La siguiente presentación tiene en forma general la información de todos los pasos seguidos en la construcción de una prótesis de mano a través de la captación de señales electrificas y toda la tecnología requerida en esta investigación.
Diseño e Implementación de una Prótesis Mioeléctrica de Miembro Superior. ABI-UNSA.
1. Universidad Nacional San Agustín de Arequipa
INSTITUTO DE BIOINGENIERIA APLICADA
PROYECTO PROTESIS BRAZO ROBOT
ABI - UNSA
2. INSTITUTO DE BIOINGENIERIA APLICADA
ABI – UNSA
Ulises Gordillo Zapana
Renée M. Condori Apaza
Alfredo Cárdenas Rivera
Nancy Orihuela Ordoñez
Gustavo Quispe Apaza
ABI - UNSA
3. Personas amputadas o parcialmente paralizadas, tienen típicamente músculos intactos
sobre los cuales pueden ejercer control Las señales que producen estos músculos sirven
para el dominio de una prótesis o un dispositivo robótico.
Existen prototipos avanzados que no son demostrados en personas amputadas pero su
aporte es inmenso como:
El KNU Hand del Intelligent Robot Laboratory de Korea el cual utiliza 4 zonas musculares
para realizar 9 movimientos de una mano.
Shadow Dextrous Hand de Shadow Robot Company que utiliza un CyberGlove en la
adquisición de posiciones de dedos y muñeca para transmitirlos a un robot controlado por
pistones.
La investigación del Gabinete de Tecnología Medica de Argentina tiene un claro ejemplo de
las aplicaciones en personas con disfunciones motoras.
Por lo tanto el presente trabajo de investigación tiene la misma línea de investigación e
interés en aportar nuevas herramientas en la tecnología actual de prótesis Mioeléctrica.
ABI - UNSA
4. Planteamiento del Problema:
Es conocido que al perder una parte del cuerpo y reemplazarla por una prótesis, tenemos
que reeducar al cerebro para controlarlo completamente con la diferencia de que la persona
es consciente y recuerda el aprendizaje de movimiento.
Investigaciones anteriores muestran un grado de certeza del reconocimiento de movimiento
del 90% como máximo, lo cual esta determinado por dos factores; que la persona genere
señales musculares similares a las que origino cuando aprendió el movimiento y que las
herramientas matemáticas para la caracterización y reconocimiento sean lo más eficientes
posibles; la presente investigación tiene como fin crear una plataforma para mejorar dicho
grado de certeza.
Justificación del Proyecto:
Las actuales prótesis comerciales tienen un elevado costo, que sobre pasan los 10 mil
dólares.
Los usuarios finales terminan desechando una prótesis poco eficiente, agravando en
algunos casos el estado emocional por la pérdida de un miembro, el método de
reconocimiento del movimiento propuesto muestra grandes ventajas ante otros por su
efectividad, característica importante en el área mercantil ya que se llegaría con mayor
satisfacción ante el usuario.
ABI - UNSA
5. Objetivo General:
Diseñar e implementar una prótesis de miembro superior, controlado por señal Mioeléctrica
usando plataforma DSP (Digital Signal Processor).
Objetivos Específicos:
Analizar las posturas funcionales de los huesos para definir los movimientos de la prótesis.
Crear una base de datos de dimensiones de brazos humanos usando procesamiento digital
de imágenes.
Diseñar en un ambiente virtual el modelo antropomórfico de la prótesis, utilizando las
dimensiones y los movimientos definidos para su posterior implementación física.
Diseñar, implementar y optimizar el circuito de acondicionamiento de señales musculares.
Diseñar e implementar el programa en plataforma DSP para la adquisición, caracterización
de señal Mioeléctricas y reconocimiento de movimientos.
Analizar y optimizar el reconocimiento de patrones utilizando Transformada Wavelet para
mejorar el grado de certeza del reconocimiento de movimientos.
Integrar y poner en funcionamiento la prótesis controlada por señales Mioeléctricas.
ABI - UNSA
6. Es conocido que las señales musculares son de naturaleza aleatoria y no siempre al
realizar un mismo movimiento generan la misma señal; por lo tanto será posible diseñar e
implementar una prótesis de miembro superior, controlado por señal Mioeléctrica usando
plataforma DSP (Digital Signal Processor). Para el reconocimiento del movimiento del
miembro superior usando herramientas matemáticas que trabajen en el análisis del dominio
del tiempo y frecuencia a diferentes tiempos de muestreo, haciendo uso de la Transformada
Wavelet y sus derivadas matemáticas para optimizar la discriminación de las señales
musculares.
