Cómo clasificar llanto del recién nacido mediante una red neuronal supervisada / How to classify newborn cry through a supervised neural network

El llanto es una vía de comunicación del recién nacido con el medio circundante. Investigaciones acerca del llanto infantil han correlacionado características acústicas de éste con patologías, demostrándose que el llanto puede reflejar la integridad neurofisiológica del niño y dar una medida de su interacción con el ambiente y su desarrollo cognitivo y social. Esta contribución muestra cómo clasificar el llanto de neonatos con hipoxia y de un grupo de control, en normal o patológico, a través de una red neuronal artificial supervisada. Para implementar la red neuronal se aprovechan las posibilidades de la plataforma MATLAB®. El diseño y estructuración de la red considera algoritmo de aprendizaje o entrenamiento, iteraciones, pruebas e intervalos de clasificación, obteniéndose arquitectura y topología, y funcionalidades de la red neuronal que en la generalización proporciona la mejor clasificación. En el trabajo se aplica el método de selección de casos, el método acústico para extraer parámetros cuantitativos de la señal de llanto en tiempo, intensidad y frecuencia, así como métodos vinculados con el diseño, implementación y validación, con pruebas diagnósticas, de la red neuronal artificial obtenida para cumplir el objetivo del trabajo que es la generación de clases (clasificación del llanto). Con precisión del resultado de clasificación del 90 por ciento se está en condición de concebir una solución informática (agregando interfaz para interactuar con base de datos) para ayudar complementariamente al diagnóstico médico no invasivo usando el llanto del neonato provocado ante dolor(AU)

Cry from newborn (0-28 days) is a way of communication for the interaction with surrounding world. Infant cry researches provide information that correlate among cries acoustic features with pathologies. It has been demonstrated that the infant cry is able to reflect child neurophysiology integrity and give meaning from newborn interaction with environment, also cognitive and social development from child. This contribution shows how to classify the cry of neonates with hypoxia and of a control group, into normal or pathological, through a supervised artificial neural network. Network implementation makes use of MATLAB® platform possibilities. Design and structuring of network take into consideration aspects as training algorithm, iterations, tests and classification intervals. All these referred aspects give as result an architectural, topology and functionalities from neural network able to classify cry in generalization stage offering good outcome. Different methods are applied in this paper as selection of cases, acoustic methods in order to obtain quantitative parameters from cry signals (in time, intensity and frequency domain). Methods related with design, implementation and validation (diagnostic test) of an artificial neural network able to carry out the goal of this paper (classification of cry) are used. With accuracy results in cry classification about 90 percent, authors get ready conditions for an informatic solution (with addition of interface for data base interaction) for help as a non-invasive complement to medical diagnosis using cry from neonate induced by pain(AU)

Wavelet packet transform and multilayer perceptron to identify voices with a mild degree of vocal deviation / Transformada Wavelet packet y Perceptrón Multicapa para identificación de voces con grado leve de desvío vocal

Introduction. Laryngeal disorders are characterized by a change in the vibratory pattern of the vocal folds. This disorder may have an organic origin described by anatomical fold modification, or a functional origin caused by vocal abuse or misuse. The most common diagnostic methods are performed by invasive imaging features that cause patient discomfort. In addition, mild voice deviations do not stop the in-dividual from using their voices, which makes it difficult to identify the problem and increases the possibility of complications. Aim. For those reasons, the goal of the present paper was to develop a noninvasive alternative for the identification of voices with a mild degree of vocal deviation ap-plying the Wavelet Packet Transform (WPT) and Multilayer Perceptron (MLP), an Artificial Neural Network (ANN). Methods. A dataset of 74 audio files were used. Shannon energy and entropy mea-sures were extracted using the Daubechies 2 and Symlet 2 families and then the processing step was performed with the MLP ANN. Results. The Symlet 2 family was more efficient in its generalization, obtaining 99.75% and 99.56% accuracy by using Shannon energy and entropy measures, re-spectively. The Daubechies 2 family, however, obtained lower accuracy rates: 91.17% and 70.01%, respectively. Conclusion. The combination of WPT and MLP presented high accuracy for the identification of voices with a mild degree of vocal deviation

