¡Descarga Sistema para la clasificación de movimientos de la mano y más Guías, Proyectos, Investigaciones en PDF de Telemedicina solo en Docsity!
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 1 de 20
1. PRESENTACIÓN 1.1. Título Criterio Sistema para la identificación de movimientos de la mano a partir de señales mioeléctricas del antebrazo adquiridas con Myo armband. 1.2. Contexto Criterio El reconocimiento de gestos ha dado buenos resultados en diferentes áreas, como la rehabilitación, dirección de drones y sobre todo en aplicaciones biomédicas como las prótesis. Este trabajo se encuentra enfocado en la elaboración de un aplicativo software para el reconocimiento de las señales electromiográficas del músculo del antebrazo, mediante la identificación de patrones empleando un brazalete Myo y algoritmos de inteligencia artificial. Este aplicativo será capaz de asemejarse al comportamiento humano para tomar decisiones autónomas a partir de su conocimiento, y ser posteriormente implementado en prótesis mioeléctricas. A las señales captadas por electromiografía superficial se les puede realizar tratamientos matemáticos determinísticos y estadísticos que ayudan en la interpretación de los datos. Esta investigación se llevará a cabo en la Universidad Manuela Beltrán (UMB) seccional Bucaramanga. 1.3. Descripción del proyecto Criterio 1.3.1. Planteamiento del problema de investigación Actualmente los sistemas protésicos mioeléctricos son los que proporcionan el más alto grado de rehabilitación. Son en realidad prótesis eléctricas controladas por medio de una interfaz mioeléctrica. Sintetizan un mejor aspecto estético con una gran fuerza y velocidad de prensión, así como varias posibilidades de combinación y ampliación. Se basan en el empleo de la señal eléctrica (EMG), que se produce al contraerse un músculo, como señal de control. (Loaiza & Arzola, 2011) La complejidad de las prótesis mioeléctricas radica, en primera instancia, en la adquisición de las señales electromiográficas de una persona debido a la baja amplitud que manejan y las características anatómicas del individuo; por otro lado, existe un problema a la hora de clasificar los gestos que requiere realizar la persona discapacitada, ya que las señales no poseen patrones fáciles de identificar. Por tal motivo, para la clasificación de dichos gestos se utilizan métodos estadísticos, algoritmos de programación avanzada o inteligencia artificial con el fin de detectar los patrones que describan el comportamiento de las señales. (Hurtado-manzanera, 2018) Para resolver este problema, han surgido dos caminos de investigación: usar técnicas de reconocimiento de patrones o usar estimación de fuerza basada en modelos. El campo del reconocimiento de patrones tiene un amplio conocimiento, especialmente por sus aplicaciones en técnicas de visión por computador, razón por la cual es frecuente encontrar aportes al problema desde ese enfoque. En este campo, cada sensor EMG origina un canal de señales, las cuales, luego de un procesamiento, permiten extraer características del dominio del tiempo, de la frecuencia o en ambos. (Quinayás-Burgos & Gaviria-López, 2015)
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 2 de 20 Criterio Combinando diferentes tipos de particularidades, y la información de varios canales, se conforma un vector de características a partir del cual se puede identificar la intención de movimiento usando alguna de las numerosas técnicas de clasificación reportadas en la literatura. Por otro lado, debido a que las señales EMG son muy susceptibles a la interferencia por efecto de campos electromagnéticos cercanos, e incluso por cambios fisiológicos del paciente, la mejora de la precisión de los algoritmos para detectar la intención de movimiento también ha sido un tema de investigación de interés hasta la fecha. (Quinayás-Burgos & Gaviria- López, 2015) Los aportes en el control de prótesis avanzadas se pueden clasificar en tres grandes grupos: aportes en cuanto al hardware de adquisición y procesamiento de señales, aportes en cuanto a combinaciones de características extraídas de las señales EMG que proporcionen vectores de características que sean discriminantes y aportes acerca de los métodos de clasificación desde múltiples enfoques, como las redes neuronales artificiales. (Quinayás-Burgos & Gaviria-López, 2015) No obstante, la gran variedad de aportes en estos campos de acción, a mayor complejidad de las características y de los algoritmos de clasificación seleccionados, mayor es la capacidad de cómputo requerida. Por tal razón, muchas de las plataformas experimentales usadas para la validación emplean computadores personales como hardware de