Clasificación de señales mioeléctricas a partir de SVMs para el accionamiento de una prótesis transtibial

Diana Carolina Toledo Pérez

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Juvenal Rodríguez Reséndiz	es_ES
dc.creator	Diana Carolina Toledo Pérez	es_ES
dc.date	2022-06-16
dc.date.accessioned	2021-05-18T16:40:32Z
dc.date.available	2021-05-18T16:40:32Z
dc.date.issued	2022-06-16
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/2884
dc.description	"En este trabajo de investigación se realiza la clasificación de señales mioeléctricas, utilizando un algoritmo a través de máquinas de soporte vectorial. El objetivo de esta clasificación es que, en trabajos posteriores, el resultado de la clasificación se utilice en el accionamiento de prótesis que se encuentren debajo de la rodilla. Para el desarrollo de la investigación se diseñaron y elaboraron tarjetas de adquisición de señales de electromiografía, las cuales envían las señales obtenidas a la PC. Con éstas se conformó una base de datos, con la cual se hicieron las pruebas de clasificación. Para el pretratamiento, las señales son filtradas y posteriormente se les hace una extracción de características, para formar el vector de entrada al algoritmo. En una primera etapa, se realizó una comparativa de canales, con la finalidad de conocer si los cuatro canales utilizados son necesarios para obtener una mejor clasificación. Sin embargo, se encontró que uno de los músculos no tiene suficiente relevancia. Luego se analizaron diferentes algoritmos de selección de características, encontrando que el más efectivo es el Relief. Después se implementaron diferentes algoritmos de reducción de características, y se eligió implementar un análisis de componentes principales. Más adelante, se realizaron comparaciones entre los resultados de la clasificación obtenidos con diferentes kernels, cuyos resultados arrojaron que el kernel lineal es el más útil al clasificar las señales de electromiografía obtenidas. Los parámetros usados para comparar el algoritmo fueron eficiencia, precisión, sensibilidad y especificidad. Para calcularlos se utilizaron matrices de confusión y se hicieron 10 diferentes pruebas. En la etapa de validación se utilizó otra base de datos utilizada en la clasificación de otra publicación, probando que el algoritmo propuesto en este trabajo de investigación es mejor. Se mejoró la clasificación desde un 2.75% hasta un 6.95%. Con las 10 pruebas realizadas al algoritmo propuesto, la especificidad promedio fue del 98%, la sensibilidad del 88%, la exactitud del 96.6% y la precisión del 87.9%."	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	Español	es_ES
dc.relation.requires	Si	es_ES
dc.rights	En Embargo	es_ES
dc.subject	Clasificación de señales mioeléctricas	es_ES
dc.subject	Máquinas de soporte vectorial	es_ES
dc.subject	SVMs	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Clasificación de señales mioeléctricas a partir de SVMs para el accionamiento de una prótesis transtibial	es_ES
dc.type	Tesis de doctorado	es_ES
dc.creator.tid	ORCID	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	0000-0002-2230-6751	es_ES
dc.contributor.identificador	RORJ840929HQTDSV02	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Doctorado en Ciencias de la Computación	es_ES
dc.degree.department	Facultad de Informática	es_ES
dc.degree.level	Doctorado	es_ES