ABI - UNSA
7. Que es una prótesis mioeléctrica?
Es una prótesis eléctrica controlada por medio de un poder externo
mioeléctrico, esta prótesis funciona con pequeños potenciales extraídos
durante la contracción de las masas musculares del muñón, siendo estos
conducidos y amplificados para obtener el movimiento de la misma. estas
prótesis son hoy en día el tipo de miembro artificial con mas alto grado de
rehabilitación.
Como es la transmisión del impulso nervioso que inerva un músculo?
Como se utiliza esa señal para movilizar una prótesis mioeléctrica?
Electrodo
amplificación
filtrado
procesamiento de la señal( digitalización)
estrategias de control
Distintas partes de una prótesis mioeléctrica
conos
suspension
baterias
articulacion de codo
terminales
8. La captación de las señales eléctricas
producidas por los músculos durante una
contracción muscular se conoce como
electromiografía. Estas señales son
generadas por el intercambio de iones a
través de las membranas de las fibras
musculares debido a una contracción
muscular
En una contracción muscular, los
filamentos de actina se contraen hacia
adentro, entre los filamentos de miosina.
Generación de impulsos eléctricos
de un movimiento muscular
ABI - UNSA
9. Especificaciones Eléctricas de Señales Musculares:
La amplitud de las señales EMG varía desde los µV hasta un rango de unos mV (menor de
10mV). La amplitud, y las propiedades de las señales EMG tanto en el dominio del tiempo
como en la frecuencia dependen de factores como:
El tiempo y la intensidad de la contracción muscular.
La distancia entre el electrodo y la zona de actividad muscular.
Las propiedades de la piel (por ejemplo el espesor de la piel y tejido adiposo).
Las propiedades del electrodo y el amplificador.
La calidad del contacto entre la piel y el electrodo.
Ruido en Señales Musculares:
La amplitud de las señales EMG en un rango de unos 10mV
Frecuencia de 5-500 Hz
Ruido Sangre
Ruido Músculos Cercanos
ABI - UNSA
10. Electrodos
Los electrodos o elementos conductivos son los medios por el cual son captadas las señales
Electromiográficas (EMG), colocándolos sobre la superficie de la piel de manera invasiva sobre
el musculo utilizando agujas o por el método mas común el cual es la electromiografía de
superficie.
Tipos de Electrodos:
Electrodos invasivos secos en contacto directo con la piel.
Electrodos no invasivos de superficie con gel utilizando un gel electrolítico.
ABI - UNSA
11. Electrodos Ag-AgCl
El compuesto plata – cloruro de plata (Ag − AgCl) es el más común para la parte
metálica de los electrodos con gel y es el tipo de compuesto que recomienda SENIAM.
Los electrodos Ag − AgCl utilizados en nuestra investigación fueron fabricados en
nuestro laboratorio de química y su respectivo gel de cloruro de potasio.
12. Normas SENIAM
Los aspectos más importantes sobre la captación y el análisis de señales EMG de
superficie fueron tratados en un consenso multinacional llamado SENIAM (Surface EMG for
the Non-Invasive Assesment of Muscles) donde se discute desde la construcción del
electrodo hasta su ubicación.
Distancia entre electrodos
De 20mm a 30mm.
Posición de Electrodos
Longitudinal: Entre la terminación de la neurona motora y el tendón distal.
Transversal: Sobre la zona media del músculo, de tal forma que la línea que une los
electrodos, sea paralela con el eje longitudinal del músculo.
ABI - UNSA
13. Procesamiento Digital de Señales
Un procesador digital de señales o DSP en ingles, es un sistema basado en un procesador o
microprocesador que posee un juego de instrucciones, un hardware y un software optimizados para
aplicaciones que requieran operaciones numéricas a muy alta velocidad. Debido a esto es
especialmente útil para el procesado y representación de señales analógicas en tiempo
real, accediendo y recibiendo muestras con un determinado periodo y resolución. Para poder
trabajar con señales analógicas, el sistema digital tiene embebido un conversor analógico/digital
(ADC) a su entrada y un conversor digital/analógico (DAC) a su salida. Como todo sistema basado
en procesador programable necesita una memoria donde almacenar los datos con los que
trabajará y el programa que ejecuta.
ABI - UNSA
14. Inteligencia Artificial
La inteligencia artificial nació durante la segunda guerra mundial (1937-1945).
El Gobierno norteamericano encargo a Norbert Wiener, profesor del MIT, que estudiara la
posibilidad de regular automáticamente la dirección de tiro de los cañones antiaéreos y
paralelamente las grandes potencias realizaban trabajos similares.
