Identificação de movimentos da mão por machine learning utilizando eletromiografia de superfície (2019)
- Authors:
- Autor USP: VIANA, PAULO AUGUSTO ALVES LUZ - EESC
- Unidade: EESC
- Subjects: APRENDIZADO COMPUTACIONAL; ELETROMIOGRAFIA; PROCESSAMENTO DE SINAIS; REDES NEURAIS; REGRESSÃO LOGÍSTICA; SINAIS BIOMÉDICOS
- Keywords: Aprendizado de máquina; Biomedic signals; Electromyography; Logistic regression; Machine learning; Processamento de sinais; Reconhecimento de movimentos; Redes neurais; Regressão logística; k-Nearest neighbors
- Language: Português
- Abstract: Neste trabalho exploraram-se técnicas de processamento de sinais de eletromiografia e de reconhecimento de movimentos utilizando aprendizado de máquina. Como o sinal sofre com muitos ruídos e suas características variam muito de indivíduo para indivíduo a utilização de um bom processamento de sinal e de um algoritmo de reconhecimento robusto é importante. O sinal de eletromiografia utilizado provém da base de dados Ninapro e passou por um procedimento de denoising e filtragem, e após isso realizaram-se mais de 100 experimentos utilizando os algoritmos k-Nearest Neighbors, Regressão Logística e um modelo baseado em Redes Neurais para classificação de diversos números de movimentos. Nestes experimentos também é mostrada a importância da divisão correta dos conjuntos de treino, validação e teste para que se tenha uma estimativa correta da performance real do modelo. A comparação de modelos que utilizam algoritmos de estado da arte, como as redes neurais profundas, com algoritmos não tão complexos trouxeram conclusões interessantes. A regressão logística por vezes ultrapassava a performance da rede neural, e em um caso o algoritmo k-NN teve a melhor performance entre os três. Neste sentido, para diferentes quantidades de movimentos um ou outro modelo poderia ser considerado mais adequado. Conseguiu-se uma acurácia balanceada de até 98.1% ao se classificar 2 movimentos e de até 24.6% na classificação de 49 movimentos, e também observou-se que as performances da rede neural profunda e da regressão logística foram semelhantes
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
-
ABNT
VIANA, Paulo Augusto Alves Luz. Identificação de movimentos da mão por machine learning utilizando eletromiografia de superfície. 2019. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2019. Disponível em: https://bdta.abcd.usp.br/directbitstream/4c87b904-528b-4050-b01d-7617eb527e45/Viana_PauloAugusto_tcc.pdf. Acesso em: 17 mar. 2025. -
APA
Viana, P. A. A. L. (2019). Identificação de movimentos da mão por machine learning utilizando eletromiografia de superfície (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/4c87b904-528b-4050-b01d-7617eb527e45/Viana_PauloAugusto_tcc.pdf -
NLM
Viana PAAL. Identificação de movimentos da mão por machine learning utilizando eletromiografia de superfície [Internet]. 2019 ;[citado 2025 mar. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/4c87b904-528b-4050-b01d-7617eb527e45/Viana_PauloAugusto_tcc.pdf -
Vancouver
Viana PAAL. Identificação de movimentos da mão por machine learning utilizando eletromiografia de superfície [Internet]. 2019 ;[citado 2025 mar. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/4c87b904-528b-4050-b01d-7617eb527e45/Viana_PauloAugusto_tcc.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Viana_PauloAugusto_tcc.pd... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
