Sporathe knowledge network
ES
Pontificia Universidad Javeriana

Maestría en Bioingeniería

Identificación de patrones neuromotores asociados a movimientos de rehabilitación de la mano

Record only. The repository marks this work as “De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.”: the PDF is not public, so there is no text to read here. View the record in the repository.

Abstract

El Ataque cerebrovascular (ACV) es la primera causa de discapacidad en el mundo [1]. De acuerdo con la Organización Mundial de la Salud (OMS) un cuarto de la población mayor de 25 años sufrirá un ACV durante su vida [2]. Cerca del 85% de los pacientes presentan afectaciones en el miembro superior, como espasticidad, reducción en la amplitud y control del movimiento [3],[4]. Dado que la mano se encarga de aproximadamente el 90% de la funcionalidad del miembro superior, recuperar su funcionalidad es crucial para la reintegración del paciente a la vida diaria [5]. Estudiar las señales eléctricas de este circuito biológico, tanto a nivel cerebral como muscular, podría brindar información sobre la relación cortico muscular durante el proceso de rehabilitación de un ACV. Adicionalmente, podrían servir para identificar la intención del movimiento del paciente y controlar una prótesis de asistencia. En este trabajo se realizó un análisis de señales de electroencefalografía (EEG) y electromiografía (EMG) para decodificar movimientos asociados a ejercicios de rehabilitación de la mano (flexión de dedos y cierre de la mano). Se plantea un sistema de adquisición de EEG de 28 canales en simultaneo con 8 canales de EMG. Con la extracción de característica en espacio tiempo y frecuencia propias de las señales y características relacionadas a grafos. Se ponen a prueba diversos modelos de aprendizaje automático con matrices de características de naturaleza diferentes. Se selecciono el modelo de Ensemble bagged trees con el que se obtuvieron porcentajes superiores al 41.29% (predicción) y 43.71% (identificación) para la señal EEG. Para la señal EMG 59.79% (predicción) y 78.97%(identificación). Para las señales en conjunto se obtuvo 67.45% para la predicción y 84.74 para la identificación. Estableciendo la relevancia en el uso de las dos señales fisiológicas para la elaboración de desarrollos tecnológicos precisos y adaptables.

Keywords