Procesamiento de Señales Biomédicas con Red
Neuronal Adaline
Processing of Biomedical Signal with Neural Network
Adaline
A. Medina-Santiago, L. E. Gómez-Aguilera, A.
Cisneros-Gomez, E. M. Melgar-Paniagua
Centro de Investigación, Desarrollo e Innovación
Tecnológica, Universidad de Ciencia y Tecnología
Descartes / Instituto de Investigaciones Nucleares
Tuxtla Gutiérrez, Chiapas, México. Ciudad de México.
cidit@universidaddescartes.edu.mx, luigoaga@gmail.com,
acisneros@universidaddescartes.edu.mx,
eva.melgar@inin.gob.mx
Resumen — En este artículo se presenta el desarrollo de un
sistema de apoyo al medico en el diagnóstico de enfermedades
mentales; el sistema se basa en una red neuronal Adaline para el
procesamiento de las señales biomédicas a partir de 4 tipos de
movimientos oculares, a fin de extraer su información e
interpretar el potencial de acción de cada uno de los movimientos
oculares en estudio.
Palabras Clave – Señales Electro-oculográficas (EOG); Red
Neuronal Adeline, Diagnostico.
Abstract — This article presents the development of a support
system for the physician in the diagnosis of mental illness; the
system is based on an Adaline neural network for the processing
of biomedical signals from 4 types of ocular movements in order
to extract their information and interpret the action potential of
each eye movement under study.
Keywords - Electro-oculograficas (EOG) signals; Adaline
neural network, Diagnostics.
I. INTRODUCCIÓN
Las redes neuronales son el nuevo estándar de notación
matemática y representación de arquitecturas para aquellas que
no se han establecido firmemente aún. Además, artículos y
libros sobre redes neuronales han salido de diversos campos,
incluyendo ingeniería, física, psicología y matemáticas, y
muchos autores tienden a usar un vocabulario peculiar a su
especialidad. Muchos libros y artículos son difíciles de leer y
los conceptos parecen ser mucho más complejos que lo que
realmente son, debido a que no hay un estándar establecido
para las RNA [1-3], en este trabajo nos guiamos de las
notaciones de Hagan para redes neuronales [1], aunque también
hay otros autores como Yeung, Dayan, Russell de los que
rescatamos información para esta sección, las ecuaciones para
978-989-98434-7-9/17/$31.00 2017
c AISTI
G. B. Nango-Solis, N. A. Morales-Navarro, J.M.
Villegas-Izaguirre, N. R. García-Chong, J. I.
Bermudez-Rodriguez
Instituto Tecnológico de Tuxtla Gutiérrez / Universidad
Autómata de Baja California / Universidad Autónoma de
Chiapas, Facultad de Medicina Humana
Tuxtla Gutiérrez, Chiapas / Tijuana, Baja California,
México / Tuxtla Gutiérrez, Chiapas. México
gbnango@ittg.edu.mx, nmorales@ittg.edu.mx,
villegas_josemanuel@uabc.edu.mx, negarcia@crae.gob.mx,
robotyk.jb@gmail.com
las Redes Neuronales serán expresadas de acuerdo a las
propuestas por Hagan [1], que son mas generalizadas e
inclusive el software Matlab [5, 10-12] tiene los ejemplos de
sus ejercicios.
El procesamiento de señales biomédicas se realiza para
extraer información del funcionamiento de los distintos
sistemas del organismo. Las medidas más usuales agrupadas
por sistemas correspondientes a los sistemas cardiovascular,
respiratorio, nervioso y muscular, destacando el tipo de
información que proporcionan y el método de medida
utilizado.
Es así como La definición de "Señal Biomédica" incluye
todas la señales usadas en el diagnostico o investigación
medica que se originan de alguna manera en el cuerpo, este
campo ha sido impulsado principalmente en las últimas dos
décadas gracias al desarrollo en el procesamiento de señales.
Cuando el propósito de la señal es el procesamiento, no es
muy relevante cual es la fuente de la señal o qué tipo de señal
biomédica es, lo que es primordial es el tipo de la señal.
