| Revista: | Iteckne |
| Base de datos: | |
| Número de sistema: | 000587602 |
| ISSN: | 1692-1798 |
| Autores: | Durán Acevedo, Cristhian Manuel1 Jaimes Mogollón, Aylen Lisset1 |
| Instituciones: | 1Universidad de Pamplona, Grupo GISM, Pamplona, Norte de Santander. Colombia |
| Año: | 2013 |
| Periodo: | Ene-Jun |
| Volumen: | 10 |
| Número: | 1 |
| Paginación: | 67-76 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Resumen en español | Este artículo presenta un estudio basado en la optimización de la respuesta de un electromiógrafo a través de algunas técnicas utilizadas para el tratamiento, análisis y procesamiento de señales electromiográficas superficiales, con el fin de proporcionar una herramienta útil como estrategia para el diagnóstico y pronóstico de cuadro clínico de enfermedades musculares (Por ejemplo, para pacientes con pie caído). Los datos fueron obtenidos a partir de la información de pacientes que fueron diagnosticados previamente por fisiatras, de los cuales 7 eran sanos y 5 pacientes mostraron neuropatía de pie caído. Un conjunto de señales electromiográficas fueron adquiridas y almacenadas durante el movimiento de dorsiflexión en una posición supina a partir del músculo tibial anterior en cada paciente. Luego estas señales fueron procesadas mediante técnicas de extracción característica y métodos de reconocimiento de patrones para la clasificación de las mismas. Para el pre-procesamiento de las señales electromiográficas se emplearon métodos en tiempo y frecuencia, como la transformada de Fourier y, a su vez, técnicas como el Análisis de Componentes Principales (PCA) y redes neuronales artificiales (es decir, MLP y PNN), que permiten representar en forma gráfica los resultados obtenidos en un plano bidimensional y mejorar de esta forma el porcentaje de clasificación. Los resultados obtenidos describen un sistema electromiógrafo, el cual fue optimizado mediante la implementación de métodos de reconocimiento de patrones, se alcanzó un porcentaje de acierto de hasta el 100 % en la clasificación de señales EMG por medio de electrodos superficiales. |
| Resumen en inglés | This paper presents a study based on the response optimization of an electromyograph through processing techniques for the analysis of surface electromyographic signals, in order to provide a useful tool as a strategy for the diagnosis and prognosis of clinical symptoms of muscle diseases (e.g. for patients with foot drop). The patients were previously diagnosed by physiatrists, seven of them were healthy and five showed foot drop neuropathy. A set of electromyographic signals were acquired and stored during the movement of dorsiflexion in the supine position from the tibialis anterior muscle in each of patients. Then, these signals were processed with feature extraction techniques and pattern recognition methods for their classification. Regarding the data preprocessing of electromyographic signals, methods of time and frequency such as Fourier Transform and Principal Component Analysis (PCA) and Artificial Neural Networks (i.e. MLP and PNN) were used to represent graphically in a two-dimensional plane the results obtained and thus to improve the classification percentage. The results describe an electromyography, which was optimized with pattern recognition methods, achieving a success rate of 100% in the classification of EMG signals, via surface electrodes. |
| Disciplinas: | Biología, Ingeniería |
| Palabras clave: | Biofísica, Ingeniería electrónica |
| Keyword: | Biophysics, Electronic engineering |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
