Desarrollo de la instrumentación y procesamiento para la detección, reconocimiento y aplicación de señales electromiográficas y electrocardiogramas

Abstract

En el presente trabajo se consideran metodologías para el análisis y procesamiento de bioseñales. El primero de ellos consiste en la detección de la variabilidad cardíaca utilizando filtrado y separación de fuente ciega de un feto durante la gestación utilizando el electrocardiograma materno. El segundo consiste en el análisis de la señal de electromiografıa proveniente del antebrazo para realizar el control de una mano robótica en tiempo real. Para el proyecto de variabilidad cardíaca se ensayaron diversos tipos de filtrado digital y supresión de interferencias. El objetivo era obtener información de la ubicación de los picos del electrocardiograma fetal, utilizando la señal medida desde el abdomen materno. Los picos provenientes de la señal fetal tienen una amplitud mucho menor que los provenientes de la señal materna; por lo tanto, se propone detectar y suprimir los picos maternos y, de esta forma, utilizando algoritmos de separación de fuente ciega, extraer una estimación de la señal fetal, a partir de la cual, se pueden extraer la ubicación de sus picos. Para evaluar los resultados del procedimiento, se utilizaron bases de datos de electrocardiogramas de mujeres embarazadas y se definieron dos métodos alternativos para aplicar en los dos casos extremos: picos fetales comparables con la amplitud de ruido y picos fetales comparables con la amplitud de los picos maternos. Para ambos casos, se obtuvieron resultados satisfactorios a partir de los cuales pudieron extraerse conclusiones, permitiendo realizar un análisis del estado del feto en aquel instante. Respecto al proyecto de electromiografıa, se partió con el objetivo de mover los dedos de una mano robótica con el objetivo de utilizarla para agarrar objetos con la mano completa o dos dedos. Se analizo la forma de onda de la señal de electromiografıa para hallar una metodología para detectar la activación del musculo y las características que describen la acción del musculo. Para realizar la clasificación, se evaluaron algoritmos clasificadores tales como Nearest Neighbors, redes neuronales y Support Vectors. Dada la disponibilidad del sensor, se generaron los conjuntos de datos para verificar las diferentes metodologías y comparar resultados. El proyecto cuenta con tres etapas interconectadas que consisten en la adquisición, procesamiento y accionar de la mano robótica. Se espera que pueda realizarse en tiempo real y sea compatible con cualquier usuario a través de un entrenamiento previo. Para ambos proyectos, se realizo el software correspondiente que permite obtener los resultados mostrados en el presente trabajo.