ABSTRACT

Las señales mioeléctricas (MES) se han utilizado en diversas aplicaciones, en

particular para identificar la intención del usuario de controlar dispositivos de
asistencia para amputados, dispositivos ortopédicos y exoesqueletos, con el
fin de aumentar su capacidad. Las MES también se utilizan para estimar la
fuerza y, por lo tanto, el torque para accionar el dispositivo de asistencia. Su
aplicación no se limita a los dispositivos de asistencia, sino que también
encuentra aplicaciones potenciales en la teleoperación de robots,
dispositivos hápticos, realidad virtual, etc. La mano protésica basada en
control mioeléctrico ayuda a restaurar las actividades de la vida diaria de los
amputados para mejorar su autoestima. No todas las manos protésicas
basadas en control mioeléctrico tienen funciones similares y presentan
variaciones en la detección de entradas, la interpretación de señales y el
accionamiento de la mano protésica. Los investigadores se centran en
mejorar la funcionalidad de la mano protésica para adaptarla a las
necesidades del usuario con sus diferentes características operativas. El
control mioeléctrico difiere en su funcionamiento para adaptarse a diversos
factores externos. Este artículo revisa el estado del arte de las prótesis de
mano mioeléctricas, describiendo cada estrategia de control.

Palabras clave: EMG, dispositivo de asistencia, amputado, control

mioeléctrico, accionado eléctricamente, accionado por el cuerpo, control de
señales bioeléctricas

INTRODUCCION

Hoy en día, el desarrollo de la ciencia y la tecnología ha dado lugar a

dispositivos protésicos con prometedoras capacidades funcionales y
apariencia estética en el ámbito de la investigación, lo que favorece su
comercialización. El diseño de prótesis de mano es multidisciplinario y
requiere conocimientos profundos de fisiología, anatomía, electricidad y
electrónica, diseño mecánico, software, etc., dependiendo de la naturaleza
del control. Sin embargo, la mayor parte de la investigación se realiza en el
laboratorio y el problema reside en la falta de integración con la tecnología
debido a su naturaleza multidisciplinaria y a la falta de fondos. Existen
diferentes tipos de prótesis de mano, desde las protésicas accionadas por el
cuerpo hasta las protésicas basadas en interfaz neuronal, que se están
fabricando y probando en el mercado y con fines de investigación. La
elección de la prótesis de mano se basa en las necesidades del usuario.
En general, las prótesis pueden ser accionadas por el cuerpo, neumáticas o
eléctricas.¹ Los dispositivos accionados por el cuerpo
aprovechan la energía de los músculos para operar el cable a través de un
enlace. Las ventajas de los dispositivos accionados por el cuerpo son su bajo
costo y su menor costo de reparación. Sin embargo, estos dispositivos no son
estéticamente atractivos y para algunos usuarios resultan difíciles de operar
con energía corporal. Las prótesis eléctricas que funcionan con batería son
muy populares debido a su estética. Sin embargo, son costosas, pesadas y
su reparación es costosa. No obstante, se ha producido un gran avance en el
funcionamiento de las prótesis eléctricas. Estas prótesis pueden operarse
mediante presión, interruptores, galgas extensométricas, señales
mioeléctricas (MES) y señales de electroencefalograma. Existe la posibilidad
de implementar una estrategia de control híbrida para mejorar su
funcionamiento. Independientemente del funcionamiento de los dispositivos,
las manos protésicas suelen estar disponibles con diseños mecánicos de
ganchos, prensores, manos artificiales y dispositivos terminales especiales,
según la actividad específica del usuario.

Los ganchos son dispositivos con buena durabilidad, menor mantenimiento,

peso ligero y buena capacidad de agarre. Están hechos de metales como
aluminio, acero inoxidable y titanio. El aluminio es más ligero y resistente,
mientras que el acero inoxidable es más ligero y resistente. Los ganchos de
titanio ofrecen buena resistencia con un peso menor. Sin embargo, los
ganchos no son estéticamente atractivos. Se utilizan para el control corporal.
Los prensores se encuentran entre los ganchos y las manos artificiales. Los
prensores están disponibles en el mercado con o sin retroalimentación de
tensión. Al igual que los ganchos, los prensores no son estéticamente
atractivos y se accionan corporalmente. Los dispositivos terminales
especiales diseñados para satisfacer los intereses del usuario en actividades
recreativas o deportivas como jugar al golf, escalar montañas, etc., también
se accionan corporalmente.

Las manos artificiales son estéticamente atractivas, pero funcionalmente

inferiores a los ganchos y prensores. Estas manos artificiales pueden
controlarse mediante MES, lo que refleja la intención del usuario. Se está
intentando controlar la mano mediante la restauración de la función nerviosa
del brazo con cirugía de reinervación muscular dirigida (TMR) para accionar
la mano y a través de la interfaz neuronal. El estado actual de la técnica
consiste en controlar la mano protésica mediante MES con diversos
esquemas de control para interpretar las señales musculares. La figura 1
muestra la mano protésica accionada por el cuerpo y la mano protésica
mioeléctrica disponibles comercialmente de Otto Bock HealthCare GmbH
(Duderstadt, Alemania).2

Figure 1.

Abrir en una nueva pestaña

(A) Mano protésica accionada por el cuerpo; (B) Mano protésica controlada
mioeléctricamente.

Nota: Copyright © 2002 Otto Bock HealthCare. Reproducido de:

[Link] Duderstadt (DE).2

También se están realizando intentos para controlar las articulaciones de los

dedos para mejorar la destreza. La mano i-limb se ha desarrollado con la
articulación de cada dedo por separado o simultáneamente, según la
capacidad del usuario. Por lo tanto, esta revisión se centra en el estado del
arte del control de las manos protésicas controladas mioeléctricamente,
detallando diversas estrategias de control e informando sobre el diseño
mecánico en estudios comerciales y de investigación.

La mano protésica mioeléctrica se basa en señales electromiográficas (EMG)

generadas en los músculos esqueléticos, que reflejan la intención del
usuario. Las señales EMG generadas por la intención se utilizan para
controlar la mano protésica mediante diversos esquemas de descifrado,
como el control proporcional, el control de encendido y apagado, la máquina
de estados finitos, el reconocimiento de patrones y el control postural. Los
investigadores están intentando descifrar más información de la EMG para
mejorar la destreza de la mano protésica. Por otro lado, algunos
investigadores están probando técnicas de interfaz de señales EMG para
mejorar la destreza. Sin embargo, el control de la mano protésica depende
del modo de detección de las señales, así como de la interpretación de la
intención a partir de las señales EMG. Esta sección presenta una visión
general de la literatura relacionada con la mejora del control mioeléctrico de
la mano.

DETECCIÓN DE SEÑALES EMG

La mano protésica accionada por el cuerpo no imita el movimiento natural de

la mano humana. Los dispositivos controlados por la intención del usuario sí
lo imitan. La intención del usuario para controlar la mano puede obtenerse a
partir de señales de control fisiológico adquiridas mediante sensores. La
tecnología de sensores interconecta las señales de control humanas con la
mano artificial. Las manos protésicas modernas incorporan un electrodo de
superficie para interconectar la mano artificial mediante señales de control
mioeléctrico con la mano humana. Las señales EMG de superficie para el
control de la mano artificial se detectan desde la superficie de la piel y son
preferidas por su fácil acceso y su procedimiento no invasivo. La destreza de
la mano protésica es menor en la EMG de superficie debido a la limitación
para identificar las ubicaciones donde adquirir las señales. Utilizando
electrodos de superficie, es posible identificar de tres a cuatro posibles
ubicaciones del muñón para adquirir señales para el control secuencial. Sin
embargo, la recolección de señales EMG intramusculares (3-5) es una técnica
invasiva y requiere habilidad quirúrgica para utilizar el sensor mioeléctrico
implantable. Las señales EMG intramusculares permiten la recolección de
señales EMG desde múltiples ubicaciones para ofrecer diversos grados de
control a la mano protésica. Es posible lograr el control simultáneo de la
mano protésica con las señales EMG intramusculares mediante un sensor
implantable.

