Universidad Católica de Santa María
Facultad de Ciencias e Ingenierías Físicas Formales
Escuela Profesional de Ingeniería de Sistemas
Evaluación Comparativa de Algoritmos de Procesamiento de Señales
Neuronales para el Control de Prótesis de Brazo: Precisión vs. Tiempo de
Respuesta
Tesis presentada por el Bachiller:
Rodríguez-Brown Velarde, Camila Alejandra
Para optar el Título Profesional de:
Ingeniero de Sistemas:
Especialidad en Inteligencia Artificial
Arequipa–Perú
2025
CAPÍTULO 1
PLANTEAMIENTO DE LA INVESTIGACIÓN
1.1 Planteamiento del Problema
El avance de la tecnología en prótesis de extremidades superiores ha mejorado
significativamente en las últimas décadas. Sin embargo, persiste una brecha considerable entre
las capacidades de un brazo natural y las prótesis disponibles actualmente. Un factor crítico
que limita la funcionalidad de estas prótesis es el procesamiento e interpretación de las señales
neuronales que controlan el movimiento.
Las personas con amputaciones de extremidades superiores enfrentan desafíos significativos
en su vida diaria, desde la realización de tareas básicas hasta la integración social y laboral.
Las prótesis tradicionales ofrecen funcionalidades limitadas y requieren un control consciente
y complejo por parte del usuario, lo que resulta en movimientos poco naturales y una
experiencia de uso frustrante.
Los algoritmos de procesamiento de señales neuronales representan una solución prometedora
para este problema, ya que permiten interpretar las intenciones de movimiento del usuario a
partir de señales eléctricas generadas por sus músculos y nervios remanentes. Sin embargo,
existe una variedad de enfoques algorítmicos, cada uno con ventajas e inconvenientes
específicos en términos de precisión, velocidad, facilidad de implementación y adaptabilidad a
diferentes usuarios.
1.2 Objetivos de la Investigación
1.2.1 Objetivo General
Comparar y evaluar diferentes algoritmos de procesamiento de señales neuronales aplicados al
control de prótesis de brazos, con el fin de identificar las estrategias más efectivas para mejorar
la funcionalidad, naturalidad y experiencia de uso en personas con amputaciones de
extremidades superiores.
1.2.2 Objetivos Específicos
1. Identificar y seleccionar los principales algoritmos de procesamiento de señales neuronales
utilizados actualmente en el control de prótesis de brazos.
2. Desarrollar un marco de evaluación estandarizado que permita comparar objetivamente el
rendimiento de diferentes algoritmos bajo condiciones controladas.
3. Analizar el comportamiento de cada algoritmo en términos de precisión, tiempo de
respuesta, robustez ante el ruido y capacidad de adaptación a diferentes patrones de señales
entre usuarios.
4. Evaluar la facilidad de implementación y los requisitos computacionales de cada algoritmo
para su aplicación práctica en dispositivos protésicos.
5. Proponer mejoras o combinaciones de algoritmos que puedan superar las limitaciones
identificadas en los enfoques actuales.
6. Validar los resultados mediante pruebas simuladas y, en la medida de lo posible, con
prototipos funcionales en colaboración con voluntarios.
1.3 Preguntas de Investigación
▪ ¿Qué algoritmos de procesamiento de señales neuronales muestran mayor precisión en la
interpretación de las intenciones de movimiento del usuario para el control de prótesis de
brazos?
▪ ¿Cómo varía el tiempo de respuesta entre los diferentes algoritmos evaluados y qué impacto
tiene esto en la experiencia de uso de la prótesis?
▪ ¿Qué enfoque algorítmico presenta mayor robustez frente a la variabilidad de señales entre
diferentes usuarios y condiciones ambientales?
▪ ¿Qué estrategias de preprocesamiento y extracción de características optimizan el
rendimiento de los algoritmos de clasificación para señales neuronales?
▪ ¿Qué compromiso existe entre la complejidad computacional de los algoritmos y su
desempeño en términos de precisión y velocidad?
▪ ¿Cómo afecta la fatiga muscular y la adaptación a largo plazo del usuario al rendimiento
de los diferentes algoritmos?
1.4. Formulación de la Hipótesis, Variables, Indicadores
Los algoritmos basados en redes neuronales profundas con mecanismos de atención
proporcionan mayor precisión, velocidad de respuesta y adaptabilidad en el procesamiento de
señales neuronales para el control de prótesis de brazo, comparados con los algoritmos
tradicionales de clasificación, lo que resulta en un control más natural e intuitivo para los
usuarios.
Variables Independientes:
1. Tipo de algoritmo de procesamiento de señales neuronales
o Indicadores:
▪ Complejidad computacional (medida en operaciones por segundo)
▪ Arquitectura del algoritmo (tipo de red neuronal, número de capas, etc.)