Reconocimiento de Patrones
El objetivo del procesamiento e interpretación de datos sensoriales es lograr una
descripción concisa y representativa del universo observado.
Estos elementos se perciben como patrones y los procesos que llevan a su comprensión
son llamados procesos perceptuales. Esta información de interés incluye nombres,
características detalladas.
ABI - UNSA
15. Redes Neuronales
En el campo de la inteligencia artificial se refiere habitualmente de forma más sencilla como redes
de neuronas o redes neuronales, a las redes de neuronas artificiales (RNA o en inglés ANN); son
un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona
el sistema nervioso humano. Se trata de un sistema de interconexión de neuronas en una red que
colabora para producir un estímulo de salida
ABI - UNSA
16. El Brazo Humano
Tipos de Músculos:
Pronador Redondo
Palmar Mayor
Supinador Largo
Bíceps
Músculos para el Análisis y
Control Robótico
ABI - UNSA
17. Tipos de Movimientos
Pronación; Es uno de los movimientos básicos de las
articulaciones la rotación del antebrazo que permite situar la
mano con el dorso hacia arriba; el movimiento contrario se
denomina supinación.
Flexión; Es el movimiento por el cual los huesos u otras partes
del cuerpo se aproximan entre sí en dirección antero-
posterior, paralela al plano sagital. La flexión del bíceps
braquial contraído aproxima el antebrazo al brazo. El
movimiento opuesto a la flexión es la extensión.
Abducción; Es el movimiento de separación de una parte del
cuerpo respecto al plano de simetría-sagital-de éste. Los
brazos caídos a lo largo del cuerpo, su elevación lateral por la
acción del músculo deltoides, dicho músculo es abductor del
brazo. El movimiento opuesto a la abducción es la aducción.
ABI - UNSA
18. Conceptos Robóticos
Servo Motor
Un Servo es un dispositivo pequeño que tiene un eje
de rendimiento controlado. Este puede ser llevado
aposiciones angulares específicas al enviar una señal
codificada.
Motores DC
Los motores DC o de corriente directa son por lo
general, constituidos por dos imanes permanentes
fijados en la carcasa y una serie de bobinados de
cobre ubicados en el eje del motor, que
habitualmente suelen ser tres. El funcionamiento se
basa en la interacción entre el campo magnético
del imán permanente y el generado por las
bobinas, ya sea una atracción o una repulsión
haciendo que el eje del motor inicie su movimiento.
ABI - UNSA
19. Se define biomaterial a cualquier sustancia o combinación de sustancias, de origen natural o
sintético, diseñadas para actuar interfacialmente con sistemas biológicos con el fin de
evaluar, tratar, aumentar o sustituir algún tejido, órgano o función del organismo humano.
Naturales: Son materiales complejos, heterogéneos y difícilmente
caracterizables y procesables. Algunos ejemplos son el colágeno
purificado, fibras proteicas como seda, lana, etc.
Sintéticos: Los biomateriales sintéticos pueden ser metales, cerámicas
o polímeros y comúnmente se denominan materiales biomédicos, para
diferenciarlos de los biomateriales de origen natural.
20. A continuación se tiene las diferentes etapas realizadas en el proyecto de la implementación
de la prótesis.
21. Diseño de electrodos Ag/ClAg:
Utilizando las normas establecidas en SENIAM se obtuvo por electrolisis los electrodos y luego
se diseñó la ubicación según las normas .
ABI - UNSA
22. Diseño de Electromiografía
Debido a la magnitud de las señales Electromiográficas son menores a 10mV, al ruido ambiental
y otros ruidos debidos a otros músculos (por ejemplo el corazón), es necesario realizar una
amplificación de forma diferencial.
Los Opamps utilizados son el AD620 o INA118.
Circuito Amplificador de Instrumentación
Amplificador de 3 Opamp vs
Amp. Instrumentales
ABI - UNSA
23. Especificaciones de DSP
Velocidad de Procesamiento: Directamente vinculada a la capacidad de manejo de datos
para la extracción de características y ejecución de la red neuronal.
Conversor Analógico/Digital: El proyecto requiere de 3 canales de entrada analógica para
las 3 zonas musculares a analizar y que soporten periodos de muestreo como mínimo de
1ms.
Lenguajes de Programación: Se buscó un procesador que soporten plataforma con
lenguajes de programación estándares; como C, C++, Matlab, LabVIEW.