El procedimiento quirúrgico TMR6 se ha utilizado recientemente para

reconectar los nervios a diferentes grupos musculares, lo cual puede medirse
desde la superficie para el control de la mano artificial. El uso de TMR es
eficaz para amputados transhumerales, y esta técnica permite aprovechar la
intención del usuario.

ESQUEMAS DE CONTROL MIOELÉCTRICO

La señal EMG se ha utilizado en la activación de prótesis de mano desde

1948.7,8 La producción de prótesis de mano comerciales mediante MES
comenzó en 1957 en el Instituto Central de Investigación Protésica de Moscú
para accionar un motor paso a paso.9 Este se mejoró posteriormente con un
motor de CC de imán permanente y relés electromagnéticos. Posteriormente,
la estrategia de control mioeléctrico se analizó ampliamente y se desarrolló
un esquema simple de control de encendido y apagado. En este esquema de
control mioeléctrico, la amplitud de la EMG se utiliza para decodificar la
información de las señales EMG adquiridas y activar el motor. La orden para
activar la prótesis se determina comparando la amplitud calculada mediante
la raíz cuadrada media o el valor absoluto medio (MAV) con el umbral
preestablecido. Se ha desarrollado una amplia variedad de esquemas de
control para traducir la información de la EMG, que suelen clasificarse, según
la naturaleza del control, en control secuencial y control simultáneo. La
mayoría de los esquemas de control empleados en la mano protésica del
usuario son de control secuencial, y actualmente se están realizando
investigaciones para emplear el control simultáneo de la mano. En los
esquemas de control secuencial, las señales EMG se traducen mediante los
siguientes esquemas: 1) control de encendido y apagado, 2) control
proporcional, 3) control directo, 4) control de máquina de estados finitos, 5)
control basado en reconocimiento de patrones, 6) esquemas de control de
postura y 7) esquemas de control de regresión.

El diagrama de flujo para la implementación de diferentes tipos de esquemas

mioeléctricos típicos con las etapas de procesamiento de señales se
presenta en la Figura 2. Además, el control proporcional se utiliza en
combinación con el control directo, la máquina de estados finitos y el control
de postura para una decodificación eficaz de la información del MES. Las
señales MES adquiridas de la superficie de la piel en estos esquemas se
amplifican y preprocesan antes de la conversión de analógico a digital. Los
datos EMG adquiridos se procesan para descifrar la intención del usuario y
comunicarse con el controlador del motor para activar el motor adecuado y
lograr la actividad deseada por el usuario. A continuación se describe el
procesamiento de señales de los distintos módulos.

Figura 2.
Abrir en una nueva pestaña

Tipos de esquemas de control mioeléctrico.

Abreviaturas: EMG, electromiográfico; FSM, máquina de estados finitos; PR,

reconocimiento de patrones.

Control mioeléctrico on-off

El control on-off convencional es adecuado para un máximo de dos grados

de libertad. En el control on-off/crisp/binario/bang-bang, la mano protésica se
opera a una velocidad constante en sentido horario y antihorario, con un
punto final. Existen varios esquemas de control para el control on-off. El
control on-off más sencillo se basa en un umbral de EMG para elegir la
dirección de control de la mano. En este esquema de control, la mano se
opera a una velocidad constante, independiente del nivel de contracción. El
control simultáneo del movimiento es posible con motores encendidos y
apagados a velocidad constante.10

Control mioeléctrico proporcional

En el esquema de control proporcional, el voltaje aplicado al motor es

proporcional al nivel/intensidad de contracción de las señales EMG.11,12
Esto permite un agarre rápido para movimientos generales, y la idoneidad de
este control en las extremidades superiores aún se encuentra en estudio.
Recientemente, los investigadores se han centrado en el control proporcional
simultáneo.

