sensores https://translate.googleusercontent.

com/translate_f

Página 1

sensores
Revisar

Control de reconocimiento de patrones basado en EMG en tiempo real

para prótesis de mano: una revisión de los métodos existentes,
Desafíos e implementación futura
Nawadita Parajuli 1, *, Neethu Sreenivasan 2 , Paolo Bifulco 3 , Mario Cesarelli 3 , Sergio Savino 3 ,
Vincenzo Niola 3 , Daniele Esposito 3 , Tara J. Hamilton 4 , Ganesh R. Naik 1 ,
Upul Gunawardana 2 y Gaetano D. Gargiulo 2,3
1
El Instituto MARCS, Universidad de Western Sydney, Werrington 2747, NSW, Australia;
[email protected]
2
Escuela de Computación, Ingeniería y Matemáticas, Western Sydney University, Penrith 2751, NSW,
Australia; [email protected] (NS); [email protected] (UG);
[email protected] (GDG)
3
Departamento de Tecnología de la Información e Ingeniería Eléctrica, "Federico II" La Universidad de Nápoles,
Via Claudio 10, 80140 Nápoles, Italia; [email protected] (PB); [email protected] (MC);
[email protected] (SS); [email protected] (VN); [email protected] (DE)
4
Escuela de Ingeniería, Universidad Macquarie, Macquarie Park (NSW), Waterloo Road, Sydney 2113,
Australia; [email protected]
* Correspondencia: [email protected] .; Tel .: + 61- (2) -4736-0920

Recibido: 18 de septiembre de 2019; Aprobado: 19 de octubre de 2019; Publicado: 22 de octubre de 2019

Resumen: La amputación del miembro superior es una condición que restringe significativamente a los amputados de
realizando sus actividades diarias. La prótesis mioeléctrica, utilizando señales del muñón residual
músculos, tiene como objetivo restaurar la función de tales extremidades perdidas sin problemas. Desafortunadamente, la adquisición
y el uso de tales mioseñales es engorroso y complicado. Además, una vez adquirido, suele
requiere una gran potencia computacional para convertirlo en una señal de control de usuario. Su transición a una práctica
La solución de la prótesis todavía está siendo desafiada por varios factores, en particular los relacionados con el hecho de que
cada amputado tiene diferente movilidad, fuerzas de contracción muscular, variaciones de posición de las extremidades y electrodos
colocaciones. Por lo tanto, se requiere una solución que pueda adaptarse o adaptarse a cada individuo para
máxima utilidad en personas amputadas. Los esquemas de aprendizaje automático modificados para el reconocimiento de patrones
el potencial para reducir significativamente los factores (movimiento de los usuarios y contracción del músculo)
que afectan los métodos tradicionales de reconocimiento de patrones de electromiografía (EMG). Aunque reciente
Los desarrollos de técnicas inteligentes de reconocimiento de patrones podrían discriminar múltiples grados de
libertad con precisión de alto nivel, su nivel de eficiencia era menos accesible y se reveló en el mundo real
(amputados) aplicaciones. Este artículo de revisión examinó la idoneidad de las prótesis de miembros superiores (ULP)
invenciones en el sector de la salud desde su perspectiva de control técnico. Se prestó más atención a
la revisión de aplicaciones del mundo real y el uso del control de reconocimiento de patrones en amputados. Nosotros primero
revisó la estructura general de los esquemas de reconocimiento de patrones para los sistemas protésicos de myocontrol y
luego discutió su uso en tiempo real en miembros superiores amputados. Finalmente, concluimos el artículo con un
discusión de los desafíos existentes y recomendaciones de investigación futuras.