desarrollo. (Quinayás-Burgos & Gaviria-López, 2015) La investigación va encaminada hacia la elaboración de un aplicativo software funcional que se encargue de reconocer patrones de actividad mioeléctrica en el antebrazo asociada a 9 movimientos diferentes generados por la mano, por medio de una arquitectura de redes neuronales artificiales. De esta manera se puede establecer un sistema de detección de intencionalidad de movimiento para personas que presenten ausencia de este miembro a partir de señales biológicas. Personas que a causa de malformaciones congénitas nacen sin la extremidad de la mano o que han sufrido amputaciones producto de algún accidente, pero sin patologías musculares y/o nerviosas en sus miembros superiores, que impida la correcta adquisición de las señales mioeléctricas producidas en los músculos del antebrazo. Esta adquisición es posible debido al hecho de que los discapacitados mantienen un patrón repetible electromiográfico en los músculos remanentes del miembro amputado. Sin embargo, la validación se realiza en personas de diferentes edades que no presenten ningún tipo de discapacidad de los miembros superiores, teniendo en cuenta que las señales de las personas amputadas no difieren significativamente con las de un sujeto no discapacitado. Esta investigación será realizada en la Universidad Manuela Beltrán sede Bucaramanga, en un tiempo estimado de dieciséis meses (4 semestres académicos). Pregunta Problema: ¿Cuál es el grado de precisión del sistema de reconocimiento para la clasificación de movimientos de la mano utilizando señales mioeléctricas? 1.3.2. Justificación El intento por sustituir una parte del cuerpo faltante no es nuevo, sin embargo, ha sido difícil para la ingeniería diseñar dispositivos que no sean complicados de asimilar por los pacientes que tienen amputaciones (congénitas o por trauma) en sus extremidades; y para la medicina aplicar técnicas quirúrgicas, como los trasplantes heterólogos de mano. (“Colombia avanza en el desarrollo de prótesis mioeléctricas,” n.d.) En los últimos años, se ha generado un gran avance respecto a la solución de problemas básicos para las personas discapacitadas como son los audífonos amplificadores para personas con problemas de sordera, dispositivos que enseñan a leer Braille para quienes no pueden ver, y prótesis que son empleadas por personas que por alguna circunstancia han perdido o nunca han tenido una extremidad o parte de ella. (Piña,
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 4 de 20 Criterio Realizar una validación cruzada para evaluar el desempeño de la red neuronal. 1.4. Hipótesis Criterio La hipótesis que se plantea consiste en desarrollar un sistema para el reconocimiento de 9 movimiento diferentes de la mano, mediante la interacción de algoritmos de inteligencia artificial y el dispositivo Myo Armband. De esta manera se establece un aplicativo software de detección de intencionalidad de movimiento para personas que presenten ausencia de este miembro a partir de señales biológicas. La validación se realiza con personas sanas teniendo en cuenta que las señales de las personas amputadas no difieren significativamente con las de un sujeto no discapacitado. 1.5. Bases Teóricas Criterio 1.5.1. Marco teórico 1.5.1.1. Señales eléctricas del cuerpo Bioseñales Una señal es un medio de transmisión de información, cuya adquisición permite obtener información sobre la fuente que la generó. El cuerpo humano constantemente produce bioseñales encargados de la activación de los diferentes órganos. Estas señales son generadas en las diferentes estructuras nerviosas periféricas y en los músculos, y reciben su nombre respecto a la estructura específica donde se generan. Los factores más importantes que caracterizan las bioseñales desde el punto de vista de la instrumentación son los rangos de amplitud y frecuencia. (Ibarra, Pérez & Fernández, 2005) Biopotenciales Algunas células, como las nerviosas, musculares y del tejido glandular, producen biopotenciales como resultado de la actividad electroquímica de sus membranas. Los biopotenciales son potenciales iónicos que pueden ser medidos mediante un transductor capaz de convertir potenciales y corrientes iónicas en potenciales y corrientes eléctricas. (Riaño & Quintero, 2010) Potenciales de acción musculares Los potenciales de acción son generados con las contracciones de cada fibra muscular en forma individual. La suma de potenciales de todas las fibras que componen una unidad motora (UM) constituye el potencial de unidad motora (PUM). Cada potencial de acción comienza con un cambio súbito desde el potencial de la membrana negativo en reposo normal hasta un potencial positivo y después termina con un cambio casi igual de rápido, de nuevo hacia el potencial negativo. Durante este proceso se presentan tres fases importantes que describen dichos cambios en las membranas musculares durante el movimiento de las cargas, como se muestra en la figura 1, la primera fase es conocida como fase de reposo, la siguiente es la fase de despolarización, donde el potencial de acción aumenta en dirección positiva, y la fase de repolarización, donde se restablece el potencial negativo y se vuelve al estado de reposo. (Riaño & Quintero, 2010)