Este control simultáneo contrasta con los esquemas de control secuencial,

como la máquina de estados. Se utilizan otros esquemas de control junto con
el control proporcional13-16 para mejorar la destreza en los esquemas de
control mioeléctrico.

Control mioeléctrico directo

El control directo17 es similar al control proporcional e implica sitios EMG

independientes para lograr el control individual de los movimientos de los
dedos. Sin embargo, es difícil lograr un control independiente de la mano
debido a la diafonía en las señales EMG. Esto puede ser posible con señales
EMG intramusculares que utilizan un sensor mioeléctrico implantable.9

Control de máquina de estados finitos

En el caso del control de máquina de estados finitos, las posturas de las

manos se predefinen como estados, y la transición entre estados también se
predefine o se decodifica a partir de las entradas.18,19 Esto es adecuado
para un número fijo de posturas y puede no ser adecuado para la
multifuncionalidad. Además, el cambio de estado se produce desde el
comando EMG hasta que se selecciona la postura/función deseada.

Estas limitaciones pueden superarse mediante el reconocimiento de

patrones. Muchos investigadores han desarrollado diversos algoritmos para
la identificación de información de las señales mediante este método.

Control mioeléctrico basado en el reconocimiento de patrones

El control mioeléctrico basado en el reconocimiento de patrones

generalmente consiste en la extracción y clasificación de características de
datos segmentados durante el procesamiento de señales para dar órdenes al
controlador del motor. Algunos procesos de señales pueden incluir la
reducción o selección de características (FS) entre la extracción y la
clasificación, dependiendo del número de características. En general, se
extraen diversas características en tiempo, frecuencia y tiempo-frecuencia
para identificar el contenido de información del MES.

El reconocimiento de patrones para el control mioeléctrico implica un

método eficaz para identificar información de las características extraídas.
Los investigadores han utilizado ampliamente las características del dominio
temporal debido a su simplicidad. Sardis y Gootee20 identificaron patrones
de movimiento preespecificado del espacio de características de varianza y
cruce por cero (ZC). Posteriormente, Lee y Sardis21 utilizaron el valor
absoluto integral, también conocido como MAV, junto con la varianza y el ZC
para el control mioeléctrico del brazo. Hudgins et al.22 investigaron el
contenido de información en la ráfaga transitoria de actividad mioeléctrica
utilizando MAV, la pendiente de MAV, el número de ZC, el número de
cambios de signo de la pendiente y la longitud de la forma de onda. Debido a
la naturaleza estocástica y no lineal de las señales EMG, se ha realizado una
considerable cantidad de investigación utilizando modelos autorregresivos
(AR)23–28 para describir conjuntos de características que representen la
naturaleza no estacionaria de las señales EMG. Liu et al.28 estudiaron que la
precisión de la clasificación aumenta más rápidamente para el modelo AR
menor de cinco. El aumento en la precisión es bajo y alcanza la saturación
para el modelo AR de cinco o más. Kang et al.29 y Chang et al.30
aprovecharon los coeficientes cepstrales de la señal EMG como comando de
control de la interfaz hombre-máquina. Se han investigado y comparado
numerosas características del dominio temporal para determinar su eficacia
en el reconocimiento de patrones para el control mioeléctrico.

En el dominio de la frecuencia, se ha aplicado la transformada rápida de

Fourier (FFT)31–33 a las señales EMG para determinar el espectro de
frecuencia de la señal EMG. Farry et al.31 utilizaron la FFT en la teleoperación
de prótesis de mano. Sueaseenak et al.33 utilizaron la FFT para extraer las
características de las señales EMG de diferentes movimientos de mano y
muñeca.