▪ Método de entrenamiento utilizado
▪ Capacidad de aprendizaje adaptativo
2. Características de las señales electromiográficas (EMG) de entrada
Los indicadores son:
▪ Amplitud de la señal (en microvoltios)
▪ Frecuencia dominante (en Hz)
▪ Relación señal-ruido (en dB)
▪ Número de canales de adquisición
3. Condiciones del usuario
Los indicadores son:
▪ Nivel de amputación
▪ Tiempo transcurrido desde la amputación
▪ Condición muscular residual
▪ Experiencia previa con prótesis
Variables Dependientes:
1. Precisión en la interpretación de intenciones de movimiento
Los indicadores son:
▪ Tasa de acierto en la clasificación de movimientos (porcentaje)
▪ Matriz de confusión entre diferentes gestos
▪ Sensibilidad y especificidad para cada movimiento
2. Tiempo de respuesta del sistema
Los indicadores son:
▪ Latencia entre intención y ejecución (en milisegundos)
▪ Consistencia del tiempo de respuesta (desviación estándar)
▪ Tasa de actualización del sistema (Hz)
3. Funcionalidad y naturalidad de uso
Los indicadores son:
▪ Suavidad de los movimientos (evaluada mediante acelerómetros)
▪ Capacidad para realizar tareas específicas (puntuación en pruebas estandarizadas)
▪ Percepción de naturalidad por parte del usuario (escala Likert)
4. Adaptabilidad a diferentes usuarios y condiciones
Los indicadores son:
▪ Variación del rendimiento entre usuarios (desviación estándar)
▪ Tiempo necesario para la calibración inicial (minutos)
▪ Degradación del rendimiento tras uso prolongado (porcentaje)
1.5. Línea y Sub-línea de Investigación a la que corresponde el Problema
Este trabajo seguirá la línea de la Inteligencia Artificial, y la sub-línea de Reconocimiento de
patrones
1.6. Palabras Clave
Prótesis mioeléctricas, procesamiento de señales EMG, algoritmos de procesamiento de
patrones, redes neuronales artificiales, aprendizaje profundo
1.7. Solución
1.7.1. Justificación e Importancia
Esta investigación es importante a nivel nacional, donde según datos del Instituto Nacional de
Estadística e Informática (INEI), más de 1.6 millones de personas presentan algún tipo de
discapacidad, representando aproximadamente el 5.2% de la población total. De este grupo, se
estima que alrededor de 130,000 personas tienen amputaciones de miembros superiores, ya sea
por accidentes laborales, enfermedades como la diabetes, malformaciones congénitas o causas
relacionadas con conflictos armados internos pasados.
En el Perú, el acceso a tecnologías protésicas avanzadas es extremadamente limitado por varios
factores:
1. Factor económico: El costo de las prótesis comerciales mioeléctricas oscila entre $30,000
y $100,000, cifras inalcanzables para la mayoría de la población peruana, considerando que
el ingreso promedio mensual es aproximadamente de S/. 1,600 (equivalente a unos $430).
2. Accesibilidad geográfica: La centralización de los servicios de salud especializada en
Lima y algunas ciudades principales deja a la población rural y de regiones alejadas sin
acceso a tecnologías protésicas.
3. Cobertura del sistema de salud: El Seguro Integral de Salud (SIS) y EsSalud no cubren
prótesis de alta tecnología, limitándose generalmente a opciones mecánicas básicas.
1.7.2. Descripción de la Solución
La solución propuesta consiste en desarrollar un marco de evaluación sistemático para
comparar diferentes algoritmos de procesamiento de señales neuronales en aplicaciones
protésicas, con énfasis en su implementación en hardware accesible y de bajo costo. Este marco
incluirá:
1. Creación de un banco de pruebas estandarizado para comparar objetivamente diferentes
algoritmos usando los mismos conjuntos de datos de señales EMG. Esta plataforma incluirá
datos recopilados de voluntarios peruanos
2. Evaluación los algoritmos no solo por su precisión, sino también por su eficiencia
computacional, facilidad de implementación en hardware de bajo costo
3. Modificación de los algoritmos seleccionados para optimizarlos considerando las
limitaciones técnicas (disponibilidad limitada de componentes especializados, necesidad
de bajo consumo, etc.)
4. Creación de una interfaz de usuario que permita la calibración de la prótesis con mínima
asistencia técnica, facilitando su uso en regiones donde el acceso a especialistas es limitado.
5. Validación mediante pruebas con voluntarios para validar la efectividad de la solución en
condiciones reales y diversos contextos culturales y geográficos.
1.7.3. Aporte
Esta investigación aportará significativamente al campo de las tecnologías asistivas en el Perú,
dado a quen generará datos específicos sobre el rendimiento de diferentes algoritmos en
condiciones relevantes para el contexto peruano, Además, al identificar algoritmos que puedan
funcionar eficientemente en hardware accesible, buscará una baja en los precios de estas
prótesis, haciéndolas accesibles para instituciones públicas de salud e iniciativas de ayuda
social.