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 5 de 20 Criterio Figura 1. Potencial de acción típico registrado. En Control de una mano virtual usando señales electromiográficas (p.37), por R. R. Camilo., & Q. M. Virgilio, 2010, Bogotá, DC. El potencial de membrana en reposo en las fibras esqueléticas es de -80 a -90 mV aproximadamente, mientras que la duración del potencial de acción en el músculo esquelético es de 1 a 5 ms. (Ibarra, Pérez & Fernández, 2005) Medidas biomédicas Las medidas biomédicas se realizan para extraer información del funcionamiento de los distintos sistemas del organismo. En concreto, se plantean algunas de las correspondientes a los sistemas cardiovascular, respiratorio, nervioso y muscular, destacando el tipo de información que proporcionan y el método de medida utilizado. (Ibarra, Pérez & Fernández, 2005) La rama de la ciencia que comprende la medida de las variables y parámetros fisiológicos se conoce como biometría. La instrumentación biomédica proporciona las herramientas para que se puedan realizar estas medidas. Algunas medidas biomédicas se pueden obtener de forma pasiva ya que no necesitan energía externa para producir las señales que representan la información deseada, tales medidas incluyen los potenciales bioeléctricos que constituyen el electrocardiograma, el encefalograma y el electromiograma. (Ibarra, Pérez & Fernández, 2005) Medidas en el sistema muscular Muchas características de la contracción muscular se pueden demostrar mediante la excitación eléctrica del nervio que inerva un músculo. La medición y el análisis de estas bioseñales son realizados normalmente con propósitos clínicos o de diagnóstico, sin embargo, las señales generadas de forma voluntaria, también pueden ser utilizadas en diferentes aplicaciones de la ingeniería biomédica. Las señales mioeléctricas pueden ser generadas de forma voluntaria mediante la contracción de los grupos musculares. (Ibarra, Pérez & Fernández, 2005) Electromiografía La electromiografía estudia la actividad eléctrica muscular. La activación de cada fibra del músculo se produce en respuesta a un potencial de acción transmitido a través de la fibra nerviosa motora (axón), que inerva la fibra muscular. La combinación de la célula nerviosa motora en la espina dorsal, su axón, y las fibras musculares que inerva forma la unidad funcional básica del sistema muscular, y es denominada unidad motora. Cuando el potencial de acción nervioso alcanza la unión compuesta de tejido especializado entre el nervio y el músculo, cierta cantidad de transmisor químico se produce, convirtiendo el potencial de acción
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 7 de 20 Criterio La varianza es una característica que representa la medida de la potencia de una señal, la cual está definida como el promedio de los valores cuadrados de la desviación de la variable y cuya fórmula se puede apreciar en la ecuación 2. (2) La raíz media al cuadrado representa la amplitud modulada de un proceso aleatorio Gaussiano (representación general de una señal EMG), que se relaciona con la fuerza constante y la contracción sin fatiga, la cual se representa con la fórmula mostrada en la ecuación 3. (3) Los cruces por cero, son el número de veces que la forma de la onda cruza por el eje cero. Estos cruces proporcionan una estimación aproximada de la forma de onda, la fórmula es definida como se muestra en la ecuación 4. (4) El cambio de pendiente proporciona información sobre las propiedades de frecuencia de la señal. El cambio de pendiente puede definirse como se muestra en la ecuación 5. (5) La longitud de forma de onda, es la longitud acumulada de la forma de onda sobre un segmento de tiempo. La longitud de onda se define como se muestra en la ecuación 6. (6) La desviación estándar se asocia directamente al número de unidades motoras activadas y a la velocidad de activación de las mismas. Y se define como se muestra en la ecuación 7. (7) Finalmente, la última característica, expresa la cantidad de voltaje contenida en una ventana. Ésta ayuda a determinar el momento de más actividad muscular, la cantidad de energía puede definirse como se muestra en la ecuación 8.
