Categorización optimizada de señales electromiografías del vasto intermedio relacionados con amputaciones transfemorales

Abstract

En este trabajo se presenta un algoritmo clasificador de señales EMG invasivas para tres condiciones médicas (clases): un sujeto saludable (clase 1), un sujeto con Miopatía (clase 2) y un sujeto con Neuropatía (clase 3). La clasificación de las señales está basada en un vector de características con parámetros temporales, el desempeño del algoritmo clasificador para el gesto 1 fue de 50%, el algoritmo se optimizo basado en una correlación de los parámetros temporales de todas las clases, con esto se determinó aquellos parámetros que no contribuyen al éxito de la clasificación, y solo consumen recursos computacionales, el desempeño del algoritmo clasificador con el vector de características optimizado para la clase 1 fue de 75%, dicha clasificación mejoró y se consiguieron disminuir los recursos computacionales. En la segunda parte de la tesis, se describe el diseño e implementación para la obtención y clasificación de señales EMGs tomadas del músculo Vasto intermedio de los músculos cuádriceps para los gestos: caminar, correr, subir escaleras y baja escaleras. La clasificación de los gestos obtenidos se llevó a cabo con un vector de características de parámetros temporales, utilizando el aprendizaje automático supervisado para el análisis discriminante lineal, obteniendo un desempeño de la clasificación de acuerdo a la matriz de confusión a los gestos: subir escaleras: 100%, bajar escaleras: 67%, caminar: 100% y correr: 78%."