Clasificación de señales electromiográficas (EMG) para una prótesis de mano

Abstract

En este documento se presentan cuatro técnicas inteligentes, para la clasificación de las señales Electromiográficas (EMG) que se originan con ejecución de cuatro movimientos básicos de mano, (mano en reposo, agarre fino, agarre grueso y mano abierta), realizados por seis pacientes diferentes. Estos métodos son: red neuronal probabilística (PNN), perceptrón multicapa (MLP), máquinas de vectores soporte (SVM) y fuzzy ARTMAP, Se exponen los fundamentos teóricos de cada método de clasificación, precedido por una breve explicación sobre el proceso de reconocimiento de patrones y sus fases: extracción de características, reducción de dimensionalidad y clasificación en general. En sección de extracción de características se hace referencia a las características que forman parte de los vectores que se utilizan como datos de entrada del clasificador, Posteriormente se presenta el proceso de creación de los clasificadores en donde se hace referencia a la base de datos de las señales EMG utilizada para la creación y la validación de los clasificadores y los parámetros finales utilizados en el clasificador; luego son comparados y evaluados de acuerdo a sus resultados y a cuatro propiedades (precisión, velocidad de clasificación, potencia y flexibilidad) definidas para tal fin.