software “BIOMEPRO” para acondicionamento de sinais emg superficiais e obtenção de parâmetros relevantes

Autores

  • Robin Blanco Universidad Militar Nueva Granada
  • Andrés Cifuentes Universidad Militar Nueva Granada
  • Mauricio Plaza Universidad Militar Nueva Granada

DOI:

https://doi.org/10.18667/cienciaypoderaereo.531

Palavras-chave:

eletromiografia, envoltura RMS, Java, processamento de sinais

Resumo

No presente artigo divulga se o desenvolvimento de BioMePro, uma ferramenta de software para o processamento de a mostras de eletromiografia (EMG) superficial, implementado em JAVA, uma linguagem multi-plataforma orientada para objetos e de código interpretado, linguagem escolhida para facilitar a portabilidade do software, mencionado. BioMePro facilita o trabalho de extração de características de sinais EMG superficiais, úteis para sistemas de inferência quanto redes neuronais ou maquinas de suporte vetorial, a partir duma interfase clara e fácil de usar com um conjunto variado de opções que permitem eleger o melhor processamento que é requerido para uma aplicação especifica. Como sistema de aquisição dos dados se usou o equipamento BiosignalPlux®, os sinais de EMG de prova do software que foram capturados por meio da implementação dum protocolo de registro de movimentos de pronação no antebraço direito em pacientes jovens e sadios, protocolo elegido pela sua simplicidade de implementação e confiabilidade nas a mostras.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Robin Blanco, Universidad Militar Nueva Granada


    Ingeniero Mecatrónico de la Universidad Nacional de Colombia, estudiante de la Maestría en Ingeniería Mecatrónica de la Universidad Militar Nueva Granada. Bogotá, Colombia

  • Andrés Cifuentes, Universidad Militar Nueva Granada
    Ingeniero Mecatrónico de la Universidad Nacional de Colombia, Magíster en Ingeniería Mecatrónica de la Universidad Militar Nueva Granada.
  • Mauricio Plaza, Universidad Militar Nueva Granada

    Ingeniero Eléctrico de la Universidad de los Andes, Doctor en Ingeniería con énfasis en Realidad Virtual y Bioingeniería. Investigador de la Universidad Militar Nueva Granada. Bogotá, Colombia

Referências

Baturone, I., & Gersnoviez, A. (2010). Diseño de Sistemas Neuro-Difusos para Control de Robots mediante XFUZZY 3. Tecnología, aprendizaje y enseñana de la electrónica. Sevilla.

Blanco, R. (2016). Diseño de un sistema de predicción del rendimiento deportivo a partir de técnicas de inteligencia computacional en selecciones UMNG. Bogotá: Propuesta de Tesis, Maestría en Ingeniería Mecatrónica, Universidad Militar Nueva Granada.

D. K., S. G., S. K., S. G., & B. G. (2015). Design of Equiripple Linear-Phase FIR Filter Using Computer Aided Method. Communications and Signal Processing (ICCSP), (págs. 0001-0005). Melmaruvathur, India.

Dieter, G. E. (2009). Engineering Design. Boston: McGraw-Hill.

Figueroa-García, I., Aguilar-Leal, O., Hernández-Reynoso, A., Madrigal, J., Fuentes, R., Huegel, J., & García-Gonzalez, A. (2014). Platform for the Study of Virtual Task-Oriented Motion and its evaluation by EEG and EMG Biopotentials. IEEE Engineering in Medicine and Biology Society, 36th Annual International Conference. Chicago, USA.

https://doi.org/10.1109/EMBC.2014.6943805

Hargrove, L. J., Englehart, K., & Hudgins, B. (2007). A Comparison of Surface and Intramuscular Myoelectric Signal Classification. IEEE transactions on biomedical engineering, vol. 54, no. 5.

https://doi.org/10.1109/TBME.2006.889192

Kazerooni, H., & Strausser, K. A. (2011). The Development and Testing of a Human Machine Interface for a Mobile Medical Exoskeleton. 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems. San Francisco, USA.

https://doi.org/10.1109/IROS.2011.6095025

Momen, K., Krishnan, S., & Chau, T. (2007). Real-Time Classification of Forearm Electromyographic Signals Corresponding to User-Selected Intentional Movements for Multifunction Prosthesis Control. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 15(4), 535-542.

https://doi.org/10.1109/TNSRE.2007.908376

Princeton University. (16 de 11 de 2016). Introduction To Programming in Java. Obtenido de http://introcs.cs.princeton.edu/java/97data/

R. B., A. C., & M. P. (2016). Diseño de un sistema difuso para el reconocimiento de la actividad muscular. IJIAS, 19(2).

Romo, H. A., Realpe, J. C., & Jojoa, P. E. (2007). Análisis de Señales EMG Superficiales y su Aplicación en Control de Prótesis de Mano. 14(1).

Saikia, A., Mazumdar, S., Sahai, N., Paul, S., & Bhatia, D. (2016). Comparative Study and Feature Extraction of the Muscle Activity Patterns in Healthy Subjects. 3rd International Conference on Signal Processing and Integrated Networks. Noida, India.

https://doi.org/10.1109/SPIN.2016.7566678

Universidad Militar Nueva Granada. (2016). Manual de Usuario de Software BioMePro. Bogotá.

Publicado

2016-10-31

Edição

Seção

Tecnologia e Inovação

Como Citar

software “BIOMEPRO” para acondicionamento de sinais emg superficiais e obtenção de parâmetros relevantes. (2016). Ciencia Y Poder Aéreo, 11(1). https://doi.org/10.18667/cienciaypoderaereo.531