Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático

El estudio y valoración de la marcha humana es una importante herramienta diagnóstica que permite identificar anomalías y trastornos del aparato locomotor, en especial, en el adulto mayor. Tradicionalmente, el análisis de la marcha se ha realizado siguiendo un enfoque cualitativo, caracterizado por...

Descripción completa

Detalles Bibliográficos
Autor: González Velázquez, Sergio
Tipo de recurso: tesis de maestría
Fecha de publicación:2021
País:España
Institución:Universidad Nacional de Educación a Distancia
Repositorio:e-spacio. Repositorio Institucional de la UNED
Idioma:español
OAI Identifier:oai:e-spacio.uned.es:20.500.14468/14652
Acceso en línea:https://hdl.handle.net/20.500.14468/14652
Access Level:acceso abierto
Palabra clave:1203.04 Inteligencia artificial
id ES_49fd433c1b37ddefc1f152c61ca048d7
oai_identifier_str oai:e-spacio.uned.es:20.500.14468/14652
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
title Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
spellingShingle Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
González Velázquez, Sergio
1203.04 Inteligencia artificial
title_short Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
title_full Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
title_fullStr Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
title_full_unstemmed Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
title_sort Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje Automático
dc.creator.none.fl_str_mv González Velázquez, Sergio
author González Velázquez, Sergio
author_facet González Velázquez, Sergio
author_role author
dc.contributor.none.fl_str_mv Pastor Vargas, Rafael
González Díaz, Iván
e-Spacio UNED
dc.subject.none.fl_str_mv 1203.04 Inteligencia artificial
topic 1203.04 Inteligencia artificial
description El estudio y valoración de la marcha humana es una importante herramienta diagnóstica que permite identificar anomalías y trastornos del aparato locomotor, en especial, en el adulto mayor. Tradicionalmente, el análisis de la marcha se ha realizado siguiendo un enfoque cualitativo, caracterizado por la aplicación de distintas pruebas y escalas basadas en observaciones visuales por parte de los profesionales sanitarios. En este sentido, una de las escalas más completas y validadas es el test de Tinetti, que estudia de forma sistemática, tanto la marcha como el equilibrio, siendo una de sus principales aplicaciones la evaluación del riesgo de caídas en personas de avanzada edad. Además, a pesar de su fiabilidad y validez, el marcado carácter observacional de este método provoca que su aplicación conlleve procesos rutinarios que requieren de una evaluación subjetiva por parte de uno o varios expertos. El estudio y valoración de la marcha humana es una importante herramienta diagnóstica que permite identificar anomalías y trastornos del aparato locomotor, en especial, en el adulto mayor. Tradicionalmente, el análisis de la marcha se ha realizado siguiendo un enfoque cualitativo, caracterizado por la aplicación de distintas pruebas y escalas basadas en observaciones visuales por parte de los profesionales sanitarios. En este sentido, una de las escalas más completas y validadas es el test de Tinetti, que estudia de forma sistemática, tanto la marcha como el equilibrio, siendo una de sus principales aplicaciones la evaluación del riesgo de caídas en personas de avanzada edad. Además, a pesar de su fiabilidad y validez, el marcado carácter observacional de este método provoca que su aplicación conlleve procesos rutinarios que requieren de una evaluación subjetiva por parte de uno o varios expertos. Dentro de este contexto, el presente Trabajo Fin de Máster pretende automatizar y objetivar los tradicionales análisis observacionales de la marcha, y en particular, el uso de la escala de Tinetti. Para ello, se analizan, aplican y evalúan diferentes técnicas de Aprendizaje Automático sobre los datos recopilados por un sistema óptico profesional para la captura y análisis de movimiento. Sin embargo, teniendo en cuenta que estos datos en crudo tienen una alta dimensionalidad y son bastante ruidosos, como paso previo es necesario realizar una importante fase de preprocesamiento y limpieza de los datos que posteriormente alimentan a los algoritmos de Machine Learning. Finalmente, se obtienen varios modelos predictivos que son integrados y desplegados en una herramienta que, a partir de datos sensoriales de movimiento, es capaz de generar automáticamente las respuestas a las distintas categorías que constituyen el criterio de marcha en el test Tinetti.
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-10-01
2021
2021-10-01
2024
2024-05-20
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14468/14652
url https://hdl.handle.net/20.500.14468/14652
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
publisher.none.fl_str_mv Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
dc.source.none.fl_str_mv reponame:e-spacio. Repositorio Institucional de la UNED
instname:Universidad Nacional de Educación a Distancia
