Abstract:Resumen: La Bioingeniería constituye un área de trabajo e investigación multidisciplinar entre las ingenierías y la medicina que resulta de un interés humano, social y económico creciente. La automática en particular, en sus aspectos de percepción, modelado, control, monitorización, actuación e interacción, entre otros, ofrece importantes conocimientos y herramientas para abordar los problemas relacionados con el diagnóstico y el seguimiento de patologías, con las necesidades funcionales especiales e igualment… Show more
“…Ahora nos adentraremos en las particularidades de un análisis de cuerpos bióticos que forman los tejidos, y mantendremos un estudio experimental en la matriz de comportamiento sensorial que estimula a los músculos para realizar un trabajo (Romo, Realpe, & Jojoa, 2007). Un potencial de acción de la unidad motora (MUAP) se origina en el cerebro que es el emisor de pulsos eléctricos encargados de manipular una unidad motora comprendida de varias fibras musculares interconectadas por tejidos con una base celular agrupada de manera estructural sólida y resistente llamados tendones (Ceres, Ángel Mañanas, & María Azorín, 2011). Esta base neurosensorial que maneja una diferencia de potencial eléctrico de ±80 mV de forma constante y sin atenuación, se propaga por la contracción y relajación muscular, por esta razón; a estas señales se las denomina electromiográficas, dentro de un patrón de trenes de pulso que relacionan un movimiento o reacción muscular al cumplir con las relaciones de construcción de actividades, con la intervención simultánea de los músculos coordinados por el cerebro (Mendoza, Peña, Muñoz-Bedoya, & Velandia-Villamizar, 2013): .Cuando la actividad sensorial resulta de las señales electromiográficas abre una puerta a la experimentación del comportamiento de estas con diferentes circunstancias externas de oposición al movimiento, las variables dentro de este campo de estudio serán conocidas por sus siglas EMG (Romo et al, 2007).…”
Section: Introductionunclassified
“…En la biomedicina se ha estructurado parámetros de estudio desde la monitorización activa de músculos involucrados con el movimiento que comparten señales generadas desde el cerebro (Ceres et al, 2011), estudiando su comportamiento amplitud, variabilidad, esfuerzo, términos de patrones de activación muscular y frecuencia de aparición, promediando parámetros espaciotemporales y EMG (Lopez, López, Sánchez, & Correa, 2015). A lo largo de numerosos movimientos secuenciales en la rehabilitación de la articulación, se obtiene datos EMG combinados con parámetros diferentes para cada movimientos en las rutinas de reafirmación muscular, gracias a esto se obtie-ne sincretizando y combinando los patrones de movimiento con los patrones de adquisición EMG (Mendoza et al, 2013) y juntos son realimentados en un prototipo de red clasificador neuronal («Universidad Santo Tomás», 2015.…”
La investigación tuvo como propósito el diseño de un prototipo para recuperar la movilidad de los músculos alrededor del área que involucra el tobillo, metodológicamente fue de tipo cuantitativa con un diseño cuasi-experimental. El objetivo fue implementar el soporte mecánico y crear patrones de reconocimiento que puedan identificar la actividad muscular en los movimientos fundamentales de recuperación haciendo uso de redes neuronales artificiales (RNA), se dirigió a personas con lesión en el tobillo, las mismas que fueron parte de una rehabilitación activa en edades de entre 15 y 30 años, con un IMC máximo de 26. Se desarrolló un entrenamiento progresivo de una RNA, a partir de impulsos eléctricos generados por actividad muscular, utilizando un equipo de sensores electromiográficos. Para respaldar la información de las señales presentes en el proceso de recuperación se usó patrones de movimiento en una arquitectura de identificación basado en RNA (red Madeline multicapa de tres salidas con realimentación), dentro de un interfaz de control gráfica que facilitó la visualización de los movimientos y el resultado del control neuronal, con una banda de histéresis de 0.15 - 5 % de error de identificación de los movimientos: eversión, dorsiflexión e inversión.
