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
Rascón-Madrigal, L. H.; Sinecio-Sidrian, M. A.; Mejía-Muñoz, J. M.; Díaz-Román, J. D.; Canales-Valdiviezo, I.; Botello-Arredondo, A. I..
Rev. mex. ing. bioméd
; 41(1): 117-127, ene.-abr. 2020. tab, graf
Artículo
en Español
|
LILACS-Express
| ID: biblio-1139328
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.
Biblioteca responsable:
MX1.1
Texto completo
Documentos relacionados