Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística

• Ano de defesa: 2016
• Autor(a) principal: Cene, Vinicius Horn
• Orientador(a): Balbinot, Alexandre
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Eletromiografia; Regressão logística; Processamento de sinais
• Palavras-chave em Inglês: Myoelectric signal; Logistic regression; Electromyography; Biomedical instrumentation; Upper-limb movements; Design of experiments
• Link de acesso: http://hdl.handle.net/10183/140519

Através dos dispositivos e técnicas desenvolvidas na área da Instrumentação Biomédica é possível oferecer um tratamento ou de forma geral soluções que permitam uma vivência mais plena em sociedade para pessoas que possuem algum tipo de deficiência ou doença. Com o aumento da capacidade computacional nos últimos anos foi possível desenvolver muitas técnicas e dispositivos apoiados em processamento digital de sinais e há um grande interesse pelo desenvolvimento de interfaces mais naturais, como sinais biológicos para o controle de próteses e dispositivos. Este trabalho tem por objetivo apresentar o desenvolvimento de um método de Inteligência Computacional baseado em Regressão Logística capaz de classificar 17 movimentos do segmento mão-braço realizados pelos voluntários do estudo através do processamento do sinal mioelétrico (SME) adquiridos dos sujeitos em questão. Adicionalmente é realizada uma avaliação da influência de alguns dos canais, características do sinal e movimentos executados na taxa de acerto global. Para a realização do sistema foi utilizado um aparato experimental capaz de adquirir os SME através de 12 canais utilizando eletrodos não invasivos e posteriormente digitalizá-los. Logo após efetua-se a extração das três características utilizadas no trabalho, que servem de entrada para o método de Regressão Logística. Para este estudo foram processados três bancos de dados que perfazem um total de 50 voluntários. A taxa média de acerto alcançada foi de 70,1%, considerando todas as variações de testes realizados enquanto a média para os melhores casos de cada variação de entrada realizada foi de 92,5%.