Modelización de la Estimulación Eléctrica Neuromuscular mediante un enfoque fisiológico y de caja negra

Abstract

[ES] En el presente artículo se expone el diseño y validación de dos modelos de Estimulación Eléctrica Neuromuscular (E.E.N.M.) para la relación entre parámetros de estimulación y características biomecánicas, siendo cada uno de ellos representativo de dos enfoques diferentes. Uno de ellos fisiológico simplificado, mientras que el otro es un modelo de caja negra basado en red neuronal, por lo que no incluye información sobre las características internas del sistema. En este artículo se exponen las características de cada uno, se describe el equipamiento utilizado y los experimentos para su identificación. Ambos modelos han sido identificados y validados en cinco sujetos sanos. El modelo fisiológico, a pesar de numerosas limitaciones encontradas, ha permitido el estudio en profundidad de los procesos internos y de la multitud de factores que involucran la activación muscular. El modelo en red neuronal, en cambio, presenta una buena precisión pero no proporciona conocimiento sobre los aspectos internos del sistema. Por ello, para una aplicación de control en la que sólo interesen las entradas y salidas del sistema, el modelo de caja negra es la mejor opción. Por otro lado, si se desea tener acceso a las variables internas del sistema neuromuscular bajo E.EN.M., es necesario realizar un análisis exhaustivo para la posterior mejora de las prestaciones del modelo fisiológico aquí presentado.

[EN] In this paper, a comparison and validation of two models of Neuromuscular Electrical Stimulation (NMES) for the relationship between stimulation parameters and biomechanical characteristics is presented. Each model is representative of two opposite approaches: the first one is a physiological simplified model, while the second is a black-box model based on neural network, without information about the internal processes of muscle contraction under NMES. The features of each model, equipment used and the experiments are discussed. Five healthy volunteers were enrolled for identification and validation of both models. The physiological model, despite the numerous limitations found, allowed to characterize the internal processes and the variety of factors that involve NMES. The neural network model showed good precision but does not provide knowledge about the system. For a control purposes in which only the input-output relationship are of interest, a black box model can be considered as a good choice, whereas for gaining insight on the internal process involved in NMES, the physiological approach should be improved considerably to improve accuracy and performance.