Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía

En este proyecto se ha abordado el desarrollo de una interfaz destinada a la descripción de la señal electromiográfica EMG del músculo bíceps y su comportamiento en los estados de contracción y relajación. Para ello, se obtiene un banco de medida en tiempo real junto con sensores de montajes superfi...

Full description

Autores:
Torres Alarcon, Laura Dayana
Tipo de recurso:
https://purl.org/coar/resource_type/c_7a1f
Fecha de publicación:
2025
Institución:
Universidad El Bosque
Repositorio:
Repositorio U. El Bosque
Idioma:
spa
OAI Identifier:
oai:repositorio.unbosque.edu.co:20.500.12495/18127
Acceso en línea:
https://hdl.handle.net/20.500.12495/18127
Palabra clave:
Electromiografía
Procesamiento digital de señales
Interfaz gráfica
Entrenamiento deportivo
Rehabilitación
621.381
Electromyography
Digital signal processing
Graphical interface
Sports training
Rehabilitation
Rights
License
Attribution 4.0 International
id UNBOSQUE2_eae537901a9bfc51d22bbca19766fc3b
oai_identifier_str oai:repositorio.unbosque.edu.co:20.500.12495/18127
network_acronym_str UNBOSQUE2
network_name_str Repositorio U. El Bosque
repository_id_str
dc.title.none.fl_str_mv Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
dc.title.translated.none.fl_str_mv Application design for the identification of biceps muscle failure based on electromyography signal
title Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
spellingShingle Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
Electromiografía
Procesamiento digital de señales
Interfaz gráfica
Entrenamiento deportivo
Rehabilitación
621.381
Electromyography
Digital signal processing
Graphical interface
Sports training
Rehabilitation
title_short Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
title_full Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
title_fullStr Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
title_full_unstemmed Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
title_sort Diseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografía
dc.creator.fl_str_mv Torres Alarcon, Laura Dayana
dc.contributor.advisor.none.fl_str_mv Sánchez Pinzón, Emilio Alejandro
dc.contributor.author.none.fl_str_mv Torres Alarcon, Laura Dayana
dc.subject.none.fl_str_mv Electromiografía
Procesamiento digital de señales
Interfaz gráfica
Entrenamiento deportivo
Rehabilitación
topic Electromiografía
Procesamiento digital de señales
Interfaz gráfica
Entrenamiento deportivo
Rehabilitación
621.381
Electromyography
Digital signal processing
Graphical interface
Sports training
Rehabilitation
dc.subject.ddc.none.fl_str_mv 621.381
dc.subject.keywords.none.fl_str_mv Electromyography
Digital signal processing
Graphical interface
Sports training
Rehabilitation
description En este proyecto se ha abordado el desarrollo de una interfaz destinada a la descripción de la señal electromiográfica EMG del músculo bíceps y su comportamiento en los estados de contracción y relajación. Para ello, se obtiene un banco de medida en tiempo real junto con sensores de montajes superficiales para la adquisición de la señal mediante técnicas de procesado de señal digital. Además, se realiza el diseño de una interfaz gráfica que permite visualizar distintos estados de los músculos a partir de sus características electromiográficas. Este trabajo facilita el análisis de las diferencias de las magnitudes intrínsecas del músculo en el deporte y los laborales de rehabilitación. Por otro lado, los resultados adquiridos presentan una variación clara de la amplitud de la señal en los diferentes estados musculares, con un error de caracterización en torno al margen del 5 %. Además, con esta interfaz, la comparativa de pacientes en formación y capacitación docente en la gestión vía control electromiográfico se ha facilitado.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-11-14T20:11:19Z
dc.date.issued.none.fl_str_mv 2025-11
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.none.fl_str_mv https://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coarversion.none.fl_str_mv https://purl.org/coar/version/c_ab4af688f83e57aa
format https://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12495/18127
dc.identifier.instname.spa.fl_str_mv instname:Universidad El Bosque
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad El Bosque
dc.identifier.repourl.none.fl_str_mv repourl:https://repositorio.unbosque.edu.co
url https://hdl.handle.net/20.500.12495/18127
identifier_str_mv instname:Universidad El Bosque
reponame:Repositorio Institucional Universidad El Bosque
repourl:https://repositorio.unbosque.edu.co
dc.language.iso.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv [1] J. D. Bronzino, The Biomedical Engineering Handbook, 4th ed., CRC Press, 2014.
