EUVIMEDSkopri EUVIMED
Crossref

Metodología para la identificación de músculos en el reconocimiento de gestos mediante métodos de aprendizaje automático

Arturo González-Mendoza, Ivett Quiñones-Uriostegui, Alberto Isaac Pérez-Sanpablo, Ricardo López-Gutiérrez, Aldo Alessi-Montero, Rubén Fuentes-Álvarez, Joel Hernández-Hernández, Sergio Salazar-Cruz, Rogelio Lozano

Investigación en Discapacidad · 2024

DOI: 10.35366/113828 ↗

At a glance

Journal article in Investigación en Discapacidad, 2024. Written by Arturo González-Mendoza and 8 co-authors. 33 references.

AstrattDettalji biblijografiċiCiteRelated studies

Abstract (original language)

Human-Machine-Interfaces (HMIs) can use surface electromyography (sEMG) signals to control equipment that assists disabled people in their activities of daily living (ADLs).The use of sEMG signals in HMIs is currently the subject of extensive research.However, some drawbacks of previous research are that weight loads that directly impact sEMG signals, movement velocities, electrode positioning, and a criterion for selecting sEMG features are not considered for the best performance in HMI.Therefore, the article's main contribution is the presentation of a methodology that allows identifying the muscles and features that have the most significant contribution in sEMG-based gesture recognition, considering electrode positioning and avoiding compensatory movements.The article highlights how load weights affect sEMG signals and how principal component analysis determines the best sEMG features for gesture classification.We compared seventeen machine learning classifier models for classifying four upper limb movements based on decision trees, support vector machines, k-Nearest Neighbors, and ensembled methods classifier models.The results show that the signal square integral and Mean Frequency features of sEMG make it possible for classifiers to get an accuracy of above 90%. ResumenLas interfaces hombre-máquina (HMI) pueden utilizar señales de electromiografía de superficie (sEMG) para controlar equipos que ayudan a personas con discapacidad en sus actividades de la vida diaria.El uso de señales sEMG en HMI es actualmente objeto de numerosas investigaciones, sin embargo, uno de los inconvenientes de dichas investigaciones es que no se tienen en cuenta que las cargas de peso afectan directamente a las señales sEMG, ni las velocidades de movimiento, ni el posicionamiento de los electrodos y ni un criterio para seleccionar las características sEMG, con el objeto de obtener la clasificación de los movimientos, y con ello el mejor rendimiento en una HMI.Por ello, la principal contribución del artículo es la presentación de una metodología que permita identificar los músculos y las características que tienen mayor contribución en el reconocimiento de gestos basado en sEMG, considerando el posicionamiento de los electrodos y evitando movimientos compensatorios.

Cite

APA

González-Mendoza, A., Quiñones-Uriostegui, I., Pérez-Sanpablo, A. I., López-Gutiérrez, R., Alessi-Montero, A., Fuentes-Álvarez, R., Hernández-Hernández, J., Salazar-Cruz, S., & Lozano, R. (2024). Metodología para la identificación de músculos en el reconocimiento de gestos mediante métodos de aprendizaje automático. Investigación en Discapacidad. https://doi.org/10.35366/113828

Vancouver

González-Mendoza A, Quiñones-Uriostegui I, Pérez-Sanpablo AI, López-Gutiérrez R, Alessi-Montero A, Fuentes-Álvarez R, et al. Metodología para la identificación de músculos en el reconocimiento de gestos mediante métodos de aprendizaje automático. Investigación en Discapacidad. 2024. doi:10.35366/113828

BibTeX
@article{GonzlezMendoza2024,
  author = {González-Mendoza, Arturo and Quiñones-Uriostegui, Ivett and Pérez-Sanpablo, Alberto Isaac and López-Gutiérrez, Ricardo and Alessi-Montero, Aldo and Fuentes-Álvarez, Rubén and Hernández-Hernández, Joel and Salazar-Cruz, Sergio and Lozano, Rogelio},
  title = {Metodología para la identificación de músculos en el reconocimiento de gestos mediante métodos de aprendizaje automático},
  journal = {Investigación en Discapacidad},
  year = {2024},
  doi = {10.35366/113828}
}
Start for free →