Clasificación de señales electro-oculográficas para el control de una pinza mecánica usando máquinas de soporte vectorial y lenguaje de programación Python

Autores/as

  • Ricardo Montes Romero Universidad de Pamplona
  • German Arley Portilla González Universidad de Pamplona

DOI:

https://doi.org/10.24054/sei.v2i1.729

Palabras clave:

Discapacidad, Electro-oculográficas, EOG pinza robótica, máquinas de soporte vectorial, Python

Resumen

Dentro del grupo de señales bio-eléctricas existe un tipo que se genera sobre los músculos relacionados con el movimiento de los ojos, las cuales pueden ser aprovechadas para la activación de piezas mecánicas y electrónicas que entreguen la capacidad de efectuar acciones a los pacientes con pérdida de extremidades, mediante el procesamiento de señales y métodos de clasificación sobre el lenguaje de programación Python. Las técnicas de extracción de características entregan un sin número de opciones que permiten realzar las zonas de interés para cada uno de los movimientos oculares, se clasificaron los siguientes movimientos: mirada a la derecha, mirada a la izquierda, guiño ojo derecho, guiño ojo izquierdo, doble guiño ojo derecho y se parametrizaran a una pinza mecánica que otorgue la capacidad prensil al usuario, logrando que el usuario pueda desempeñar tareas en un entorno personal, académico y profesional. las técnicas que mejores resultados mostraron en este articulo son líneas de nivel, conteo de crestas, transformada wavelet, energía, normalización, adicción de características. Todas estas técnicas fueron aplicadas para mejorar el porcentaje de clasificación de la máquina de soporte vectorial (de ahora en adelante SVM), para el entrenamiento de la SVM se registraron 30 señales por movimientos de las cuales 15 se usaron para entrenar y 15 para clasificar obteniendo así un porcentaje de clasificación del 97.78%.

Citas

Addison, P.,(2002). The Illustrated Wavelet Transform Handbook: introductory theory and applications in science, engineering, medicine and finance , Institute of Physics Publishing , Taylor & Francis , USA.

Alvarado, L. (2014). La discapacidad: un problema físico y social. Retrieved from https://medium.com/desarrollo-social-y-economico/la-discapacidad-un-problema-fisico-y-social-a695cb34a039.

Astafeva , N.M.(1996). Wavelet analysis: basic theory and some applications , Physics-Uspekhi, Vol. 39, No 11, 1085-1108.

Betancourt, G. A. (2005). Las máquinas de soporte vectorial (SVMs). Scientia et technica, 1(27).

Carletti, E. J. (2007). Comunicación--Bus I 2 C. Robots Argentina.

Canal, M.R.,(2008). Comparison of Wavelet and Short Time Fourier Transform Methods in the Analysis of EMG Signals , J Med Syst, 34, 91-94.

Castro, P. S., Cantón, I. C., & others. (2014). Filtros No Lineales. Tlatemoani, (17).

Chávez Romero, Á. P. (2003). Diseño y construcción de un sistema de adquisición de datos para el análisis de los electrooculogramas (Bachelor's thesis, Quito: EPN, 2003.).

Devices, A. (1999). AD620 Low Cost, Low Power Instrumentation Amplifier. Online] Www. Datasheetcatalog. Com.[Online], 1–20. Retrieved from http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Low+Cost+Low+Power+Instrumentation+Amplifier+AD620#0.

Dicola, T. (2019). Python y CircuitPython. Retrieved from https://learn.adafruit.com/assets/58680.

García Alejo, N. (2004). La ciencia, los avances tecnológicos y la calidad de vida. 3. Retrieved from www2.ib.edu.ar/becaib/bib2004/Finalistas/AlejoGarcia.pdf.

ITead Studio. (2010). Hc-05 Bluetooth Module. Datasheet, 1.

L. Acuña, A. V Torre, I. Moromi, and F. García. (2014). “Uso de las Redes Neuronales Artificiales en el Modelado del Ensayo de Resistencia a Compresión de Concreto de Construcción según la Norma ASTM C39/C 39M,”.

Mahecha, D., Lozano, F., & García, E. (2008). Control de mouse através de señales EOG y algoritmos de boosting. In Memorias del XIII simposio de Tratamiento de Senales, Imágenes y Visión Artificial (STSIVA 2008) (Vol. 2, pp. 57-60).

Martínez, A., Z., Pineda y A. Ramos (2010). Ocultamiento del mensaje de señales de voz usando la transformada de ondita Haar discreta , Información Tecnológica, Vol. 21 (3), 135-140.

MinSalud. (2018). Sala situacional de Personas con Discapacidad (Nacional). Minsalud, 56 p. Retrieved from https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/PS/sala-situacional-discapacidad-junio-2018.pdf%0Ahttp://ondiscapacidad.minsalud.gov.co/Documentos compartidos/sala-situacional-discapacidad-febrero-2018.pdf%0Ahttps://www.minsalud.gov.

Miyara, F. (2004). Filtros activos. E-Book, Rosario: Universidad Nacional de Rosario.

Pereira, J., Senatore, A., Touya, A., De Lima, J., Soler, R., & Simini, F. (2011). Determinación de la orientación del ojo mediante procesamiento del electrooculograma. pubblication Revista Argentina de Bioingeniería SABI.

Posada, L., & Cabrera, M. (2015). Control del movimiento de un vehículo a control remoto a través de señales EOG.

Teran, D. (2017). Bioingenieria.

Texas Instruments. (2009). Ads1113/Ads1114/Ads1115. Datasheet. Retrieved from http://www.ti.com/lit/ds/symlink/ads1115.pdf.

Walker, J. S., A. (2008). Primer on Wavelets and their Scientific Applications , Studies in Advanced Mathematics, Segunda edición, Chapman & Hall/CRC, USA.

Descargas

Publicado

2019-02-03

Cómo citar

Montes Romero, R. ., & Portilla González, G. A. . (2019). Clasificación de señales electro-oculográficas para el control de una pinza mecánica usando máquinas de soporte vectorial y lenguaje de programación Python. Revista Semilleros De Investigación, 2(1), 1–14. https://doi.org/10.24054/sei.v2i1.729

Número

Sección

Artículos