Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFEI (RIUNIFEI) |
Texto Completo: | https://repositorio.unifei.edu.br/jspui/handle/123456789/1213 |
Resumo: | A Miografia consiste na técnica de monitoramento do sinal elétrico oriundo da contração muscular e tem sido utilizada para avaliação e diagnóstico de doenças ou problemas musculares. O sinal mioelétrico que é coletado da superfície da pele e é proveniente do comando cerebral, carrega informações sobre determinados movimentos. A partir desse sinal é possível identificar as atividades musculares, possibilitando a construção de sistemas de reabilitação para pessoas que perderam algum membro superior ou que nasceram com algum tipo de má formação. Essa dissertação apresenta um estudo geral sobre a miografia e uma avaliação de desempenho de três ferramentas de reconhecimento de padrões do sinal mioelétrico, fornecendo uma tabela de operação para cada uma delas com diversas configurações possíveis. Os seguintes classificadores para reconhecimento de padrões foram avaliados: Análise Discriminante Linear (LDA), um dos classificadores mais usados em estudos do gênero. Netlab GLM que é um método linear relativamente novo e o Netlab MLP, que utiliza redes neurais em sua arquitetura. Para o algoritmo MLP, além da avaliação feita com relação a sua performance, verificou-se a viabilidade de operação quando o mesmo era alimentado por um sinal re-amostrado com uma representação generalizada dos pontos, segundo os critérios do Teorema da Amostragem de Nyquist. |
id |
UFEI_1a5c76515d6ee27a62b4e02069fa4df1 |
---|---|
oai_identifier_str |
oai:repositorio.unifei.edu.br:123456789/1213 |
network_acronym_str |
UFEI |
network_name_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
repository_id_str |
7044 |
spelling |
2018-022018-04-24T19:55:03Z2018-04-24T19:55:03ZSOUZA, Gabriel Cirac Mendes. Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. 2018. 91 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação) – Universidade Federal de Itajubá, Itajubá, 2018.https://repositorio.unifei.edu.br/jspui/handle/123456789/1213A Miografia consiste na técnica de monitoramento do sinal elétrico oriundo da contração muscular e tem sido utilizada para avaliação e diagnóstico de doenças ou problemas musculares. O sinal mioelétrico que é coletado da superfície da pele e é proveniente do comando cerebral, carrega informações sobre determinados movimentos. A partir desse sinal é possível identificar as atividades musculares, possibilitando a construção de sistemas de reabilitação para pessoas que perderam algum membro superior ou que nasceram com algum tipo de má formação. Essa dissertação apresenta um estudo geral sobre a miografia e uma avaliação de desempenho de três ferramentas de reconhecimento de padrões do sinal mioelétrico, fornecendo uma tabela de operação para cada uma delas com diversas configurações possíveis. Os seguintes classificadores para reconhecimento de padrões foram avaliados: Análise Discriminante Linear (LDA), um dos classificadores mais usados em estudos do gênero. Netlab GLM que é um método linear relativamente novo e o Netlab MLP, que utiliza redes neurais em sua arquitetura. Para o algoritmo MLP, além da avaliação feita com relação a sua performance, verificou-se a viabilidade de operação quando o mesmo era alimentado por um sinal re-amostrado com uma representação generalizada dos pontos, segundo os critérios do Teorema da Amostragem de Nyquist.Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisItajubáUniversidade Federal de Itajubá91 p.MiografiaRedes NeuraisPróteseMyographyNeural NetworksProsthesisMORENO, Robson LuizCiência e Tecnologia da ComputaçãoSistemas Elétricos de PotênciaSOUZA, Gabriel Cirac MendesPrograma de Pós-Graduação: Mestrado - Ciência e Tecnologia da ComputaçãoIESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informaçãoporreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIinfo:eu-repo/semantics/openAccessORIGINALdissertacao_souza4_2018.pdfdissertacao_souza4_2018.pdfapplication/pdf1785699https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1213/1/dissertacao_souza4_2018.pdfc52ad3607c2ea15c330000a39ee2ec0eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1213/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/12132024-02-23 08:29:54.486oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442024-02-23T11:29:54Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false |
dc.title.pt_BR.fl_str_mv |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. |
title |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. |
spellingShingle |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. SOUZA, Gabriel Cirac Mendes |
title_short |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. |
title_full |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. |
title_fullStr |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. |
title_full_unstemmed |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. |
title_sort |
Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. |
author |
SOUZA, Gabriel Cirac Mendes |
author_facet |
SOUZA, Gabriel Cirac Mendes |
author_role |
author |
dc.contributor.author.fl_str_mv |
SOUZA, Gabriel Cirac Mendes |
description |
A Miografia consiste na técnica de monitoramento do sinal elétrico oriundo da contração muscular e tem sido utilizada para avaliação e diagnóstico de doenças ou problemas musculares. O sinal mioelétrico que é coletado da superfície da pele e é proveniente do comando cerebral, carrega informações sobre determinados movimentos. A partir desse sinal é possível identificar as atividades musculares, possibilitando a construção de sistemas de reabilitação para pessoas que perderam algum membro superior ou que nasceram com algum tipo de má formação. Essa dissertação apresenta um estudo geral sobre a miografia e uma avaliação de desempenho de três ferramentas de reconhecimento de padrões do sinal mioelétrico, fornecendo uma tabela de operação para cada uma delas com diversas configurações possíveis. Os seguintes classificadores para reconhecimento de padrões foram avaliados: Análise Discriminante Linear (LDA), um dos classificadores mais usados em estudos do gênero. Netlab GLM que é um método linear relativamente novo e o Netlab MLP, que utiliza redes neurais em sua arquitetura. Para o algoritmo MLP, além da avaliação feita com relação a sua performance, verificou-se a viabilidade de operação quando o mesmo era alimentado por um sinal re-amostrado com uma representação generalizada dos pontos, segundo os critérios do Teorema da Amostragem de Nyquist. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-02 |
dc.date.available.fl_str_mv |
2018-04-24T19:55:03Z |
dc.date.accessioned.fl_str_mv |
2018-04-24T19:55:03Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SOUZA, Gabriel Cirac Mendes. Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. 2018. 91 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação) – Universidade Federal de Itajubá, Itajubá, 2018. |
dc.identifier.uri.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1213 |
identifier_str_mv |
SOUZA, Gabriel Cirac Mendes. Técnicas para o Reconhecimento de Padrões no Sinal Mioelétrico. 2018. 91 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação) – Universidade Federal de Itajubá, Itajubá, 2018. |
url |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1213 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação |
dc.publisher.department.fl_str_mv |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFEI (RIUNIFEI) instname:Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
instname_str |
Universidade Federal de Itajubá (UNIFEI) |
instacron_str |
UNIFEI |
institution |
UNIFEI |
reponame_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
collection |
Repositório Institucional da UNIFEI (RIUNIFEI) |
bitstream.url.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1213/1/dissertacao_souza4_2018.pdf https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1213/2/license.txt |
bitstream.checksum.fl_str_mv |
c52ad3607c2ea15c330000a39ee2ec0e 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI) |
repository.mail.fl_str_mv |
repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br |
_version_ |
1801863218247761920 |