Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação

Detalhes bibliográficos
Autor(a) principal: Aguiar, Lucas Fernandes
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/31310
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017.
id UNB_c0065f0ca3b2d9d66375ca143512e381
oai_identifier_str oai:repositorio.unb.br:10482/31310
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitaçãoUpper limb gestures recognition using surface electromyography for use in rehabilitationComputação ubíquaEletromiografia de superfícieClassificaçãoDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017.Tecnologias vestíveis são um dos focos de estudo da computação ubíqua, que por sua vez está na vanguarda do recente paradigma da computação em que um usuário está cercado por diversos dispositivos computacionais. As áreas de cuidados para a saúde e reabilitação vêm sendo estimuladas por novas tecnologias vestíveis surgindo no mercado e por pesquisas acadêmicas conduzidas mundialmente. Este trabalho se insere justamente neste contexto com o uso de um dispositivo vestível para obtenção de dados de eletromiografia de superfície para o desenvolvimento de uma tecnologia de reconhecimento de gestos de mão e propondo um algoritmo inovador para clusterização, treinamento e classificação multi classe. Terapias de reabilitação de movimento de membro superior que utilizam gestos do membro contralateral necessitam de métodos eficientes, rápidos e de fácil configuração para reconhecimento de gestos que possam ser utilizados em interfaces inteligentes, para a estimulação do membro parético, fazendo uso da imagética motora que resulta no movimento do membro saudável como estratégia de terapia para o membro lesionado. O objetivo deste trabalho é aplicar um sistema de aquisição de eletromiografia (EMG) multicanal econômico e de fácil utilização, bem como avaliar seu desempenho de reconhecimento de gestos em um protocolo onde nenhum procedimento de inicialização seja necessário antes do uso. Dados de EMG do antebraço gerados a partir do movimento das mãos são analisados de forma a extrair a informação mais relevante para a classificação de gestos previamente determinados. Um algoritmo é apresentado e se utiliza um arranjo das ferramentas, iniciando com a análise das componentes principais (PCA) para selecionar as características mais relevantes que foram extraídas do sinal de EMG, clusterização por k-means utilizando os dados projetados sobre suas componentes principais com o objetivo de encontrar os centróides que representem as regiões de cada gesto, árvore binária multimodal (MBT) de forma a permitir que o problema de classificação multi modal fosse particionado em problemas menos complexos, e máquina de vetor de suporte (SVM) como metodologia para separação binária de classes, todas estas técnicas combinadas de maneira a aprimorar o treinamento e classificação do reconhecedor. O classificador de 5 gestos criado com tal metodologia apresenta taxa de acerto média de 81% em tempo real, demonstrando potencial para investigação futura em aplicações de interface baseada em dados de sEMG, bem como em reabilitação. Já o classificador de 9 gestos apresenta taxa média de acerto de 46%, o que mostra que este reconhecedor necessita de mais dados para esta tarefa devido à similaridade dos dados de EMG entre eles.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).Wearable technologies are on the center of ubiquitous computing researches, which is leading to a new paradigm where one user is surrounded by many computational devices. Healthcare and rehabilitation are being arouse by new wearable devices available on the market and by academic researches conducted worldwide on this field. This work is precisely inserted in this topics by using a wearable gadget to obtain superficial electromyography data in order to develop a hand gesture recognition technology and proposing a novel algorithm for clustering, training and classification for multi-class problems. Upper limb movement rehabilitation therapies using contralateral limb gestures require efficient, quick, and easily configured methods for recognizing gestures that can be used in intelligent interfaces for the stimulation of the paretic limb, making use of motor imagery that results in the movement of the healthy limb as a therapy strategy for the injured limb. The goal of this work is to apply an easy-to-use and economical multi-channel electromyography (EMG) acquisition system and evaluate its gesture recognition performance in a protocol where no initialization procedure is allowed before use Forearm EMG data generated from hand movement are analyzed in order to extract the most relevant information for the classification of previously determined gestures. An algorithm is presented and an array of tools is used, starting with the main component analysis (PCA) to select the most relevant characteristics that were extracted from the EMG signal, k-means clustering using the projected data on its main components aiming to find the centroids that represent the regions of each gesture, a multi-modal binary tree (MBT) in order to allow the problem of multi-modal classification to be partitioned into less complex problems, and support vector machine (SVM) as methodology for binary class separation, all these techniques combined in a way to improve the training and classification of the recognizer. The 5-gesture classifier created with such methodology presents a real-time average hit rate of 81%, demonstrating the potential for future research in interface applications based on sEMG data, as well as in rehabilitation. On the other hand, the 9-gesture classifier has a 46% hit rate, which means that this classifier needs more data to distinguish gestures with similar sEMG data.Bó, Antônio Padilha LanariAguiar, Lucas Fernandes2018-02-27T18:25:58Z2018-02-27T18:25:58Z2018-02-272017-08-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfAGUIAR, Lucas Fernandes. Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação. 2017. vii, 75 f., il. Dissertação (Mestrado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2017.http://repositorio.unb.br/handle/10482/31310A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-07-21T05:33:48Zoai:repositorio.unb.br:10482/31310Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-07-21T05:33:48Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
Upper limb gestures recognition using surface electromyography for use in rehabilitation
title Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
spellingShingle Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
Aguiar, Lucas Fernandes
Computação ubíqua
Eletromiografia de superfície
Classificação
title_short Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
title_full Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
title_fullStr Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
title_full_unstemmed Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
title_sort Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação
author Aguiar, Lucas Fernandes
author_facet Aguiar, Lucas Fernandes
author_role author
dc.contributor.none.fl_str_mv Bó, Antônio Padilha Lanari
dc.contributor.author.fl_str_mv Aguiar, Lucas Fernandes
dc.subject.por.fl_str_mv Computação ubíqua
Eletromiografia de superfície
Classificação
topic Computação ubíqua
Eletromiografia de superfície
Classificação
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2017.
publishDate 2017
dc.date.none.fl_str_mv 2017-08-22
2018-02-27T18:25:58Z
2018-02-27T18:25:58Z
2018-02-27
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.uri.fl_str_mv AGUIAR, Lucas Fernandes. Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação. 2017. vii, 75 f., il. Dissertação (Mestrado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2017.
http://repositorio.unb.br/handle/10482/31310
identifier_str_mv AGUIAR, Lucas Fernandes. Reconhecimento de gestos de membros superiores usando eletromiografia de superfície para uso em reabilitação. 2017. vii, 75 f., il. Dissertação (Mestrado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2017.
url http://repositorio.unb.br/handle/10482/31310
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508289444020224

Registros relacionados