[2] A. Burden, “How should we normalize electromyograms obtained from healthy participants? What we have learned from over 25 years of research,” Journal of Electromyography and Kinesiology, vol. 20, no. 6, pp. 1023–1035, 2010. https://doi.org/10.1016/j.jelekin.2010.07.004
[3] C. J. De Luca, “The use of surface electromyography in biomechanics,” Journal of Applied Biomechanics, vol. https://doi.org/10.1123/jab.13.2.135 13, no. 2, pp. 135–163, 1997.
[4] C. J. De Luca, Surface Electromyography: Detection and Recording, DelSys Inc., 2002.
[5] D. Farina, R. Merletti, and R. M. Enoka, “The extraction of neural strategies from the surface EMG: An update,” Journal of Applied Physiology, vol. 117, no. 11, pp. 1215–1230, 2014. https://doi.org/10.1152/japplphysiol.00162.2014
[6] P. Konrad, The ABC of EMG: A Practical Introduction to Kinesiological Electromyography, Noraxon U.S.A., Inc., 2005.
[7] R. Merletti and P. A. Parker, Electromyography: Physiology, Engineering, and Non- Invasive Applications, Wiley-IEEE Press, 2004.
[8] National Instruments, LabVIEW Help: Filter Design, 2020. Available: https://www.ni.com
[9] A. Phinyomark, C. Limsakul, and P. Phukpattaranont, “Feature extraction and reduction of wavelet transform coefficients for EMG pattern classification,” Electronics and Electrical Engineering, vol. 122, no. 6, pp. 27–32, 2012.
[10] J. G. Proakis and D. G. Manolakis, Digital Signal Processing: Principles, Algorithms, and Applications, Pearson Prentice Hall, 2007.
[11] SENIAM Project, Surface ElectroMyoGraphy for the Non-Invasive Assessment of Muscles, 1999. Available: http://www.seniam.org
[12] S. W. Smith, The Scientist and Engineer’s Guide to Digital Signal Processing, California Technical Publishing, 2011.
[13] J. L. Galvis Gómez and P. A. Guio Naranjo, Módulo Didáctico de EMG para Miembro Inferior, Universidad Distrital Francisco José de Caldas, 2020. [14] D. A. Gómez and J. E. Méndez, Desarrollo de un Sistema para la Caracterización de Señales EMG Aplicadas al Control de Prótesis Mioeléctricas, Universidad Industrial de Santander, 2021.
[14] D. V. Martínez Paucar and R. A. Melo Giraldo, Banco de Pruebas para Electromiografía, Universidad Distrital Francisco José de Caldas, 2019.
[15] J. D. Mora and S. P. Quintero, Diseño e Implementación de un Sistema de Adquisición de Señales EMG con Arduino para el Análisis de Fatiga Muscular, Universidad Pedagógica y Tecnológica de Colombia, 2019.
[16] C. A. Rodríguez and F. J. Ramírez, Prototipo de Electromiógrafo Didáctico con Interfaz LabVIEW, Universidad Nacional de Colombia, 2020.
[17] W. Liu, “Using Arduino Uno and EMG Electrodes for Electromyographic Signal Measurement and Servo Control,” Theoretical and Natural Science, vol. 86, no. 1, pp. 37–44, 2025.
[18] “Low-Cost Real-Time Electromyography Data Acquisition Experimental Setup for vol. Biomedical Technologies Education,” The Eurasia Proceedings of Educational and Social Sciences, 4, no. 2, pp. 112–118, 2017.
[19] S. Rodrigues and M. P. Macedo, “Algorithm for Onset/Offset Detection of EMG Signals for Real-time Control of a Low-cost Open-source Bionic-hand,” in Proc. 15th Int. Joint Conf. Biomedical Engineering Systems and Technologies, pp. 872–878, 2022.
[20] Universidad del Norte, “Implementation of a Cost-Effective Didactic Prototype for the Acquisition of Biomedical Signals,” Electronics, vol. 7, no. 5, p. 77, 2018. [22] R. Wan and C. Zhong, “Real-time Detection of Muscle Fatigue Using Arduinobased Surface EMG Frequency and Amplitude Measurements,” Journal of Student Academic Research, vol. 5, no. 1, pp. 24–33, 2024.
[21] J. Cruz and P. Fernández, “Desarrollo de un sistema de electromiografía de bajo costo para aplicaciones de rehabilitación muscular,” Revista Colombiana de Ingeniería Biomédica, vol. 14, no. 2, pp. 45–53, 2020.
