Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG

El campo industrial requiere que sus trabajadores efectúen actividad física pesada, una de las actividades más comunes es el levantamiento y carga de objetos pesados, la cual requiere de gran activación muscular en los bíceps dependiendo del peso del objeto. El desarrollo incorrecto de dicha activid...

Full description

Autores:
Palacios Pardo, Jorge Iván
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/59394
Acceso en línea:
http://hdl.handle.net/11634/59394
Palabra clave:
Electromyography
Muscle Activation
Skeletal-muscle injury
Machine Learning
Dataset
Classifier Algorithm
Bicep
Exoskeleton
Ingeniería
Ingeniería Electrónica
Electricidad
Electromiografía
Activación Muscular
Lesiones Musculoesqueléticas
Machine Learning
Dataset
Algoritmo Clasificador
Bíceps
Exoesqueleto
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id SANTOTOMAS_24b1888bedc698d71341e72ea4aa7dc7
oai_identifier_str oai:repository.usta.edu.co:11634/59394
network_acronym_str SANTOTOMAS
network_name_str Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
title Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
spellingShingle Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
Electromyography
Muscle Activation
Skeletal-muscle injury
Machine Learning
Dataset
Classifier Algorithm
Bicep
Exoskeleton
Ingeniería
Ingeniería Electrónica
Electricidad
Electromiografía
Activación Muscular
Lesiones Musculoesqueléticas
Machine Learning
Dataset
Algoritmo Clasificador
Bíceps
Exoesqueleto
title_short Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
title_full Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
title_fullStr Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
title_full_unstemmed Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
title_sort Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMG
dc.creator.fl_str_mv Palacios Pardo, Jorge Iván
dc.contributor.advisor.none.fl_str_mv Martínez Vásquez, David Alejandro
dc.contributor.author.none.fl_str_mv Palacios Pardo, Jorge Iván
dc.contributor.orcid.spa.fl_str_mv https://orcid.org/0000-0001-9750-2653
dc.contributor.cvlac.spa.fl_str_mv https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001560096
dc.contributor.corporatename.spa.fl_str_mv Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv Electromyography
Muscle Activation
Skeletal-muscle injury
Machine Learning
Dataset
Classifier Algorithm
Bicep
Exoskeleton
topic Electromyography
Muscle Activation
Skeletal-muscle injury
Machine Learning
Dataset
Classifier Algorithm
Bicep
Exoskeleton
Ingeniería
Ingeniería Electrónica
Electricidad
Electromiografía
Activación Muscular
Lesiones Musculoesqueléticas
Machine Learning
Dataset
Algoritmo Clasificador
Bíceps
Exoesqueleto
dc.subject.lemb.spa.fl_str_mv Ingeniería
Ingeniería Electrónica
Electricidad
dc.subject.proposal.spa.fl_str_mv Electromiografía
Activación Muscular
Lesiones Musculoesqueléticas
Machine Learning
Dataset
Algoritmo Clasificador
Bíceps
Exoesqueleto
description El campo industrial requiere que sus trabajadores efectúen actividad física pesada, una de las actividades más comunes es el levantamiento y carga de objetos pesados, la cual requiere de gran activación muscular en los bíceps dependiendo del peso del objeto. El desarrollo incorrecto de dicha actividad puede resultar en heridas musculoesqueléticas como desgarres musculares y desarrollo de tendinitis por lo que es importante el desarrollo en forma adecuada de estas. Para ello se puede implementar el machine learning y datasets ya existentes de las señales de activación muscular (Electromiografía) de los bíceps para determinar cuando una persona hace un levantamiento erróneo y así prevenir una lesión muscular. Esto se desarrollará con la creación de un algoritmo clasificador mediante el lenguaje de programación Python y una base de datos de un trabajo previo con finalidad similar y el resultado de estos conlleva al desarrollo teórico de un exoesqueleto para el brazo que pueda reducir la tensión muscular del usuario cuando efectúe un movimiento que ponga en riesgo la integridad de los bíceps.