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 8 de 20 Criterio (8) También están las basadas en análisis espectral, para las cuales se requiere de la transformación de la señal, como la transformada de Fourier de tiempo corto (STFT) con la cual se obtiene información de la señal en el dominio tiempo-frecuencia, aunque esta técnica asume la condición de estacionareidad, lo cual no cumple para las señales EMGS. A pesar de haberse conseguido con esta transformada un desempeño aceptablemente bueno en el análisis de este tipo de señales para efectos de clasificación de patrones de movimientos, su naturaleza estocástica no estacionaria ha hecho necesario explorar técnicas alternativas que ayuden a mejorar el proceso de extracción de características. Una solución a este inconveniente se refleja en los últimos trabajos de investigación en el área de procesamiento de señales con la técnica de análisis espectral basadas en la teoría de wavelets, mediante las transformadas Wavelets. (Romo Romero et al.,
1.5.1.2. Tecnología 1.5.1.2.1. Software Base de datos Es un sistema con la capacidad de almacenar pequeñas o grandes cantidades de datos con una misma estructura, con el fin de facilitar su búsqueda una vez guardados los datos y tener acceso a ellos en cualquier momento. La relevancia de las bases de datos en los sistemas inteligentes está precisamente en otorgar el conocimiento y las experiencias pasadas al sistema, es decir, se entrena y aprende basándose en la información que contiene la base de datos para determinada finalidad. (Villarejo, Caicedo, & Campo, 2008) Un sistema inteligente busca asemejarse al comportamiento humano mediante un programa de computación con el fin de tomar decisiones autónomas a partir de su conocimiento y experiencias pasadas. (Villarejo et al.,
Redes neuronales artificiales La meta de la Inteligencia artificial (IA) es el desarrollo de paradigmas o algoritmos que las máquinas requieren para desarrollar tareas cognitivas, en las cuales actualmente los humanos somos mejores. Un sistema IA debe ser capaz de hacer tres cosas: (1) acumular conocimiento, (2) aplicar el conocimiento acumulado para resolver problemas, y (3) adquirir nuevo conocimiento a través de la experiencia. Un sistema de IA tiene tres componentes clave: representación, razonamiento, y aprendizaje. Las redes neuronales (ver figura 2) son un sistema de inteligencia artificial capaz de adquirir y utilizar conocimiento, una propiedad muy significativa para una red neuronal es la habilidad de aprender de su ambiente, y mejorar su rendimiento a través del aprendizaje. La mejora en rendimiento tiene lugar a través del tiempo de acuerdo con medidas previstas. (Riaño & Quintero, 2010)
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 10 de 20 Criterio Una UMI de alta sensibilidad de 9 ejes (frecuencia de muestreo de 50Hz) o Un giroscopio de tres ejes o Un acelerómetro de tres ejes o Un magnetómetro de tres ejes Un indicador LED Un procesador ARM Cortex M4 de 1200MHz Retroalimentación háptica (vibración). Conexión bluetooth inteligente Una batería recargable de litio Myo tiene un tamaño de 13 a 34 cm y un peso de 93 gramos. (Octavio & Denis, 2017) 1.5.1.2.3. Comunicación El fabricante de Myo ofrece el programa Myo Connect para configurar aspectos de hardware, un software
administrador de aplicaciones. Un Kit de desarrollo de software (SDK) que cuenta con ejecutables,
librerías, documentación, controladores y ejemplos dirigido a desarrolladores. (Octavio & Denis, 2017) Figura 4. SDK de Myo. En Test of a Myo Armband, por P. C. Octavio., & R. A. Denis, 2017, Revista de ciencias ambientales, Vol. 3, p. 51. En la Figura 4 se observa la arquitectura del SDK. El núcleo del SDK es la librería libmyo (hecha en un API de C plano) que permite a las aplicaciones escritas en diferentes lenguajes interactúen con el brazalete. C++ bindings es un intermediario de acceso entre los lenguajes y libmyo. El SDK gestiona la conexión del brazalete con Myo Connect y eventos de gestos de mano, la posición y orientación de brazo. (Octavio & Denis, 2017) Las ventajas que posee Myo son un bajo costo al público, conexión a múltiples plataformas y dispositivos vía Bluetooth, un hardware y software abierto, APIS y SDK para el desarrollo. (Octavio & Denis, 2017) 1.5.2. Estado del Arte. Título Artículo Institución donde se desarrolló Autor o Autores Fecha de realización Contexto