Más recientemente, los métodos de análisis tiempo-frecuencia y tiempo-

espacio han atraído a los investigadores, pero conducen a vectores de
características de mayor dimensión y requieren el uso de métodos de
reducción de características y FS para reducir la dimensión de las
características. La transformada de Fourier de corto tiempo34, la
transformada wavelet35-41 y la transformada de paquetes wavelet36,42,43
arrojan un alto Vector de características dimensionales, y es esencial
emplear técnicas de reducción de dimensionalidad para reducir la carga del
clasificador.

Otras características, como el momento cero, el primer momento, el segundo

momento y el promedio de magnitud espectral de la transformada de
Thompson de corta duración y la transformada de Fourier de corta duración,
se utilizan como características para la clasificación y se comparan con el
rendimiento de características temporales, a saber, el cuadrado integral,
múltiples ventanas de Hamming y múltiples ventanas trapezoidales, para la
clasificación de señales EMG.⁴⁴ La extracción de
características de EMG mediante entropía aproximada
móvil,⁴⁵ modelo oculto de Markov (HMM),⁴⁶ red
AR multivariante-HMM,⁴⁷ modelado
fractal,^48,49 características estadísticas sobre dimensiones
fractales para la clasificación,⁵⁰ y estadísticas de orden
superior,⁵¹ son algunos de los vectores de características que
se han intentado en el reconocimiento de patrones.

Debido al enfoque multicanal utilizado para la adquisición de señales, la

dimensión del vector de características extraído puede ser grande. Además,
las transformadas wavelet generan numerosos coeficientes para representar
características de escala temporal. Por lo tanto, la reducción de
dimensionalidad se puede lograr utilizando el método de FS o de proyección
de características (FP). FS requiere una estrategia de búsqueda que
selecciona un subconjunto de candidatos y una función objetivo que evalúa
estos candidatos. Hay muchas estrategias de búsqueda para FS como
Davies–Bouldin,52–54 algoritmo genético,55,56 mapa autoorganizado de
Kohonen,57 optimización de enjambre de partículas (PSO),58 mezcla de PSO
y el concepto de información mutua,59 información mutua,60 teoría de
conjuntos aproximados,61 y análisis multivariado de varianzas62 para la
selección de características. Un factor importante que limita la aplicabilidad
de los métodos FS a los problemas de clasificación EMG es la gran varianza
de las señales EMG.63 El aumento en el número de características también
se puede reducir mediante la selección de canal como lo propusieron los
investigadores. Los algoritmos FS no pueden proporcionar un rendimiento
potente cuando las características están dispersas. Por otro lado, los
métodos basados en proyección son más eficaces que los basados en
selección.64
Se han probado varios métodos de PF, como el análisis de componentes
principales (ACP),32,65–67 un PF lineal-no lineal compuesto por ACP y un
mapa de características autoorganizado,68 el análisis discriminante lineal de
Fisher (ADL) simple,69 el PF basado en ADL,63 el ADL no correlacionado,70
la combinación de ADL de Fisher, lógica difusa y evolución diferencial,71 el
análisis discriminante de vecindad difusa ortogonal,72 la discretización
supervisada acoplada con ACP,73 y el ADL individual74, para comprimir
diversas características.

