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

• Enaitz Otazua ^[1] ; Eloy Irigoyen ^[1] ; Eukene Imatz-Ojanguren ^[2] ; Thierry Keller ^[2]
  1. [1] Universidad del País Vasco/Euskal Herriko Unibertsitatea

     Universidad del País Vasco/Euskal Herriko Unibertsitatea

     Leioa, España

     
  2. [2] Tecnalia
• Localización: XL Jornadas de Automática: libro de actas. Ferrol, 4-6 de septiembre de 2019 / coord. por José Luis Calvo-Rolle , José-Luis Casteleiro-Roca , Isabel Fernández-Ibáñez , Óscar Fontenla Romero , Esteban Jove Pérez , Alberto J. Leira-Rejas, José Antonio López Vázquez, Vanesa Loureiro-Vázquez, María-Carmen Meizoso-López , Francisco Javier Pérez Castelo, Andrés José Piñón Pazos, Héctor Quintián Pardo , Juan Manuel Rivas Rodríguez, Benigno Antonio Rodríguez Gómez, Rafael A. Vega-Vega, 2019, ISBN 978-84-9749-716-9, págs. 211-217
• Idioma: español
• Títulos paralelos:
  • Comparison of machine learning algorithms for classification of hand and finger postures
• Enlaces
  • Texto completo
• Resumen
  • español

    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.

  • English

    Upper limb impairments are one of the most common consequences of stroke. Functional electrical stimulation (FES) has proved to be an effective therapy to restore hand function and mobility. In order to develop a control system for FES applications, it is first necessary to obtain a classifier able to identify hand and fingers movements. This study contributes to the initial phase of this process, where the behaviour of different classification algorithms is analysed for classification of hand gestures during grasping movements of a healthy volunteer. Among the classification algorithms used for the recognition of hand and finger movements, the oneswith the best results regarding the accuracy and computing time have been Extra Trees, Random Forest and SVM.