Diseño de un 1D-CNN para clasificar señales EMG de superficie (SEMG)

Autores/as

  • Musaab Saleh Dawood Computer Techniques and Engineering Dept. Engineering, Technical college, Northern Technical University, Mosul, Iraq
  • Mohand Lokman Aldabag Computer Techniques and Engineering Dept. Engineering, Technical college, Northern Technical University, Mosul, Iraq

DOI:

https://doi.org/10.5377/nexo.v36i06.17458

Palabras clave:

electromiografía EMG, Clasificación de movimientos de muñeca, Clasificación de movimientos de victoria, Clasificación de movimientos individuales de los dedos, 1D-CNN

Resumen

Amputar el antebrazo, el dedo o la mano es el mayor problema para el sujeto discapacitado. Por lo tanto, Prosthetic desempeña un papel importante para que los amputados modifiquen la capacidad y movilidad de sus actividades sistemáticas. El uso de señales EMG de discriminación del movimiento de manos y dedos aumenta continuamente para numerosos gestos de manos y dedos. El principal problema al diseñar una prótesis de mano es la clasificación de las señales EMG. Los algoritmos de aprendizaje automático (ML) presentan una solución a este problema al proporcionar una forma de clasificar las señales EMG con un esquema simple y menos costoso. Este estudio presenta más de un experimento en dos conjuntos de datos para clasificar dedos individuales (IF) con muñeca y victoria en función de un conjunto de datos normativos de señales EMG y aprendizaje profundo DL. Estos experimentos muestran que el rendimiento general (precisión promedio) del método propuesto es del 98,83% y la tasa general de clasificación de errores (tasa de error) es del 1,17%.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2023-12-31

Cómo citar

Saleh Dawood, M., & Lokman Aldabag, M. (2023). Diseño de un 1D-CNN para clasificar señales EMG de superficie (SEMG). Nexo Revista Científica, 36(06), 1020–1037. https://doi.org/10.5377/nexo.v36i06.17458

Número

Sección

Artículo