Palabras clave
reconocimiento de intención de movimiento
prótesis de mano robóticas
K-vecinos más próximos
Cómo citar
Resumen
Este artículo presenta un sistema embebido que detecta en tiempo real la intención de movimiento para el control de un prototipo de prótesis de mano robótica. El trabajo muestra que usando características temporales de cálculo simple, es posible obtener un agrupamiento de vectores de características lo suficientemente discriminante como para que se puedan usar clasificadores de patrones muy simples. Así, en este trabajo se propone un clasificador basado en la mínima distancia al centroide de los grupos que caracterizan a los movimientos a identificar, modificando el conocido algoritmo k vecinos próximos para sacar mayor provecho de la fase de entrenamiento del clasificador en la fase de clasificación y obtener respuesta en tiempo real. Se presentan resultados de clasificación de intención de movimiento obtenidos con el sistema desarrollado usando el porcentaje de éxito como medida de efectividad, al realizar pruebas sobre tres sujetos con músculos sanos. Los resultados experimentales muestran que el sistema puede ser utilizado efectivamente para el control de ejecución de cuatro primitivas motoras de un prototipo de prótesis de mano robótica.
[2] RSLSteeper. (s. f.). [En línea]. Disponible en: http://es.bebionic.com/the_hand.
[3] C. Cipriani et al., “The effects of weight and inertia of the prosthesis on the Sensitivity of EMG pattern recognition in relax state,” Journal Prosthetics Orthotics, vol. 24, no. 2, pp. 86-92, 2012.
[4] K. Ernest, S. Erik y E. Kevin, “Combined surface and intramuscular EMG for improved real-time myoelectric control performance,” Biomedical Sigmal Processing Control, vol. 10, pp. 102-107, mar. 2014.
[5] K. Englehart y B. Hudgins, “A robust, real-time control scheme for multifunction myoelectric control,” IEEE Transactions Biomedical Engineering, vol. 50, pp.848-854, jul. 2003.
[6] E. N. Kamavuako et al., “Estimation of grasping force from features of intramuscular EMG signals with mirrored bilateral training,” Annals Biomedical Engineering, vol. 40, pp. 648-656, mar. 2012.
[7] R. Clement, K. Bugler y C. Oliver, “Bionic prosthetic hands: A review of present technology and future aspirations,” The Surgeon, vol. 9, no. 6, pp. 336-340, 2011.
[8] A. Phinyomark, C. Limsakul y P. Phukpattaranot, “A novel feature extraction for robust EMG pattern recognition,” Journal Computing, vol. 1, no. 1, pp. 71-80, dic. 2009.
[9] A. Phinyomark et al., “EMG feature evaluation for improving myoelectric pattern recognition robustness,” Expert Systems Applications, vol. 40, no. 12, pp. 4832-4840, sep. 2013.
[10] E. Shroffe y P. Manimegalai, “Hand gesture recognition based on EMG signal using ANN,” International Journal Computer Application, vol. 2, no. 3, pp. 31-39, abr. 2013.
[11] S. Herle et al., “Myoelectric control strategies for a human upper limb prosthesis,” Journal Control Engineering Applied Informatics, vol. 14, no. 1, pp. 58-66, 2012.
[12] M. Khezri y M, Jahed. (Dic. 2007). “Real-time intelligent pattern recognition algorithm for surface EMG signals,” BioMedical Engineering. [En línea]. Disponible en: http://www.biomedical-engineering-online.com/content/6/1/45.
[13] A. Alkan y M. Günay, “Identification of EMG signals using discriminant analysis and SVM classifier”. Expert System Applications, vol. 39, no. 1, pp. 44-47, 2012.
[14] A. Subasi, “Classification of EMG signals using PSO optimized SVM for diagnosis of neuromuscular disorders,” Computers Biology Medicine, vol. 43, no. 5, pp. 576-586, jun. 2013.
[15] R. Richard et al., “Towards sEMG classification based on Bayesian and k-NN to control a prosthetic hand,” Biosignals Biorobotics Conference, pp. 1-6, feb. 2013.
[16] P. Parker, K. Englehart y B. Hudgins, “Myoelectric signal processing for control of powered limb prostheses,” Journal Electromyography Kinesiology, vol. 16, no. 6, pp. 541-548, dic. 2006.
[17] N. Jiang, K. Englehart y P. Parker, “Extracting simultaneous and proportional neural control information for Multiple-DOF prostheses from the surface electromyographic signal,” IEEE Transactions Biomedical Engineering, vol. 56, no. 4, pp. 1070-1080, abr. 2009.
[18] C. Cipriani et al. “Online myoelectric control of a dexterous hand prosthesis by transradial amputees”, IEEE Transactions Neural Systems Rehabilitation Engineering, vol. 19, no. 3, pp. 260-270, jun. 2011.
[19] F. Tenore et al., “Decoding of individuated finger movements using surface electromyography,” IEEE Transactions Biomedical Engineering, vol. 56, no. 5, pp. 1427-1434, may. 2009.
[20] C. Quinayás et al., “Diseño y construcción de la prótesis robótica de mano UC-1,” Ingeniería Universidad, vol.14, no. 2, pp. 223-237, 2010.
[21] R. Merletti y P. Parker. Electromyography: physiology, engineering and noninvasive applications. Wiley Online Library, 2005.
[22] K. Kim et al., “Comparison of K-nearest neighbor, quadratic discriminant and linear discriminant analysis in classification of electromyogram signals based on the wrist-motion directions,” Current Applied Physics, vol. 11, no. 3, pp. 740-745, may. 2011.
[23] C. D. Katsis et al., “A novel method for automated EMG decomposition and MUAP classification,” Artificial Intelligence Medicine, vol. 37, no. 1, pp. 55-64, may. 2006.
[24] A. Ajibove y R. Weir, “A heuristic fuzzy logic approach to EMG pattern recognition for multifunctional prosthesis control,” IEEE Transaction Neural System Rehabilitation Engineering, vol. 13, no. 3, pp. 280-291, sep. 2005.
[25] M. Okamoto y Y. Matsubara, “EMG pattern classification using hierarchical network based on boosting approach,” International Journal Innovative Computing, Information Control, vol. 5, no. 12(B), pp. 4935-4943, dic. 2009.
Una vez aceptado un trabajo para publicación la revista podrá disponer de él en toda su extensión, tanto directamente como a través de intermediarios, ya sea de forma impresa o electrónica, para su publicación ya sea en medio impreso o en medio electrónico, en formatos electrónicos de almacenamiento, en sitios de la Internet propios o de cualquier otro editor. Este uso tiene como fin divulgar el trabajo en la comunidad científica y académica nacional e internacional y no persigue fines de lucro. Para ello el autor o los autores le otorgan el permiso correspondiente a la revista para dicha divulgación mediante autorización escrita.
Todos los articulos aceptados para publicación son sometidos a corrección de estilo. Por tanto el autor /los autores autorizan desde ya los cambios sufridos por el artículo en la corrección de estilo.
El autor o los autores conservarán los derechos morales y patrimoniales del artículo.