El reconocimiento de patrones (clasificación) mapea los vectores de

características extraídas en clases específicas de movimiento. Numerosos
estudios destacan el éxito de las redes neuronales (NN) y su capacidad para
aprender a distinguir entre diferentes condiciones en el reconocimiento de
patrones. La ventaja de las NN es su capacidad para aprender patrones
lineales y no lineales relaciones directamente de los datos que se modelan.
Como pioneros en el desarrollo del control mioeléctrico basado en el
reconocimiento de patrones en tiempo real, Kelly et al75 utilizaron la red
neuronal de Hopfield para calcular el parámetro de la serie temporal y la red
perceptrón para clasificar las señales MES. Varios investigadores utilizaron
una red neuronal perceptrón multicapa (MLP) y se han reportado varias redes
neuronales en la literatura para clasificar las características EMG del dominio
temporal para el control mioeléctrico33,48,76–82 para clasificar las
características del dominio temporal.33,48,76–82 Wang et al67 aplicaron la
red neuronal de retropropagación con coeficientes AR. Zhao et al78 aplicaron
la red neuronal basada en Levenberg–Marquardt con el modelo AR
paramétrico e integral de EMG. Tsuji et al79 propusieron una red neuronal
que combina una red neuronal de retropropagación común con un filtro
neuronal recurrente para clasificar la EMG. Otras técnicas de clasificación
son la máquina de vectores de soporte,83-85 el clasificador bayesiano,86 la
acumulación de evidencia,87 la lógica difusa,88-90 el clasificador de
modelos de mezcla gaussiana,63 la clasificación basada en código Morse,91
las discriminaciones canónicas,92 la clasificación de la máquina de vectores
de soporte de grafos acrílicos dirigidos,93,94 la regresión logística simple,95
el vecino más cercano k,96 el LDA,35,83, etc. Además, se han intentado
técnicas de clasificación híbridas como HMM-MLP,97 el algoritmo genético
HMM-MLP,98 y el neurodifuso,99,100 para mejorar el rendimiento del control
mioeléctrico. Es esencial realizar el procesamiento de señales para mantener
el retardo óptimo en el controlador.101 El rendimiento del método de
reconocimiento de patrones se estudia en tiempo real con el control manual
mioeléctrico virtual.102 Sin embargo, los métodos de reconocimiento de
patrones requieren entrenamiento para identificar la intención del usuario y,
además, el control proporcional es deficiente. La mayoría de las estrategias
de control de reconocimiento de patrones son de control secuencial. Los
investigadores ahora intentan el control simultáneo mediante el método de
reconocimiento de patrones.103,104

Control mioeléctrico postural

En el control mioeléctrico postural, las señales EMG se asignan a parámetros

de control en el dominio de componentes principales.105 Las coordenadas
del dominio de componentes principales se transforman linealmente en el
ángulo articular para representar las posturas objetivo. Este control
mioeléctrico postural proporciona control mioeléctrico simultáneo de la mano
protésica.

Control mioeléctrico de regresión

La estrategia de regresión es una de las estrategias de control desarrolladas

recientemente para proporcionar control simultáneo y proporcional. En este
esquema de control, se obtendrían señales de control simultáneas, como
diversos ángulos articulares. Los investigadores intentaron utilizar la
factorización matricial no negativa,13,14 NN,15 y otras técnicas.

Discusión y conclusión

En este artículo, se han revisado diversos esquemas de control mioeléctrico

relacionados con el control secuencial y de bucle abierto, que se encuentran
en investigación y no se han desarrollado como producto. Es fundamental
desarrollar productos basados en estos esquemas. Otro hito en el control
mioeléctrico es proporcionar una buena capacidad de agarre con las
articulaciones de los dedos accionadas mediante un motor para imitar el
agarre de la mano humana.¹⁰⁶ Además, el control de bucle
cerrado con integración sensoriomotora es otra área de investigación clave,
además del control simultáneo y proporcional. Los investigadores están
intentando, mediante retroalimentación táctil, cerrar el bucle del control
mioeléctrico.¹⁰⁷ El control de bucle cerrado es una de las
áreas que debe abordarse con vehemencia. Asimismo, la investigación sobre
sensores mioeléctricos implantables y TMR está progresando
satisfactoriamente en los países desarrollados. Sin embargo, estos estudios
también deberían iniciarse en países en desarrollo para cubrir esta
necesidad.
Se han realizado considerables investigaciones en diversas partes del mundo
y es necesario medir la viabilidad de las estrategias de control mioeléctrico
desde una perspectiva clínica. Además del control, se utilizan otras
estrategias, como el diseño mecánico de la mano para mejorar la destreza y
la prolongación de la vida útil de la batería. Esto también requiere la
participación de expertos de diversas disciplinas para que la investigación
sea clínicamente viable.

Notas a pie de página

Declaración de responsabilidad

El autor declara no tener ningún conflicto de intereses en este trabajo.