Un enfoque con aprendizaje profundo para el análisis de señales electromiográficas de superficie: hacia el control de órtesis robótica de codo
Open Access
- 25 September 2025
- journal article
- Published by Universidad de Sonora in REMUS - Revista Estudiantil de Medicina de la Universidad de Sonora
- p. 13
Abstract
Las discapacidades motoras derivadas de enfermedades neuromusculares afectan significativamente la calidad de vida de los pacientes. En este trabajo se propone un modelo híbrido CNN-LSTM con enfoque regresivo para estimar en tiempo real el ángulo articular del codo a partir de señales electromiográficas superficiales (sEMG), con el objetivo de controlar de forma precisa y continua una órtesis robótica. Se emplearon señales sEMG de bíceps y tríceps de una base de datos validada, las cuales fueron sometidas a un riguroso preprocesamiento. El modelo fue entrenado y evaluado utilizando métricas como MAE (0.0828), RMSE (0.1132), R² (0.9517) y coeficiente de Pearson (0.9757), evidenciando alta precisión y robustez. Además, se desarrolló una interfaz gráfica para visualizar las señales y predicciones en tiempo real. Los resultados confirman la viabilidad del enfoque propuesto para aplicaciones clínicas, destacando su potencial para mejorar la rehabilitación funcional del miembro superior y promover la autonomía del paciente mediante un control intuitivo de órtesis activas.Keywords
This publication has 30 references indexed in Scilit:
- Multimodal Fusion Convolutional Neural Network Based on sEMG and Accelerometer Signals for Intersubject Upper Limb Movement ClassificationIEEE Sensors Journal, 2023
- A hierarchical dynamic Bayesian learning network for EMG-based early prediction of voluntary movement intentionScientific Reports, 2023
- sEMG pattern recognition based on recurrent neural networkBiomedical Signal Processing and Control, 2021
- A new strategy based on feature filtering technique for improving the real-time control performance of myoelectric prosthesesBiomedical Signal Processing and Control, 2021
- Myoelectric control of robotic lower limb prostheses: a review of electromyography interfaces, control paradigms, challenges and future directionsJournal of Neural Engineering, 2021
- Robotic assistive and rehabilitation devices leading to motor recovery in upper limb: a systematic reviewDisability and Rehabilitation: Assistive Technology, 2021
- Accelerometer based classification of elbow flexion and extension exercises2020
- Guidelines for Adult Stroke Rehabilitation and RecoveryJAMA, 2018
- Artificial neural networks: fundamentals, computing, design, and applicationJournal of Microbiological Methods, 2000
- The impact of inpatient rehabilitation on progressive multiple sclerosisAnnals of Neurology, 1997