000			03128nam a22002657a 4500
999			_c251150 _d251149
003			MX-MeUAM
005			20220810084813.0
008			170131s2022 mx ||||fo||d| 00| 0 spa d
040			_cMX-MeUAM _bspa
050		4	_aRC77.5 _bA54 2022
100	1		_aAmézquita García, José Alejandro _97382
245	1	0	_aAprendizaje automático en los movimientos de los dedos con visualización en Opensim y diseño inalámbrico para la portabilidad en la adquisición de señales de electromiografía / _h[recurso electrónico] / _cJosé Alejandro Amézquita García ; director, Roberto López Avitia ; codirector, Miguel Enrique Bravo Zanoguera
260			_aMexicali, Baja California, _c2022
300			_a1 recurso en línea, 142 p. ; _bil. col., gráficas, fots.
500			_aMaestría y Doctorado en Ciencias e Ingeniería
502			_aTesis (Doctorado)--Universidad Autónoma de Baja California, Facultad de Ingeniería, Mexicali, 2022
504			_aIncluye referencias bibliográficas
520			_aEn este trabajo se desarrolla la identificación de 15 gestos de la mano y la visualización de los movimientos en un simulador biomecánico, asimismo se diseña la adquisición de señales EMG a través de un dispositivo portátil, todo esto con el fin de preparar el control de una prótesis multifuncional de mano-dedos con señales adquiridas en antebrazo. Por lo que se conjuntaron varios temas de investigación: • Desarrollo de un dispositivo portátil para la adquisición de señales EMG con el uso de microcontroladores. • Transmisión inalámbrica multicanal a la máxima tasa de adquisición de señales EMG. • Procesamiento de las señales EMG con aprendizaje automático para la identificación de 15 gestos de la mano. • Visualización del movimiento de los dedos a través de un software de simulación biomecánica como Opensim. La experiencia con todos estos trabajos nos brinda una buena herramienta para el diseño práctico de prótesis de mano o para el control de una interfaz hombre-maquina a través de gestos de la mano. En especial se obtuvieron los resultados siguientes: una clasificación de 78.36% de reconocimiento con el clasificador cuadrático, para un grupo muestral de 8 sujetos; también se demostró que se puede obtener un reconocimiento de 96.16% cuando se usa un clasificador personalizado con solo 4 electrodos, y usando solo el 18% de las mediciones características de los EMG; de igual forma se estableció una transmisión inalámbrica de datos, con seis microcontroladores trabajando simultáneamente, asegurando una captura de mil muestras por segundo para señales EMG con una resolución de 8 bits por muestra.
650		7	_aElectromiografía _2lemb _vTesis y disertaciones académicas _xManuales
700	1		_aLópez Avitia, Roberto _92048 _edir.
700	1		_aBravo Zanoguera, Miguel Enrique _92140 _ecodir.
710	2		_aUniversidad Autónoma de Baja California. _bFacultad de Ingeniería _93324
856	4		_uhttps://drive.google.com/file/d/1tm9KOtPBca0GeqnUXyFy8gF_PdhInbRu/view?usp=sharing _zTesis Digital
942			_cTESIS