Un ingeniero desarrolla una app que realiza movimientos musculares

Un estudiante y ahora ingeniero de la Universidad Nacional del Nordeste (Unne) demostró que es posible lograr aplicaciones tecnológicas para la vida cotidiana con actividad muscular y alcanzó un 92 % de precisión en movimientos con una red neuronal artificial.

En un trabajo final que se presentó en la Facultad de Ciencias Exactas y Naturales y Agrimensura de la Unne, Sebastián Suaid pudo lograr aplicaciones de interacción humano-máquina a partir de la clasificación de patrones de actividad eléctrica muscular para el manejo de señales de control. 

El desarrollo de técnicas de control para lograr funciones similares a las realizadas por personas, con una alta precisión y fiabilidad para aplicaciones robóticas, pudo ser realizado y dar los primeros pasos en la cuestión.  

Algunas de las posibles aplicaciones del procesamiento de las señales musculares incluirían la monitorización de activación muscular para rehabilitación, identificación de posibles patologías, exoesqueletos, sillas de ruedas tecnológicas, control de prótesis, pulseras mioeléctricas, reconocimiento de escritura y reconocimiento de habla silenciosa. 

El desarrollo de este tipo de dispositivos va en aumento, y su uso no se centra solo en aplicaciones terapéuticas y de rehabilitación, sino también en las aplicaciones cotidianas y domésticas para cualquier persona.  

Al respecto, el investigador eligió la señal de Electromiografía (origen neurológico) debido a que la hace apropiada para aplicaciones relacionadas con la vida cotidiana. 

La electromiografía (EMG) y los estudios de conducción nerviosa son pruebas que miden la actividad eléctrica de los músculos y nervios. Los nervios envían señales eléctricas para que los músculos reaccionen de cierta manera. Cuando el músculo realiza una contracción, genera una señal eléctrica que puede medirse. 

Los primeros resultados obtenidos son motivadores debido a que a partir de órdenes impartidas por una red neuronal artificial se alcanzó un nivel de precisión del 92 por ciento en el set de entrenamiento y del 76 por ciento en validación. 

“Esto muestra la viabilidad de este tipo de procesamiento para la clasificación de patrones y da lugar a la búsqueda de nuevas formas de ajustar los parámetros de la red para mejorar su rendimiento”, indicó Suaid.

De esta manera, el joven pudo asegurar que se puede construir un mecanismo que permita interactuar con dispositivos tecnológicos. 

En la tesis, el profesional acotó que su desarrollo mediante el uso de una herramienta de procesamiento digital denominada red neuronal artificial (emula el funcionamiento de un cerebro humano) está entrenada a partir de registros de EMG de tres tipos de movimientos: torsión de la muñeca, extensión de los dedos de la mano y contracción del brazo. 

Para el joven, el uso de una red neuronal artificial es un método viable para incorporar habilidades de ingeniería con el objetivo de mejorar los sistemas y dispositivos ya existentes.