[22] L. Martínez, R. Gómez, and S. Duarte, “Evaluación de la actividad electromiográfica en entornos deportivos: desafíos de accesibilidad tecnológica,” Revista Latinoamericana de Ciencias Aplicadas, vol. 9, no. 1, pp. 33–40, 2021. [25] D. Rodríguez, A. Pérez, and J. López, “Aplicación de sistemas EMG en fisioterapia y entrenamiento deportivo: un enfoque de bajo costo,” Revista de Tecnología y Salud, vol. 7, no. 3, pp. 58–67, 2022.
[23] L. Gómez and M. Rueda, “Aplicaciones de hardware libre en el análisis de señales biomédicas: una revisión desde la ingeniería y la educación,” Revista Colombiana de Tecnologías Aplicadas, vol. 8, no. 2, pp. 55–63, 2020.
[24] J. Pardo and A. Ramírez, “Procesamiento digital de señales biomédicas: fundamentos y aplicaciones en electromiografía de superficie,” Revista Colombiana de Ingeniería Biomédica, vol. 13, no. 1, pp. 22–30, 2019.
[25] E. A. Clancy, E. L. Morin, and R. Merletti, “Sampling, noise-reduction and amplitude estimation issues in surface electromyography,” Journal of Electromyography and Kinesiology, vol. 12, no. 1, pp. 1–16, 2002. https://doi.org/10.1016/S1050-6411(01)00033-5
[26] J. Martínez and D. Rojas, “Implementación de filtros digitales en tiempo real para señales EMG utilizando plataformas Arduino,” Revista Colombiana de Tecnologías Biomédicas, vol. 4, no. 2, pp. 45–54, 2020.
[27] A. Phinyomark, P. Phukpattaranont, and C. Limsakul, “Feature extraction and reduction of EMG signals for pattern classification,” Expert Systems with Applications, vol. 39, no. 8, pp. 7420–7431, 2018. https://doi.org/10.1016/j.eswa.2012.01.102 [31] D. Farina, R. Merletti, and R. M. Enoka, “The extraction of neural strategies from the surface EMG,” Journal of Applied Physiology, vol. 96, no. 4, pp. 1486–1495, 2003. https://doi.org/10.1152/japplphysiol.01070.2003
[28] T. M. Vieira and A. Botter, “The accurate assessment of muscle excitation requires the detection of multiple surface electromyograms,” Exercise and Sport Sciences Reviews, vol. 49, no. 1, https://doi.org/10.1249/JES.0000000000000240 pp. 23–34, 2021.
[29] D. T. Mewett, K. J. Reynolds, and H. Nazeran, “Reducing noise in surface electromyography using digital signal processing techniques,” Biomedical Signal Processing and Control, https://doi.org/10.1016/j.bspc.2020.102071 vol. 62, 102071, 2020.
[30] M. Cruz and R. Fernández, “Desarrollo de interfaces gráficas en LabVIEW para adquisición de señales biomédicas,” Revista Iberoamericana de Ingeniería Biomédica, vol. 12, no. 3, pp. 45–56, 2019. https://doi.org/10.1016/j.riib.2019.03.005 [35] P. Estrada and L. Sánchez, “Diseño de una interfaz gráfica para el análisis en tiempo real de señales electromiográficas,” Revista de Tecnología e Innovación Biomédica, vol. 8, no. 2, pp. 60–72, 2020.
[31] F. González, C. Martínez, and J. Pérez, “Comparative analysis of open-source GUI frameworks for biomedical signal visualization,” Biomedical Engineering Advances, vol. 3, no. 4, p. 100045, 2021. https://doi.org/10.1016/j.bea.2021.100045 [37] J. Nielsen, Usability Engineering, Morgan Kaufmann, 2012.
[32] P. A. Karthick, P. Babu, and S. Kumar, “Real-time EMG signal acquisition and wireless transmission using low-cost microcontrollers,” Biomedical Signal Processing and Control, vol. 78, 103925, 2022. https://doi.org/10.1016/j.bspc.2022.103925 [39] D. López, H. Gutiérrez, and J. Torres, “Evaluación del desempeño de microcontroladores Arduino y ESP32 para la adquisición de bioseñales,” Revista Colombiana de Electrónica Aplicada, vol. 7, no. 2, pp. 55–67, 2020.
[33] A. Núñez and M. Rueda, “Aplicación de plataformas abiertas en la enseñanza de la bioinstrumentación,” Ingeniería y Ciencia, vol. 17, no. 33, pp. 89–106, 2021. https://doi.org/10.17230/ingciencia.17.33.5
[34] R. Peña and C. Rodríguez, “Desarrollo de sistemas biomédicos portátiles basados en microcontroladores de bajo costo,” Revista Latinoamericana de Tecnología Biomédica, vol. 5, no. 1, pp. 22–34, 2019.