publishDate 2024
dc.date.issued.none.fl_str_mv 2024
dc.date.accessioned.none.fl_str_mv 2025-01-22T15:24:47Z
dc.date.available.none.fl_str_mv 2025-01-22T15:24:47Z
dc.type.local.spa.fl_str_mv Trabajo de grado
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.spa.fl_str_mv Palacios Pardo, J. I. (2024). Implementación de técnicas de Machine Learning para el diseño de un mecanismo exoesqueleto controlado por señales EMG. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/59394
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.usta.edu.co
identifier_str_mv Palacios Pardo, J. I. (2024). Implementación de técnicas de Machine Learning para el diseño de un mecanismo exoesqueleto controlado por señales EMG. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
reponame:Repositorio Institucional Universidad Santo Tomás
instname:Universidad Santo Tomás
repourl:https://repository.usta.edu.co
url http://hdl.handle.net/11634/59394
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv P. A. R. López, «Universidad Pontificia Bolivariana», "El riesgo de las lesiones musculares en el trabajo", UPB. https://www.upb.edu.co/es/noticias/lesiones-musculares-riesgos-entrabajadores (accedido el 18 de agosto de 2023)http://www.scielo.org.co/pdf/recis/v16n2/1692- 7273-recis-16-02-203.pdf (accedido el 18 de agosto de 2023).
SciELO Colombia- Scientific Electronic Library Online. http://www.scielo.org.co/pdf/recis/v16n2/1697273-recis-16-02-203.pdf (accedido el 18 de agosto de 2023).
https://www.mintrabajo.gov.co/mintrabajo-llama-la-atencion-al-sector-de-la-construccionpara-implementar-medidas-que-permitan-bajar-indices-de-accidentalidad (accedido el 18 de agosto de 2023).
Noack Law Office. "Las lesiones más comunes de la industria manufacturera | Noack Law Office". Noack Law Office. https://www.noacklawoffice.com (accedido el 18 de agosto de 2023).
«Tendinitis - Síntomas y causas - Mayo Clinic», Top-ranked Hospital in the Nation – Mayo Clinic, 2023. dirección: https://www.mayoclinic.org/es/diseases-conditions/ tendinitis/symptoms-causes/syc-20378243
E. Traumatología, «Prevención y rehabilitación de los desgarros musculares», Elgeadi Traumatología, dirección: https : / / elgeaditraumatologia . com / prevencion - rehabilitacion-desgarro-muscular/.
S. S. Rasheed e I. H. Glob, «Classifying and Prediction for Patient Disease Using Machine Learning Algorithms», en 2022 3rd Information Technology To Enhance e-learning and Other Application (IT-ELA), 2022, págs. 196-200. DOI: 10.1109/IT-ELA57378.2022. 10107935.
N. Unidas, «Objetivos de Desarrollo Sostenible», Naciones Unidas, 2023. dirección: https: //www.un.org/sustainabledevelopment/es/objetivos-de-desarrollosostenible/. 18 19
«En febrero de 2023, el empleo en la construcción creció 5,1», Observatorio de Desarrollo Económico, 2023. dirección: https://observatorio.desarrolloeconomico. gov.co/construccion-bogota/en-febrero-de-2023-el-empleo-en-laconstruccion-crecio-51#:~:text=El%20n%C3%BAmero%20de%20personas% 20ocupadas,mil%20personas%20ocupadas%20en%202023..
G. Li, D. Bai, G. Jiang et al., «Continuous dynamic gesture recognition using surface EMG signals based on blockchain-enabled internet of medical things», Information Sciences, vol. 646, pág. 119 409, 2023, ISSN: 0020-0255. DOI: https://doi.org/10.1016/ j.ins.2023.119409. dirección: https://www.sciencedirect.com/science/ article/pii/S0020025523009945.
L. Wang, J. Fu, H. Chen y B. Zheng, «Hand gesture recognition using smooth wavelet packet transformation and hybrid CNN based on surface EMG and accelerometer signal», Biomedical Signal Processing and Control, vol. 86, pág. 105 141, 2023, ISSN: 1746-8094. DOI: https : / / doi . org / 10 . 1016 / j . bspc . 2023 . 105141. dirección: https : //www.sciencedirect.com/science/article/pii/S1746809423005748.
K. H. Lee, J. Y. Min y S. Byun, «Electromyogram-Based Classification of Hand and Finger Gestures Using Artificial Neural Networks», Sensors, vol. 22, n.o 1, 2022, ISSN: 1424-8220. DOI: 10.3390/s22010225. dirección: https://www.mdpi.com/1424-8220/22/ 1/225.