El artículo esta compuesto por la sección II que expresa un
marco teórico y la definición de la red neuronal Adaline
definida, la sección III muestra los resultados experimentales
del procesamiento de las señales biomédicas con la red
neuronal Adaline desarrollada e implementada en un sistema
embebido de alto desempeño, la sección IV muestra las
pruebas reales del sistema y sus resultados al tomar muestras
en pacientes bajo estudio y por ultimo se presentan las
conclusiones del artículo.
2256
 II. MARCO TEÓRICO
A. Introducción
El presente trabajo tiene como objetivo principal analizar,
diseñar e implementar el procesamiento de señales biomédicas
basados en redes neuronales artificial Adaline a través de la
adquisición de datos con la conexión de los electrodos hacia el
cerebro del paciente de manera no invasiva para que la
información pase por una tarjeta de adquisición de datos y
estos a su vez capturados en una computadora personal;
acondicionando la señal de los electrodos a voltajes para
permitir la entrada en la tarjeta de adquisición de datos.
Este sistema pretende apoyar al médico en su diagnóstico
en las enfermedades mentales; considerando que un grupo de
científicos del Reino Unido demostró que el movimiento ocular
puede servir para detectar enfermedades mentales como la
esquizofrenia; mas sin embargo detectar un movimiento ocular
alterado requiere no sólo de la pericia del oftalmólogo, sino
también de la tecnología que pueda diferenciar patrones
normales de posible indicios patológicos.
Con los datos obtenidos a partir de la red neuronal Adaline,
se genera una base de datos para sus posterior procesamiento.
Se implementó a la red Adaline con la finalidad de identificar
los patrones de las ondas cerebrales; para lo cual se entrenó la
red para que realizara la clasificación de patrones de señales
ópticas. Dicha red aprendió a diferenciar entre 4 tipos de
señales que se nombraron como: clase 1, clase 2 clase 3 y clase
4, las cuales corresponden a la salidas del sistemas, por lo que
se renombraron como neuronas de salida.
El estudio efectuado para la obtención de los datos partió de
dirigir el puntero del mouse con la vista del usuario, realizando
la clasificación de acuerdo a los movimiento básicos del globo
ocular de la siguiente manera: Clase tipo 1, con la función
fisiológica de vista hacia arriba; Clase tipo 2, con la función
fisiológica de vista hacia abajo; Clase tipo 3, con la función
fisiológica de vista hacia izquierda; y Clase tipo 4, con la
función fisiológica de vista hacia derecha [5-9].
Por ultimo se implemento el sistema para el procesamiento
de las señales con unas red neuronal Adaline a nivel hardware
para observar el comportamiento del sistemas integral y definir
los avances obtenidos con la investigación.
B. Red Neuronal tipo Adaline
Son estructura que usan neuronas con funciones de
transferencia escalón. Esta red está limitada a una única
neurona de salida. Como su nombre lo dice es un sistema que
puede presentar a la entrada de la red un elemento el cual
puede ser adaptable al aprendizaje de la misma red linealmente,
a su vez esta regido por un algoritmo de aprendizaje muy
sencillo que más adelante se utilizara en el desarrollo de la red
y sus respectivas pruebas que es el LMS(least Mean Square)
por sus siglas en ingles o reglas del mínimo error cuadrado
medio. Con este trabajo se propone un sistema adaptativo que
puede aprender del formas más precisa y rápida, basándose en
la búsqueda del mínimo de una expresión de error entre la
Proceedings of the 12th Iberian Conference on Information Systems and Technologies
salida deseada y la salida lineal obtenida antes de aplicarle la
función de activación [1].
