Desarrollo de un método de entrenamiento para el control de una prótesis mioeléctrica transradial para personas con amputación del miembro superior derecho integrando métodos de Machine Learning

Abstract

En México, existen alrededor de 780 mil personas con amputaciones y más de 5 millones con discapacidad motriz, pero el acceso a prótesis es limitado debido a la cobertura restringida y la falta de recursos en el sistema de salud. El proyecto descrito se centra en desarrollar un método de entrenamiento para controlar una prótesis transradial utilizando machine learning para interpretar señales electromiográficas (EMG) del usuario y generar movimientos específicos.

El prototipo de prótesis incluye un circuito de control y una Raspberry Pi que procesa señales EMG captadas mediante electrodos superficiales. Estas señales, una vez amplificadas y filtradas, son digitalizadas y enviadas a la Raspberry Pi, donde un modelo de machine learning clasifica los patrones musculares para activar los motores de la prótesis.

El modelo se entrenó con 250 señales EMG, distribuyendo los datos en un 70% para entrenamiento, 20% para validación y 10% para pruebas. Utilizando una red LSTM, se alcanzó una precisión del 81% en entrenamiento y del 72% en validación. El modelo clasificó correctamente varios movimientos, aunque mostró dificultades en algunos como el agarre de gancho y de poder, posiblemente debido a similitudes en las señales.

Los resultados generales validan el diseño y funcionalidad del prototipo, pero destacan áreas de mejora en la precisión de clasificación. Se concluye que este avance ofrece una base sólida para optimizar el dispositivo y mejorar su rendimiento en futuras versiones para aplicaciones reales.