Classification of EMG signals using artificial neural networks for virtual hand prosthesis control

Metodologia Para Classificação De Movimentos Da Mão Baseada Em Padrões Eletromiográficos

“…Mattioli et al [2] e Tenore et al [3] também alcançaram desempenhos superiores a 80% para a decodificação de padrões eletromiográficos associados a movimentos de mão.…”

“…Várias técnicas podem-se ser implementadas para a classificação de sinais EMG, tais como redes neurais artificiais [2,3], classificador bayesiano [7], análise de discriminantes lineares [5,6], máquina de vetores de suporte [5] e k-vizinhos mais próximos [7]. Dentre os citados, destaca-se o método de redes neurais artificiais, o qual é inspirado no processamento de informações pelo sistema nervoso central através de sua unidade básica, o neurônio [8].…”

“…Sinais EMG consistem em potenciais elétricos produzidos pela contração de determinado músculo ou grupo muscular e podem ser captados em músculos do antebraço relacionados aos movimentos da mão [2]. Dessa forma, esses sinais consistem em uma importante interface homemmáquina, já que após serem capturados e digitalizados, pode-se processá-los para o reconhecimento de padrões e classificação de movimentos a serem executados pela prótese.…”

“…A literatura não apresenta um consenso acerca das melhores características a serem extraídas dos sinais EMG, porém é possível destacar algumas características do domínio do tempo que são amplamente utilizadas: Mean Absolute Value (MAV) [1][2][3][4][5], Zero Crossing (ZC) [1,2,[4][5][6] , Slope Sign Change (SSC) [1,2,[4][5][6], Waveform Length (WL) [1][2][3][4][5][6][7], Willison Amplitude (WA) [3][4][5][6], Variance (VAR) [3,4,7] e Root Mean Square (RMS) [4,6,7].…”

Human-in-the-loop assistive cyber physical system control using physiological signals

“…Classification approaches attempt to estimate hand posture from a pre-defined set using continuous sEMG signals. Classifiers such as support vector machines [71], linear discriminant analysis [75], artificial neural networks [76], fuzzy logic [77], Gaussian mixture models [73], among others have been proposed using a wide variety of features (zero-crossings of raw EMG, mean absolute deviation, root mean square of the signal, etc.). However, such approaches are not valid when attempting to fully reconstruct hand kinematics.…”