Publication
Device control system based on classified EMG signals: a machine learning approach
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Lima, José | |
| dc.contributor.advisor | Mattos, Laercio Simas | |
| dc.contributor.author | Barbosa, Ana Carolina | |
| dc.date.accessioned | 2024-09-19T09:59:25Z | |
| dc.date.available | 2024-09-19T09:59:25Z | |
| dc.date.issued | 2024 | |
| dc.description | Mestrado de dupla diplomação com o Centro Federal de Educação Tecnológica de Minas Gerais – CEFET | pt_PT |
| dc.description.abstract | In contemporary society, certain physical attributes are celebrated, while others are stigmatized, leading to barriers in the social inclusion of individuals who do not conform to these idealized standards. People with disabilities (PwD) often face societal prejudices, further exacerbated by the absence of adaptive tools, pushing them away from a conventional life. Approximately 15% of the global population has some form of disability, with a significant portion experiencing physical disabilities related to upper limbs. Among these, many undergo amputation, a transformative process that affects both their physical and psychological well-being. Prostheses, while beneficial, have limitations in replicating the full range of limb movements and are often financially inaccessible to many. This research proposes an innovative system that leverages the retained ability of amputees to generate electromyographic (EMG) signals post-amputation. The system aims to control electronic devices directly through these signals, bypassing the need for prosthetics. Potential applications include replacing traditional computer mice and controlling gaming platforms. The core design is a compact bracelet equipped with non-invasive EMG sensors, an accelerometer, and a gyroscope. Data from these sensors are processed using artificial intelligence techniques to generate device-specific commands. The overarching goal is to enhance the autonomy and social integration of amputees, while also contributing to technological advancements in the field. | pt_PT |
| dc.description.abstract | Na sociedade contemporânea, certos atributos físicos são celebrados, enquanto outros são estigmatizados, levando a barreiras na inclusão social de indivíduos que não se enquadram nesses padrões idealizados. Pessoas com deficiências (PcD) frequentemente enfrentam preconceitos sociais, ainda mais exacerbados pela ausência de ferramentas adaptativas, afastando-as de uma vida convencional. Aproximadamente 15% da população global possui algum tipo de deficiência, com uma parcela significativa experimentando deficiências físicas relacionadas aos membros superiores. Dentre estes, muitos passam por amputações, um processo transformador que afeta tanto o bem-estar físico quanto o psicológico. Próteses, embora benéficas, têm limitações em replicar a totalidade dos movimentos dos membros e muitas vezes são financeiramente inacessíveis para muitos. Esta pesquisa propõe um sistema inovador que aproveita a capacidade retida dos amputados de gerar sinais eletromiográficos (EMG) pós-amputação. O sistema visa controlar dispositivos eletrônicos diretamente por meio desses sinais, eliminando a necessidade de próteses. As aplicações potenciais incluem a substituição de mouses de computador tradicionais e o controle de plataformas de jogos. O design central é uma pulseira compacta equipada com sensores EMG não invasivos, um acelerômetro e um giroscópio. Os dados desses sensores são processados usando técnicas de inteligência artificial para gerar comandos específicos para dispositivos. O objetivo principal é melhorar a autonomia e integração social dos amputados, contribuindo também para avanços tecnológicos no campo. | pt_PT |
| dc.identifier.tid | 203699130 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/30251 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | pt_PT |
| dc.subject | Electromyographic (EMG) signals | pt_PT |
| dc.subject | Artificial intelligence | pt_PT |
| dc.subject | People with disabilities (PwD) | pt_PT |
| dc.title | Device control system based on classified EMG signals: a machine learning approach | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Engenharia Industrial | pt_PT |