@MASTERSTHESIS{ 2019:1285292630,
 	title = {Estratégia de caracterização de sinais eletromiográficos baseada em redes neurais artificiais para sistemas de controle de máquinas de movimento contínuo},
 	year = {2019},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/9333",
 	abstract = "Os seres humanos sofrem frequentemente de lesões nos membros inferiores, principalmente as relacionadas aos movimentos diários, sendo o envelhecimento um fator de risco. Isso afeta a saúde e submete o corpo humano a intervenções cirúrgicas e terapias indesejáveis. Nesse cenário, os objetivos deste trabalho são: (a) usar rede neural artificial (RNA) para identificar e classificar padrões musculares com base em sinais eletromiográficos (EMG) e (b) usar a decisão de saída da RNA para controlar uma Máquina Movimento Passivo (CPM, do termo em inglês: Continuous Passive Movement) durante uma sessão de fisioterapia do paciente. A estratégia usa eletromiografia de superfície combinada com um método de aprendizado supervisionado e inteligência artificial (IA) para criar um sinal de 𝑓𝑒𝑒𝑑𝑏𝑎𝑐𝑘 que permite que esses dispositivos funcionem no modo de Movimento Ativo Contínuo (CAM, do termo em inglês: Continuous Active Movement). Métodos: Este trabalho utilizou 300 sinais EMG coletados do músculo vasto lateral de 10 indivíduos saudáveis para desenvolver um sistema classificador de força. O núcleo do classificador é composto por uma rede neural treinada (𝑏𝑎𝑐𝑘𝑝𝑟𝑜𝑝𝑎𝑔𝑎𝑡𝑖𝑜𝑛). Os sinais EMG são classificados em níveis de força pré-definidos, que por sua vez são usados como entradas para controlar uma máquina de CPM. Assim, existe uma correspondência direta entre cada um dos níveis de força pré-definidos e o deslocamento linear da máquina CPM. Resultados: A RNA treinada classifica, em tempo real, sinais EMG em níveis de força com precisão de 81% com eficiência computacional. Após receber os níveis de força pré-definidos da saída da RNA, o atraso que o sistema de controle mecânico leva para ajustar a máquina de CPM é inferior a 100 segundos. Conclusão: A assertividade baseada em IA da estratégia proposta nos permite considerar a extensão do uso de sinais EMG de músculo único para pavimentar o caminho para o controle de outras máquinas biomecânicas em um futuro próximo.",
 	publisher = {Pontifícia Universidade Católica do Rio Grande do Sul},
 	scholl = {Programa de Pós-Graduação em Engenharia Elétrica},
 	note = {Escola Politécnica}
}