Uso de redes neuro-borrosas RFNN para la aproximación del comportamiento de una neuroprótesis de antebrazo en pacientes con daño cerebral

• Eukene Imatz Ojanguren ^[1] ; Eloy Irigoyen ^[2] ; David Valencia Blanco ^[1] ; Haritz Zabaleta ^[1] ; Thierry Keller ^[1]
  1. [1] División de Salud, TECNALIA Research & Innovation
  2. [2] Grupo de Investigación de Control Inteligente (GICI), Universidad del País Vasco (UPV/EHU)
• Localización: XXXVI Jornadas de Automática: Libro de Actas, 2-4 de Septiembre de 2015, Bilbao, 2015, ISBN 978-84-15914-12-9, págs. 716-723
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • Las neuroprótesis son sistemas basados en la técnica de estimulación eléctrica funcional que provocan contracciones musculares mediante la excitación artificial de nervios periféricos, y son utilizadas para sustituir funciones motrices/sensoriales en aplicaciones tanto asistivas como terapéuticas. Este trabajo presenta la posibilidad de utilizar redes neuro-borrosas recurrentes para obtener modelos capaces de extraer las características principales del resultado de la aplicación de una neuroprótesis de miembro superior en distintos pacientes. Se ha entrenado una Recurrent Fuzzy Neural Network (RFNN) con datos reales obtenidos de pacientes crónicos de daño cerebral adquirido. Se han analizado distintas estrategias y estructuras y los resultados preliminares muestran la capacidad de estas redes de aprender las características principales de distintos sujetos y de proporcionar información fácilmente interpretable.