[35] E. Criswell, Cram’s Introduction to Surface Electromyography, 3rd ed., Jones & Bartlett Learning, 2020. [43] M. B. I. Reaz, M. S. Hussain, and F. Mohd-Yasin, “Techniques of EMG signal analysis: Detection, processing, classification and applications,” Biological Procedures Online, vol. 8, no. 1, pp. 11–35, 2006. https://doi.org/10.1251/bpo115
dc.rights.en.fl_str_mv Attribution 4.0 International
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.local.spa.fl_str_mv Acceso abierto
dc.rights.accessrights.none.fl_str_mv https://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/
Acceso abierto
https://purl.org/coar/access_right/c_abf2
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.program.spa.fl_str_mv Ingeniería Electrónica
dc.publisher.grantor.spa.fl_str_mv Universidad El Bosque
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
institution Universidad El Bosque
bitstream.url.fl_str_mv https://repositorio.unbosque.edu.co/bitstreams/02b51942-276c-423e-b47d-d06c353cabf7/download
https://repositorio.unbosque.edu.co/bitstreams/88588747-e3b6-4c44-952f-e0de60d6a651/download
https://repositorio.unbosque.edu.co/bitstreams/9b621453-6787-4b81-97f2-aaab57b1a1d5/download
https://repositorio.unbosque.edu.co/bitstreams/6e345549-7ad7-4b6f-a583-719d03ab836d/download
https://repositorio.unbosque.edu.co/bitstreams/a3c94b21-ba36-4c42-bae3-33667bb420ff/download
bitstream.checksum.fl_str_mv 5507d8200491d1810e7223b27bc026be
c23b5bf09111d21f99245bb771e46198
f06af22bfd8636c5201352007ffedf36
2603a61ac1eb8672356e5cda58d8b798
5909f2898581b6e891d5c64fceab69c2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad El Bosque
repository.mail.fl_str_mv bibliotecas@biteca.com
_version_ 1849967174293127168
spelling Sánchez Pinzón, Emilio AlejandroTorres Alarcon, Laura Dayana2025-11-14T20:11:19Z2025-11https://hdl.handle.net/20.500.12495/18127instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coEn este proyecto se ha abordado el desarrollo de una interfaz destinada a la descripción de la señal electromiográfica EMG del músculo bíceps y su comportamiento en los estados de contracción y relajación. Para ello, se obtiene un banco de medida en tiempo real junto con sensores de montajes superficiales para la adquisición de la señal mediante técnicas de procesado de señal digital. Además, se realiza el diseño de una interfaz gráfica que permite visualizar distintos estados de los músculos a partir de sus características electromiográficas. Este trabajo facilita el análisis de las diferencias de las magnitudes intrínsecas del músculo en el deporte y los laborales de rehabilitación. Por otro lado, los resultados adquiridos presentan una variación clara de la amplitud de la señal en los diferentes estados musculares, con un error de caracterización en torno al margen del 5 %. Además, con esta interfaz, la comparativa de pacientes en formación y capacitación docente en la gestión vía control electromiográfico se ha facilitado.Ingeniero ElectrónicoPregradoThis project focused on the design of an interface for the characterization of the electromyography (EMG) signal of the biceps muscle in contraction and relaxation states. A realtime acquisition board was implemented alongside surface-mounted sensors to capture the signal, which was processed using digital signal processing techniques. A graphical interface was designed