EXPERIMENTACIÓN Y PREDICCIÓN DE LAS ACTIVACIONES MUSCULARES MEDIANTE REDES NEURONALES EN MOVIMIENTOS DE ABDUCCIÓN, ADUCCIÓN Y ROTACIÓN EXTERNA DE LA ARTICULACIÓN GLENOHUMERAL

Simple item page
dc.contributor.advisorDiego Fernando Villegas Bermudez
dc.contributor.advisorDiengo Andrés Rueda Quiñonez
dc.contributor.authorAndrés Julián Valbuena Villamil
dc.contributor.authorJohan Alexander Tirado Ortiz
dc.contributor.evaluatorCarlos Borras Pinilla
dc.contributor.evaluatorHeller Guillermo Sanchez Acevedo
dc.date.accessioned2023-11-07T13:14:19Z
dc.date.available2023-11-07T13:14:19Z
dc.date.created2023-11-02
dc.date.issued2023-11-02
dc.description.abstractEl presente proyecto de investigación estipula el proceso de obtención de señales electromiográficas (EMG) en movimiento de abducción-aducción, flexión-extensión y rotación interna y externa de la articulación glenohumeral. El propósito fundamental de la obtención de datos es entrenar un modelo de red neuronal para que esta prediga, dependiendo de los datos de entrada, qué tipo de movimiento se está generando y a su vez, encontrar las cargas actuantes en la articulación glenohumeral en los movimientos previamente mencionados. La obtención de los datos electromiográficos fue posible gracias al profesor Lusvin Javier Amado Forero, quien es el encargado del laboratorio de biomecánica de la UNAB, el protocolo de posición de marcadores y obtención de datos se hizo siguiendo la recomendación de la ISB. Varias investigaciones de redes neuronales para clasificación de señales EMG fueron la base para el diseño del modelo de red neuronal, se siguieron los pasos fundamentales para dicho objetivo como lo es la normalización de datos, la divisón de datos de entrenamiento, testeo y validación y la realización de actividades para evitar el overfitting. Se obtuvo una precisión del 91.29% en la predicción de los movimientos previamente descritos. Las cargas en la articulación fueron obtenidas con ayuda del software opensim y se observó que la carga máxima iba del 30% al 80% de la masa de cada individuo, coincidiendo con la base de datos de Orthoload.
dc.description.abstractenglishThe present research project stipulates the process of obtaining electromyographic (EMG) signals in abduction-adduction, flexion-extension, and internal and external rotation motion of the glenohumeral joint. The main purpose of obtaining data is to train a neural network model to predict, depending on the input data, what type of movement is being generated and, in turn, to find the loads acting on the glenohumeral joint in the previously mentioned movements. Obtaining the electromyographic data was possible thanks to Professor Lusvin Javier Amado Forero, who is in charge of the biomechanics laboratory of the UNAB, the protocol of marker position and data collection was done following the recommendation of the ISB. Several investigations of neural networks for EMG signal classification were the basis for the design of the neural network model, the fundamental steps for this objective were followed, such as data normalization, training data division, testing and validation, and the performance of activities to avoid overfitting. An accuracy of 91.29% was obtained in the prediction of the movements previously described. The joint loads were obtained with the help of opensim software, and it was observed that the maximum load ranged from 30% to 80% of the mass of everyone, coinciding with the Orthoload database.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Mecánico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/15148
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Mecánica
dc.publisher.schoolEscuela de Ingeniería Mecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectArticulación glenohumeral
dc.subjectRed Neuronal
dc.subjectCargas en articulación
dc.subjectSeñales electromiográficas
dc.subjectIngeniería Biomecánica
dc.subject.keywordGlenohumeral joint
dc.subject.keywordNeural Network
dc.subject.keywordJoint Loads
dc.subject.keywordELECTROMYOGRAPHIC SIGNALS
dc.subject.keywordBiomechanical engineering
dc.titleEXPERIMENTACIÓN Y PREDICCIÓN DE LAS ACTIVACIONES MUSCULARES MEDIANTE REDES NEURONALES EN MOVIMIENTOS DE ABDUCCIÓN, ADUCCIÓN Y ROTACIÓN EXTERNA DE LA ARTICULACIÓN GLENOHUMERAL
dc.title.englishEXPERIMENTATION AND PREDICTION OF MUSCULAR ACTIVATIONS THROUGH NEURAL NETWORKS IN ABDUCTION, ADUCTION AND EXTERNAL ROTATION OF THE GLENOHUMERAL JOINT
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 5 of 8
No Thumbnail Available
Name:
Documento.pdf
Size:
3.34 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
97.44 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota proyecto .pdf
Size:
694.71 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Anexo A.pdf
Size:
229.14 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Anexo B.pdf
Size:
121.2 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Mecánica