Control de una prótesis de mano mediante señales EMG utilizando inteligencia artificial en pacientes amputados

Abstract

El control de prótesis de miembro superior mediante señales electromiográficas (EMG) representa una de las aplicaciones más relevantes de la ingeniería biomédica y la inteligencia artificial en el desarrollo de tecnologías de asistencia. Sin embargo, muchos sistemas de prótesis mioeléctricas presentan limitaciones relacionadas con la precisión en la detección de gestos musculares, la complejidad de los algoritmos de procesamiento y las dificultades de implementación en plataformas embebidas de bajo costo. En este contexto, el presente trabajo propone el desarrollo de un sistema inteligente para el control de una prótesis de mano robótica mediante la clasificación de señales electromiográficas adquiridas a través de un dispositivo Myo Armband de ocho canales. El sistema integra un proceso completo que abarca la adquisición de señales EMG, el preprocesamiento de la señal, la segmentación temporal de los datos y el entrenamiento de un modelo de aprendizaje profundo basado en una arquitectura híbrida de redes neuronales convolucionales (CNN-1D) y redes neuronales recurrentes tipo BiLSTM para la identificación de gestos musculares. El modelo entrenado es posteriormente implementado en un sistema embebido, permitiendo la inferencia en tiempo real de los gestos detectados y el control de los actuadores de una mano robótica mediante servomotores. La arquitectura propuesta busca demostrar la viabilidad de utilizar técnicas de aprendizaje profundo para mejorar la interpretación de señales EMG y facilitar el desarrollo de prótesis robóticas más accesibles y eficientes.