V. Khodadadi, F. Nowshiravan Rahatabad, A. Sheikhani y N. Jafarnia Dabanloo, «Nonlinear analysis of biceps surface EMG signals for chaotic approaches», Chaos, Solitons Fractals, vol. 166, pág. 112 965, 2023, ISSN: 0960-0779. DOI: https://doi.org/10.1016/j. chaos.2022.112965. dirección: https://www.sciencedirect.com/science/ article/pii/S0960077922011444.
P. Xiong, C. Wu, H. Zhou, A. Song, L. Hu y X. P. Liu, «Design of an accurate end-of-arm force display system based on wearable arm gesture sensors and EMG sensors», Information Fusion, vol. 39, págs. 178-185, 2018, ISSN: 1566-2535. DOI: https://doi.org/10. 1016/j.inffus.2017.04.009. dirección: https://www.sciencedirect.com/ science/article/pii/S1566253517302695.
M. Barfi, H. Karami, F. Faridi, Z. Sohrabi y M. Hosseini, «Improving robotic hand control via adaptive Fuzzy-PI controller using classification of EMG signals», Heliyon, vol. 8, n.o 12, e11931, 2022, ISSN: 2405-8440. DOI: https://doi.org/10.1016/j.heliyon. 2022.e11931. dirección: https://www.sciencedirect.com/science/article/ pii/S2405844022032194. 20
B. Chen, Y. Zhou, C. Chen et al., «Volitional control of upper-limb exoskeleton empowered by EMG sensors and machine learning computing», Array, vol. 17, pág. 100 277, 2023, ISSN: 2590-0056. DOI: https://doi.org/10.1016/j.array.2023.100277. dirección: https://www.sciencedirect.com/science/article/pii/S2590005623000024.
E. Trigili, S. Crea, M. Moisè et al., «Design and Experimental Characterization of a ShoulderElbow Exoskeleton With Compliant Joints for Post-Stroke Rehabilitation», IEEE/ASME Transactions on Mechatronics, vol. 24, n.o 4, págs. 1485-1496, 2019. DOI: 10.1109/TMECH. 2019.2907465.
Y. A. Jarrah, M. G. Asogbon, O. W. Samuel et al., «High-density surface EMG signal quality enhancement via optimized filtering technique for amputees’ motion intent characterization towards intuitive prostheses control», Biomedical Signal Processing and Control, vol. 74, pág. 103 497, 2022, ISSN: 1746-8094. DOI: https://doi.org/10.1016/j. bspc.2022.103497. dirección: https://www.sciencedirect.com/science/ article/pii/S1746809422000192.
R. Dubey, M. Kumar, A. Upadhyay y R. B. Pachori, «Automated diagnosis of muscle diseases from EMG signals using empirical mode decomposition based method», Biomedical Signal Processing and Control, vol. 71, pág. 103 098, 2022, ISSN: 1746-8094. DOI: https://doi.org/10.1016/j.bspc.2021.103098. dirección: https://www. sciencedirect.com/science/article/pii/S1746809421006959.
A. Leone, G. Rescio, A. Manni, P. Siciliano y A. Caroppo, «Comparative Analysis of Supervised Classifiers for the Evaluation of Sarcopenia Using a sEMG-Based Platform», Sensors, vol. 22, n.o 7, 2022, ISSN: 1424-8220. DOI: 10 . 3390 / s22072721. dirección: https://www.mdpi.com/1424-8220/22/7/2721.
O. Volk, A. Ratnovsky, S. Naftali y G. Singer, «Classification of tracheal stenosis with asymmetric misclassification errors from EMG signals using an adaptive cost-sensitive learning method», Biomedical Signal Processing and Control, vol. 85, pág. 104 962, 2023, ISSN: 1746-8094. DOI: https://doi.org/10.1016/j.bspc.2023.104962. dirección: https://www.sciencedirect.com/science/article/pii/S1746809423003956.
Álvaro Ángel Orozco Gutiérrez, G. A. Betancourt Orozco, y E. Giraldo Suárez, «Determinación de movimientos a partir de señales electromiográficas utilizando máquinas de soporte vectorial»., Rev. Médica Risaralda, vol. 11, n.º 2, feb. 2005.
J. Beunza, E. Sanz y E. Condés, Manual Práctico de Inteligencia Artificial en Entornos Sanitarios, 2a ed. Elsevier Espanol, 2023.