Palabras llave : Mioprótesis; EMG; Reconocimiento de patrones; mioseñales

1. Introducción

La extremidad superior humana es una parte importante del cuerpo, cuya pérdida parcial o completa puede
tienen un efecto significativo en la capacidad de una persona en las actividades diarias. El miembro superior humano tiene

Sensores 2019 , 19, 4596; doi : 10.3390 / s19204596 www.mdpi.com/journal/sensors

Página 2

Sensores 2019 , 19, 4596 2 de 30

1 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

Pagina 30
Página 3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

Sensores 2019 , 19, 4596 2 de 30

tres secciones la mano, el antebrazo y el brazo. Para el movimiento de cada sección, coordinando la relación
del sistema nervioso, los sistemas musculoesquelético y su entorno son necesarios. Para realizar varios
actividades diarias, la coordinación de diferentes articulaciones (hombro, codo, muñeca y articulación de los dedos) es esencial,
incluyendo una amplia gama de movimientos con varios grados de libertad. Estos movimientos coordinados
son siempre redundantes y pueden resultar beneficiosos para realizar tareas complejas. Cuando se trata de un artificial
mano, todas estas funciones de control de la mano normal deben coincidir ampliamente, de modo que el usuario pueda
realizar sus necesidades diarias de forma modificada y eficaz. El control coordinado de lo biológico
La mano es bastante compleja, por lo que es muy difícil replicarla exactamente en cualquier mano protésica.
Una mano protésica típica consta de tres partes principales conectadas: una unidad de adquisición de señal de entrada,
Unidad de procesamiento y control y un efector final. Hoy en día, casi todos los productos artificiales de alto rendimiento
manos (o prótesis) utilizan señales de electromiografía de superficie (sEMG o mioseñales) para controlar
sus efectores finales. La electromiografía de superficie registra los movimientos musculares eléctricamente desde el
superficie de las células musculares cuando se activan eléctrica o neurológicamente [1]. La amplitud de
Las señales sEMG varían de 0 a 10 mV (pico a pico) / 0 a 1,5 mV (RMS) con energía dominante en el
Banda de 20 a 450 Hz [2]. Además, la adquisición de la señal sEMG requiere una preparación adecuada de la piel,
y los electrodos EMG deben colocarse después de confirmar los músculos objetivo (a partir de los cuales el EMG
se puede producir una señal comparable al movimiento predefinido de las extremidades). Con lo tecnológico y
miniaturización de sensores, los electrodos secos que funcionan como transductores para las entradas musculares han reemplazado
electrodos EMG de gel tradicionales y tienen un rendimiento mejorado [3]. A nivel de usabilidad, a veces,
La fatiga muscular puede ocurrir debido al posicionamiento de estos electrodos secos en un solo músculo objetivo [4].
Recientemente, se desarrolló un esquema modular como solución, que utiliza la combinación de varios
electrodos y canales para una cuantificación precisa [5, 6]. Una extensión de esto es que estos electrodos
se reemplazan con transductores, como sensores de fuerza y resistivos, que usan un solo canal
método de adquisición con menos perturbaciones [7, 8].
En general, las manos mioeléctricas han evolucionado mucho para superar las desventajas tradicionales de
Adquirir mioseñales para satisfacer las necesidades de todos los niveles de amputados. Sin embargo, el control básico del
la mayoría de esas extremidades mioactivadas ha seguido los mismos principios operativos (contracciones musculares)
durante más de medio siglo [9, 10]. Estos dispositivos utilizan dos tipos de control técnico: patrón
control basado en reconocimiento (PR) y control no basado en reconocimiento de patrones [11]. El convencional
El método sin reconocimiento de patrones se usa comúnmente y se limita al control proporcional (encendido / apagado
control). Se han desarrollado técnicas EMG-PR para aumentar la destreza de la prótesis mioeléctrica
dispositivos y para superar las limitaciones del control proporcional convencional. EMG-PR opera por
extraer múltiples características de las señales EMG en lugar de depender por completo de la amplitud EMG [12] (como
La amplitud EMG es lenta, engorrosa y difícil para los usuarios controlar el movimiento de sus músculos residuales).
Un diseo de miembro superior artificial bien desarrollado se compone de trayectorias de un miembro y sus asociados
patrones de movimiento. Para delinear esto, un algoritmo de control requiere parámetros como la cinemática
y modelos de juntas [13], rango de movimiento y actividades [ 11]. A través del reconocimiento de patrones basado en EMG,
Los investigadores están trabajando en la hipótesis de que los patrones EMG contienen mucha información sobre los
movimientos. Una vez que se identifican los patrones de EMG para los movimientos previstos mediante la clasificación de patrones,
el controlador de prótesis recibirá el comando para implementar el movimiento. Por lo tanto, EMG-PR
El enfoque puede permitir a los usuarios controlar su prótesis mioeléctrica sin esfuerzo con una amplia gama
de control.
El uso de manos artificiales en lugar de manos biológicas con el mismo grado de destreza [14]
y la complejidad es una tarea desafiante. Sin embargo, la tecnología de reconocimiento de patrones (PR) ha
papel importante en el control de dispositivos protésicos mioeléctricos durante más de 20 años [15- 17]. Reconocimiento de patrones
La tecnología proporciona un control más natural, que es más fácil de aprender por parte del usuario y la máquina. También proporciona
control independiente de múltiples DOF utilizando control simultáneo, secuencial o semisecuencial, así
como acercar la prótesis a las funciones naturales del brazo [18]. Aplicando métodos adecuados basados en relaciones públicas
y técnicas de procesamiento de señales en combinación con algoritmos de aprendizaje automático, la extremidad de un amputado
el movimiento se puede decodificar con precisión y utilizar para controlar un dispositivo protésico [11, 19]. Relaciones públicas basadas en EMG

