| dc.description.abstract | En este trabajo se presenta un algoritmo clasificador de señales EMG invasivas para tres condiciones
médicas (clases): un sujeto saludable (clase 1), un sujeto con Miopatía (clase 2) y un sujeto con Neuropatía
(clase 3). La clasificación de las señales está basada en un vector de características con parámetros
temporales, el desempeño del algoritmo clasificador para el gesto 1 fue de 50%, el algoritmo se optimizo
basado en una correlación de los parámetros temporales de todas las clases, con esto se determinó
aquellos parámetros que no contribuyen al éxito de la clasificación, y solo consumen recursos
computacionales, el desempeño del algoritmo clasificador con el vector de características optimizado para
la clase 1 fue de 75%, dicha clasificación mejoró y se consiguieron disminuir los recursos computacionales.
En la segunda parte de la tesis, se describe el diseño e implementación para la obtención y clasificación de
señales EMGs tomadas del músculo Vasto intermedio de los músculos cuádriceps para los gestos: caminar,
correr, subir escaleras y baja escaleras. La clasificación de los gestos obtenidos se llevó a cabo con un
vector de características de parámetros temporales, utilizando el aprendizaje automático supervisado
para el análisis discriminante lineal, obteniendo un desempeño de la clasificación de acuerdo a la matriz
de confusión a los gestos: subir escaleras: 100%, bajar escaleras: 67%, caminar: 100% y correr: 78%." | |