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 11 de 20 Criterio Sistema de reconocimient o inteligente de señales mioeléctricas del movimiento de mano humana Universidad Autónoma de Yucatán, Mérida, México. Vicario Vázquez, S. A.; Oubram, O.; Bassam, A .; Velázquez Aguilar, J. G.; Ordóñez López, E. 14 de Julio de 2017 Se presenta el diseño de un algoritmo de reconocimiento de señales mioeléctricas por medio de una arquitectura de redes neuronales artificiales. Se generó una base de datos con las señales mioeléctricas capturadas, la cual sirvió para el entrenamiento de la red neuronal artificial (RNA). (Vázquez & Aguilar, 2017) Sistema de identificación de intención de movimiento para el control mioeléctrico de una prótesis de mano robótica Universidad Javeriana, Bogotá, Colombia. César Augusto Quinayás-Burgos Carlos Alberto Gaviria-López Julio 2015 Se presenta un sistema embebido que detecta en tiempo real la intención de movimiento para el control de un prototipo de prótesis de mano robótica. Se propone un clasificador basado en la mínima distancia al centroide de los grupos que caracterizan los movimientos que se van a identificar. (Quinayás & Gaviria, 2015) Diseño de una prótesis mioeléctrica de miembro superior de código abierto Universidad de Caldas, Manizales, Colombia. Gilberto Galvis Giraldo, Luis Felipe García Arias, Víctor Alfonso Jaramillo Pineda 2015 Se propone el diseño de una prótesis de mano de código abierto. Se busca obtener un dispositivo de bajo costo que pueda ser personalizado por un usuario con conocimientos básicos de CAD. Del mismo modo se propone un sistema de adquisición y procesamiento de señales EMG basado en una plataforma de código abierto. (Galvis, García & Jaramillo, 2015) Prótesis Funcional de Miembro Superior controlada a partir de dispositivo Myo Universidad nacional de Córdoba. Gorosito, Martín Alejandro Jara, Nicolás Diciembre 2017 Se enfoca en el control de una prótesis funcional de miembro superior mediante el dispositivo comercial Myo Armband. Este brazalete permite obtener la actividad mioeléctrica del antebrazo, utilizando electrodos secos, y la detección de gestos por movimientos, por medio de sensores inerciales. (Gorosito & Jara, 2017) Detección de la intención de movimiento a partir de señales electromiográfi cas utilizando Tecnológico Nacional de México. Martínez- Federico Martin †*, Serna- Encinas María, Rose-Gómez César, Orrantesakannas 15 de Octubre de 2017 Presenta la metodología de clasificación de señales electromiográficas, que permite desarrollar la interfaz electrónica de una prótesis transfemoral. El artículo se focaliza en determinar la intención de movimiento de la
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 13 de 20 Criterio Myo Armband, fabricado y desarrollo por Thalmic Labs. (Sánchez, 2017) Adquisición y procesamiento de señales EMG para controlar movimiento de un brazo hidráulico Universidad de Pamplona, Colombia. Jorge Andrés García Pinzón, Luis Enrique Mendoza Julio 2014 Se presenta el diseño e implementación de un sistema electrónico para el registro de las señales electromiográficas de la extremidad superior del sujeto (humano). Seguidamente al proceso de la implementación del sistema electrónico, en este trabajo se realiza una etapa de pre- procesamiento y procesamiento de las señales registradas, estas técnicas se usaron para extraer patrones en cada grupo de señales y clasificar una nueva señal que controle en forma precisa el movimiento que quiere ejecutar el sujeto con el brazo Hidráulico. (García & Mendoza, 2014) Marco legal: Ley Nº 18. PROTECCIÓN INTEGRAL DE PERSONAS CON DISCAPACIDAD CAPÍTULO I: OBJETO DE LA LEY, DEFINICIONES Y RESPONSABILIDAD DEL ESTADO ARTÍCULO 1º.- Establécese un sistema de protección integral a las personas con discapacidad, tendiente a asegurarles su atención médica, su educación, su rehabilitación física, psíquica, social, económica y profesional y su cobertura de seguridad social, así como otorgarles los beneficios, las prestaciones y estímulos que permitan neutralizar las desventajas que la discapacidad les provoca y les dé oportunidad, mediante su esfuerzo, de desempeñar en la comunidad un rol equivalente al que ejercen las demás personas. Cúmplase, acúsese recibo, comuníquese, publíquese e insértese en el Registro Nacional de Leyes y Decretos, la Ley por la que establecen normas sobre la protección integral a las personas con discapacidad. RESOLUCION Nº 008430 DE 1993 (4 DE OCTUBRE DE 1993) Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud. (De Salud n.d.) EL MINISTRO DE SALUD En ejercicio de sus atribuciones legales en especial las conferidas por el Decreto 2164 DE 1992 y la Ley 10 de 1990 CONSIDERANDO
