Clasificación de señales musculares para prótesis de extremidad superior a través de sensores de bajo costo

La presente investigación consiste en la recolección y procesamiento de señales musculares de treinta y siete (37) sujetos de prueba en función de tres (03) movimientos predefinidos. Estas señales fueron recolectadas a través del sensor de bajo costo Myoware Muscle Sensor (37 USD) y una placa de hardware libre (Arduino Mega 2560). Posteriormente, dichas señales fueron depuradas a través de un filtro pasa bajo con la finalidad de reducir el ruido inherente del sensor. Posterior a ello se aplicó el algoritmo de FastICA con la finalidad de descomponer las señales y entender de mejor manera los componentes y características que estos presentan. Finalmente, con las señales libres de ruido y reconstruidas en función de sus componentes, se realizó la clasificación según el movimiento al que dicho componente corresponde a través de técnicas de Machine Learning. La investigación se realizó con la finalidad de sentar las bases para un modelo de clasificación de señales musculares adecuado y preciso para, en un futuro, implementar una prótesis de extremidad superior accesible a personas de bajos recursos, alcanzando un porcentaje de exactitud en los movimientos del 86,9565%.

Name thesis:degree_name

Ingeniero de Sistemas

Level thesis:degree_level

Título profesional

Discipline thesis:degree_discipline

Ingeniería de Sistemas

Grantor dc:publisher

Universidad de Lima

Year dc:date.issued

2024

Author dc:creator

• Ayala Galván, Diana Del Milagro

Advisor dc:contributor.advisor

• Gutiérrez Cárdenas, Juan Manuel

• Electromiografía
• Procesamiento de señales
• Inteligencia artificial
• Sistemas hombre-máquina
• Arduino (Controlador programable)
• Análisis de series de tiempo
• Instrumentos y aparatos médicos
• Análisis de componentes independientes

Statement dc:rights

• info:eu-repo/semantics/openAccess

Licence dc:rights.uri

• https://creativecommons.org/licenses/by-nc-sa/4.0/

Language dc:language.iso

spa

Handle dc:identifier.uri

https://hdl.handle.net/20.500.12724/22913

OAI identifier oai:identifier

oai:repositorio.ulima.edu.pe:20.500.12724/22913