En cuanto a la estructura de la red Adaline, se considera
formada por un elemento denominada combinador adaptativo
lineal (ALC) como se muestra en la figura 1, que obtiene una
salida lineal (s) que puede ser aplicada a otro elemento de
conmutación bipolar, de forma que:
•Si la salida del ALC es positiva, la salida de la red
ADALINE es +1
•Si la salida del ALC es negativa, la salida de la red
ADALINE es -1
Figure 1. Estructura de la red ADALINE, compuesta por un combinador
adaptativo lineal y una función escalón (de dos estados)
C. Electroculagrafia (EOG)
Es un método que puede detectar los movimiento oculares,
consiste en medir el dipolo característico que aparece en el
globo ocular ya que la retina es electronegativa con respecto a
la córnea. La medición de este dipolo se hace detectando
pequeñas diferencias de potencial con unos electrodos
adheridos a la piel alrededor de los ojos . Este método no es lo
suficientemente sensible como para medir pequeños
movimiento de los ojos y no puede ser utilizado para medir
movimientos verticales puesto que los músculos de los
parpados introducen corrientes eléctricas. En horizontal puede
medir un amplio rango dinámico de (+-) 70º. No necesita de
calibración cada vez que se colocan los electrodos y deben
estar perfectamente adheridos ya que cualquier movimiento de
los mismo introducen errores de cálculo. Se dice que el sistema
es intruso ya que el usuario necesita llevar electrodos y cables
para registrar las señales, lo que puede resultar molesto, ya que
si el paciente se mueve o parpadea mucho puede introducirse
ruido (externo) que afectaría el nivel de medición de las señales
así como si existen aparatos electrónicos o movimientos de los
pies de las personas involucradas. [5-9]
III. DESARROLLO EXPERIMENTAL
El equipo utilizado para la adquisición de las señales
cerebrales fue un sistema de adquisición de datos BiTalino
junto con un software que realiza el registro de datos (Matlab)
y posterior al análisis de la señal con el uso d la red neuronal
Adaline implementada en PCDuino [2] como se muestra en la
Figura 2.
2257
 verticales se tiene otro tipo de familias es decir arriba abajo,
pero habrá que tomar en cuenta que es lo que pasa cuando se
mira en diagonales, esto podría producir una combinación de
señales tanto horizontales como verticales generando así de
esta forma una nueva familia la cual puede ser caracterizada
para obtener otro tipo de señal mas concreta. A continuación se
muestra la Tabla 1 con las relaciones entre los movimientos
oculares, la señal de EOG detectada y su salida [6. 13-16].

TABLE I. RELACIÓN ENTRE LOS MOVIMIENTOS

OCULARES, LA SEÑAL DETECTADA Y SU SALIDA .
Figure 2. Equipo de Adquisición de Datos y Software.

A. Mediciones oculares
Se realizaron una serie de mediciones de las señales
oculográficas de un voluntario y se evaluaron problemas
relacionados con el ruido electrónico, biopotenciales parásitos,
fatigas y movimientos involuntarios. A pesar de que las señales
electrooculagráficas están fuertemente afectadas por otros
potenciales bioelectrónicos, se implementó un software que
minimiza estos efectos no deseados. Se muestra como se
conecta a las persona con los electrones y el equipo: Se
utilizan electrodos activos a nivel cornea y de referencia en los
cantos externos, con el electrodo neutro sobre la frente. En la
figura 3. se muestra el posicionamiento de los electrodos sobre
un voluntario, en una sesión de medición de señales
electrooculográficas (EOG) [4, 13-16].

Adicionalmente el cambio que puede presentarse en las

Figure 3. Posiciones de los Electrodos sobre el Voluntario para la
adquisición de los datos (señales oculográficas).
señales a estar delimitado por un factor llamado umbral, el cual
es una frontera en la que el globo ocular manda señales hacia el
cerebro a fin de saber que dentro de ese umbral del sistema
“ocular” presenta cierta estabilidad, pero fuera de este las
señales son diferentes ya que generan otro tipo de formas de
onda las cuales ya traen consigo quizás un poco de distorsión.

Nota: Cada uno de los electrodos colocados en el facial del
voluntario son estratégicamente colocados en sus distintos
puntos sobre la superficie del rostro, ya que cada uno de ellos
representan los cambios que puedan existir en la señal cuando
el paciente mueve los ojos a distintas direcciones.
