Desenvolvimento de um Sistema Inteligente para Classificação e Predição dos Sinais Mioelétricos

Desenvolvimento de um Sistema Inteligente para Classificação e Predição dos Sinais Mioelétricos

• Autor
• Gleidson Leite da Silva
• Co-autores
• Francisco de Assis Brito Filho
• Resumo

• Entre os biosinais gerados pelo corpo humano, o sinal mioelétrico (EMG) é oriundo da ação de contração das fibras musculares que produzem campos eletromagnéticos que podem ser aquisitados através de eletrodos de superfície localizados na região do musculo em análise conectados à circuitos específicos para o processo de eletromiogafia. Este sinal, assim como os demais biosinais, vem sendo estudado para aplicação em numerosos campos de atuação, como na área de controle, onde a partir da sua análise e processamento, é possível coordenar dispositivos como próteses inteligentes para o auxílio na reabilitação e inclusão de pessoas com deficiência. Entre as metodologias utilizadas para análise e classificação de dados, a inteligência artificial (AI) tem sido amplamente estudada nesses últimos anos com foco em deep learning, onde foram desenvolvidos métodos computacionais que atuam de modo semelhante ao comportamento do cérebro humano, como as Deep neural Networks (DNN) cuja aplicação é voltada para predição e classificação de padrões de dados. Assim, a partir da inserção das metodologias da AI na biomedicina, foi possível desenvolver softwares capazes de detectar categorias e fazer identificações e predições com níveis de acurácia satisfatórios, ajudando assim na detecção de doenças como câncer, que por sua vez. quanto mais cedo for detectada a enfermidade, maiores são as chances de sucesso em seu tratamento. Nesse trabalho, foram estudadas e avaliadas duas técnicas de deep learning para classificação do sinal EMG, a DNN e a Support Vector Machine (SVM). Logo, a partir da seleção das metodologias implementadas, levando em conta fatores como custos computacionais e eficiência na acurácia, implementou-se um sistema embarcado para atuar no controle de uma prótese inteligente, sendo este atuador o responsável por efetuar a classificação dos padrões de movimentos através da aquisição do sinal EMG e efetuar os movimentos com o seu sistema de servomecanismo. Utilizou-se uma impressora 3D para imprimir a prótese open-source, o que faz com que a prótese e o sistema tenham um baixo custo e consequentemente seja mais acessível ao público, visto que o custo de aquisição de uma prótese atulmente é elevado, sendo este um dos fatores que reduzem a quantidade de usuarios de próteses. O sistema de classificação desenvolvido, conseguiu diferenciar 5 padrões do biosinal para os movimentos: contração do dedo indicador, contração da mão, movimento de pinça, contração do dedo polegar e o músculo relaxado com uma acurácia de 84,69% utilizando a SVM e 83,75% com a DNN utilizando apenas dois canais do circuito de aquisição.

• Palavras-chave
• Eletromiografia, Inteligência Artificial, Deep learning, Sistema embarcado, Reabilitação, Próteses
• Área Temática
• Engenharias

Voltar Download