instname_str Universidad Nacional de Educación a Distancia
reponame_str e-spacio. Repositorio Institucional de la UNED
collection e-spacio. Repositorio Institucional de la UNED
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869407458018983936
spelling Valoración cuantitativa de la marcha mediante un sistema óptico de captura y análisis de movimiento y técnicas de Aprendizaje AutomáticoGonzález Velázquez, Sergio1203.04 Inteligencia artificialEl estudio y valoración de la marcha humana es una importante herramienta diagnóstica que permite identificar anomalías y trastornos del aparato locomotor, en especial, en el adulto mayor. Tradicionalmente, el análisis de la marcha se ha realizado siguiendo un enfoque cualitativo, caracterizado por la aplicación de distintas pruebas y escalas basadas en observaciones visuales por parte de los profesionales sanitarios. En este sentido, una de las escalas más completas y validadas es el test de Tinetti, que estudia de forma sistemática, tanto la marcha como el equilibrio, siendo una de sus principales aplicaciones la evaluación del riesgo de caídas en personas de avanzada edad. Además, a pesar de su fiabilidad y validez, el marcado carácter observacional de este método provoca que su aplicación conlleve procesos rutinarios que requieren de una evaluación subjetiva por parte de uno o varios expertos. El estudio y valoración de la marcha humana es una importante herramienta diagnóstica que permite identificar anomalías y trastornos del aparato locomotor, en especial, en el adulto mayor. Tradicionalmente, el análisis de la marcha se ha realizado siguiendo un enfoque cualitativo, caracterizado por la aplicación de distintas pruebas y escalas basadas en observaciones visuales por parte de los profesionales sanitarios. En este sentido, una de las escalas más completas y validadas es el test de Tinetti, que estudia de forma sistemática, tanto la marcha como el equilibrio, siendo una de sus principales aplicaciones la evaluación del riesgo de caídas en personas de avanzada edad. Además, a pesar de su fiabilidad y validez, el marcado carácter observacional de este método provoca que su aplicación conlleve procesos rutinarios que requieren de una evaluación subjetiva por parte de uno o varios expertos. Dentro de este contexto, el presente Trabajo Fin de Máster pretende automatizar y objetivar los tradicionales análisis observacionales de la marcha, y en particular, el uso de la escala de Tinetti. Para ello, se analizan, aplican y evalúan diferentes técnicas de Aprendizaje Automático sobre los datos recopilados por un sistema óptico profesional para la captura y análisis de movimiento. Sin embargo, teniendo en cuenta que estos datos en crudo tienen una alta dimensionalidad y son bastante ruidosos, como paso previo es necesario realizar una importante fase de preprocesamiento y limpieza de los datos que posteriormente alimentan a los algoritmos de Machine Learning. Finalmente, se obtienen varios modelos predictivos que son integrados y desplegados en una herramienta que, a partir de datos sensoriales de movimiento, es capaz de generar automáticamente las respuestas a las distintas categorías que constituyen el criterio de marcha en el test Tinetti.Human gait assessment is an important diagnostic tool for identifying abnormalities and disorders of the locomotor system. Typically, gait analysis has been conducted in a qualitative way, using dierent tests and scales based on visual observations carried out by healthcare professionals. In this sense, one of the most complete and validated scales is the Tinetti test, which studies both gait and balance in order to, for example, measure the risk of falls in elderly people. Although this method is robust and valid, its observational nature makes its application a routine task that involves a subjective assessment from one or more experts. Against this background, this Master’s thesis aims to automate and objectify the traditional observational gait analysis, and particularly the use of the Tinetti scale. For this purpose, dierent Machine Learning techniques are analysed, applied and evaluated on the data recorded using an optical motion capture system. However, since this raw data has a high dimensionality and is very noisy, it is necessary to preprocess and clean the data that will serve as input for the Machine Learning algorithms. Finally, various predictive models are integrated and deployed in a tool which, using motion data, is able to automatically generate the responses to the dierent categories of the Tinetti test gait criterion.Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia ArtificialPastor Vargas, RafaelGonzález Díaz, Iváne-Spacio UNED20242024-05-2020212021-10-0120212021-10-01master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14468/14652reponame:e-spacio. Repositorio Institucional de la UNEDinstname:Universidad Nacional de Educación a DistanciaEspañolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.esoai:e-spacio.uned.es:20.500.14468/146522026-06-06T12:38:31Z
score 15,812455

Similares en LA Referencia