Compatibilidad de Código: Se tomó en cuenta la exportabilidad e importabilidad de código
para la plataforma del procesador, ligada directamente su software de programación.
Coste en el Mercado: Se buscara el integrado que no supere mucho el coste de
implementación.
Se escogió el TMS320C5509A de Texas Instruments
ABI - UNSA
25. Extracción de Características
De acuerdo a Englehart los primeros 400ms de un movimiento muscular son suficientes
para la identificación del movimiento por lo que se realizó la extracción de la señal con una
ventana de esa amplitud a partir del inicio del movimiento, detectado por umbralización. La
extracción de características es un paso importante en el proceso de reconocimiento de
patrones. En el caso de las señales EMG, un patrón está representado por una señal x(t)
en el dominio del tiempo.
ABI - UNSA
26. Aproximación Temporal
El comportamiento de una señal en el dominio del tiempo puede entregar características
significativas que dan una idea del comportamiento frecuencial de la señal y de su intensidad.
Valor Medio Absoluto
Cruces por cero
Cambio de pendiente
Longitud de la onda
ABI - UNSA 26
27. Aproximación Espectral
Es una señal consiste en estudiar en detalle el comportamiento de sus componentes armónicos en
el dominio de la frecuencia. Debido a que la mayoría de las señales biológicas son no-estacionarias,
por lo que su espectro varía con el tiempo. Para tener una idea del tipo de movimiento que se está
realizando, las señales Mioeléctricas presentan un contenido espectral el cual va a ser analizado a
través de la función P(f) conocida como la densidad del espectro de potencia (PSD). Para tal se
usaron dos métodos: Periodograma y Espectrograma.
Periodograma
Espectrograma
Enventanado de la señal
ABI - UNSA 27
28. Transformada Wavelet
Fue desarrollada para mantener tanto las propiedades frecuenciales
como las temporales de una señal. Este análisis es basado en un
conjunto completo de funciones (llamadas wavelets) que se pueden
ubicar tanto en el dominio del tiempo como en el de la frecuencia. La
TW de f(t) está dada en función de dos parámetros a y b, donde a
representa la escala de frecuencia, y b indica la ubicación en el tiempo
de la wavelet , así:
Transformada Wavelet Discreta
Para el caso de la transformación discreta debemos tomar en cuenta un
muestreo que convierta la señal continua en discreta. El muestreo que se utiliza
está basado en el análisis de Multiresolución (AMR) que es un análisis de la
señal a estudiar de tal forma que cada componente de frecuencia es analizado
con una resolución diferente. Se representaentonces la Descomposición Wavelet
ABI - UNSA 28
30. Software Biométrico
Tiene por finalidad tomar las medidas reales de una mano para la elaboración de un Brazo
Robótico o Prótesis .
ABI - UNSA
31. Diseño del Prototipo de una Prótesis
Para la implementación del brazo robot se diseñó el prototipo de
forma completa en el software de Inventor.
ABI - UNSA
34. Se diseñó un sistema de control de motores y sensor basado en microcontroladores, este
sistemas controlara 4 servomotores con 3 sensores de Touch en el pulgar, índice, y dedo
medio respectivamente que limitaran el movimiento del brazo para sujetar objetos con la
mano.
Además un motor DC retroalimentado con un potenciómetro para la flexión y extensión del
antebrazo, además recibirá el comando de control de motores vía comunicación serial USART
del Sistema de Reconocimiento de Patrones en el DSP.
36. Entrenamiento de Redes Neuronales
Matriz de Caracteristicas
15
10
5
Amplitudes
0
-5
-10
-15 80
80 60
60
40
40
20 20
Caracteristicas 0 0 Movimientos
Se realizo mediante la extracción de características de 7 movimientos: abrir y cerrar
mano, aducción y abducción de mano, pronación y supinación de mano y flexión y extensión de
antebrazo; con n repeticiones de cada movimiento.
ABI - UNSA
37. Base de Longitudes de la Mano
La toma de datos se realizó de un universo de 10 individuos, la medición se hizo con la
limitación de las articulaciones de falange, falangina, falangeta y palma. Dichas mediciones
están consideradas en centímetros (cm).