A. Garcia, “Estudio experimental de diversos algoritmos de aprendizaje por refuerzo”, Universidad de Málaga, 2020.
I. C. PÃ\copyrightrez Verona and L. Arco GarcÃ\-a, ‘Una revisiÃ\textthreesuperiorn sobre aprendizaje no supervisado de mÃ\copyrighttricas de distancia’, Revista Cubana de Ciencias InformÃ!`ticas, vol. 10, pp. 43–67, 12 2016.
Andreas C. M¨uller & Sarah Guido. (2016). Introduction to Machine Learning with Python: A Guide for Data Scientists (1st ed.). O’Reilly
H. Sahour, V. Gholami, J. Torkman, M. Vazifedan, and S. Saeedi, ‘Random forest and extreme gradient boosting algorithms for streamflow modeling using vessel features and tree-rings’, Environmental Earth Sciences, vol. 80, 11 2021.
Y. Huang and L. Li, "Naive Bayes classification algorithm based on small sample set," 2011 IEEE International Conference on Cloud Computing and Intelligence Systems, Beijing, China, 2011, pp. 34-39, doi: 10.1109/CCIS.2011.6045027. keywords: {Text categorization;Classification algorithms;Bayesian methods;Training;Accuracy;Time frequency analysis;Naïve Bayes;Text classification;Poisson distribution;Classification accuracy;small sample set},
E. M. Kumar Reddy, A. Gurrala, V. B. Hasitha y K. V. Rajesh Kumar, Introduction to Naive Bayes and a Review on Its Subtypes with Applications. Chapman Hall/CRC.
S. V. M. Vishwanathan and M. Narasimha Murty, "SSVM: a simple SVM algorithm," Proceedings of the 2002 International Joint Conference on Neural Networks. IJCNN'02 (Cat. No.02CH37290), Honolulu, HI, USA, 2002, pp. 2393-2398 vol.3, doi: 10.1109/IJCNN.2002.1007516. keywords: {Support vector machines;Iterative algorithms;Kernel;Convergence;Support vector machine classification;Automation;Memory management;Machine learning algorithms;Machine learning;Symmetric matrices}
G. Liu, S. Mao, and J. Kim, ‘A Mature-Tomato Detection Algorithm Using Machine Learning and Color Analysis’, Sensors, vol. 19, p. 2023, 04 2019.
B. Parhami, "Voting algorithms," in IEEE Transactions on Reliability, vol. 43, no. 4, pp. 617-629, Dec. 1994, doi: 10.1109/24.370218. keywords: {Voting;Hardware;Algorithm design and analysis;Software algorithms;Redundancy;Distributed computing;Frequency;Computational complexity;Combinatorial mathematics;Fault tolerant systems}
Mohammed Abdul Hafeez Khan, Rohan Varma Rudraraju, Swarnalatha Rajaguru, November 16, 2022, "Bicep Detection Using Electromyography and 3-Axis Accelerometer Data", IEEE Dataport, doi: https://dx.doi.org/10.21227/7n0e-jm71.
A. P. Singh and S. Chaudhari, ‘Embedded machine learning-based data reduction in application-specific constrained IoT networks’, in Proceedings of the 35th Annual ACM Symposium on Applied Computing, Brno, Czech Republic, 2020, pp. 747–753.
Trabajo del Bíceps braquial y su relación con el dolor de espalda - iespalda. (s.f.). iespalda. https://iespalda.com/trabajo-del-biceps-braquial-y-su-relacion-con-el-dolor-de-espalda/
Advancer Technologies, “3-lead Muscle / Electromyography Sensor for Microcontroller Applications”, MyoWare™ Muscle Sensor (AT-04-001) Datasheet, 2015.
