1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Tamaulipas
4. Instituto Tecnológico de Cd. Victoria
5. Tesis de Maestría
6. Maestría en Sistemas Computacionales

Title:	Metodología de adquisición y clasificación de señales mioeléctricas para la detección de la intensión de caminar de una persona con diplejía espástica
Authors:	RÍOS ORTEGA, EDGAR BERNARDO
Issue Date:	2019-12-19
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Ciudad Victoria
Description:	Este trabajo de tesis presenta una metodología de adquisición y clasificación de señales cuyo objetivo es identificar la intensión de caminar de una persona con diplejía espástica. Para extraer las señales mioeléctricas del recto femoral de las piernas de una persona con diplejía espástica se usó un circuito con una tarjeta Arduino, un sensor y dos electrodos. La persona que proporcionó las señales presenta rigidez en los músculos de las piernas, lo que provoca que dé los pasos cortos, lentos y no doble lo suficiente la rodilla para poder dar pasos más largos y/o subir escaleras y rampas. En total se extrajo un conjunto de 1, 119, 706 señales, de cada pierna, cuando la persona estaba caminando con andador y al ejercer fuerza sobre las piernas, pero sin moverlas. Para modelar las señales se utilizó una red neuronal artificial (RNA) de 3 capas ocultas y con 80 neuronas cada una. Las señales fueron clasificadas como caminando o quieto. Con las señales extraídas se realizó el entrenamiento de la red neuronal utilizando el 80% de las señales para entrenar el modelo y 20% para realizar las pruebas. Con la finalidad de determinar el desempeño promedio del modelo, se realizó la ejecución del mismo 10 veces, en cada ejecución el conjunto de entrenamiento y prueba se generó de forma aleatoria utilizando un 80% de las señales para entrenamiento y 20% para prueba. Después de las 10 ejecuciones se obtuvo un desempeño promedio del 98% de exactitud de la RNA para la clase caminando y un 94.00% para la clase quieto. Después de validar el modelo fue almacenado y se probó con 128,212 (3 minutos aproximadamente) nuevas señales de la clase caminando y 64,731 (2 minutos aproximadamente) de la clase quieto. Al evaluar las señales se obtuvo un 98% de exactitud para la clase caminando y un 95% para la clase quieto. Finalmente, se puede decir que la metodología es la base para diseñar y construir una órtesis robótica que ayude al paciente a caminar más rápido y doblar las rodillas para subir escalones y rampas.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Maestría en Sistemas Computacionales

This item is protected by original copyright View License

This item is licensed under a Creative Commons License