to visualize the different muscle states based on the recorded electromyographic activity, facilitating its analysis in sports training and rehabilitation. The obtained results show a clear variation in signal amplitude across different muscle states, with an error margin below 5% in the characterization. This development is expected to contribute to the optimization of medical and sports procedures, enabling more precise monitoring of fatigue and muscle failure.application/pdfAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/Acceso abiertohttps://purl.org/coar/access_right/c_abf2http://purl.org/coar/access_right/c_abf2ElectromiografíaProcesamiento digital de señalesInterfaz gráficaEntrenamiento deportivoRehabilitación621.381ElectromyographyDigital signal processingGraphical interfaceSports trainingRehabilitationDiseño de aplicación para identificación del fallo muscular en el bíceps partiendo de la señal de electromiografíaApplication design for the identification of biceps muscle failure based on electromyography signalIngeniería ElectrónicaUniversidad El BosqueFacultad de IngenieríaTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_ab4af688f83e57aa[1] J. D. Bronzino, The Biomedical Engineering Handbook, 4th ed., CRC Press, 2014.[2] A. Burden, “How should we normalize electromyograms obtained from healthy participants? What we have learned from over 25 years of research,” Journal of Electromyography and Kinesiology, vol. 20, no. 6, pp. 1023–1035, 2010. https://doi.org/10.1016/j.jelekin.2010.07.004[3] C. J. De Luca, “The use of surface electromyography in biomechanics,” Journal of Applied Biomechanics, vol. https://doi.org/10.1123/jab.13.2.135 13, no. 2, pp. 135–163, 1997.[4] C. J. De Luca, Surface Electromyography: Detection and Recording, DelSys Inc., 2002.[5] D. Farina, R. Merletti, and R. M. Enoka, “The extraction of neural strategies from the surface EMG: An update,” Journal of Applied Physiology, vol. 117, no. 11, pp. 1215–1230, 2014. https://doi.org/10.1152/japplphysiol.00162.2014[6] P. Konrad, The ABC of EMG: A Practical Introduction to Kinesiological Electromyography, Noraxon U.S.A., Inc., 2005.[7] R. Merletti and P. A. Parker, Electromyography: Physiology, Engineering, and Non- Invasive Applications, Wiley-IEEE Press, 2004.[8] National Instruments, LabVIEW Help: Filter Design, 2020. Available: https://www.ni.com[9] A. Phinyomark, C. Limsakul, and P. Phukpattaranont, “Feature extraction and reduction of wavelet transform coefficients for EMG pattern classification,” Electronics and Electrical Engineering, vol. 122, no. 6, pp. 27–32, 2012.[10] J. G. Proakis and D. G. Manolakis, Digital Signal Processing: Principles, Algorithms, and Applications, Pearson Prentice Hall, 2007.[11] SENIAM Project, Surface ElectroMyoGraphy for the Non-Invasive Assessment of Muscles, 1999. Available: http://www.seniam.org[12] S. W. Smith, The Scientist and Engineer’s Guide to Digital Signal Processing, California Technical Publishing, 2011.[13] J. L. Galvis Gómez and P. A. Guio Naranjo, Módulo Didáctico de EMG para Miembro Inferior, Universidad Distrital Francisco José de Caldas, 2020. [14] D. A. Gómez and J. E. Méndez, Desarrollo de un Sistema para la Caracterización de Señales EMG Aplicadas al Control de Prótesis Mioeléctricas, Universidad Industrial de Santander, 2021.