“LM350 Datasheet PDF Download - ON Semiconductor”. DatasheetQ.com - Electronic Parts and Semiconductors Datasheet PDF Search Site. Accedido el 1 de junio de 2024. [En línea]. Disponible: https://www.datasheetq.com/datasheet-download/443474/1/ON-Semiconductor/LM350
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.campus.spa.fl_str_mv CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv Pregrado Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería Electrónica
institution Universidad Santo Tomás
bitstream.url.fl_str_mv https://repository.usta.edu.co/bitstream/11634/59394/6/2024jorgepalacios.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/59394/7/2025CartadeFacultad.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/59394/8/2025cartaderechosautor.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/59394/5/license.txt
https://repository.usta.edu.co/bitstream/11634/59394/4/license_rdf
https://repository.usta.edu.co/bitstream/11634/59394/1/2024jorgepalacios.pdf
https://repository.usta.edu.co/bitstream/11634/59394/2/2025CartadeFacultad.pdf
https://repository.usta.edu.co/bitstream/11634/59394/3/2025cartaderechosautor.pdf
bitstream.checksum.fl_str_mv 5f96288f027ca4100741f9d9481876fd
d7bec7374954375c62690cb3259f7981
b73d58391960ff5fe65d6c89efa27ae0
aedeaf396fcd827b537c73d23464fc27
217700a34da79ed616c2feb68d4c5e06
1ad12cd64d99fb59e59e2fe2d375739a
81223355b7ffcf4f5f04a7adb18c1310
d0235a13b5e1c8ed62ca27527fd98879
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv repositorio@usta.edu.co
_version_ 1860882470870712320
spelling Martínez Vásquez, David AlejandroPalacios Pardo, Jorge Ivánhttps://orcid.org/0000-0001-9750-2653https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001560096Universidad Santo Tomás2025-01-22T15:24:47Z2025-01-22T15:24:47Z2024Palacios Pardo, J. I. (2024). Implementación de técnicas de Machine Learning para el diseño de un mecanismo exoesqueleto controlado por señales EMG. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/59394reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl campo industrial requiere que sus trabajadores efectúen actividad física pesada, una de las actividades más comunes es el levantamiento y carga de objetos pesados, la cual requiere de gran activación muscular en los bíceps dependiendo del peso del objeto. El desarrollo incorrecto de dicha actividad puede resultar en heridas musculoesqueléticas como desgarres musculares y desarrollo de tendinitis por lo que es importante el desarrollo en forma adecuada de estas. Para ello se puede implementar el machine learning y datasets ya existentes de las señales de activación muscular (Electromiografía) de los bíceps para determinar cuando una persona hace un levantamiento erróneo y así prevenir una lesión muscular. Esto se desarrollará con la creación de un algoritmo clasificador mediante el lenguaje de programación Python y una base de datos de un trabajo previo con finalidad similar y el resultado de estos conlleva al desarrollo teórico de un exoesqueleto para el brazo que pueda reducir la tensión muscular del usuario cuando efectúe un movimiento que ponga en riesgo la integridad de los bíceps.The industrial field requires that its workers effectuate heavy physical activity, one of the most common activities is the lifting and carrying of heavy objects, which requires great muscle activation on the biceps, depending on how heavy the object is. The incorrect development of such activity can result in skeletal-muscle injuries like muscle tears and the development of tendinitis, so it is important to develop these activities adequately. For this reason, machine learning and existing datasets of electromyography can be implemented to determine when a person is doing an incorrect lifting and thus prevent a muscular injury. This will be developed with the creation of a classifier algorithm through the programming language Python and a dataset from a previous study with a similar purpose, and the result will lead to the theoretical development of an arm exoskeleton that could reduce muscle tension of the