REVISION BIBLIOGRAFICA: IMPLEMENTACION DE ELECTROMIOGRAMA (EMG) PARA EL CONTROL DE PROTESIS, UNIVERSIDAD DE LOS ANDES, 2017
Implementacion de Electromiograma (EMG) para el
control de protesis
Mara Clavijo, Mara Leon, Alejandra Martnez y Sara Nieto
AbstractLas protesis y dispositivos como exoesqueletos son
dispositivos que permiten recobrar gran parte del movimiento
perdido, bien sea por la perdida de un miembro del cuerpo o por
la lesion de distintas zonas que ocasionan danos en los musculos
y por ende, en el movimiento. Debido a la alta incidencia de estos
eventos y el aumento en la necesidad del desarrollo autosuficiente
de las personas, se han estudiado diversas opciones para lograr
mejorar el desempeno de las protesis y permitir que estas se
asemejen cada vez mas a la parte humana, logrando que responda
a las tareas que la persona requiera realizar de manera adecuada,
inmediata y con la mayor precision posible. As, se ha propuesto
el uso de senales, como las del Electromiograma (EMG), con las
cuales se pueda determinar el movimiento que se quiere realizar
y de esta manera, esta informacion se traduzca a una actuacion
del dispositivo protesico empleado, para que as, las personas
recobren el movimiento y en cierta medida, el miembro ausente
o de funcionamiento inapropiado. En este caso particular se
propone el uso de senales obtenidas a partir de EMG para el
control de una protesis de mano, tomando los dedos como un
conjunto y no cada uno de manera independiente.
Index TermsEMG, senales, protesis, musculos. mas complejos como lo son el movimiento individual de los
I. I NTRODUCCI ON
H ASTA el 2008, la incidencia de amputacion es de 1.5
personas por cada 1000. Ademas, 10 millones de per-
sonas en el mundo tienen alguna amputacion [1]. Actualmente
se tiene un promedio de 7 personas amputadas por cada
1000 en el mundo [2]. Las amputaciones pueden darse por
enfermedades vasculares, diabetes, por accidentes o traumas,
por cancer, entre otros [3]. Por otra parte, la disminucion o
perdida de la capacidad motora puede deberse a derrames
cerebrales, que producen la perdida de neuronas que coordinan
el movimiento de diferentes zonas. Tambien por paralisis,
que causa la perdida de la habilidad motriz. Por otro lado,
estan las miopatas congenitas, distrofia muscular, sndrome
de Guillain-Barre, polio, entre otras [4]. Estas condiciones
generan que las personas no puedan tener movimiento en
algunas zonas o en caso de tenerlo no es controlado o es
debil, por lo que es necesaria una ayuda externa para realizar
diversas actividades. Sin embargo, no siempre se cuenta con
una persona de ayuda o de elementos que permitan facilitar
las tareas. Por esto se han desarrollado protesis que permitan
reemplazar el miembro e incluso exoesqueletos con el que se
logra guiar y controlar el movimiento.
Las primeras protesis empleadas eran un simple apoyo para
las personas y principalmente de miembros inferiores, debido
a que se centraban en recuperar la perdida esqueletica [5].
Estas protesis no permitan una correcta separacion de los
musculos, por lo que solo eran posibles movimientos basicos.
Sin embargo, con el tiempo, gracias a la implementacion
1
de tecnologa las protesis han cambiado, implementando sis-
temas en los que, gracias a diferentes inputs de senales, se
logra realizar diferentes movimientos, los cuales han sido
determinados anteriormente, por medio de algoritmos para su
identificacion [5]. De aqu surgen las protesis mioelectricas,
que se basan en el uso de senales obtenidas de electromiografa
(EMG), las cuales determinan el movimiento voluntario de las
extremidades. Estas protesis hacen contacto en la superficie de
la piel, para as obtener informacion de los musculos y generar
el movimiento [6]. En este tipo de protesis hay unas que
presentan los electrodos o el sistema de sensores, conectado
a la piel y otros directamente a los musculos de la parte
amputada. En la ultima configuracion se logra obtener una
senal mas especfica debido a que se eliminan las interferencias
generadas por la piel y diversas estructuras. Este tipo de
protesis permiten no solo movimientos como abrir y cerrar
la mano, doblar y estirar la pierna, sino tambien movimiento
dedos o diversas articulaciones [7]. Esto se debe a que a
traves de las senales captadas, es posible diferenciarlas para
obtener los diferentes tipos de movimientos y las estructuras
que acompanan cada uno de estos.
Es as como se ve en esta tecnologa y configuracion la
respuesta a la creacion de protesis de las que se tenga un mayor
control y el aumento en los grados de libertad y por ende,
en los movimientos que se puedan hacer. As, senales como
las obtenidos a traves del EMG, pueden ser empleadas para
determinar el tipo de movimiento y las estructuras relacionadas
con el mismo. As, por medio de circuitos integrados con este
y algoritmos, se pueden mover distintas estructuras de una
protesis, para satisfacer los comandos ingresados por el usuario
y que este cumpla las tareas deseadas.
