Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Marco Antonio Aceves Fernández es_ES
dc.creator Iván Joel Ramírez Ángeles es_ES
dc.date 2019-04-29
dc.date.accessioned 2023-10-10T19:52:19Z
dc.date.available 2023-10-10T19:52:19Z
dc.date.issued 2019-04-29
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/9464
dc.description Por un gran periodo de tiempo el funcionamiento del cuerpo humano ha sido base de múltiples investigaciones, permitiendo avances en el estudio de señales tales como las señales electroencefalográficas (EEG) producidas por la actividad cerebral, señales electromiográficas (EMG) generadas por el movimiento de los músculos estriados, también conocidos como esqueléticos, y las señales electrocardiográficas (ECG) que registran la actividad cardíaca. El entendimiento y uso de estas señales han permitido desarrollar múltiples aplicaciones para tanto para uso clínico o como para la industria. Las señales EMG se han convertido en una herramienta importante en la rehabilitación debido a la facilidad con la que pueden ser extraídas por métodos no invasivos para la persona tal como la electromiografía de superficie (sEMG). Las señales recolectaras por sEMG proveen información acerca de la actividad neuromuscular que la origina y han sido fundamentales para el uso en diagnósticos clínicos y desarrollo de aplicaciones para rehabilitación o recreación. Esta investigación se propone explorar el análisis de las señales electromiográficas para su clasificación con algoritmos de Inteligencia Artificial. Se presenta la metodología para la recolección de las señales EMG y tratamiento de estas con la implementación de algoritmos de inteligencia artificial, con la finalidad de clasificar las señales por movimiento. es_ES
dc.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.publisher Ingeniería es_ES
dc.relation.requires Si es_ES
dc.rights Acceso Abierto es_ES
dc.subject Ciencias Físico Matemáticas y Ciencias de la Tierra es_ES
dc.subject Ciencias Tecnológicas es_ES
dc.subject Tecnología Médica es_ES
dc.title Detección y clasificación de señales mioeléctricas en el brazo mediante el uso de algoritmos basados en inteligencia artificial. es_ES
dc.type Tesis de maestría es_ES
dc.contributor.role Director es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-223251.pdf
Tamaño: 9.348Mb
Formato: PDF
Ver/

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

Mostrar el registro sencillo del ítem