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

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Cene, Vinicius Horn
Orientador(a): Balbinot, Alexandre
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
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
Resumo: 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%.
id URGS_6c05ff09109947405c39e28aeda19c94
oai_identifier_str oai:www.lume.ufrgs.br:10183/140519
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Cene, Vinicius HornBalbinot, Alexandre2016-05-07T02:09:57Z2016http://hdl.handle.net/10183/140519000991095Através 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%.Through the devices and techniques developed in the field of Biomedical Instrumentation commonly is possible to offer treatment or solutions to provide a more pleasurable experience in society for people who have a disability or illness. With increasing computing capability in recent years, it has been possible to develop many techniques and devices supported by digital signal processing, and there is a great interest in the development of more natural interfaces, such as biological signals for the control of devices and prostheses. This work aims to present the development of a computational intelligence method based on Logistic Regression able to classify 17 movements of the hand-arm segment performed by the subjects of this study through the processing of the myoelectric signal (SME) acquired from the subject in question. Additionally, an assessment of the influence of some of the combination of the channels, signal characteristics and movements performed in the overall hit rate is additionally performed. To conduct the system has built an experimental apparatus able to acquire the SME through 12 channels using non-invasive electrodes and scan them. Thereafter there is a three features extraction from the signal which serves as input to the Logistic Regression method. For this study were processed three databases that compose 50 volunteers. The average hit rate achieved was 70.1%, considering all tests variations while the average for the best cases for each input variation performed was 92,5 %.application/pdfporEletromiografiaRegressão logísticaProcessamento de sinaisMyoelectric signalLogistic regressionElectromyographyBiomedical instrumentationUpper-limb movementsDesign of experimentsDesenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logísticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2016mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000991095.pdf000991095.pdfTexto completoapplication/pdf4933807http://www.lume.ufrgs.br/bitstream/10183/140519/1/000991095.pdf3bdd73a9d29791c84921ce4d08b27105MD51TEXT000991095.pdf.txt000991095.pdf.txtExtracted Texttext/plain210530http://www.lume.ufrgs.br/bitstream/10183/140519/2/000991095.pdf.txtcd9de67c3a0413a1da036b38d35cc0abMD52THUMBNAIL000991095.pdf.jpg000991095.pdf.jpgGenerated Thumbnailimage/jpeg1073http://www.lume.ufrgs.br/bitstream/10183/140519/3/000991095.pdf.jpg081703136db6c0f4cf2b56aedaf61bbcMD5310183/1405192018-10-25 09:32:24.449oai:www.lume.ufrgs.br:10183/140519Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-25T12:32:24Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
title Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
spellingShingle Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
Cene, Vinicius Horn
Eletromiografia
Regressão logística
Processamento de sinais
Myoelectric signal
Logistic regression
Electromyography
Biomedical instrumentation
Upper-limb movements
Design of experiments
title_short Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
title_full Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
title_fullStr Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
title_full_unstemmed Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
title_sort Desenvolvimento de um projeto de experimentos para a caracterização de sinais mioelétricos através do uso de regressão logística
author Cene, Vinicius Horn
author_facet Cene, Vinicius Horn
author_role author
dc.contributor.author.fl_str_mv Cene, Vinicius Horn
dc.contributor.advisor1.fl_str_mv Balbinot, Alexandre
contributor_str_mv Balbinot, Alexandre
dc.subject.por.fl_str_mv Eletromiografia
Regressão logística
Processamento de sinais
topic Eletromiografia
Regressão logística
Processamento de sinais
Myoelectric signal
Logistic regression
Electromyography
Biomedical instrumentation
Upper-limb movements
Design of experiments
dc.subject.eng.fl_str_mv Myoelectric signal
Logistic regression
Electromyography
Biomedical instrumentation
Upper-limb movements
Design of experiments
description 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%.
publishDate 2016
dc.date.accessioned.fl_str_mv 2016-05-07T02:09:57Z
dc.date.issued.fl_str_mv 2016
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/140519
dc.identifier.nrb.pt_BR.fl_str_mv 000991095
url http://hdl.handle.net/10183/140519
identifier_str_mv 000991095
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/140519/1/000991095.pdf
http://www.lume.ufrgs.br/bitstream/10183/140519/2/000991095.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/140519/3/000991095.pdf.jpg
bitstream.checksum.fl_str_mv 3bdd73a9d29791c84921ce4d08b27105
cd9de67c3a0413a1da036b38d35cc0ab
081703136db6c0f4cf2b56aedaf61bbc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831315991224647680

Registros relacionados