Comparación de algoritmos de aprendizaje automático para la clasificación de posturas de la mano y dedos

  1. Enaitz Otazua 1
  2. Eloy Irigoyen 1
  3. Eukene Imatz-Ojanguren 2
  4. Thierry Keller 2
  1. 1 Universidad del País Vasco/Euskal Herriko Unibertsitatea
    info

    Universidad del País Vasco/Euskal Herriko Unibertsitatea

    Lejona, España

    ROR https://ror.org/000xsnr85

  2. 2 Tecnalia
    info

    Tecnalia

    Derio, España

Buch:
XL Jornadas de Automática: libro de actas. Ferrol, 4-6 de septiembre de 2019
  1. Jose Luis Calvo Rolle (coord.)
  2. Jose Luis Casteleiro Roca (coord.)
  3. María Isabel Fernández Ibáñez (coord.)
  4. Óscar Fontenla Romero (coord.)
  5. Esteban Jove Pérez (coord.)
  6. Alberto José Leira Rejas (coord.)
  7. José Antonio López Vázquez (coord.)
  8. Vanesa Loureiro Vázquez (coord.)
  9. María Carmen Meizoso López (coord.)
  10. Francisco Javier Pérez Castelo (coord.)
  11. Andrés José Piñón Pazos (coord.)
  12. Héctor Quintián Pardo (coord.)
  13. Juan Manuel Rivas Rodríguez (coord.)
  14. Benigno Rodríguez Gómez (coord.)
  15. Rafael Alejandro Vega Vega (coord.)

Verlag: Servizo de Publicacións ; Universidade da Coruña

ISBN: 978-84-9749-716-9

Datum der Publikation: 2019

Seiten: 211-217

Kongress: Jornadas de Automática (40. 2019. Ferrol)

Art: Konferenz-Beitrag

DIALNET GOOGLE SCHOLAR lock_openRUC editor

Zusammenfassung

El deterioro de la movilidad de la extremidad superior es una de las consecuencias más comunes de los accidentes cerebrovasculares. La estimulación eléctrica funcional (FES) ha demostrado ser una terapia efectiva para recuperar la movilidad y la función de la mano. Para desarrollar un sistema de control para la aplicación de FES es necesario primero obtener un clasificador capaz de identificar los movimientos de la mano y los dedos. Este estudio contribuye a la fase inicial de este proceso, donde se analiza el comportamiento de diferentes algoritmos durante la clasificación de gestos de la mano durante movimientos de agarre realizados por un voluntario sano. Entre los algoritmos de clasificación utilizados para el reconocimiento del movimiento de agarre, los que mejores resultados han obtenido observando la precisión y tiempo de computación han sido el Extra Trees, Random Forest y SVM.

Fuente de los datos: Dialnet