Rehabilitador de tobillo mediante identificación de señales electromiográficas clasificadas con Redes Neuronales
##plugins.themes.bootstrap3.article.main##
Keywords
RNA, Dorsiflexión, Eversión, Inversión, Rehabilitador.
Resumen
La investigación tuvo como propósito el diseño de un prototipo para recuperar la movilidad de los músculos alrededor del área que involucra el tobillo, metodológicamente fue de tipo cuantitativa con un diseño cuasi-experimental. El objetivo fue implementar el soporte mecánico y crear patrones de reconocimiento que puedan identificar la actividad muscular en los movimientos fundamentales de recuperación haciendo uso de redes neuronales artificiales (RNA), se dirigió a personas con lesión en el tobillo, las mismas que fueron parte de una rehabilitación activa en edades de entre 15 y 30 años, con un IMC máximo de 26.
Se desarrolló un entrenamiento progresivo de una RNA, a partir de impulsos eléctricos generados por actividad muscular, utilizando un equipo de sensores electromiográficos. Para respaldar la información de las señales presentes en el proceso de recuperación se usó patrones de movimiento en una arquitectura de identificación basado en RNA (red Madeline multicapa de tres salidas con realimentación), dentro de un interfaz de control gráfica que facilitó la visualización de los movimientos y el resultado del control neuronal, con una banda de histéresis de 0.15 - 5 % de error de identificación de los movimientos: eversión, dorsiflexión e inversión.
Descargas
Citas
Cardona, M. A. C., Spitia, F. R., & López, A. B. (2010). Exoesqueletos para potenciar las capacidades humanas y apoyar la rehabilitación. Revista Ingeniería Biomédica, 4(7), 63-73.
Ceres, R., Ángel Mañanas, M., & María Azorín, J. (2011). Interfaces y Sistemas en Rehabilitación y Compensación Funcional para la Autonomía Personal y la Terapia Clínica. Revista Iberoamericana de Automática e Informática Industrial RIAI, 8(2), 5-15. doi:10.1016/S1697-7912(11)70021-8
Lopez, D. A. R., López, M. A., Sánchez, J. E. D., & Correa, H. L. (2015). IMPLEMENTACIÓN EN FPGA DE UN CLASIFICADOR DE MOVIMIENTOS DE LA MANO USANDO SEÑALES EMG. Redes de Ingeniería, 6(1), 85-94. doi:10.14483/udistrital.jour.redes.2015.1.a06
Mendoza, L. E., Peña, J., Muñoz-Bedoya, L. A., & Velandia-Villamizar, H. J. (2013). Procesamiento de Señales Provenientes del Habla Subvocal usando Wavelet Packet y Redes Neuronales. TecnoLógicas, 655-667. doi:10.22430/22565337.371
Orozco, Á., & Giraldo, E. (2007). Caracterización dinámica de señales electromiográficas usando filtros adaptativos. Scientia et technica, 1(34). doi:10.22517/23447214.5523
Romo, H. A., Realpe, J. C., & Jojoa, P. E. (2007). ANÁLISIS DE SEÑALES EMG SUPERFICIALES Y SU APLICACIÓN EN CONTROL DE PRÓTESIS DE MANO. Avances en Sistemas e Informática, 4(1). Recuperado de https://revistas.unal.edu.co/index.php/avances/article/view/9725
Torres-Hernández, A. M., Amaro-Amaro, B. E., Ramírez-Vera, V. I., Mendoza-Gutiérrez, M. O., & Bonilla-Gutiérrez, I. (2017). Cuantificación del Avance en Terapia de Rehabilitación de Miembros Superiores Mediante el Uso de una Interfaz Háptica y Realidad Aumentada. Memorias del Congreso Nacional de Ingeniería Biomédica, 2(1), 297-300.
Universidad Santo Tomás. (s. f.). Recuperado 22 de septiembre de 2018, de https://repository.usta.edu.co/handle/11634/9947
Uriel Cárcel, Á. (2017). Desarrollo de un sistema para la rehabilitación de una articulación superior mediante la combinación de un interfaz cerebro-computador y señales de electromiografía. Recuperado de https://riunet.upv.es/handle/10251/87909
Vázquez, G. M. R. (s. f.). Biotecnología: generalidades, riesgos y beneficios, 20.
Santamaría, S. (2015). Órtesis de hombro con sistema de electroestimulación y termoterapia. Instituto Tecnológico Metropolitano, Colombia.
Watanabe, T., Endo, S., & Morita, R. (2016). Development of a prototype of portable FES rehabilitation system for relearning of gait for hemiplegic subjects. Healthcare Technology Letters, 3(4), 284-289. https://doi.org/10.1049/htl.2016.0045
Perez-Ibarra, J., & Siqueira, A. (2017). Comparison of kinematic and EMG parameters between unassisted, fixed- and adaptive-stiffness robotic-assisted ankle movements in post-stroke subjects. 2017 International Conference On Rehabilitation Robotics (ICORR). doi: 10.1109/icorr.2017.8009291
Al-Quraishi, M. S., Ishak, A. J., Ahmad, S. A., & Hasan, M. K. (2014). Multichannel EMG data acquisition system: Design and temporal analysis during human ankle joint movements. En 2014 IEEE Conference on Biomedical Engineering and Sciences (IECBES) (pp. 338-342). https://doi.org/10.1109/IECBES.2014.7047516
Diedrich, A., Charoensuk, W., Brychta, R. J., Ertl, A. C., & Shiavi, R. (2003). Analysis of raw microneurographic recordings based on wavelet de-noising technique and classification algorithm: wavelet analysis in microneurography. IEEE Transactions on Bio-Medical Engineering, 50(1), 41-50. https://doi.org/10.1109/TBME.2002.807323
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.details##
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Puede compartir siempre que se dé crédito a la fuente de origen, remezclar y adaptar bajo la misma licencia. No puede utilizar el material con fines comerciales.