“…Ahora nos adentraremos en las particularidades de un análisis de cuerpos bióticos que forman los tejidos, y mantendremos un estudio experimental en la matriz de comportamiento sensorial que estimula a los músculos para realizar un trabajo (Romo, Realpe, & Jojoa, 2007). Un potencial de acción de la unidad motora (MUAP) se origina en el cerebro que es el emisor de pulsos eléctricos encargados de manipular una unidad motora comprendida de varias fibras musculares interconectadas por tejidos con una base celular agrupada de manera estructural sólida y resistente llamados tendones (Ceres, Ángel Mañanas, & María Azorín, 2011). Esta base neurosensorial que maneja una diferencia de potencial eléctrico de ±80 mV de forma constante y sin atenuación, se propaga por la contracción y relajación muscular, por esta razón; a estas señales se las denomina electromiográficas, dentro de un patrón de trenes de pulso que relacionan un movimiento o reacción muscular al cumplir con las relaciones de construcción de actividades, con la intervención simultánea de los músculos coordinados por el cerebro (Mendoza, Peña, Muñoz-Bedoya, & Velandia-Villamizar, 2013): .Cuando la actividad sensorial resulta de las señales electromiográficas abre una puerta a la experimentación del comportamiento de estas con diferentes circunstancias externas de oposición al movimiento, las variables dentro de este campo de estudio serán conocidas por sus siglas EMG (Romo et al, 2007).…”
Section: Introductionunclassified
“…En la biomedicina se ha estructurado parámetros de estudio desde la monitorización activa de músculos involucrados con el movimiento que comparten señales generadas desde el cerebro (Ceres et al, 2011), estudiando su comportamiento amplitud, variabilidad, esfuerzo, términos de patrones de activación muscular y frecuencia de aparición, promediando parámetros espaciotemporales y EMG (Lopez, López, Sánchez, & Correa, 2015). A lo largo de numerosos movimientos secuenciales en la rehabilitación de la articulación, se obtiene datos EMG combinados con parámetros diferentes para cada movimientos en las rutinas de reafirmación muscular, gracias a esto se obtie-ne sincretizando y combinando los patrones de movimiento con los patrones de adquisición EMG (Mendoza et al, 2013) y juntos son realimentados en un prototipo de red clasificador neuronal («Universidad Santo Tomás», 2015.…”
La investigación tuvo como propósito el diseño de un prototipo para recuperar la movilidad de los músculos alrededor del área que involucra el tobillo, metodológicamente fue de tipo cuantitativa con un diseño cuasi-experimental. El objetivo fue implementar el soporte mecánico y crear patrones de reconocimiento que puedan identificar la actividad muscular en los movimientos fundamentales de recuperación haciendo uso de redes neuronales artificiales (RNA), se dirigió a personas con lesión en el tobillo, las mismas que fueron parte de una rehabilitación activa en edades de entre 15 y 30 años, con un IMC máximo de 26. Se desarrolló un entrenamiento progresivo de una RNA, a partir de impulsos eléctricos generados por actividad muscular, utilizando un equipo de sensores electromiográficos. Para respaldar la información de las señales presentes en el proceso de recuperación se usó patrones de movimiento en una arquitectura de identificación basado en RNA (red Madeline multicapa de tres salidas con realimentación), dentro de un interfaz de control gráfica que facilitó la visualización de los movimientos y el resultado del control neuronal, con una banda de histéresis de 0.15 - 5 % de error de identificación de los movimientos: eversión, dorsiflexión e inversión.
“…Una Interfaz Cerebro-Computadora (BCI, del inglés Brain-Computer Interface) es un canal de comunicación entre el cerebro de una persona y un dispositivo de procesamiento y retroalimentación, tal como una computadora, un sistema embebido o un dispositivo mecatrónico [1]; estos sistemas son muy útiles para personas que son incapaces de mover gran parte de su cuerpo [2]; tienen utilidad en otras áreas como la navegación, la domótica, entre otros [1,3]. La comunicación con el cerebro se logra registrando las señales eléctricas en el rango de los microvolts (µV) generadas por la actividad cerebral; con estos datos, es posible el desarrollo de aplicaciones y dispositivos que sirvan para interactuar con el usuario de una manera práctica [1].…”
Section: Introductionunclassified
“…El potencial P300 se utiliza ampliamente en BCI [3,4]. El P300 se genera cuando el individuo recibe un estímulo de interés poco frecuente entre una serie de estímulos irrelevantes, pero más frecuentes (paradigma evento raro, oddball); lo que permite averiguar el objeto de atención del sujeto.…”
In this paper we propose a recording, processing and classification scheme for a spelling Brain-Computer Interface application based on the P300 potential and the electroencephalography (EEG) device Mindwave-NeuroSky®; this device has only one EEG recording channel and is currently the most affordable in the market for this purpose. Open access software Openvibe was chosen for signal recording, and Matlab scripts were written for signal analysis and classification, the latter being based on Linear Discrimant Analysis (LDA). Five test subjects were exposed to several spelling sessions each, in which different acquisition and stimulation parameters were varied to evaluate the effects in character identification. Those parameters were the number of repetitions of the stimulation sequence of the speller character matrix (r=8, 12), the type of character sequence (chosen randomly of beforehand), and the EEG recording site (Pz or Oz). The subjects achieved, an average performance of 45% correct row and column identifications. In comparison, a very recent work in which 64 EEG channels were acquired, and a complex classification and feature extraction scheme was used, they achieved an average of 90.4% correct character identifications. The MindWave-Neurosky® headset was not designed for application in BCI systems. However, by looking at the results in this work, its application for BCI it seems feasible when thinking of combining the proposed approach with some word prediction scheme based on the context of the spelled phrase.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.