis de electromiogramas, los cuales sin embargo, toman mucho tiempo entre la adquisición de la señal y la clasificación del movimiento a realizarpor la prótesis por lo cual su implementación para el control de dispositivos reales se hace inaceptable; otros estudios, aunque clasifican mas rápido las señales, prótesis implementadas con estos métodos requieren de largas jornadas de entrenamiento por parte del paciente para aprender a manejarlas, pues éste debe aprender a generar contracciones musculares nunca antes utilizadas para el manejode su miembro natural. El presente trabajo busca obtener una rápida clasificación del electromiograma y hacer uso de ésta en el control de una prótesis virtual con el menor esfuerzo posible por parte del paciente, para ello, la persona discapacitada genera contracciones que son clasificadas por una red neuronal entrenada para saber que movimiento de la prótesis se quiere realizar. La figura 1muestra el principio de funcionamiento del sistema. El EMG es adquirido del miembro amputado por medio de electrodos conectados a un amplificador diferencial cuya salida va a una tarjeta de

II. ADQUISICIÓN DEL EMG

La figura 2 ilustra la forma de adquisición de Señales utilizada en la cual se colocan 2 electrodos para tomar las Señales y otro de referencia.

Figura 2. Metodología para laadquisición de Señales mioeléctricas

La salida del amplificador diferencial es digitalizada a 4 Khz y entregada al computador en grupos de 256 puntos cada vez. La metodología de adquisición toma como punto de partida la utilizada por Kelly para la adquisición de electromiogramas[ 1 ].

III. CLASIFICACION DE ELECTGROMIOGRAMAS UTILIZANDO REDES NEURONALES

Luego de la digitalización, la señal esfiltrada, por debajo de 2Khz y suprimiéndole la frecuencia de 60 Hz y se le calcula el valor RMS utilizando para ello los algoritmos de las librerías de procesamiento de Señales de Lab Windows.

rms =

1 n−1 2 ∑ xi n i= 0

(1)

Para la clasificación de los movimientos se utilizo la forma que presenta el valor RMS de la señal electromiográfica, sin contracciones musculares este permanececonstante y dependiendo de la contracción que se realice presenta diferentes formas. La figura 21 ilustra 4 formas del valor RMS asociadas con diferentes estados musculares asociados con movimientos realizados por la mano de una persona sin amputación y con un par de electrodos ubicados en la parte superior e inferior del antebrazo. Para la obtención de la grafica se movió 3 veces la mano hacia...
tracking img