Resumen

Este trabajo presenta el diseño e implementación de una nueva técnica para el reconocimiento de cuatro movimientos de la mano (flexión (FL), extensión (EX), apertura (OP) y cierre (CL)) para respuesta en tiempo real a partir de señales electromiográficas EMG generadas desde dos músculos del antebrazo: palmaris longus y extensor digitorum. El trabajo se desarrolló en dos principales etapas: el hardware de bajo costo para la adquisición y adecuación analógica de las señales EMG; el sistema de procesamiento para la identificación y clasificación de los movimientos capturados para respuesta en tiempo real. El sistema fue integrado mediante una aplicación hardware-software usando MATLAB y se usaron técnicas de procesamiento para el análisis discriminante. Tres métodos fueron evaluados para el reconocimiento de patrones obteniendo tasas de reconocimiento del 98% con el nuevo método propuesto.

INTRODUCCIÓN

Las interfaces hombre-máquina se basan en el uso de biopotenciales como señal de control para dispositivos externos entre los que se encuentran las prótesis inteligentes, que pueden ayudar a las personas que han perdido sus extremidades ya sea por accidentes de tráfico, accidentes laborales, diabetes o como lo demuestra un estudio de la Gerencia para la Acción Integral contra las Minas Antipersona de Colombia(1) que en Colombia otra de las causas de amputación está relacionada con las lesiones por minas antipersona. Para hacer frente a estos problemas existen varios dispositivos protésicos comerciales, desarrollados en otros países, como la mano de Otto Bock (2), la i-Limb (3) o la SmartHand 4 que permiten a estas personas recrear algunos de los movimientos de la mano humana (5).

Los resultados de varias investigaciones muestran que el biopotencial más utilizado para controlar este tipo de dispositivos protésicos son las señales electromiográficas EMG, que registran la actividad eléctrica generada en el tejido muscular, producida durante la contracción y relajación de los músculos (6,7,8,9,10. Estas señales dan una idea de la actividad neuromuscular asociada a una contracción, pero no indica necesariamente la fuerza desarrollada por el músculo, sino que da la información de qué músculo fue activado por el sistema nervioso central y qué músculo aporta indirectamente un papel más protagonista en una función o movimiento en particular 6. Las señales EMG se utilizan en el ámbito médico para diagnosticar enfermedades musculares como miopatías, neuropatías (11) o la enfermedad de Parkinson (12) y, gracias a los avances tecnológicos, estas señales también se utilizan como señales de control para sistemas electrónicos.

• Materias:Movimiento (Fisiología) Redes neuronales (Computadores) Sistemas de control inteligente Vectores
• Subjects:Movement (Physiology) Neural networks (Computer science) Intelligent control systems Vectors
• Palabras claves:Redes neuronales y máquina de vectores de soporte; Señales EMG; Función discriminante; Respuesta en tiempo real
• Keywords:Neural networks and support vector machines; EMG signals; Discriminant function; Real time response