II. C UERPO
A. EMG
La electromiografa (EMG) es el estudio de las senales
electricas musculares generadas por la combinacion de po-
tenciales de accion en las fibras musculares (MUAP). Estas
senales son adquiridas por electrodos ubicados en la superficie
de la piel (Figura 1) y ocurren en intervalos aleatorios,
por lo que pueden presentar un voltaje positivo o negativo
indistintamente. [8] La ecuacion de un modelo simple de EMG
esta dada por:
N 1
X
x(n) = h(r)e(n r) + w(n) (1)
r=0
REVISION BIBLIOGRAFICA: IMPLEMENTACION DE ELECTROMIOGRAMA (EMG) PARA EL CONTROL DE PROTESIS, UNIVERSIDAD DE LOS ANDES, 2017
Donde x(n) es la senal modelada, h(r) el impulso de
disparo, e(n) el punto procesado, w(n) el MUAP, 0 es ruido
blanco Gaussiano y N unidades motoras de disparo. [8]
La senal obtenida, que tiene un rango de 0-10 mV (+/-
5), es amplificada y procesada para eliminar distintos ruidos
como lo son: el ruido inherente y ambiental,artefactos de
movimiento e inestabilidad inherente de la senal. Asimismo,
otros factores pueden afectar la sena que pueden ser: factores
de causalidad (extrnsecos o intrnsecos), factores intermedios
y factores determinantes. Generalmente, la variable de interes
es la amplitud, por lo que esta es generalmente rectificada
y promediada por lo cual se halla el valor absoluto de cada
punto. [8]
Finalmente, existen dos metodos para detectar senales de
EMG las cuales son: single-threshold method y double-
threshold detection. El primero consiste en la comparacion de
senales rectificadas con un umbral de amplitud determinado
por la potencia del ruido del ambiente, por lo que puede
presentar problemas a la hora de determinar falsos positivos en
la probabilidad de deteccion; el segundo resuelve el problema
del anterior, debido a que tienen una probabilidad de deteccion
mas alta con mayor grado de libertad. [7], [8]
Fig. 1. Posicion de los electrodos en el tronco y el brazo [9].
B. Pre-procesamiento (Amplificacion y Filtrado)
La senal de EMG adquirida por los electrodos presenta
una amplitud que se encuentra en el rango entre los micro
voltios y los milivoltios. Por este motivo, se debe realizar una
amplificacion utilizando un amplificador de instrumentacion
que presente un CMRR aproximado de 110 dB [10]. Este
valor hace referencia a la ganancia del modo comun respecto
a la ganancia del modo diferencial. En este caso, se busca
que la ganancia del modo diferencial sea mayor, con el fin de
disminuir errores y obtener una mejor calidad de la senal.
Ahora bien, teniendo la senal amplificada se procede a la
filtracion de la misma, mediante el uso de un filtro pasa bandas.
Este filtro permitira eliminar componentes no deseados que se
encuentren en la senal de EMG. Es decir, que el filtro pasa
bandas implementado eliminara componentes de frecuencia
menores a 20 Hz y mayores a 500 Hz. Estos valores se
definen teniendo en cuenta que el espectro de la senal EMG
se encuentra en un rango entre 20 y 500 Hz [11].
2
C. Procesamiento
Al tener la senal condicionada se procede a realizar el proce-
samiento de la misma. En primer lugar, se debe identificar la
zona de la senal donde ocurre la contraccion muscular. Se ha
visto que esta puede ser identificada utilizando un valor de
umbral para la varianza de la senal [11]. Asimismo, ha sido
descrito un metodo similar conocido como single-threshold
method. Este metodo consiste en comparar la senal de EMG
con un umbral definido. La amplitud del umbral definido
depende del promedio del poder de la senal de ambiente[12].
No obstante, es importante tener en cuenta que los resultados
obtenidos dependen del umbral que se defina. Por este motivo,
se han definido otros metodos como el double treshold
method. Este metodo permite que el usuario adapte la union
entre un falso positivo y la probabilidad de deteccion con un
grado de libertad mayor que el single treshold method. De
esta forma, la probabilidad de deteccion sera mayor[12]. Ahora
bien, al identificar en el tiempo la localizacion de la senal
se extraeran caractersticas especficas de la senal que seran
utilizadas para el movimiento de la protesis. Por su parte, el
metodo binario es un sistema de control basico que unicamente
tiene en cuenta la amplitud de la senal [13]. Es decir, si la
senal cruza el umbral definido previamente la protesis abrira
o cerrara. Ahora bien, se han implementado otros metodos
como el algoritmo variable, donde se anade un mayor numero
de valores de umbral para definir las velocidades a las que se
debe abrir o cerrar la protesis [13]. No obstante, al depender
de la amplitud, se requiere una gran cantidad de fuerza para
controlar el sistema.