[14] D. V. Martínez Paucar and R. A. Melo Giraldo, Banco de Pruebas para Electromiografía, Universidad Distrital Francisco José de Caldas, 2019.[15] J. D. Mora and S. P. Quintero, Diseño e Implementación de un Sistema de Adquisición de Señales EMG con Arduino para el Análisis de Fatiga Muscular, Universidad Pedagógica y Tecnológica de Colombia, 2019.[16] C. A. Rodríguez and F. J. Ramírez, Prototipo de Electromiógrafo Didáctico con Interfaz LabVIEW, Universidad Nacional de Colombia, 2020.[17] W. Liu, “Using Arduino Uno and EMG Electrodes for Electromyographic Signal Measurement and Servo Control,” Theoretical and Natural Science, vol. 86, no. 1, pp. 37–44, 2025.[18] “Low-Cost Real-Time Electromyography Data Acquisition Experimental Setup for vol. Biomedical Technologies Education,” The Eurasia Proceedings of Educational and Social Sciences, 4, no. 2, pp. 112–118, 2017.[19] S. Rodrigues and M. P. Macedo, “Algorithm for Onset/Offset Detection of EMG Signals for Real-time Control of a Low-cost Open-source Bionic-hand,” in Proc. 15th Int. Joint Conf. Biomedical Engineering Systems and Technologies, pp. 872–878, 2022.[20] Universidad del Norte, “Implementation of a Cost-Effective Didactic Prototype for the Acquisition of Biomedical Signals,” Electronics, vol. 7, no. 5, p. 77, 2018. [22] R. Wan and C. Zhong, “Real-time Detection of Muscle Fatigue Using Arduinobased Surface EMG Frequency and Amplitude Measurements,” Journal of Student Academic Research, vol. 5, no. 1, pp. 24–33, 2024.[21] J. Cruz and P. Fernández, “Desarrollo de un sistema de electromiografía de bajo costo para aplicaciones de rehabilitación muscular,” Revista Colombiana de Ingeniería Biomédica, vol. 14, no. 2, pp. 45–53, 2020.[22] L. Martínez, R. Gómez, and S. Duarte, “Evaluación de la actividad electromiográfica en entornos deportivos: desafíos de accesibilidad tecnológica,” Revista Latinoamericana de Ciencias Aplicadas, vol. 9, no. 1, pp. 33–40, 2021. [25] D. Rodríguez, A. Pérez, and J. López, “Aplicación de sistemas EMG en fisioterapia y entrenamiento deportivo: un enfoque de bajo costo,” Revista de Tecnología y Salud, vol. 7, no. 3, pp. 58–67, 2022.[23] L. Gómez and M. Rueda, “Aplicaciones de hardware libre en el análisis de señales biomédicas: una revisión desde la ingeniería y la educación,” Revista Colombiana de Tecnologías Aplicadas, vol. 8, no. 2, pp. 55–63, 2020.[24] J. Pardo and A. Ramírez, “Procesamiento digital de señales biomédicas: fundamentos y aplicaciones en electromiografía de superficie,” Revista Colombiana de Ingeniería Biomédica, vol. 13, no. 1, pp. 22–30, 2019.[25] E. A. Clancy, E. L. Morin, and R. Merletti, “Sampling, noise-reduction and amplitude estimation issues in surface electromyography,” Journal of Electromyography and Kinesiology, vol. 12, no. 1, pp. 1–16, 2002. https://doi.org/10.1016/S1050-6411(01)00033-5[26] J. Martínez and D. Rojas, “Implementación de filtros digitales en tiempo real para señales EMG utilizando plataformas Arduino,” Revista Colombiana de Tecnologías Biomédicas, vol. 4, no. 2, pp. 45–54, 2020.