Title: | Lower limbs motion intention detection by using pattern recognition |
Other Titles: | Detección de intención de movimiento de miembros inferiores mediante el reconocimiento de patrones |
Authors: | Astudillo Palomeque, Felipe Emmanuel Charry Ramirez, Jose Ricardo Minchala Avila, Luis Ismael Wong de balzan , Sara Null |
Keywords: | Ann Emg Intended Motion Lower Limbs |
metadata.dc.ucuenca.areaconocimientofrascatiamplio: | 2. Ingeniería y Tecnología |
metadata.dc.ucuenca.areaconocimientofrascatidetallado: | 2.6.1 Ingeniería Médica |
metadata.dc.ucuenca.areaconocimientofrascatiespecifico: | 2.6 Ingeniería Médica |
metadata.dc.ucuenca.areaconocimientounescoamplio: | 07 - Ingeniería, Industria y Construcción |
metadata.dc.ucuenca.areaconocimientounescodetallado: | 0714 - Electrónica y Automatización |
metadata.dc.ucuenca.areaconocimientounescoespecifico: | 071 - Ingeniería y Profesiones Afines |
Issue Date: | 2018 |
metadata.dc.ucuenca.volumen: | volumen 0 |
metadata.dc.source: | 2018 IEEE 3rd Ecuador Technical Chapters Meeting, ETCM 2018 |
metadata.dc.identifier.doi: | 10.1109/ETCM.2018.8580303 |
Publisher: | Institute of Electrical and Electronics Engineers Inc. |
metadata.dc.description.city: | Cuenca |
metadata.dc.type: | ARTÍCULO DE CONFERENCIA |
Abstract: | Electromyographic (EMG) signals processing allows to perform the detection of the intention of movement of the limbs of the human body in order to further use this decision to control wearable devices. For instance, robotic exoskeletons main objective consist of a human-robot interface capable of understanding the user’s intention and reacting appropriately to provide the required assistance in an opportune way. In this paper, we study the performance of superficial EMG intended to design a intent pattern recognition based on Artificial Neural Networks (ANN) trained by the Levenberg-Marquardt method. Experiments consisting in 231 EMG records corresponding to 13 lower limbs muscles from 21 healthy subjects were considered. The EMG signals were randomly divided into the following sets: 70 % for training, 15 % for validation and 15 % for evaluation. The ANN-based pattern recognition was evaluated sample per sample with the movement intention annotations (target) and after the traininig operation end, the performance was evaluated in relation to the events (number of steps). The results show an accuracy of 90,96% sample per sample and 94,88% for an based on events evaluation. These findings motivates the use of this methodology for the classification of the motion intention detection in subjects with pathologies in the lower limbs. |
Description: | El procesamiento de señales electromiográficas (EMG) permite realizar la detección de la intención de movimiento de las extremidades del cuerpo humano con el fin de utilizar aún más esta decisión para controlar dispositivos portátiles. Por ejemplo, el objetivo principal de los exoesqueletos robóticos consiste en una interfaz humano-robot capaz de comprender la intención del usuario y reaccionar adecuadamente para proporcionar la asistencia requerida de manera oportuna. En este documento, estudiamos el rendimiento de EMG superficial destinado a diseñar un reconocimiento de patrón de intención basado en Redes Neuronales Artificiales (ANN) entrenadas por el método Levenberg-Marquardt. Se consideraron experimentos consistentes en 231 registros EMG correspondientes a 13 músculos de las extremidades inferiores de 21 sujetos sanos. Las señales EMG se dividieron aleatoriamente en los siguientes conjuntos: 70% para entrenamiento, 15% para validación y 15% para evaluación. El reconocimiento de patrones basado en ANN se evaluó muestra por muestra con las anotaciones de intención de movimiento (objetivo) y después del final de la operación de entrenamiento, se evaluó el rendimiento en relación con los eventos (número de pasos). Los resultados muestran una precisión de 90,96% de muestra por muestra y 94,88% para una evaluación basada en eventos. Estos hallazgos motivan el uso de esta metodología para la clasificación de la detección de intención de movimiento en sujetos con patologías en las extremidades inferiores. © 2018 IEEE. 88% para una evaluación basada en eventos. Estos hallazgos motivan el uso de esta metodología para la clasificación de la detección de intención de movimiento en sujetos con patologías en las extremidades inferiores. © 2018 IEEE. 88% para una evaluación basada en eventos. Estos hallazgos motivan el uso de esta metodología para la clasificación de la detección de intención de movimiento en sujetos con patologías en las extremidades inferiores. |
URI: | http://dspace.ucuenca.edu.ec/handle/123456789/33156 https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85060737698&origin=inward |
metadata.dc.ucuenca.urifuente: | https://www.researchgate.net |
ISBN: | 9781538666579 |
ISSN: | 0000-0000 |
Appears in Collections: | Artículos
|
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.