user when they effectuate a movement that could risk the bicep’s integrity.Ingeniero ElectronicoPregradoapplication/pdfspaUniversidad Santo TomásPregrado Ingeniería ElectrónicaFacultad de Ingeniería ElectrónicaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Implementación De Técnicas De Machine Learning Para El Diseño De Un Mecanismo Exoesqueleto Controlado Por Señales EMGElectromyographyMuscle ActivationSkeletal-muscle injuryMachine LearningDatasetClassifier AlgorithmBicepExoskeletonIngenieríaIngeniería ElectrónicaElectricidadElectromiografíaActivación MuscularLesiones MusculoesqueléticasMachine LearningDatasetAlgoritmo ClasificadorBícepsExoesqueletoTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáP. A. R. López, «Universidad Pontificia Bolivariana», "El riesgo de las lesiones musculares en el trabajo", UPB. https://www.upb.edu.co/es/noticias/lesiones-musculares-riesgos-entrabajadores (accedido el 18 de agosto de 2023)http://www.scielo.org.co/pdf/recis/v16n2/1692- 7273-recis-16-02-203.pdf (accedido el 18 de agosto de 2023).SciELO Colombia- Scientific Electronic Library Online. http://www.scielo.org.co/pdf/recis/v16n2/1697273-recis-16-02-203.pdf (accedido el 18 de agosto de 2023).https://www.mintrabajo.gov.co/mintrabajo-llama-la-atencion-al-sector-de-la-construccionpara-implementar-medidas-que-permitan-bajar-indices-de-accidentalidad (accedido el 18 de agosto de 2023).Noack Law Office. "Las lesiones más comunes de la industria manufacturera | Noack Law Office". Noack Law Office. https://www.noacklawoffice.com (accedido el 18 de agosto de 2023).«Tendinitis - Síntomas y causas - Mayo Clinic», Top-ranked Hospital in the Nation – Mayo Clinic, 2023. dirección: https://www.mayoclinic.org/es/diseases-conditions/ tendinitis/symptoms-causes/syc-20378243E. Traumatología, «Prevención y rehabilitación de los desgarros musculares», Elgeadi Traumatología, dirección: https : / / elgeaditraumatologia . com / prevencion - rehabilitacion-desgarro-muscular/.S. S. Rasheed e I. H. Glob, «Classifying and Prediction for Patient Disease Using Machine Learning Algorithms», en 2022 3rd Information Technology To Enhance e-learning and Other Application (IT-ELA), 2022, págs. 196-200. DOI: 10.1109/IT-ELA57378.2022. 10107935.N. Unidas, «Objetivos de Desarrollo Sostenible», Naciones Unidas, 2023. dirección: https: //www.un.org/sustainabledevelopment/es/objetivos-de-desarrollosostenible/. 18 19«En febrero de 2023, el empleo en la construcción creció 5,1», Observatorio de Desarrollo Económico, 2023. dirección: https://observatorio.desarrolloeconomico. gov.co/construccion-bogota/en-febrero-de-2023-el-empleo-en-laconstruccion-crecio-51#:~:text=El%20n%C3%BAmero%20de%20personas% 20ocupadas,mil%20personas%20ocupadas%20en%202023..G. Li, D. Bai, G. Jiang et al., «Continuous dynamic gesture recognition using surface EMG signals based on blockchain-enabled internet of medical things», Information Sciences, vol. 646, pág. 119 409, 2023, ISSN: 0020-0255. DOI: https://doi.org/10.1016/ j.ins.2023.119409. dirección: https://www.sciencedirect.com/science/ article/pii/S0020025523009945.L. Wang, J. Fu, H. Chen y B. Zheng, «Hand gesture recognition using smooth wavelet packet transformation and hybrid CNN based on surface EMG and accelerometer signal», Biomedical Signal Processing and Control, vol. 86, pág. 105 141, 2023, ISSN: 1746-8094. DOI: https : / / doi . org / 10 . 1016 / j . bspc . 2023 . 105141. dirección: https : //www.sciencedirect.com/science/article/pii/S1746809423005748.K. H. Lee, J. Y. Min y S. Byun, «Electromyogram-Based Classification of Hand and Finger Gestures Using Artificial Neural Networks», Sensors, vol. 22, n.o 1, 2022, ISSN: 1424-8220. DOI: 10.3390/s22010225. dirección: https://www.mdpi.com/1424-8220/22/ 1/225.V. Khodadadi, F. Nowshiravan Rahatabad, A. Sheikhani y N. Jafarnia Dabanloo, «Nonlinear analysis of biceps surface EMG signals for chaotic approaches», Chaos, Solitons Fractals, vol. 166, pág. 112 965, 2023, ISSN: 0960-0779. DOI: https://doi.org/10.1016/j. chaos.2022.112965. dirección: https://www.sciencedirect.com/science/ article/pii/S0960077922011444.P. Xiong, C. Wu, H. Zhou, A. Song, L. Hu y X. P. Liu, «Design of an accurate end-of-arm force display system based on wearable arm gesture sensors and EMG sensors», Information Fusion, vol. 39, págs. 178-185, 2018, ISSN: 1566-2535. DOI: https://doi.org/10. 