Girar una perilla: predicción basada en aprendizaje profundo del par y los ángulos del brazo utilizando miografía de...

Área de la Ciencia:

• Interacción humano-computadora
• Biomecánica
• Procesamiento de señales

Sus antecedentes:

• La predicción precisa de las acciones motoras humanas es crucial para una interacción humano-máquina intuitiva.
• La miografía de fuerza (FMG) es una tecnología emergente para la medición no invasiva de la actividad muscular.
• La comprensión de la dinámica de las extremidades en las tareas diarias es clave para el desarrollo de sistemas adaptativos.

Objetivo del estudio:

• Investigar la eficacia de la FMG en la predicción de actividades de giro de perilla.
• Evaluar el impacto de la variación del par y los ángulos del brazo en la precisión de la predicción.
• Evaluar la influencia de la grasa subcutánea en la predicción basada en FMG.

Principales métodos:

• Los participantes realizaron tareas de giro de perilla con diferentes pares y ángulos del brazo.
• Se recopilaron datos de miografía de fuerza (FMG) durante estas actividades.
• Se utilizó un modelo híbrido de aprendizaje profundo (CNN-LSTM) para la clasificación y predicción de datos.

Principales resultados:

• El modelo de predicción basado en FMG logró una alta precisión tanto para el par (95,87 ± 2,59%) como para el ángulo del brazo (94,06 ± 2,44%).
• La presencia de grasa subcutánea no afectó significativamente la precisión de la predicción del par y el ángulo del brazo.
• El estudio demostró un rendimiento sólido en diferentes parámetros de la tarea.

Conclusiones:

• La miografía de fuerza es un método viable y preciso para predecir acciones motoras complejas como el giro de perilla.
• El enfoque de aprendizaje profundo desarrollado muestra un potencial significativo para la interacción humano-máquina en tiempo real.
• La tecnología FMG ofrece una vía prometedora para mejorar las tecnologías de asistencia y comprender las actividades de la vida diaria.