Existen otros metodos de mayor complejidad utilizados
para clasificar la senal en un tipo de gesto o movimiento.
Entre estos se encuentran el modelo autor-regresivo (AR) y la
utilizacion de support vector machines. Por su parte, el modelo
AR estimara senales utilizando combinaciones lineales de
senales previas [13]. Estos coeficientes de las combinaciones
lineales permitiran caracterizar los distintos movimientos y
seran utilizados para entrenar un clasificador de redes neu-
ronales. Los coeficientes del AR pueden ser calculados a partir
de la utilizacion de mnimos cuadrados (LMS)[11]. Por otra
parte, los Support vector machines permiten clasificar vectores
de caractersticas de la senal de EMG. En primer lugar, estos
vectores son encontrados calculando el rms de la ventana
de la senal del EMG de cada canal en estado estable [14].
La clasificacion puede ser binaria o en multiples clases. Por
su parte, en la clasificacion de multiples clases se entrena
un SVM binario para cada par de clases. De esta forma, se
clasificara cada dato en su clase respectiva [14]. Teniendo la
clasificacion de cada gesto o movimiento sera posible controlar
el movimiento del brazo robotico.
D. Casos
El politecnico de Milano llevo a cabo un estudio sobre la
viabilidad de la posibilidad real de integrar en una protesis
activa un controlador basado en un clasificador multiclase [15].
Determinar la factibilidad de una clasificacion multiclase de
senales adquiridas por una placa de adquisicion miniaturizada
es con el objetivo de crear una relacion entre unos patrones
REVISION BIBLIOGRAFICA: IMPLEMENTACION DE ELECTROMIOGRAMA (EMG) PARA EL CONTROL DE PROTESIS, UNIVERSIDAD DE LOS ANDES, 2017
predefinidos de movimientos de la mano y de la muneca,
y las senales del EMG correspondientes generadas por los
musculos del antebrazo. Para la adquisicion de senales del
EMG, se implementaron tres canales diferentes en configu-
racion bipolar, es decir, seis electrodos mas uno de referencia,
que se ubicaron a lo largo del extensor Carpi Ulnaris, el
extensor Digitorum Communis, a lo largo de los musculos
flexores y finalmente, la referencia en el codo. En los canales
uno y dos se espero detectar senales fuertes producidas en
movimientos de extension mientras que en el canal 3 se espero
que se detectaran senales mas precisas de movimientos de
flexion. Estas senales se transmiten desde los electrodos hasta
el computador por medio de una placa pequena de adquisicion.
El sistema de adquisicion empleado es capaz de registrar toda
la actividad muscular que va desde la fase de relajacion y
contraccion, donde esta ultima es la de interes. Se reconocieron
los siguientes movimientos: abrir y cerrar la mano, flexionar
y extender la muneca, abduccion y oposicion del pulgar y
extension del ndice. Se obtuvo una base para el diseno de
una nueva protesis dado que todo el control protesico se basa
e el analisis de las senales del EMG, y ademas, desarrollaron
un hardware/software para la clasificacion de senales de siete
movimientos, con una precision en el clasificador que es
comparable con los mejores resultados obtenidos en otros
estudios.
En un estudio realizado por el Instituto Nacional de Ciencia
Industrial y Tecnologa en Japon, se busco a partir de una
variante y una aplicacion de la representacion colaborativa
basada en clasificacion (CRC) en un dominio espectral, el
reconocimiento gestual de las manos usando las senales
electromiograficas de una superficie dermica [16]. Para este
estudio trabajaron con un dispositivo que meda la actividad en
cuatro musculos anteriores y cuatro musculos posteriores del
brazo y registraba la actividad en unidades IMU que reporta los
parametros relacionados con movimientos a una frecuencia de
50Hz en tanto que la frecuencia para las senales del EMG son
de 200Hz. Dado que las senales del EMG consisten en picos
del potencial de accion de la unidad motora, se emplearon
metodos de subespacios de agrupacion para las parejas de
gestos repetidos, los cuales llevaron a la formacion de cuatro
estados de mano en las repeticiones de las parejas gestuales
y se creo un diccionario de entrenamiento de movimientos
que contiene 10 clases de gestos. Como resultado, por medio
de los metodos de agrupacion subespacial se formaron limites
gestuales en estados representativos. La CRC basada en car-
actersticas espectrales cuenta con la capacidad de reconocer
gestos con un alto nivel de precision en comparacion con los
metodos disponibles.
