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

Vol. 36 Núm. 06 (2023)

Sección

Artículo

Licencia

Derechos de autor 2024 Universidad Nacional de Ingeniería

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Los autores que publican en Nexo Revista Científica están de acuerdo con los siguientes términos:

  1. Los autores conservan los derechos de autor y conceden a la revista el derecho de la primera publicación bajo la licencia Creative Commons Attribution License https://creativecommons.org/licenses/by/3.0/, que permite a otros compartir el trabajo con un reconocimiento a la autoría de la obra y a la publicación inicial en Nexo Revista Científica.
  2. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, en un repositorio institucional o en un libro) con el reconocimiento de su publicación inicial en Nexo Revista Científica.
  3. Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados.