Joshua A. Romero-Andrade
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Interests
Joshua A. Romero-Andrade has a total of 4 co-authors. Here are the top co-authors by number of shared publications:
- Edgardo Leon-Salguero
Departamento de Ingeniería Química y Metalurgia de la Universidad de Sonora, Unidad Regional Centro, Campus Hermosillo
1 shared publication - Edwin A. Ruelas-Estrada
Licenciatura en Ingeniería Biomédica. Departamento de Ingeniería Química y Metalurgia de la Universidad de Sonora, México
1 shared publication - Juan Guzmán-García
Licenciatura en Ingeniería Biomédica. Departamento de Ingeniería Química y Metalurgia de la Universidad de Sonora, México
1 shared publication - Lennin E. Figueroa-Gil
Licenciatura en Ingeniería Biomédica. Departamento de Ingeniería Química y Metalurgia de la Universidad de Sonora, México
1 shared publication
Latest Publications
- Open Access
- 25 September 2025
- Published by Universidad de Sonora in REMUS - Revista Estudiantil de Medicina de la Universidad de Sonora
- p. 13
Un enfoque con aprendizaje profundo para el análisis de señales electromiográficas de superficie: hacia el control de órtesis robótica de codo
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.
- 25 September 2025
- Published by Universidad de Sonora in REMUS - Revista Estudiantil de Medicina de la Universidad de Sonora
- p. 13
Open AccessUn enfoque con aprendizaje profundo para el análisis de señales electromiográficas de superficie: hacia el control de órtesis robótica de codo
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.