Mostrar el registro sencillo del ítem
dc.contributor.advisor | Martínez Zarzuela, Mario | es |
dc.contributor.advisor | Simón Martínez, Cristina | es |
dc.contributor.author | Gregorio Bermejo, Carla de | |
dc.contributor.editor | Universidad de Valladolid. Facultad de Medicina | es |
dc.date.accessioned | 2023-09-04T08:13:18Z | |
dc.date.available | 2023-09-04T08:13:18Z | |
dc.date.issued | 2023 | |
dc.identifier.uri | https://uvadoc.uva.es/handle/10324/61353 | |
dc.description.abstract | La parálisis cerebral es la causa más frecuente de discapacidad motora en los niños, afectando a 2-3/1000 recién nacidos. Esta patología es un trastorno no progresivo causado por lesiones cerebrales en el periodo prenatal, perinatal y postnatal. Los trastornos motores suelen ir acompañados de alteraciones de la sensibilidad, la percepción, la cognición, la comunicación y el comportamiento, como la epilepsia y problemas musculoesqueléticos secundarios. La fisioterapia promueve el mantenimiento y la rehabilitación de los pacientes para su bienestar psicológico y social. Muchas terapias están incluyendo avances tecnológicos, cambiando el concepto de salud y ayudando a estos pacientes. El objetivo principal del proyecto es la adquisición de una base de datos de actividades de miembro superior y el desarrollo de un sistema de aprendizaje automático para el reconocimiento de acciones humanas de miembro superior. Este conjunto de tareas son unimanuales, bimanuales o combinación de ambas, siendo actividades muy presentes en la vida diaria del paciente. En primer lugar, se define un protocolo de adquisición de movimientos y se registrarán los movimientos de los sujetos empleando sensores inerciales comerciales XSens Awinda y el software de visión artificial de acceso abierto OpenCap. A continuación, se analizan y preprocesan los datos capturados, para un posterior entrenamiento con redes neuronales. Este proceso se realiza con la finalidad de reconocer las diversas actividades de la vida diaria capturadas en sujetos sanos y en pacientes. Adicionalmente al reconocimiento de actividades, se estudia la segmentación de las fases de un movimiento más complejo. Para ello es necesario un etiquetado manual de las fases del movimiento y nuevas pruebas de entrenamiento con redes neuronales. En esta fase del proyecto se emplean nuevamente los datos de sujetos sanos y en pacientes. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | spa | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Brazo - Movimientos | es |
dc.subject.classification | Paciente pediátrico | es |
dc.subject.classification | Visión artificial | es |
dc.subject.classification | Aprendizaje profundo | es |
dc.title | Adquisición de base de datos de movimientos de miembro superior en adulto sanos y pacientes pediátricos con parálisis cerebral. Clasificación de movimientos con visión artificial y aprendizaje profundo | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Ingeniería Biomédica | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
- Trabajos Fin de Grado UVa [29939]
La licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional