Publicación: Adquisición de señales por medio de electroencefalografía para futuro control de prótesis de miembro superior
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: La amputación representa un gran impacto en la vida de una persona, en el ámbito social y familiar, impidiéndoles así realizar tareas cotidianas por si solos. Las prótesis que están disponibles en la actualidad representan un alto costo para aquellos individuos que las necesitan, por lo que se ha explorado una gran variedad de alternativas con el fin de suplir esta necesidad. Es por esto por lo que en este trabajo se realizara un sistema de adquisición de señales de electroencefalografía, a la cual se le implementará un aprendizaje de la maquina o Machine Learning, para clasificar la entrada de los datos en diferentes movimientos, los cuales serán utilizados para activar una prótesis. Para desarrollar este trabajo se propone el desarrollo de un dispositivo mecánico como prototipo de prótesis que sirva de medio para evaluar un modelo de Machine Learning. Este será diseñado por medio de la plataforma Edge Impulse, la cual permite la adquisición de datos y elaboración de modelos de Machine Learning, sin la necesidad de tener conocimientos avanzados en programación, y con la oportunidad de aplicarlos en dispositivos embebidos. De manera que sea posible activar actuadores dentro del prototipo de prótesis a través de la adquisición de señales de electroencefalografía y el reconocimiento de los movimientos asociados a estas. En cuanto a los resultados obtenidos, se destaca el modelo de Machine Learning que identificó y clasificó correctamente, de acuerdo con las métricas de evaluación, los movimientos de brazo derecho, brazo izquierdo y pierna derecha, además de un estado de reposo. De manera que el dispositivo se considera funcional para realizar acciones como la activación de actuadores dentro de un prototipo de prótesis.
Resumen en inglés
ABSTRACT: Amputation represents a great impact in someone’s life, in social and familiar matter, making it hard to accomplish any daily task by their own. Nowadays available prostheses are highly expensive for those who need them, which is why there is a broad exploration for new alternatives that can fulfill this need. Therefore, in this project an electroencephalography acquisition system is going to be developed, to which it will be applied a Machine Learning model, in order to classify the entry of data during different movement applications, that will be used for a prosthetic activation. To develop this project, it’s proposed the idea of creating a mechanical device that resembles a prosthetic, so that it becomes a mean to evaluate a Machine Learning model. This will be designed on the platform, Edge Impulse, which allows data acquisition and model development without the need of having advanced programming skills and gives the opportunity to deploy them into embedded systems. In this way, it becomes possible to activate actuators inside the prosthetic prototype through the acquisition of electroencephalography signals and the recognition of the movements linked to them. Regarding the results obtained, the machine learning model that best identifies and classifies the right arm, left arm, right leg and idle state movements is highlighted, according to the evaluation metrics. Finally, the device is considered functional to develop tasks as activating the actuators of a prosthetic.