A Methodology Based on Artificial Intelligence for Pattern Recognition in Myoelectric Signals with Transcutaneous Electrical Stimulation Applicable to Transradial Prostheses

Esta tesis doctoral presenta el desarrollo y la evaluación experimental de una metodología para el reconocimiento de intenciones motoras mediante electromiografía superficial (sEMG), el control en tiempo real de una prótesis transradial y la exploración de retroalimentación sensorial no invasiva mediante estimulación nerviosa eléctrica transcutánea (TENS). La investigación integra una plataforma de adquisición de bajo costo con cuatro canales sEMG, protocolos estructurados de registro y etiquetado de señales, y procedimientos de segmentación para construir conjuntos de datos de gestos. Se implementan y comparan arquitecturas de redes neuronales para clasificar patrones de activación muscular y traducir las decisiones del modelo en órdenes de movimiento. La arquitectura de control incorpora inferencia en tiempo real, estabilización temporal de decisiones, comunicación inalámbrica y accionamiento físico de una prótesis de mano transradial con seis actuadores. Se realizan evaluaciones experimentales de la adquisición, la clasificación y el funcionamiento del sistema protésico, considerando tanto el desempeño como las limitaciones de los componentes. Paralelamente, se estudia la estimulación TENS mediante protocolos de mapeo somatotópico y experimentos de movimiento táctil aparente, orientados a identificar percepciones referidas a regiones de la mano ausente. Los subsistemas de control motor y retroalimentación sensorial se investigan dentro de un mismo marco metodológico, pero no se validan como un sistema bidireccional completamente integrado en lazo cerrado. Los resultados proporcionan una base experimental reproducible para futuras investigaciones en neuroprótesis accesibles que combinen reconocimiento mioeléctrico, actuación y restauración sensorial.