[27] A. Phinyomark, P. Phukpattaranont, and C. Limsakul, “Feature extraction and reduction of EMG signals for pattern classification,” Expert Systems with Applications, vol. 39, no. 8, pp. 7420–7431, 2018. https://doi.org/10.1016/j.eswa.2012.01.102 [31] D. Farina, R. Merletti, and R. M. Enoka, “The extraction of neural strategies from the surface EMG,” Journal of Applied Physiology, vol. 96, no. 4, pp. 1486–1495, 2003. https://doi.org/10.1152/japplphysiol.01070.2003[28] T. M. Vieira and A. Botter, “The accurate assessment of muscle excitation requires the detection of multiple surface electromyograms,” Exercise and Sport Sciences Reviews, vol. 49, no. 1, https://doi.org/10.1249/JES.0000000000000240 pp. 23–34, 2021.[29] D. T. Mewett, K. J. Reynolds, and H. Nazeran, “Reducing noise in surface electromyography using digital signal processing techniques,” Biomedical Signal Processing and Control, https://doi.org/10.1016/j.bspc.2020.102071 vol. 62, 102071, 2020.[30] M. Cruz and R. Fernández, “Desarrollo de interfaces gráficas en LabVIEW para adquisición de señales biomédicas,” Revista Iberoamericana de Ingeniería Biomédica, vol. 12, no. 3, pp. 45–56, 2019. https://doi.org/10.1016/j.riib.2019.03.005 [35] P. Estrada and L. Sánchez, “Diseño de una interfaz gráfica para el análisis en tiempo real de señales electromiográficas,” Revista de Tecnología e Innovación Biomédica, vol. 8, no. 2, pp. 60–72, 2020.[31] F. González, C. Martínez, and J. Pérez, “Comparative analysis of open-source GUI frameworks for biomedical signal visualization,” Biomedical Engineering Advances, vol. 3, no. 4, p. 100045, 2021. https://doi.org/10.1016/j.bea.2021.100045 [37] J. Nielsen, Usability Engineering, Morgan Kaufmann, 2012.[32] P. A. Karthick, P. Babu, and S. Kumar, “Real-time EMG signal acquisition and wireless transmission using low-cost microcontrollers,” Biomedical Signal Processing and Control, vol. 78, 103925, 2022. https://doi.org/10.1016/j.bspc.2022.103925 [39] D. López, H. Gutiérrez, and J. Torres, “Evaluación del desempeño de microcontroladores Arduino y ESP32 para la adquisición de bioseñales,” Revista Colombiana de Electrónica Aplicada, vol. 7, no. 2, pp. 55–67, 2020.[33] A. Núñez and M. Rueda, “Aplicación de plataformas abiertas en la enseñanza de la bioinstrumentación,” Ingeniería y Ciencia, vol. 17, no. 33, pp. 89–106, 2021. https://doi.org/10.17230/ingciencia.17.33.5[34] R. Peña and C. Rodríguez, “Desarrollo de sistemas biomédicos portátiles basados en microcontroladores de bajo costo,” Revista Latinoamericana de Tecnología Biomédica, vol. 5, no. 1, pp. 22–34, 2019.[35] E. Criswell, Cram’s Introduction to Surface Electromyography, 3rd ed., Jones & Bartlett Learning, 2020. [43] M. B. I. Reaz, M. S. Hussain, and F. Mohd-Yasin, “Techniques of EMG signal analysis: Detection, processing, classification and applications,” Biological Procedures Online, vol. 8, no. 1, pp. 11–35, 2006. https://doi.org/10.1251/bpo115spaORIGINALTrabajo de grado.pdfapplication/pdf7065691https://repositorio.unbosque.edu.co/bitstreams/02b51942-276c-423e-b47d-d06c353cabf7/download5507d8200491d1810e7223b27bc026beMD56trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81020https://repositorio.unbosque.edu.co/bitstreams/88588747-e3b6-4c44-952f-e0de60d6a651/downloadc23b5bf09111d21f99245bb771e46198MD55falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-82109https://repositorio.unbosque.edu.co/bitstreams/9b621453-6787-4b81-97f2-aaab57b1a1d5/downloadf06af22bfd8636c5201352007ffedf36MD53falseAnonymousREADCarta de autorizacion.pdfapplication/pdf360263https://repositorio.unbosque.edu.co/bitstreams/6e345549-7ad7-4b6f-a583-719d03ab836d/download2603a61ac1eb8672356e5cda58d8b798MD57falseBiblioteca - (Publicadores)READAnexo 1 Acta de aprobacion.pdfapplication/pdf438579https://repositorio.unbosque.edu.co/bitstreams/a3c94b21-ba36-4c42-bae3-33667bb420ff/download5909f2898581b6e891d5c64fceab69c2MD58falseBiblioteca - (Publicadores)READ20.500.12495/18127oai:repositorio.unbosque.edu.co:20.500.12495/181272025-11-14T20:13:17.510539Zhttp://creativecommons.org/licenses/by/4.0/Attribution 4.0 Internationalopen.accesshttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.comPGgzPkxpY2VuY2lhIGRlIERpc3RyaWJ1Y2nDs24gTm8gRXhjbHVzaXZhPC9oMz4KUGFyYSBxdWUgZWwgPGI+UmVwb3NpdG9yaW8gZGUgbGEgVW5pdmVyc2lkYWQgRWwgQm9zcXVlPC9iPiBwdWVkYSByZXByb2R1Y2lyIHkgY29tdW5pY2FyIHDDumJsaWNhbWVudGUgc3UgZG9jdW1lbnRvIGVzIG5lY2VzYXJpbyBsYSBhY2VwdGFjacOzbiBkZSBsb3Mgc2lndWllbnRlcyB0w6lybWlub3MuIFBvciBmYXZvciwgbGVhIGxhcyBzaWd1aWVudGVzIDxiPmNvbmRpY2lvbmVzIGRlIGxpY2VuY2lhPC9iPjoKPG9sPgogIDxsaT5BY2VwdGFuZG8gZXN0YSBsaWNlbmNpYSwgdXN0ZWQgKGVsIGF1dG9yL2VzIG8gZWwgcHJvcGlldGFyaW8vcyBkZSBsb3MgZGVyZWNob3MgZGUgYXV0b3IpIGdhcmFudGl6YSBhIGxhIDxiPlVuaXZlcnNpZGFkIEVsIEJvc3F1ZTwvYj4gZWwgZGVyZWNobyBubyBleGNsdXNpdm8gZGUgYXJjaGl2YXIsIHJlcHJvZHVjaXIsIGNvbnZlcnRpciAoY29tbyBzZSBkZWZpbmUgbcOhcyBhYmFqbyksIGNvbXVuaWNhciB5L28gZGlzdHJpYnVpciBzdSBkb2N1bWVudG8gbXVuZGlhbG1lbnRlIGVuIGZvcm1hdG8gZWxlY3Ryw7NuaWNvLjwvbGk+CiAgPGxpPlRhbWJpw6luIGVzdMOhIGRlIGFjdWVyZG8gY29uIHF1ZSBsYSA8Yj5Vbml2ZXJzaWRhZCBFbCBCb3NxdWU8L2I+ZSBwdWVkYSBjb25zZXJ2YXIgbcOhcyBkZSB1bmEgY29waWEgZGUgZXN0ZSBkb2N1bWVudG8geSwgc2luIGFsdGVyYXIgc3UgY29udGVuaWRvLCBjb252ZXJ0aXJsbyBhIGN1YWxxdWllciBmb3JtYXRvIGRlIGZpY2hlcm8sIG1lZGlvIG8gc29wb3J0ZSwgcGFyYSBwcm9ww7NzaXRvcyBkZSBzZWd1cmlkYWQsIHByZXNlcnZhY2nDs24geSBhY2Nlc28uPC9saT4KICA8bGk+RGVjbGFyYSBxdWUgZWwgZG9jdW1lbnRvIGVzIHVuIHRyYWJham8gb3JpZ2luYWwgc3V5byB5L28gcXVlIHRpZW5lIGVsIGRlcmVjaG8gcGFyYSBvdG9yZ2FyIGxvcyBkZXJlY2hvcyBjb250ZW5pZG9zIGVuIGVzdGEgbGljZW5jaWEuIFRhbWJpw6luIGRlY2xhcmEgcXVlIHN1IGRvY3VtZW50byBubyBpbmZyaW5nZSwgZW4gdGFudG8gZW4gY3VhbnRvIGxlIHNlYSBwb3NpYmxlIHNhYmVyLCBsb3MgZGVyZWNob3MgZGUgYXV0b3IgZGUgbmluZ3VuYSBvdHJhIHBlcnNvbmEgbyBlbnRpZGFkLjwvbGk+CiAgPGxpPlNpIGVsIGRvY3VtZW50byBjb250aWVuZSBtYXRlcmlhbGVzIGRlIGxvcyBjdWFsZXMgbm8gdGllbmUgbG9zIGRlcmVjaG9zIGRlIGF1dG9yLCBkZWNsYXJhIHF1ZSBoYSBvYnRlbmlkbyBlbCBwZXJtaXNvIHNpbiByZXN0cmljY2nDs24gZGVsIHByb3BpZXRhcmlvIGRlIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBwYXJhIG90b3JnYXIgYSBsYSA8Yj5Vbml2ZXJzaWRhZCBFbCBCb3NxdWU8L2I+IGxvcyBkZXJlY2hvcyByZXF1ZXJpZG9zIHBvciBlc3RhIGxpY2VuY2lhLCB5IHF1ZSBlc2UgbWF0ZXJpYWwgY3V5b3MgZGVyZWNob3Mgc29uIGRlIHRlcmNlcm9zIGVzdMOhIGNsYXJhbWVudGUgaWRlbnRpZmljYWRvIHkgcmVjb25vY2lkbyBlbiBlbCB0ZXh0byBvIGNvbnRlbmlkbyBkZWwgZG9jdW1lbnRvIGVudHJlZ2Fkby48L2xpPgogIDxsaT5TaSBlbCBkb2N1bWVudG8gc2UgYmFzYSBlbiB1bmEgb2JyYSBxdWUgaGEgc2lkbyBwYXRyb2NpbmFkYSBvIGFwb3lhZGEgcG9yIHVuYSBhZ2VuY2lhIHUgb3JnYW5pemFjacOzbiBkaWZlcmVudGUgZGUgbGEgPGI+VW5pdmVyc2lkYWQgRWwgQm9zcXVlPC9iPiwgc2UgcHJlc3Vwb25lIHF1ZSBzZSBoYSBjdW1wbGlkbyBjb24gY3VhbHF1aWVyIGRlcmVjaG8gZGUgcmV2aXNpw7NuIHUgb3RyYXMgb2JsaWdhY2lvbmVzIHJlcXVlcmlkYXMgcG9yIGVzdGUgY29udHJhdG8gbyBhY3VlcmRvLjwvbGk+CiAgPGxpPjxiPlVuaXZlcnNpZGFkIEVsIEJvc3F1ZTwvYj4gaWRlbnRpZmljYXLDoSBjbGFyYW1lbnRlIHN1L3Mgbm9tYnJlL3MgY29tbyBlbC9sb3MgYXV0b3IvZXMgbyBwcm9waWV0YXJpby9zIGRlIGxvcyBkZXJlY2hvcyBkZWwgZG9jdW1lbnRvLCB5IG5vIGhhcsOhIG5pbmd1bmEgYWx0ZXJhY2nDs24gZGUgc3UgZG9jdW1lbnRvIGRpZmVyZW50ZSBhIGxhcyBwZXJtaXRpZGFzIGVuIGVzdGEgbGljZW5jaWEuPC9saT4KPC9vbD4K

Publicaciones similares