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 14 de 20 Criterio
- Que el artículo 8o. de la Ley 10 de 1990, por la cual se organiza el Sistema Nacional de Salud y se dictan otras disposiciones, determina que corresponde al Ministerio de Salud formular las políticas y dictar todas las normas científico- administrativas, de obligatorio cumplimiento por las entidades que integran el Sistema,
- Que el artículo 2o del Decreto 2164 de 1992, por el cual se reestructura el Ministerio de Salud y se determinan las funciones de sus dependencias, establece que éste formulará las normas científicas y administrativas pertinentes que orienten los recursos y acciones del Sistema. TITULO I: DISPOSICIONES GENERALES ARTICULO 1. Las disposiciones de estas normas científicas tienen por objeto establecer los requisitos para el desarrollo de la actividad investigativa en salud. ARTICULO 2. Las instituciones que vayan a realizar investigación en humanos, deberán tener un Comité de Ética en Investigación, encargado de resolver todos los asuntos relacionados con el tema. ARTICULO 3. Las instituciones, a que se refiere el artículo anterior, en razón a sus reglamentos y políticas internas, elaborarán su manual interno de procedimientos con el objeto de apoyar la aplicación de estas normas. TITULO II: DE LA INVESTIGACION EN SERES HUMANOS. CAPITULO I: DE LOS ASPECTOS ETICOS DE LA INVESTIGACION EN SERES HUMANOS. ARTICULO 5. En toda investigación en la que el ser humano sea sujeto de estudio, deberá prevalecer el criterio del respeto a su dignidad y la protección de sus derechos y su bienestar. ARTICULO 7. Cuando el diseño experimental de una investigación que se realice en seres humanos incluya varios grupos, se usarán métodos aleatorios de selección, para obtener una asignación imparcial de los participantes en cada grupo, y demás normas técnicas determinadas para este tipo de investigación, y se tomarán las medidas pertinentes para evitar cualquier riesgo o daño a los sujetos de investigación. ARTICULO 9. Se considera como riesgo de la investigación la probabilidad de que el sujeto de investigación sufra algún daño como consecuencia inmediata o tardía del estudio. ARTICULO 14. Se entiende por Consentimiento Informado el acuerdo por escrito, mediante el cual el sujeto de investigación o en su caso, su representante legal, autoriza su participación en la investigación, con pleno conocimiento de la naturaleza de los procedimientos, beneficios y riesgos a que se someterá, con la capacidad de libre elección y sin coacción alguna. 1.6. Diseño Metodológico Criterio Metodología: Tipo de investigación: Para el desarrollo de este proyecto se propone un enfoque cuantitativo y diseño experimental
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 16 de 20 1.8. Cronograma Criterio
Actividad
Proyecto I-2019-2 Proyecto II-2020-1 (^) Proyecto III-2020-2 Proyecto IV-2021- Ago Sep Oct Nov Feb Mar Abr May Ago Sep Oct Nov Feb Mar Abr May Selección de línea de Investigación Planteamiento de la línea de proyecto Revisión Bibliográfica Indicaciones y objetivos del proyecto Entrega de propuesta Selección de la población a evaluar Adquisición de las señales con Myo Armband Elaboración de la base de datos Identificación de parámetros característicos Aplicación de descriptores
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 17 de 20 Estudio de la arquitectura de la RNA Diseño de la RNA Entrenamiento de la RNA Evaluación del rendimiento del clasificador Realización del libro Entrega del libro 1.9. Talento Humano y Recursos Criterio Recursos Humanos Director Ricardo Andrés Díaz Suarez Investigadores Jonathan Leonardo Becerra Monroy María Camila Bermonth Contreras Materiales e instalaciones Materiales Dispositivo Myo Armband Equipo de Cómputo Instalaciones Laboratorio de Ingeniería Biomédica Universidad Manuela Beltrán – Sede Bucaramanga 1.10. Estudio Económico Criterio