1016/j.inffus.2017.04.009. dirección: https://www.sciencedirect.com/ science/article/pii/S1566253517302695.M. Barfi, H. Karami, F. Faridi, Z. Sohrabi y M. Hosseini, «Improving robotic hand control via adaptive Fuzzy-PI controller using classification of EMG signals», Heliyon, vol. 8, n.o 12, e11931, 2022, ISSN: 2405-8440. DOI: https://doi.org/10.1016/j.heliyon. 2022.e11931. dirección: https://www.sciencedirect.com/science/article/ pii/S2405844022032194. 20B. Chen, Y. Zhou, C. Chen et al., «Volitional control of upper-limb exoskeleton empowered by EMG sensors and machine learning computing», Array, vol. 17, pág. 100 277, 2023, ISSN: 2590-0056. DOI: https://doi.org/10.1016/j.array.2023.100277. dirección: https://www.sciencedirect.com/science/article/pii/S2590005623000024.E. Trigili, S. Crea, M. Moisè et al., «Design and Experimental Characterization of a ShoulderElbow Exoskeleton With Compliant Joints for Post-Stroke Rehabilitation», IEEE/ASME Transactions on Mechatronics, vol. 24, n.o 4, págs. 1485-1496, 2019. DOI: 10.1109/TMECH. 2019.2907465.Y. A. Jarrah, M. G. Asogbon, O. W. Samuel et al., «High-density surface EMG signal quality enhancement via optimized filtering technique for amputees’ motion intent characterization towards intuitive prostheses control», Biomedical Signal Processing and Control, vol. 74, pág. 103 497, 2022, ISSN: 1746-8094. DOI: https://doi.org/10.1016/j. bspc.2022.103497. dirección: https://www.sciencedirect.com/science/ article/pii/S1746809422000192.R. Dubey, M. Kumar, A. Upadhyay y R. B. Pachori, «Automated diagnosis of muscle diseases from EMG signals using empirical mode decomposition based method», Biomedical Signal Processing and Control, vol. 71, pág. 103 098, 2022, ISSN: 1746-8094. DOI: https://doi.org/10.1016/j.bspc.2021.103098. dirección: https://www. sciencedirect.com/science/article/pii/S1746809421006959.A. Leone, G. Rescio, A. Manni, P. Siciliano y A. Caroppo, «Comparative Analysis of Supervised Classifiers for the Evaluation of Sarcopenia Using a sEMG-Based Platform», Sensors, vol. 22, n.o 7, 2022, ISSN: 1424-8220. DOI: 10 . 3390 / s22072721. dirección: https://www.mdpi.com/1424-8220/22/7/2721.O. Volk, A. Ratnovsky, S. Naftali y G. Singer, «Classification of tracheal stenosis with asymmetric misclassification errors from EMG signals using an adaptive cost-sensitive learning method», Biomedical Signal Processing and Control, vol. 85, pág. 104 962, 2023, ISSN: 1746-8094. DOI: https://doi.org/10.1016/j.bspc.2023.104962. dirección: https://www.sciencedirect.com/science/article/pii/S1746809423003956.Álvaro Ángel Orozco Gutiérrez, G. A. Betancourt Orozco, y E. Giraldo Suárez, «Determinación de movimientos a partir de señales electromiográficas utilizando máquinas de soporte vectorial»., Rev. Médica Risaralda, vol. 11, n.º 2, feb. 2005.J. Beunza, E. Sanz y E. Condés, Manual Práctico de Inteligencia Artificial en Entornos Sanitarios, 2a ed. Elsevier Espanol, 2023.A. Garcia, “Estudio experimental de diversos algoritmos de aprendizaje por refuerzo”, Universidad de Málaga, 2020.I. C. PÃ\copyrightrez Verona and L. Arco GarcÃ\-a, ‘Una revisiÃ\textthreesuperiorn sobre aprendizaje no supervisado de mÃ\copyrighttricas de distancia’, Revista Cubana de Ciencias InformÃ!`ticas, vol. 10, pp. 43–67, 12 2016.Andreas C. M¨uller & Sarah Guido. (2016). Introduction to Machine Learning with Python: A Guide for Data Scientists (1st ed.). O’ReillyH. Sahour, V. Gholami, J. Torkman, M. Vazifedan, and S. Saeedi, ‘Random forest and extreme gradient boosting algorithms for streamflow modeling using vessel features and tree-rings’, Environmental Earth Sciences, vol. 80, 11 2021.Y. Huang and L. Li, "Naive Bayes classification algorithm based on small sample set," 2011 IEEE International Conference on Cloud Computing and Intelligence Systems, Beijing, China, 2011, pp. 34-39, doi: 10.1109/CCIS.2011.6045027. keywords: {Text categorization;Classification algorithms;Bayesian methods;Training;Accuracy;Time frequency analysis;Naïve Bayes;Text classification;Poisson distribution;Classification accuracy;small sample set},E. M. Kumar Reddy, A. Gurrala, V. B. Hasitha y K. V. Rajesh Kumar, Introduction to Naive Bayes and a Review on Its Subtypes with Applications. Chapman Hall/CRC.S. V. M. Vishwanathan and M. Narasimha Murty, "SSVM: a simple SVM algorithm," Proceedings of the 2002 International Joint Conference on Neural Networks. IJCNN'02 (Cat. No.02CH37290), Honolulu, HI, USA, 2002, pp. 2393-2398 vol.3, doi: 10.1109/IJCNN.2002.1007516. keywords: {Support vector machines;Iterative algorithms;Kernel;Convergence;Support vector machine classification;Automation;Memory management;Machine learning algorithms;Machine learning;Symmetric matrices}G. Liu, S. Mao, and J. Kim, ‘A Mature-Tomato Detection Algorithm Using Machine Learning and Color Analysis’, Sensors, vol. 19, p. 2023, 04 2019.B. Parhami, "Voting algorithms," in IEEE Transactions on Reliability, vol. 43, no. 4, pp. 617-629, Dec. 1994, doi: 10.1109/24.370218. keywords: {Voting;Hardware;Algorithm design and analysis;Software algorithms;Redundancy;Distributed computing;Frequency;Computational complexity;Combinatorial mathematics;Fault tolerant systems}Mohammed Abdul Hafeez Khan, Rohan Varma Rudraraju, Swarnalatha Rajaguru, November 16, 2022, "Bicep Detection Using Electromyography and 3-Axis Accelerometer Data", IEEE Dataport, doi: https://dx.doi.org/10.21227/7n0e-jm71.A. P. Singh and S. Chaudhari, ‘Embedded machine learning-based data reduction in application-specific constrained IoT networks’, in Proceedings of the 35th Annual ACM Symposium on Applied Computing, Brno, Czech Republic, 2020, pp. 747–753.Trabajo del Bíceps braquial y su relación con el dolor de espalda - iespalda. (s.f.). iespalda. https://iespalda.com/trabajo-del-biceps-braquial-y-su-relacion-con-el-dolor-de-espalda/Advancer Technologies, “3-lead Muscle / Electromyography Sensor for Microcontroller Applications”, MyoWare™ Muscle Sensor (AT-04-001) Datasheet, 2015.“LM350 Datasheet PDF Download - ON Semiconductor”. DatasheetQ.com - Electronic Parts and Semiconductors Datasheet PDF Search Site. Accedido el 1 de junio de 2024. [En línea]. Disponible: https://www.datasheetq.com/datasheet-download/443474/1/ON-Semiconductor/LM350THUMBNAIL2024jorgepalacios.pdf.jpg2024jorgepalacios.pdf.jpgIM Thumbnailimage/jpeg5888https://repository.usta.edu.co/bitstream/11634/59394/6/2024jorgepalacios.pdf.jpg5f96288f027ca4100741f9d9481876fdMD56open access2025CartadeFacultad.pdf.jpg2025CartadeFacultad.pdf.jpgIM Thumbnailimage/jpeg7399https://repository.usta.edu.co/bitstream/11634/59394/7/2025CartadeFacultad.pdf.jpgd7bec7374954375c62690cb3259f7981MD57open access2025cartaderechosautor.pdf.jpg2025cartaderechosautor.pdf.jpgIM Thumbnailimage/jpeg7342https://repository.usta.edu.co/bitstream/11634/59394/8/2025cartaderechosautor.pdf.jpgb73d58391960ff5fe65d6c89efa27ae0MD58open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/59394/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/59394/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessORIGINAL2024jorgepalacios.pdf2024jorgepalacios.pdfapplication/pdf2133064https://repository.usta.edu.co/bitstream/11634/59394/1/2024jorgepalacios.pdf1ad12cd64d99fb59e59e2fe2d375739aMD51open access2025CartadeFacultad.pdf2025CartadeFacultad.pdfapplication/pdf261978https://repository.usta.edu.co/bitstream/11634/59394/2/2025CartadeFacultad.pdf81223355b7ffcf4f5f04a7adb18c1310MD52metadata only access2025cartaderechosautor.pdf2025cartaderechosautor.pdfapplication/pdf283785https://repository.usta.edu.co/bitstream/11634/59394/3/2025cartaderechosautor.pdfd0235a13b5e1c8ed62ca27527fd98879MD53metadata only access11634/59394oai:repository.usta.edu.co:11634/593942025-01-23 03:40:13.81open accessRepositorio Universidad Santo Tomásrepositorio@usta.edu.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

Publicaciones similares