Estos puntos que se establecen para el posicionamiento de
cada uno de los electrodos, son estratégicamente colocados en
esos sectores faciales, con base al desarrollado de múltiples
investigaciones las cuales se han dedicado al estudio y
comportamiento de las señales oculares tratando de precisar
qué tipo de onda cerebral (señal) da lugar a un movimiento
determinando de los globo oculares. Esto es, que para cada
movimiento que el globo ocular realiza la relación de
potenciales retina – cornea genera en el cerebro distintas
formas de onda, es decir, por ejemplo para movimientos
horizontales se tienen una familia de señales muy parecida ya
que horizontalmente se tienen muchos movimientos ente ellos
el de izquierda a derecha, a hora bien para los movimientos
Se observa que hay una forma de onda (cerebral) definida
para cada uno de los ocho movimientos oculares que a su vez
se delimitan con el factor umbral para su estudio.
B. Tecnicas de registro
La técnica consintió en tener al voluntario conectado al
equipo tal como se muestra en la Figura 4. Después de ello se
realizaron todas las técnicas de aislamiento posible para que no
fuera a introducir ruido dentro del proceso de adquisición de
datos cerebrales. Para ellos se pidió al paciente estar sentado
cómodamente en un cuarto donde solo estuviera la persona a
tomar las mediciones y el paciente (alumno-voluntario).
Adicionalmente se le pidió que tratara de no moverse y estar
relajado y sin estrés minutos previos a la adquisición.

2258 Proceedings of the 12th Iberian Conference on Information Systems and Technologies

Figure 4. Representación del modelo experimental desarrollado.
El método consistió en establecer sobre un plano cuádruple-
direccional una serie de indicaciones al cual tenía el paciente
que fijarse como elemento para su prueba tratando de no
parpadear ni hacer movimiento de su cabeza. Básicamente
tenia que seguir las instrucciones que se le pedían, se tomaron
2 tipo de pruebas:
1. Con movimiento ocular horizontales (izquierda-
centro-derecha)
2. Con movimiento ocular verticales (arriba-centro-
abajo)
Donde el centro es un punto de referencia con el fin de
establecer la diferencia de cambio en la señal entre los
movimientos realizados [5]. Este plano se muestra en la Figura
5.
Figure 5. Representación del movimento ocular.
C. Electrodos
Algunos electrodos comúnmente usado para el registro del
EOG [21-22] consisten en una pequeña hojuela de cloruro de
plata montada en cubierta plástica que mantiene al electrodo
alejando de la piel. El espacio entre el electrodo y la piel se
llena de electrolito (crema flotante). Los electrodos fueron
seleccionados en base a su tiempo de respuesta que es de 3ms,
son relativamente económicos y contiene un gel especial el
cual reduce las bacterias.
Los electrodos pueden colocarse en los lados externos de
los ojos (cerca de la sien) y un tercer electrodo de referencia en
el lóbulo de la nariz, con el fin de obtener registros separados
del movimiento horizontal de cada ojo [7].
Si los electrodos se colocaban ligeramente alejados de las
sienes se reducen los artefactos causados por la actividad
muscular. Cuando se desea registrar movimiento verticales y
horizontales como es nuestro caso, de uno o ambos ojos, deben
ser considerados los posibles errores producidos por el
acoplamiento entre los ejes.
En la adquisición las derivaciones del EOG [17-20] pueden
obtenerse colocando dos electrones en la parte exterior de los
ojos para la derivación horizontal y el mismo para la derivación
Proceedings of the 12th Iberian Conference on Information Systems and Technologies
vertical. Un electrodo de referencia se coloca en el lóbulo del
oído. Ver Figura 6.
Figure 6. Adquisición de Datos Cerebrales-Oculares.
Nota: se trata de una aplicación típica de reconocimiento de
patrones, siendo en este caso las imágenes sensoriales del
globo ocular captadas del mundo exterior, los patrones que hay
que reconocer. Se puede utilizar una red Adaline para aprender
las diferentes formas de los caracteres que se presentaran como
imágenes compuestas.