2 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

y contracción muscular. Este artículo se centra principalmente en una revisión de los principales patrones de reconocimiento
enfoques de control para prótesis mioactivadas y sus aplicaciones para amputados en tiempo real, y luego
sugiere algunas direcciones críticas a seguir para mejorar su nivel de desempeño mientras se mantiene
viabilidad cuantificable.
La metodología de investigación se discute en la Sección 2.. La sección 3 describe el reconocimiento de patrones
técnicas y sistemas utilizados hoy en día, sus méritos y deméritos si son prácticos y en qué medida
deben ser innovadores para que estas tecnologías se logren. La sección 4 describe los métodos
y análisis de la aplicación en tiempo real de mioprótesis. Los resultados se discuten en la Sección 5.
Los problemas y avances logrados en esta área de investigación se discuten en la Sección 6.. Sección 7
concluye y proporciona un análisis general del artículo.

2. Metodología de investigación

Este artículo es un artículo de revisión que resume el estado actual del control EMG-PR en tiempo real de
prótesis de mano. Se han propuesto muchos enfoques de clasificación para obtener un mejor rendimiento de
la aplicación en tiempo real de prótesis mioeléctricas. A pesar de que la precisión de la clasificación
es alta (casi> 95%) en las mediciones fuera de línea, la implementación de técnicas de clasificación en
las prótesis no dan la misma precisión. La principal razón detrás de la preparación de este artículo de revisión
es mostrar el desarrollo existente logrado a lo largo de los años sobre la usabilidad en tiempo real de las prótesis de mano.
Se presta más atención a las técnicas de clasificación de relaciones públicas, la técnica de extracción de características, el procesador integrado,
realidad virtual y otros factores (frecuencia de muestreo, longitud de la ventana). Muchos artículos de revisión han sido
publicado en EMG-PR, pero a nuestro entender, este es uno de los pocos artículos de revisión en tiempo real
Control EMG-PR de prótesis de mano.
En primer lugar, las ideas clave relacionadas con las características de EMG se discuten brevemente en la introducción.
El proceso de las técnicas de reconocimiento de patrones se presenta en la Figura 1 y luego se analiza. Siguiendo esto,
Exploraremos las técnicas clave y las ideas de investigación relacionadas con el patrón mioeléctrico en tiempo real.
reconocimiento y control. Estas ideas clave se establecieron a través de una encuesta de literatura que intentó
capturar el mayor logro en el campo de la clasificación para obtener el control en tiempo real de la prótesis,
en tiempo real con prótesis basadas en relaciones públicas integradas y en tiempo real con realidad virtual. En las secciones finales
del artículo, especulamos sobre las futuras direcciones de investigación en este campo con base en nuestro análisis crítico de la
estado actual de la técnica.

3. Control mioeléctrico basado en el reconocimiento de patrones

3 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

4 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

5 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

6 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

7 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

8 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

9 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

10 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

11 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

12 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

13 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

14 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

15 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

16 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

17 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

18 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

19 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

20 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

21 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

22 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

23 de 24 13/05/21, 16:26
sensores https://translate.googleusercontent.com/translate_f

24 de 24 13/05/21, 16:26