Desarrollo de un Sistema Integrado de Adquisición, Procesamiento y Análisis de Señales de sEMG con Técnicas de IA

El desarrollo de estructuras de circuito robustas sigue siendo un hito fundamental en la investigación de dispositivos electrónicos. Este artículo propone un sistema integrado de hardware y software diseñado para la adquisición, procesamiento y análisis de señales electromiográficas de superficie (sEMG). El sistema analiza señales de sEMG para comprender la función muscular y el control neuromuscular, empleando redes neuronales convolucionales (CNN) para el reconocimiento de patrones. Las señales eléctricas analizadas en sujetos sanos y no sanos se adquieren utilizando un sistema de circuito integrado meticulosamente desarrollado con electrodos de adquisición de biopotencial. Las señales capturadas en la base de datos son extraídas, clasificadas e interpretadas mediante la aplicación de CNN con el objetivo de identificar patrones indicativos de problemas neuromusculares. Al aprovechar técnicas avanzadas de aprendizaje, el método propuesto aborda la naturaleza no estacionaria de las grabaciones de sEMG y mitiga los efectos de crosstalk comúnmente observados en los patrones de interferencia eléctrica capturados por sensores de superficie. La integración de un algoritmo de IA con el dispositivo de adquisición de señales mejora los resultados cualitativos al eliminar información redundante. Las CNN revelan su efectividad en la interpretación precisa de patrones de datos complejos a partir de señales de sEMG, identificando sujetos con problemas neuromusculares con alta precisión. Este documento contribuye al panorama de la investigación biomédica, abogando por la integración de técnicas computacionales avanzadas para desentrañar fenómenos fisiológicos complejos y mejorar la utilidad del análisis de señales de sEMG.