Design and development of a wearable EIT system for real-time hand gesture recognition using machine learning

Abstract

[EN] All through modern history, prostheses have been used by people of all ages to regain a sense of wholeness. From the time of the early Egyptians, who fashioned a wooden toe so that a noblewoman could keep on wearing sandals as per their tradition, to the late 20th century, when the first bionic prosthetic arm was created, prostheses have proven to be as much about function as identity.

A series of more advanced, functional, and comfortable prostheses have followed suit since then, but the development of the electronics present in most commercially available units can be said to have plateaued significantly in the last decade. These prostheses usually force the users to choose from a list of pre-programmed gestures before being able to recreate them. This does not only hinder their ability to react swiftly to unexpected events, but it is also impractical for everyday use.

This project addresses the design of a portable, fully contained, low-power acquisition device that makes use of machine learning algorithms to allow for the control of hand prostheses in real-time. To achieve this, a technique known as EIT, or Electrical Impedance Tomography will be used in lieu of the more primitive EMG (electromyography), the standard nowadays.

Due to the complexity of the project, the scope of this TFG will be limited to the design of the electronics, the programming of the embedded system, and the training and usage of machine learning algorithms. That is, the design and control of the prosthesis will not be covered.

EIT is a non-invasive, medical imaging technique that relies on the electrical properties of a given body and a series of surface measurements to infer its internal anatomic structure via the use of active current injection. This data will be used, in conjunction with a neural network classifier to automatically determine the gesture that the user intends to make.

The proposed method has proven to be more robust and less prone to external interferences than EMG due to its active nature and configurability. Therefore, the suggested technique might be used as a viable replacement for EMG in the future.

[ES] A lo largo de la historia moderna, las prótesis han sido utilizadas por personas de todas las edades para recuperar la sensación de totalidad. Desde la época de los primeros egipcios, los cuales fabricaron un dedo de madera para que una mujer noble pudiera seguir llevando sandalias según marcaba su tradición, hasta finales del siglo XX, cuando se creó el primer brazo protésico biónico, las prótesis han demostrado ser tanto funcionales como identitarias.

Desde entonces, prótesis más avanzadas, funcionales y cómodas se han desarrollado, pero puede decirse que el desarrollo de la electrónica presente en la mayoría de las unidades disponibles en el mercado se ha estancado de forma significativa en la última década. Estas prótesis suelen obligar a los usuarios a elegir entre una lista de gestos preprogramados antes de poder recrearlos. Esto no solo ralentiza la capacidad de reacción de los usuarios ante acontecimientos inesperados, sino que además resulta poco práctico para el uso diario.

Este proyecto aborda el diseño de un dispositivo de adquisición portátil, autónomo y de bajo consumo que utiliza algoritmos de aprendizaje automático para permitir el control de prótesis de mano en tiempo real. Para ello, se utilizará una técnica conocida como EIT, o Tomografía por Impedancia Eléctrica, en lugar de la más primitiva EMG (electromiografía), el estándar actual.

Debido a la complejidad del proyecto, el alcance de este TFG se limitará al diseño de la electrónica, la programación del sistema embebido, y el entrenamiento y uso de algoritmos de aprendizaje automático. Es decir, no se cubrirá ni el diseño ni el control de la prótesis.

La EIT es una técnica de imagen médica no invasiva que se basa en las propiedades eléctricas de un cuerpo determinado y en una serie de mediciones superficiales para inferir su estructura anatómica interna mediante el uso de inyección de corriente activa. Estos datos se utilizarán, junto con un clasificador de red neuronal, para determinar automáticamente el gesto que el usuario pretende realizar.

El método propuesto ha demostrado ser más robusto y menos propenso a las interferencias externas que la EMG debido a su naturaleza activa y a su capacidad de configuración. Por lo tanto, la técnica sugerida podría utilizarse como un sustituto viable de la EMG en el futuro.