1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Licenciatura
  5. Ingeniería Biomédica
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/12305
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorMarcos Romo Aviléses_ES
dc.creatorNatalia Margarita Rendón Caballeroes_ES
dc.date.accessioned2025-09-10T15:24:26Z-
dc.date.available2025-09-10T15:24:26Z-
dc.date.issued2026-07-01-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/12305-
dc.descriptionExiste un gran número de personas con discapacidad motriz que requieren de una silla de ruedas, sin embargo, el uso de estas implica un mayor desgaste físico a las extremidades superiores del usuario. Mediante el procesamiento, así como el reconocimiento y clasificación de patrones en señales electromiográficas (EMG), es posible reducir este desgaste físico a sólo determinados movimientos de la mano. Por ello, el presente proyecto incorpora la identificación de señales EMG adquiridas de la mano derecha a partir de un clasificador con señales predichas de autoencoders. Un circuito de instrumentación compuesto de 3 sensores se diseñó para la adquisición de señales EMG a partir de cinco movimientos de la mano. Posteriormente, se creó una base de datos con 20 sujetos sanos (sin afecciones cardiovasculares, enfermedades del aparato locomotor ni del sistema nervioso, sin amputaciones ni con obesidad) entre 18 y 40 años. Estas señales se segmentaron en 200 ms y ventanearon digitalmente con 75% de traslape. La base de datos se dividió en 72% entrenamiento, 8 % validación y 20% test. El conjunto de validación se utilizó para extraer características a partir de tres autoencoders (uno para cada sensor), donde la señal fue codificada y decodificada con una pérdida mínima de hasta 3.1 ×10-4. A partir de este proceso, se extrajo el vector latente, con el cual se predijeron las señales del conjunto de entrenamiento. Con estas, se entrenó una red neuronal densa para la clasificación de los cinco movimientos. Se obtuvo una eficiencia del 93.84% en la red neuronal, calculada a partir de las métricas de sensibilidad, precisión, especificidad y eficiencia para cada clase.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (62 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresNoes_ES
dc.rightsembargoedAccesses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleDispositivo de asistencia para el control de dirección de silla de ruedas por medio de señales EMGes_ES
dc.typeTesis de licenciaturaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0002-4469-5812es_ES
dc.contributor.identificador0000-0003-2838-4854es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameIngeniería Biomédicaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelLicenciaturaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator297995es_ES
dc.folioIGLIN-297995es_ES
Aparece en: Ingeniería Biomédica

Archivos:
Fichero Descripción Tamaño Formato  
IGLIN-297995.pdfDispositivo de asistencia para el control de dirección de silla de ruedas por medio de señales EMG1.45 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.