IV. RESULTADOS
Para esta parte se desarrollo una interfaz gráfica con
herramientas muy ponderosas como la implementación de una
etapa de comunicación serial con los datos analógicos para ser
procesado digitalmente por una computadora a través de un
sistema empotrado como PCDuino [24, 25, 27].
A. Protocolo asíncrono de comunicación serial
En el protocolo estándar se transfiere 10 bit, un bit de
inicio, 8 bits de datos y bit de stop , formando así una palabra
de 10 bits.
Para saber si hubo errores en la trasmisión se usa un bit de
paridad el cual indica el error. Por ejemplo en el byte
00111100 se tiene 4 unos porque el bit de paridad se le asigna
un 0 y se dice que tiene paridad par en el byte 10111100 se
tiene 5 unos por lo que l bit de paridad se le asigna un 1 y se
tiene paridad impar.
En el registro de configuración de hardware se tiene:
TXSTA. Registro de configuración de la transmisión serial
PCSPA. Registro de configuración de la recepción serial
2259
 SPBRC. Contador programable digitales que configura la
velocidad de transmisión.
Por otra parte en el protocolo asíncrono RS-232-C, la
frecuencia de baudios (bit por segundo) a la que se realiza la
transferencia se debe efectuar a un valor normalizado: 330,
660, 1200, 2400, 4800, 9600, 19200, 38400, etc. Para generar
esta frecuencia, el USUART dispone de un generador de
frecuencia en baudios, BRG, cuyo valor es controlado por el
contenido grabado en el registro SPBGR, además del valor
“x” cargado en el registro SPBRG, la frecuencia en baudios
del generador depende del bit BRGH del registro TXSTA<2>.
En el caso de BRGH=0 se trabaja en baja velocidad y si
BRGH=1 se trabaja en alta velocidad, según este bit se obtiene
el valor de una constante K necesaria en la determinación de la
frecuencia de funcionamiento [10-12].
B. Programación y resultado
En esta parte del trabajo se expone la manera en como se
implementaron los ambientes de visualización y
procesamiento de los datos.
En la Figura 7. Se muestra el diagrama del sistema
empotrado que permite realizar la conversión de la señal de
entrada analógica así como también la parte de la
comunicación serial asíncrona.
Figure 7. Comunicacion Serial por Medio del Bloque por S-Function.
Para llevar a cabo este proyecto se hizo uso de
programación C++. Se muestra el programa que implementa
en el sistema empotrado para la conversión A/D y transmisión
serial.
A grandes rasgo este programa se describe mediante dos
etapas:
• La primera etapa constan de la conversión A/D
mediante la cual se habilita al PIC para que reciba
en la entrada una señal de voltaje análoga (0 a 5V)
y posteriormente se convierte este dato a digital.
• La segunda etapa consta de trasmisión serial en la
cual se recibe el dato convertido para posterior
trasmitirlo a través del puerto serie.
2260 Proceedings of the 12th Iberian Conference on Information Systems and Technologies
C. visualización de la comunicación en Simulink
Para esta parte hacemos uso de una simulación sencilla
implementada en Matlab-Simulink por medio del uso de un
osciloscopio para apreciar la señal de la Figura 7. Mostrada
anteriormente.
Cabe mencionar que el bloque Simulink realiza la
comunicación y procesamiento de datos. A continuación se
muestra en la Figura 8 como se lleva a cabo la recepción de la
señal.
Figure 8. Despligue en Pantalla de Lectura Empleado Simulink-Matlab.
V. CONCLUSIONES
En este trabajo se desarrollo un sistema de soporte medico
que podría aplicarse en el diagnóstico de enfermedades
mentales, con base a una red neuronal, partiendo de 4 tipos de
combinación lógica para interpretar el potencial de acción de
cada uno de los movimiento oculares. Después de las pruebas
realizadas en laboratorio era necesario extraer las señales
oculográficas proveniente del cerebro para un tipo de acción
determinando y con ello poder extraer cada una de las
características de las señales para estudiarlas y saber a qué tipo
de clasificación pertenecen (esto lo hace la red neuronal) [25,
26].