III. D ISCUSI ON Y CONCLUSIONES
Debido a las ventajas en el uso de EMG para la produccion y
control de movimientos, se propone la creacion de una protesis
de mano, guiada por senales de EMG. Estas debe permitir tres
movimientos principalmente: simular la flexion y extension, el
movimiento horizontal (hacia un lado y el otro) y finalmente
la rotacion (2. Esto se lograra por la implementacion de
electrodos en musculos del brazo y antebrazo y, por medio
3
de diferentes combinaciones de movimientos de estos, sera
posible determinar la senal y diferenciarla para lograr el
movimiento que se desea.
Fig. 2. Movimientos a producir por la mano.
[17]
R EFERENCES
[1] M. LeBlanc. (2008) give hope - give a hand - the ln-4 prosthetic
hand. [Online]. Available: https://web.stanford.edu/class/engr110/2011/
LeBlanc-03a.pdf
[2] D. from healthgrades. (2017) Statistics by country for
amputation. [Online]. Available: http://www.rightdiagnosis.com/a/
amputation/stats-country.htm
[3] A. A. S. LLC. (2017) Amputee statistics you ought to know. [Online].
Available: https://medlineplus.gov/ency/article/003190.htm
[4] MedlinePlus. (2012) Muscle function loss. [Online]. Available:
http://www.advancedamputees.com/amputee-statistics-you-ought-know
[5] J. V. E. W. Zach T. Harvey, MAJ Benjamin K. Potter, Prosthetic
advances, JOURNAL OF SURGICAL ORTHOPAEDIC ADVANCES,
vol. 21, no. 1, pp. 5863, 2012.
[6] J. Patel. (2013) Evolution of prosthetics. [Online]. Available:
Diapositivasdepowepoint
[7] T. Johnson. (2014) Implantable sensors improve control for prosthetic
limbs. [Online]. Available: https://www.nibib.nih.gov/news-events/
newsroom/implantable-sensors-improve-control-prosthetic-limbs
[8] M. B. I. Reaz, M. S. Hussain, and F. Mohd-Yasin, Techniques of emg
signal analysis: detection, processing, classification and applications
(correction), Biological Procedures Online, vol. 8, no. 1, pp. 163163,
2006. [Online]. Available: http://dx.doi.org/10.1251/bpo124
[9] A.-C. Tsai, T.-H. Hsieh, J.-J. Luh, and T.-T. Lin, A comparison
of upper-limb motion pattern recognition using emg signals during
dynamic and isometric muscle contractions, Biomedical Signal
Processing and Control, vol. 11, pp. 17 26, 2014. [Online]. Available:
http://www.sciencedirect.com/science/article/pii/S1746809414000184
[10] M. Novak. (2011) Design of an arm exoskeleton controlled by the
emg signal. [Online]. Available: http://www.columbia.edu/njr2121/
mark-novak.pdf
[11] A. de Oliveira Andrade and A. B. Soares. Emg pattern recognition for
prosthesis control. [Online]. Available: http://www.aoandrade.eletrica.
ufu.br/Documents/TRB0234.pdf
[12] M. B. I. Reaz, M. S. Hussain, and F. Mohd-Yasin, echniques of emg
signal analysis: detection, processing, classification and applications,
Biological Procedures Online, vol. 8, no. 1, p. 163163, 2006.
[13] A. Suberbiola, E. Zulueta, and J. M. Lopez-Guede, Arm ortho-
sis/prosthesis movement control based on surface emg signal extraction,
International Journal of Neural Systems, vol. 25, no. 03, p. 1550009,
2015.
[14] P. Shenoy, K. J. Miller, B. Crawford, and R. P. N. Rao, Online
electromyographic control of a robotic prosthesis, IEEE Transactions
on Biomedical Engineering, vol. 55, no. 3, p. 11281135, 2008.
[15] G. Lisi, P. Belluco, D. Cattaneo, and G. Gini, From the classification
of {EMG} signals to the development of a new lower arm
prosthesis, IFAC Proceedings Volumes, vol. 44, no. 1, pp. 6493
6498, 2011, 18th IFAC World Congress. [Online]. Available:
http://www.sciencedirect.com/science/article/pii/S1474667016446471
[16] A. Boyali and N. Hashimoto, Spectral collaborative representation
based classification for hand gestures recognition on electromyography
signals, Biomedical Signal Processing and Control, vol. 24, pp. 11
18, 2016. [Online]. Available: http://www.sciencedirect.com/science/
article/pii/S1746809415001494
REVISION BIBLIOGRAFICA: IMPLEMENTACION DE ELECTROMIOGRAMA (EMG) PARA EL CONTROL DE PROTESIS, UNIVERSIDAD DE LOS ANDES, 2017 4

[17] M. Sandlund, S. McDonough, and C. Hager-Ross, Interactive computer

play in rehabilitation of children with sensorimotor disorders: a system-
atic review, Developmental Medicine & Child Neurology, vol. 51, no. 3,
pp. 173179, 2009.