Tabla 1. Presupuesto Total
Presupuesto
Rubros Efectivo Especie Total
1 Recursos Humanos $ 0 $ 45.600.000 $ 45.600.
2 Equipos $ 3.000.000 $ 0 $ 3.000.
3 Software $ 2.000.000 $ 0 $ 2.000.
4 Imprevistos $ 2.500.000 $ 0 $ 2.500.
Total $ 7.500.000 $ 45.600.000 $ 53.100.
Tabla 2. Presupuesto Recursos Humanos
Dedicación
Nombre del investigador Función
Horas/
Semana Valor/Hora
Semanas
de trabajo Total (Pesos)
Ricardo Andrés Díaz Suarez Director 3 $ 80.000 50 $ 12.000.
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 19 de 20 Ibarra Lúzar, J. I., Pérez Zorrilla, E., & Fernández García, C. (2005). Electromiografía clínica. Rehabilitacion , 39 (6), 265–276. https://doi.org/10.1016/S0048-7120(05)74360- Loaiza, J. L., & Arzola, N. (2011). Evolution and trends in the development of hand prosthesis. DYNA (Colombia) , 78 (169). Martin, M., María, S., César, R., & Jorge, S. (2017). Revista de Ingeniería Eléctrica Detección de la intención de movimiento a partir de señales electromiográficas utilizando redes neuronales Revista de Ingeniería Eléctrica, 1 (2), 52–59. Octavio, J., & Denis, I. (2017). Revista de Ciencias Ambientales y Recursos Naturales Test of a Myo Armband. Diciembre , 3 (10), 48–56. Retrieved from http://www.ecorfan.org/spain/researchjournals/Ciencias_Ambientales_y_Recursos_Naturales/ vol3num10/Revista_de_Ciencias_Ambientales_y_Recursos_Naturales_V3_N10_6.pdf Quinayás-Burgos, C. A., & Gaviria-López, C. A. (2015). Sistema de identificación de intención de movimiento para el control mioeléctrico de una prótesis de mano robótica. Ingenieria y Universidad , 19 (1), 27–50. https://doi.org/10.11144/Javeriana.iyu19-1.siim Riaño Rios Camilo Andrés, Q. M. V. E. (2010). Control de una mano virtual usando señales electromiográficas, 1–75. Romo Romero, H., Realpe, J., & Jojoa, P. (2007). Análisis de señales emg superficiales y su aplicación en control de prótesis de mano. Avances En Sistemas e Informática , 4 (1), 127–136. Sánchez, A. (2017). Matriz de electrodos EMG para detección de intención de movimiento de la mano. Vázquez, V., & Aguilar, V. (2017). Sistema de reconocimiento inteligente de señales mioeléctricas del movimiento de mano humana. Ingeniería , 21 (2), 41–53. Villarejo, J., Caicedo, E., & Campo, O. (2008). Detección de la intención de movimiento durante la marcha a partir de señales electromiográficas. Universidades Del Valle y Autónoma de Occidente , 1 (Detección de movimientos de marcha a partir de señales electromiográficas), 1–7. Ibarra Lúzar, J. I., Pérez Zorrilla, E., & Fernández García, C. (2005). Electromiografía clínica. Rehabilitacion , 39 (6), 265–276. https://doi.org/10.1016/S0048-7120(05)74360- Octavio, J., & Denis, I. (2017). Revista de Ciencias Ambientales y Recursos Naturales Test of a Myo Armband. Diciembre , 3 (10), 48–56. Retrieved from http://www.ecorfan.org/spain/researchjournals/Ciencias_Ambientales_y_Recursos_Naturales/ vol3num10/Revista_de_Ciencias_Ambientales_y_Recursos_Naturales_V3_N10_6.pdf Riaño, Andrés, Q. M. V. E. (2010). Control de una mano virtual usando señales electromiográficas, 1–75. Romo Romero, H., Realpe, J., & Jojoa, P. (2007). Análisis de señales emg superficiales y su aplicación en control de prótesis de mano. Avances En Sistemas e Informática , 4 (1), 127–136. Blanco, R. A., Mauricio, A., Bernal, C., & Torres, M. P. (2017). Diseño de un sistema difuso para el reconocimiento de la actividad