Pulgar Índice Medio
Falang Falangi Falanget Falang Falangi Falanget
e na a Falange Falangina Falangeta e na a
1 3,25 3,16 3,05 4,1 2,84 2,32 4,23 3,91 2,33
2 3,27 3,18 3,07 4,12 2,86 2,34 4,25 3,93 2,35
0 3,26 3,17 3,06 4,11 2,85 2,33 4,24 3,92 2,34
4 3,28 3,19 3,08 4,13 2,87 2,35 4,26 3,94 2,36
5 3,24 3,15 3,04 4,09 2,83 2,31 4,22 3,9 2,32
6 3,25 3,16 3,05 4,1 2,84 2,32 4,23 3,91 2,33
7 3,23 3,14 3,03 4,08 2,82 2,3 4,21 3,89 2,31
8 3,26 3,17 3,06 4,11 2,85 2,33 4,24 3,92 2,34
9 3,28 3,19 3,08 4,13 2,87 2,35 4,26 3,94 2,36
10 3,22 3,13 3,02 4,07 2,81 2,29 4,2 3,88 2,3
Promed 3,254 3,164 3,054 4,104 2,844 2,324 4,234 3,914 2,334
ABI - UNSA
38. Implementación de Brazo Robot
La implementación del brazo se realizó de acuerdo a los diseños del software Inventor con las
medidas promedio halladas en la medición realizada por el software biométrico.
Mano Robot Antebrazo
Brazo
ABI - UNSA
44. Se obtuvieron señales utilizando técnicas modernas de
almacenamiento de datos en memoria garantizando que el análisis
sea hecho sobre toda la señal adquirida en el procesador digital de
señales y que no se exista perdida de datos durante esta operación,
logrando confiabilidad efectiva.
Se diseño e implementó un brazo robot antropomórfico que
representa los movimientos básicos del brazo humano, se tomó las
características esqueléticas para generar ejes de movimiento e
incorporando servomotores de potencia-precisión que simularon las
fibras y grupos musculares.
Se implementó un módulo de toma de imágenes que extraigan las
longitudes de las cuales nos brindaron una base de dimensiones,
para diseño de brazos robóticos con dimensiones similares a los
brazos reales, se concluyó que la información brindada con la
webcam es suficiente para tomar como longitudes válidas.
45. Se diseñó un modelo robótico virtual del brazo que sirvió para crear
una modelo real, dicho modelo se puede tomar como referencia
para modificar las medidas y crear prótesis personalizadas.
Se utilizaron técnicas de caracterización hibridas permitiendo un
mejor desempeño por parte del clasificador, lo cual se evidencio en
el tiempo de entrenamiento de la red neuronal, y en los porcentajes
de acierto. Comparando con otros trabajos realizados sobre el
mismo tema y que utilizan el mismo número de electrodos, se tiene
que los porcentajes de acierto en la clasificación cuando se utilizan
vectores de características hibridas son entre un 5% y un 10%
superiores.
La utilización del brazo robótico muestra el alcance de este trabajo
para ser aplicado en ambientes físicos reales, tanto en la ayuda de
personas con discapacidad donde el movimiento de un par de
músculos es suficiente para controlar un dispositivo que les pueda
prestar un servicio.
El uso de la STFT nos permite analizar las señales con más
detalle, pues nos da información de la energía que lleva la señal por
tramos, permitiéndonos obtener datos más diferenciables entre los
distintos movimientos efectuados.
46. Natalia M. López Celani, Carlos M. Soria, Eugenio C. Orosco, Fernando A.
di Sciascio, Max E. Valentinuzzi "Two-Dimensional Myoelectric Control of
a Robotic Arm for Upper Limb Amputees" Gabinete de Tecnología Médica,
Instituto de Automática (INAUT), Universidad Nacional de San Juan (UNSJ),
San Juan, Argentina
Gustavo Betancourt o., Eduardo Giraldo Suárez, John Fredy Franco b.
“Reconocimiento de patrones de movimiento a partir de señales
electromiografías” Scientia et Technica Año X, No 26, Diciembre 2004.
UTP. ISSN 0122- 1701 53
L.Birkendal,T. Collen, S. Dagilis, G. Delavernhe,, J.Emborg,, ”Patern
Recognition of upper-body electromyography for control of lower limb
prostheses”. Institute of Electronic Systems, Aalborg University, June
2002.
F. Farfan, J. Politti y C. Felice, “Evaluación de Patrones Temporales y
Espectrales para el Control Mioeléctrico” XV Congreso de
Bioingeniería, publicado.
K. Englehart, “Signal Representation for classification of the Transient
Myoelectric Signal”, Tesis Doctoral, 1998.
S. Du, M. Vuskovic, “Temporal vs. Spectral Approach to Feature Extraction
from Prehensile EMG Signals”. Department of Computer Science, San
Diego State University, 2003.
TextBook of Medical Physiology, Arthur C. Guyton, M.D. John E. Hall, Ph.D.
2006