ntroducción. Los trastornos laríngeos se caracterizan por un cambio en el patrón vibratorio de los pliegues vocales. Este trastorno puede tener un origen orgánico, descrito como la modificación anatómica de los pliegues vocales, o de origen fun-cional, provocado por abuso o mal uso de la voz. Los métodos de diagnóstico más comunes se realizan mediante procedimientos invasivos que causan malestar al pa-ciente. Además, los desvíos vocales de grado leve no impiden que el individuo utilice la voz, lo que dificulta la identificación del problema y aumenta la posibilidad de complicaciones futuras.Objetivo. Por esas razones, el objetivo de esta investigación es desarrollar una he-rramienta alternativa, no invasiva para la identificación de voces con grado leve de desvío vocal aplicando Transformada Wavelet Packet (WPT) y la red neuronal artifi-cial del tipo Perceptrón Mutlicapa (PMC). Métodos. Fue utilizado un banco de datos con 78 voces. Fueron extraídas las me-didas de energía y entropía de Shannon usando las familias Daubechies 2 y Symlet 2 para después aplicar la red neuronal PMC. Resultados. La familia Symlet 2 fue más eficiente en su generalización, obteniendo un 99.75% y un 99.56% de precisión mediante el uso de medidas de energía y en-tropía de Shannon, respectivamente. La familia Daubechies 2, sin embargo, obtuvo menores índices de precisión: 91.17% y 70.01%, respectivamente. Conclusión. La combinación de WPT y PMC presentó alta precisión para la iden-tificación de voces con grado leve de desvío vocal

Estimación en la Intención de Agarres: Cilíndrico, Esférico y Gancho Utilizando Redes Neuronales Profundas / Estimation of Hand-Grip Intention: Cylindrical, Spherical and Hook Using Deep Neural Networks

Resumen Las amputaciones de extremidades superiores pueden producir diversos grados de incapacidad en la persona afectada, esto es exacerbado aún más, si se presenta durante un periodo de su vida laboral activa, por esta razón es de importancia social el estudio de las prótesis y algoritmos que ayuden a un mejor control de estas por parte del usuario. En esta investigación, se propone una arquitectura basada en redes neuronales recurrentes del tipo Long Short-Term Memory y redes convolucionales para la clasificación de señales electromiográficas, con aplicaciones para control de prótesis de mano. La red propuesta clasifica tres tipos de agarres realizados con la mano: cilíndrico, esférico y de gancho. El modelo propuesto al ser evaluado mostró una eficiencia (accuracy) del 89 %, en contraste con una red neuronal artificial basada en capas completamente conectadas que solo obtuvo una eficiencia del 80% en la predicción de los agarres. El presente trabajo se limita solamente a evaluar la red ante una entrada de electromiograma y no se implementó un sistema de control para la prótesis de la mano. Así, una arquitectura de redes convolucionales para el control de prótesis de mano que pueden ser entrenadas con las señales del sujeto.

Abstract Upper extremities amputations can produce different disability degrees in the amputated person, this is acerbated even more, when it happens during active working life. So, for this reason, it is of social importance the study of prostheses and algorithms that help a better control of these by the user. In this research, we propose an architecture based on recurrent neural networks, called Long Short-Term Memory, and convolutional neural networks for classification of electromyographic signals, with applications for hand prosthesis control. The proposed network classifies three types of movements made by the hand: cylindrical, spherical and hook grips. The proposed model showed an efficiency (accuracy) of 89%, in contrast to an artificial neural network based on completely connected layers that only obtained an efficiency of 80% in the prediction of the hand movements. The present work is limited to evaluate the network with an electromyogram input, the control system for hand prosthesis was not implemented. Thus, an architecture of convolutional networks for the control of hand prostheses that can be trained with the signals of the subject.

Identificación de la delimitación administrativa de la malaria usando redes neuronales artificiales / Boundary Delimitiation of Malaria using Artificial Neural Networks / Identificação da Delimitação Administrativa da Malária usando Redes Neurais Artificiais

Resumen La metodología de clustering fue utilizada para agrupar tres barrios en Quibdó teniendo en cuenta factores que favorecen el desarrollo de la malaria. Los mapas auto-organizados de Kohonen fueron utilizados para el análisis de las características más significativas en la clasificación. Los clusters detectados fueron comparados con la clasificación geográfica de las casas, encontrando, que los mapas auto-organizados de Kohonen clasifican las casas por las condiciones ambientales propicias para el desarrollo del mosquito más que por la clasificación administrativa de la ciudad.

