Evaluación y desempeño de los sensores Myo Armband y MindRove

Abstract

[Resumen] Los últimos avances en las tecnologías vestibles han tenido un impacto muy positivo en los seres humanos mejorando su calidad de vida, habilidades y confort. Los sensores vestibles, como por ejemplo, los sensores de electromiografía superficial permiten una mejor adaptación a la forma del cuerpo humano, menos complejidad en su uso y menos notable estéticamente, siendo usados hoy en día en diferentes dispositivos protésicos o de rehabilitación permitiendo a los usuarios una mayor autonomía. Entre los sensores de electromiografía más usados por los centros de investigación, es el brazalete Myo Armband que dejó de fabricarse en el año 2018. Basándose en esta limitación, se propone evaluar la respuesta del brazalete Myo Armband frente al sensor MindRove, con el objetivo de poder elegir un sustituto del Myo Armband. En este trabajo se presentan las principales características de las señales de electromiografía, la adquisición y procesamiento para el uso en la clasificación de gestos. Los resultados preliminares obtenidos sobre el mismo algoritmo de clasificación, presentado anteriormente por el grupo de investigación, demuestran que las señales adquiridas con MindRove fueron clasificadas con una precisión de 70.3% frente a las señales adquiridas con Myo Armband donde la precisión fue de 92.7%. Cabe mencionar, que no se utilizaron filtros adicionales, únicamente se hizo uso de los API de Matlab para adquirir las señales, posteriormente fueron rectificadas y segmentadas para su clasificación.

[Abstract] The latest advances in wearable technologies have had a very positive impact on the lives of human beings, improving their quality of life, abilities and comfort. Wearable sensors, such as the case of surface electromyography sensors, allow a better adaptation to the shape of the human body, less complexity in its use and less aesthetically remarkable, being used today in different prosthetic or rehabilitation devices that allow their users greater autonomy. One of the most used electromyography sensors by research groups is the Myo Armband, which was discontinued in 2018. This paper presents the main characteristics of electromyography signals, their acquisition and processing with the aim of being able to choose a substitute for the Myo Armband for use in gesture classification. In this sense, the response of the Myo Armband bracelet against the MindRove sensor is presented and evaluated. The preliminary results obtained on the same classification algorithms, previously presented by the research group, show that the signals acquired with MindRove were classified with an accuracy of 70.3% compared to the signals acquired with Myo Armband where the accuracy was 92.7%. It is worth mentioning that no additional filters were used, Matlab APIs were used to acquire the signals and the signals were rectified and segmented for its classification.