Optimización y clasificación de señales EMG a través de métodos de reconocimiento de patrones

• Durán Acevedo, Cristhian Manuel ^[1] ; Jaimes Mogollón, Aylen Lisset ^[1]
  1. [1] Universidad de Pamplona

     Universidad de Pamplona

     Colombia

     
• Localización: ITECKNE: Innovación e Investigación en Ingeniería, ISSN-e 2339-3483, ISSN 1692-1798, Vol. 10, Nº. 1, 2013, págs. 67-76
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen

  • Este artículo presenta un estudio basado en la optimización de la respuesta de un electromiógrafo a través de algunas técnicas utilizadas para el trata- miento, análisis y procesamiento de señales electro- miográficas superficiales, con el fin de proporcionar una herramienta útil como estrategia para el diagnóstico y pronóstico de cuadro clínico de enfermedades muscula- res (Por ejemplo, para pacientes con pie caído). Los datos fueron obtenidos a partir de la información de pacientes que fueron diagnosticados previamente por fisiatras, de los cuales 7 eran sanos y 5 pacientes mos- traron neuropatía de pie caído. Un conjunto de señales electromiográficas fueron ad- quiridas y almacenadas durante el movimiento de dorsi- flexión en una posición supina a partir del músculo tibial anterior en cada paciente. Luego estas señales fueron procesadas mediante técnicas de extracción caracterís- tica y métodos de reconocimiento de patrones para la clasificación de las mismas. Para el pre-procesamiento de las señales electromio- gráficas se emplearon métodos en tiempo y frecuencia, como la transformada de Fourier y, a su vez, técnicas como el Análisis de Componentes Principales (PCA) y redes neuronales artificiales (es decir, MLP y PNN), que permiten representar en forma gráfica los resultados obtenidos en un plano bidimensional y mejorar de esta forma el porcentaje de clasificación. Los resultados obtenidos describen un sistema electro- miógrafo, el cual fue optimizado mediante la implemen- tación de métodos de reconocimiento de patrones, se alcanzó un porcentaje de acierto de hasta el 100 % en la clasificación de señales EMG por medio de electrodos superficiales.