info:eu-repo/semantics/bachelorThesis
Desarrollo de un sistema inalámbrico asistencial para la monitorización a distancia y clasificación de señales electromiográficas en pacientes con movilidad reducida
Autor
Gómez Correa, Manuela
Institución
Resumen
RESUMEN : La sEMG es una medida no invasiva de la actividad eléctrica que se genera como consecuencia de la contracción muscular. En los últimos años, las señales de sEMG se han utilizado cada vez más en diversas aplicaciones, como rehabilitación, reconocimiento de patrones y control de sistemas ortopédicos y protésicos. El presente trabajo desarrolla un brazalete portátil de bajo costo para la detección de movimientos de la mano que permita ser utilizado en desarrollos orientados a personas con movilidad reducida. Este brazalete fue fabricado utilizando técnicas de impresión 3D, empleando específicamente PLA y TPU como materiales de fabricación. Asimismo, se generó un sistema que consta de 2 brazaletes de sEMG que permiten simultáneamente la adquisición inalámbrica de 4 canales sEMG de cada antebrazo y una GUI en Node-RED para la visualización y almacenamiento de las señales adquiridas. Finalmente, se evaluó su funcionamiento a partir de un conjunto de datos de sEMG recopilados de 28 sujetos sanos mediante la implementación de un algoritmo clasificador basado en RNA para así corroborar la usabilidad de las señales sEMG recopiladas con los brazaletes diseñados. ABSTRACT : The sEMG is a non-invasive measure of electrical activity that is generated as a result of muscle contraction. In recent years, sEMG signals have been increasingly used in various applications, such as rehabilitation, pattern recognition, and control of orthopedic and prosthetic systems. The present work develops a low-cost portable armband for detecting hand movements that can be used in developments aimed at people with reduced mobility. This bracelet was manufactured using 3D printing techniques, implementing TPU and PLA as manufacturing materials. Likewise, a system was generated consisting of 2 sEMG bands that allow the wireless acquisition of 4 sEMG channels from each forearm. Then, a GUI in Node-RED is used to visualize and store the acquired signals. Finally, the system performance was evaluated from a set of sEMG data collected from 28 healthy subjects by implementing a classifier algorithm based on artificial.
neural networks.