Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Luz Maria Sanchez Reyes es_ES
dc.creator Marcos Romo Avilés es_ES
dc.date 2023-08-31
dc.date.accessioned 2022-08-09T13:11:30Z
dc.date.available 2022-08-09T13:11:30Z
dc.date.issued 2023-08-31
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/3769
dc.description "El procesamiento de biopotenciales es parte fundamental de la investigación médica, ya que brinda la posibilidad de desarrollar nuevos dispositivos y técnicas para el diagnóstico, tratamiento, cuidado y rehabilitación de los pacientes, en la mayoría de los casos de forma no invasiva. Por lo tanto, la creación de nuevos métodos de análisis para bioseñales ayuda a mejorar la seguridad, la eficiencia y la calidad de los procesos. Las bioseñales deben entenderse como la actividad eléctrica que presentan algunas células, como las células cardíacas, las células nerviosas o las células musculares. Por lo anterior, el estudio de las señales musculares o señales EMG (electromiografía) resulta en una de las fuentes de conocimiento más importantes sobre la función de los tejidos que componen el sistema, brindando información sobre el flujo de datos que atraviesa el sistema nervioso y la consiguiente activación de diferentes músculos. Esta señal puede apoyar en la detección de algunas enfermedades relacionadas con la actividad eléctrica, como distrofia muscular, esclerosis y neuropatías. Además, esta señal se puede implementar en sistemas de control, por ejemplo, en robótica, prótesis o incluso en áreas como la telemedicina e interfases humano-máquina. Las señales EMG son aleatorias, no estacionarias, no lineales. Por tanto, es necesario encontrar un patrón que englobe la señal en general y no los datos independientes que la componen; por ello, los sistemas de entre ellos se encuentran las máquinas reconocimiento de patrones EMG de última generación suelen contener bloques de preprocesamiento, segmentación, extracción de características, reducción de dimensionalidad, selección de características y clasificación. El siguiente trabajo se centra en la selección de características, el cual es uno de los principales problemas en la clasificación de señales EMG, ya que al reducir el número de predictores necesarios para distinguir entre clases es posible disminuir la complejidad del sistema de clasificación. Debido a esto recientemente se han experimentado con diversos métodos de selección, sin embargo, el espacio de características inicial suele estar limitado lo que no permite comprobar el verdadero potencial de los algoritmos de selección \cite{computation7010012}. En este estudio, se aplican algoritmos genéticos para la selección de un espacio de características de entre las veintiséis características más utilizadas del dominio del tiempo." es_ES
dc.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.relation.requires No es_ES
dc.rights En Embargo es_ES
dc.subject SVM es_ES
dc.subject Algoritmo genético es_ES
dc.subject EMG es_ES
dc.subject Clasificación es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Clasificación de señales mioeléctricas por medio de algoritmos genéticos y máquinas de soporte de vectores es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid Clave CV CONACyT es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador 922297 es_ES
dc.contributor.identificador SARL950425MQTNYZ07 es_ES
dc.contributor.role Director es_ES
dc.degree.name Maestría en Ciencias (Instrumentación y Control) es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI006792.pdf
Tamaño: 6.216Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem