Reconocimiento de posturas de mano del dataset Ninapro DB1 usando inteligencia artificial

La pérdida de una extremidad corporal superior afecta significativamente la calidad de vida de quien lo padece. Para abordar esto se ha impulsado el desarrollo de prótesis, tanto comerciales como de código abierto, habilitando el acceso a esta tecnología a los pacientes. Un aspecto clave es el desarrollo del sistema de control, que involucra diseño electrónico, adquisición de datos y pruebas clínicas. Los investigadores pueden utilizar bases de datos públicas como Ninapro y CapgMyo, que contienen señales electromiográficas de superficie, sEMG, para entrenar modelos de aprendizaje automático y aprendizaje profundo, esenciales para el desarrollo de los controles. En este campo, debido a las limitaciones de los microcontroladores utilizados, técnicas clásicas de aprendizaje de máquina como máquinas de vectores de soporte, bosque aleatorio o k-vecinos más cercanos siguen siendo relevantes por su simplicidad y bajo requerimiento de recursos. En este artículo se compara la capacidad de modelos de aprendizaje de máquina y aprendizaje profundo para clasificar dos tipos de agarre (movimientos 1 y 23) y el estado de reposo (movimiento 0) de la base de datos Ninapro DB1, utilizando como datos de entrada a los modelos, características extraídas las señales de electromiografía como raíz cuadrática media, longitud de forma de onda y valor absoluto integrado.

• Autores: Agudelo Medina, Jairo Alberto; Arcila Ramírez, Henry Alberto
• Tipo de recurso: Tesis
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/46726
• Acceso en línea: https://hdl.handle.net/10495/46726
• Palabra clave: Deep learning (Machine learning); Standard deviations; Miembros Artificiales; Artificial Limbs; Aprendizaje automático (inteligencia artificial); Machine learning; Señales electromiográficas; http://id.loc.gov/authorities/subjects/sh2021006947; http://id.loc.gov/authorities/subjects/sh85127303; https://id.nlm.nih.gov/mesh/D001186
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2