Resumo A Metodologia de Clustering foi usada para agrupar três bairros em Quibdo, Colômbia, levando em consideração fatores que favorecem o desenvolvimento da malária. Mapas auto-organizados de Kohonen foram utilizados para a análise das características mais significativas no agrupamento. Os Clusters detectados foram comparados com o agrupamento geo-gráfico de casas, mostrando que os mapas auto-organizados de Kohonen agrupam as casas pelas condições ambientais favoráveis ao desenvolvimento do mosquito e não pelo agrupamento administrativo da cidade.

Abstract Clustering methodology was used to group three neighborhoods in Quibdo taking into account factors that favor the development of malaria. The Kohonen self-organizing maps were used for the analysis of the most significant features in the standings. The detected clusters were compared with the geographical classification of houses, finding that the Kohonen self-organizing maps households classified by environmental conditions conducive to development rather than the administrative classification of the city.

Desarrollo de una Prótesis para Desarticulado de Muñeca Controlada por Señales de Electromiografía / Development of a Myoelectric-Controlled Prosthesis for Transradial Amputees

RESUMEN En este trabajo se presenta el desarrollo y puesta en operación de una prótesis robótica para pacientes amputados con desarticulado de muñeca. Esta prótesis consiste en un prototipo de impresión 3D que tiene dos grados de libertad que permiten realizar tareas de sujeción de tipo pinza, así como la orientación de objetos mediante los movimientos de pronación y supinación. Para el control de la prótesis se utilizan dos clasificadores de manera independiente: un clasificador bayesiano implementado en la plataforma Arduino y una red neuronal artificial implementada en el software MATLAB®; ambos realizan la clasificación de los movimientos mediante la adquisición, procesamiento y extracción de índices característicos de la señal de electromiografía. El clasificador bayesiano y la red neuronal artificial obtuvieron, respectivamente, una eficiencia de 97% y 100%, lo que muestra que los índices característicos seleccionados son adecuados para realizar la clasificación de señales de electromiografía propuesta. Se logró la creación de una prótesis mioeléctrica completamente funcional que, al ser elaborada con tecnología de impresión 3D, representa una alternativa de bajo costo a aquellas ofrecidas actualmente en el mercado.

ABSTRACT In this paper, the development and operation of a robotic prosthesis for transradial amputees is presented. This prosthesis consists in a 3D-printed prototype with two degrees of freedom, allowing the user to perform grip tasks and to orientate objects through pronation and supination movements. Two classifiers were used independently to control the prosthesis: a bayesian classifier implemented in an Arduino device and an artificial neural network implemented in MATLAB® software; both classify movements through the acquisition, processing and extraction of features from the electromyography signal. The bayesian classifier and the artificial neural network achieved an efficiency of 97% and 100%, respectively, which shows that the extracted features were suitable for the proposed electromyography classification. A completely functional 3D-printed myoelectric prosthesis was achieved, and it represents a low-cost alternative to those existent in the current market.

Domótica asistencial: un desarrollo tecnológico de apoyo a la discapacidad / Home automation care: a technological development of disability support

El presente artículo muestra el desarrollo de un sistema tecnológico en el área de la Domótica asistencial, esta área se ocupa de desarrollar ayudas para automatizar la vivienda de personas en condición de disca-pacidad, con el propósito de mejorar su calidad de vida. El sistema desarrollado utiliza como señal de en-trada, las señales electromiográficas (EMG) de dos grupos musculares (flexor radial del carpo y masetero), por medio de estas señales, se controla un sistema electrónico capaz de dar órdenes para Encender/apagar la luz y Encender/apagar una alarma. El sistema utiliza la señal digitalizada como comando y controla las variables citadas, utilizando una red neuronal que ejecuta la labor asignada. Este dispositivo se convierte en una propuesta de desarrollo tecnológico de bajo costo, útil como apoyo a la discapacidad y al mejora-miento de la calidad de vida.

This paper shows the development of a technological system in the area of Home Automation care, this area is concerned with developing automated support for the housing of people living on disability, in order to improve their quality of life. The implemented system uses as input signal, the electromyographic signals (EMG) of two groups of muscles (flexor carpi radialis and masseter), through these signs, you con-trol an electronic system able to give orders for on / off light Turning on the alarm. The system uses the digitized signal as a command and controls these variables, using a neural network that performs the work assigned. This device becomes a proposed low-cost technology development, useful as an aid to disability and improving quality of life