De los resultados de estas primeras experiencias se pueden
obtener las siguientes aseveraciones:
•Las señales de EOG presentan una componente
continua muy importante porque no solo presenta
variaciones en el corto plazo sino también en un
día a otro, y evidentemente de un paciente o
voluntario a otro.
•Las señales bioléctricas del ser humano suele tener
amplitudes inferiores al ruido de 50Hz. Aun
cuando se utiliza amplificadores o adquisidores
específicamente diseñados para minimizar este
ruido. Afortunadamente este ruido puede ser
filtrado siempre y cuando no interese medir una
potencial bioeléctrico justo a esa frecuencia.
•Las señales rápida del parpadeo (ya sea voluntaria o
involuntarias) se muestran como cambios de
potencial muy rápidos perfectamente
 discriminables de la línea de base de la señal
filtrada
Como trabajo futuro se pretende realizar o caracterizar este
tipo de señales mediante una red neuronal ya descrita para que
posteriormente esta cumpla con los patrones ya preestablecidos
dependiendo del tipo de enfermedad mental validado por un
medico. Dado que las pruebas de detección ocular por el
momento se realizaron con voluntarios sanos.
Por ello se ha entregado en línea y fuera de línea, esto es
que si algún paciente tiene una señal ocular distinta a las ya
aprendidas previamente por la red, pueda discernir a cual es la
que mas se le parece o en su defecto crea un nuevo tipo de
señal para su posterior análisis.
Con esto se pretende que la red este entrenada para
reconocer cualquier tipi de anomalía en señales oculares y
pueda dar un diagnostico final y precio acerca de los estados
que presentan las señales oculares de algún paciente con alguna
enfermedad mental.
REFERÊNCIAS BIBLIOGRÁFICA
[1] Martin T. Hagan. “Neural Network Design”, Ed. Martin T. Hagan.
1996.
[2] J. R. Hilera González , V. J. Martínez Hernando. “Redes Neuronales
Artificiales”(Fundamentos, modelos y aplicaciones). Addison Wesley
Iberoamerican S. A, ISBN, 1995.
[3] Owner Manue For the MINDSET, Nolan Computer System, 1997-2000.
[4] M. Laubach, “verifyng Neuronal Codes”, Yale School of Medicine New
Haven, Septiembre 21, 2003.
[5] R. Barea, L. Boquete, “Guiado de Robots moviles utilizando
electrooculagrafia”,Departamento de electronica, Univerdiad de Acalá
de Henares, Madrid, España 1998.
[6] R. Barea, L. Bosque, “guiado de Robots moviles utilizando
electooculografia”, Deartamento de electronica, Universidad de Alcalá
de Henares, Madrid, España 1998.
[7] K. Yamagishi, J Hori, M. Miyakawa, “Development of EOG based
comunications systems controlled by eigjht diectional eye movements”
EMBS Annual International Conferences, New York, September 3,
2006.
[8] V. Trujillo, A. f. Martinez “Diseño de un protoripo de un equipo
detector de movimiento oculares (EOG)”, Instituto Tecnologico de
Veracruz, México, sin referencia.
[9] J.F Robles.M.O. Arias, “Sistema de seguimiento de objeto mediante la
direcion de la mirada”, Instituto Nacional de Astrofísica Óptica y
Electrónica, Mayo de 2004.
[10] Manual PICI6F877A de Microchip.
[11] Manual de ususrio de Matlap
[12] Programa MPLAB para la programación del PIC
[13] H. Ibrahim, S. Ewais and S. Chatterjee. “Smarphone Based Monitoring
System for Long-Term Sleep Assessment. In information Systems and
Neuroscience, Vol. 10, Springer, 2015, pp. 73-83.
[14] H. Pláscido de Silva, C. Carreiras, A. Loreno, A. Fred and R. Ferreira.
“Off-the-person electrocardiography: performance assessment and
chlincal correlation.” In Health and Tecnology, 4(4), Springer, 2015,pp.