muscular en señales de EMG superficiales [ Design of a fuzzy logic system for muscular activity recognition using superficial EMG signals ]. International Journal of Innovation and Applied Studies , 19 (4), 729–737. Retrieved from http://www.ijias.issr-journals.org/ Casallas, E. C. (2015). Sistema De Entrenamiento Virtual Para Prótesis Mioeléctrica Transradial a Partir Del Tratamiento De Señales Bioelétricas. Revista Politécnica , 11 (21), 97–106. Retrieved from http://revistas.elpoli.edu.co/index.php/pol/article/view/623/ Colombia avanza en el desarrollo de prótesis mioeléctricas. (n.d.). Retrieved August 26, 2019, from http://www.elhospital.com/temas/Colombia-avanza-en-el-desarrollo-de-protesis-mioelectricas+102438? pagina= Galvis Giraldo, G., García Arias, L. F., & Jaramillo Pineda, V. A. (2015). Diseño de una prótesis mioeléctrica de miembro superior de código abierto. IV Congreso Internacional de Ingeniería Mecatrómica y Automatización - CIIMA , 322–331. García Pinzon, J., & Mendoza, L. (2014). Adquisición y procesamiento de señales emg para controlar movimiento de un brazo hidraulico. Mundo FESC , 1 (7), 49–60. Gorosito, M., & Jara, N. (2017). Prótesis Funcional de Miembro Superior controlada a partir de dispositivo Myo, 1–205.
PROCESO: INVESTIGACIÓN
INV-F-023 Versión: 5 Fecha: 2019-02-15 Página 20 de 20 Hurtado-manzanera. (2018). Diseño y construcción de un prototipo de prótesis mioeléctrica, 15 (1), 14–25. Ibarra Lúzar, J. I., Pérez Zorrilla, E., & Fernández García, C. (2005). Electromiografía clínica. Rehabilitacion , 39 (6), 265–276. https://doi.org/10.1016/S0048-7120(05)74360- Loaiza, J. L., & Arzola, N. (2011). Evolution and trends in the development of hand prosthesis. DYNA (Colombia) , 78 (169). Martin, M., María, S., César, R., & Jorge, S. (2017). Revista de Ingeniería Eléctrica Detección de la intención de movimiento a partir de señales electromiográficas utilizando redes neuronales Revista de Ingeniería Eléctrica, 1 (2), 52–59. Octavio, J., & Denis, I. (2017). Revista de Ciencias Ambientales y Recursos Naturales Test of a Myo Armband. Diciembre , 3 (10), 48–56. Retrieved from http://www.ecorfan.org/spain/researchjournals/Ciencias_Ambientales_y_Recursos_Naturales/ vol3num10/Revista_de_Ciencias_Ambientales_y_Recursos_Naturales_V3_N10_6.pdf Quinayás-Burgos, C. A., & Gaviria-López, C. A. (2015). Sistema de identificación de intención de movimiento para el control mioeléctrico de una prótesis de mano robótica. Ingenieria y Universidad , 19 (1), 27–50. https://doi.org/10.11144/Javeriana.iyu19-1.siim Riaño Rios Camilo Andrés, Q. M. V. E. (2010). Control de una mano virtual usando señales electromiográficas, 1–75. Romo Romero, H., Realpe, J., & Jojoa, P. (2007). Análisis de señales emg superficiales y su aplicación en control de prótesis de mano. Avances En Sistemas e Informática , 4 (1), 127–136. Sánchez, A. (2017). Matriz de electrodos EMG para detección de intención de movimiento de la mano. Vázquez, V., & Aguilar, V. (2017). Sistema de reconocimiento inteligente de señales mioeléctricas del movimiento de mano humana. Ingeniería , 21 (2), 41–53. Villarejo, J., Caicedo, E., & Campo, O. (2008). Detección de la intención de movimiento durante la marcha a partir de señales electromiográficas. Universidades Del Valle y Autónoma de Occidente , 1 (Detección de movimientos de marcha a partir de señales electromiográficas), 1–7.