309-318.
Proceedings of the 12th Iberian Conference on Information Systems and Technologies
[15] A.Domingues. “Smartphone Based Monitoring System for Long-
TermSleep Assessment.” In Mobile Health Technologies Methods in
Molecular Biology, Vol 1256, Springer, 2015, pp 391-403.
[16] P. Travis. “ An Assessment of Single-Channel EMG Sesing for Gestural
Input”, Dartnouth College, Computer Science Departemant, Tech. Rep.
TR2015-767, 2015.
[17] A. Verhulst, T. yamaguchi and p: Richard. “Physiological-based
dynamic difficulty adaptation in a theragame for children with cerebral
palsy”, In Proc. Of the int´I Conf. on Physiological Computing Systems
(PhyCS), pp. 164-171, 2015.
[18] A. Chaé. D. Olezak, T Fernandes and h. Ferreira. “Physiological
computing gaming: Use of electrocardiogram as an input for video
gaming.” In proc. Of the Int Conf. on Physicological Computing
Systems (PhyCS), pp. 157.163, 2015.
[19] H. Silva, Fred and R Martins “Biosignals For Everyone “, IEEE
Pervasive Computing, 13(4):64-71,2014.
[20] B. Gamecho, J. Guerreiro, P. Alves and A. Lourenco. “Evaluation of a
context-awaare application for mobile robot control mediated by
physiological data: The ToBITas Case study”. In Proc. Of the Int´I conf.
on Ubiquitous Computing &Ambient Intelligene& International Work-
Conference on ambient Assited Living(UCAmI&IWAAl), 2014.
[21] A. Bernando, y.Rybarezk and J. Barata. “versatily of human body
control through low-cost electromyographic interface”, In Proc. Of the
Int´l Conf. on Application of Computer Engineering (ACE), pp 87-92,
2014
[22] Hhh H. Silvia, A. Lourenco, A. Fred And R. Martins. “BIT: Biosignal
Igniter Toolkit Computer Methoods and Programs in Biomedicine”,
115(1):20-32,2014.
[23] P. Alves, J Martins, H Silva, A. Lorenco and H. Ferreira. “Experimental
study and evaluation of papee-based inkjet electodes for ECG signal
acquisition”. In Proc. O the Int´l Conf. on PhysiologicL Computing
Systems (PhyCS), pp 275-281, 2014.
[24] H. silvia, j. Gurreiro, A. Lourenco, A. fred and R Martins. “BITalino:A
novel hardware fremework for phsiological computing”, In Proc. Of the
Int´Conf. On Physiologicall Compuring Systems (PhyCS), pp, 246- 253,
2014.
[25] International Journal of infinite Innovation in Techbology |ISSN:2278-
9057 IJIIT| Volume-III |Issuel|2013-2014 July|Paper-03 Reg.
No:20140603|DOI:V3IIP03 Real Time Surveillance System using
PCDuino Uttra Patil Dep. Of Computer Engg RAIT, Nerul Navi
Mumbai, India.
[26] XXIV Congreso Brasileiro de Engenharia Biomédica –CBEB 2014
Middleware para equipamentos m*, Msrcelo Trindade Rebonatto·e
Oncide Paixao**Curso de Ciencia de Computacao –Universidade de
Passo Fundo, Passo, Brasil # Programa de Computacao Aplicada –
Universidade de Passo Fundo, Passo Fundo, Brasill **Centro de
Engeharia Biomética –Hospital Sao Vicente de paulo, Passo Fundo,
Brasil.
[27] Intern– 6545 (print), ISSN 0976-6553 (Online) Volumen 4, Issue 6,
November- December (3023) IAEME 45 AN ARDUINO BASED
BUIDING LIGHTS MANAGEMENT SYSTEM sajid M. Shikhl,
Tshoganyetso Mangdi2, 1, 2 Department of Electrical Engineering,
university of Botswaana, gaborone, Botswana. ational Journal of
Electrical Engineering and Technology (IJEET), ISSN 0976
2261