Title: | Implementación de un prototipo de monitoreo de postura a nivel de cabeza, cuello, hombros y cintura escapular usando cámara de profundidad, caso de estudio de problemas músculo esqueléticos |
Authors: | Carvajal Arias, Karen Estefanía |
metadata.dc.contributor.advisor: | Morocho Zurita, Carlos Villie |
metadata.dc.contributor.assessor: | Cobos Cobos, Diego Fernando |
metadata.dc.description.uri: | 0000-0002-8196-2644 0000-0003-4724-1517 |
metadata.dc.subject.other: | Inteligencia artificial |
Keywords: | Electrónica Conducta postural Trastornos musculo esqueléticos. |
metadata.dc.ucuenca.areaconocimientounescoamplio: | 12 Matemáticas |
metadata.dc.ucuenca.areaconocimientounescodetallado: | 1203.04 Inteligencia Artificial |
metadata.dc.ucuenca.areaconocimientounescoespecifico: | 1203 Ciencia de Los Ordenadores |
Issue Date: | 24-Mar-2023 |
metadata.dc.format.extent: | 96 páginas |
Publisher: | Universidad de Cuenca |
metadata.dc.description.city: | Cuenca |
Series/Report no.: | TET;132 |
metadata.dc.type: | bachelorThesis |
Abstract: | It is difficult for physiotherapists to know in depth the postural behavior of their patients. This is
important information to have a complete understanding of the patient's context and the risk
factors that contribute to the appearance of musculoskeletal disorders. In this context, we present
the development and testing of a real time prototype with skeleton tracking of postures adopted
by a person while sitting in front of a computer. The prototype uses a depth camera to obtain the
spatial coordinates of the body's joints. These points are used to calculate the angles that describe
the individual's posture. A data set of angles is built to train 3 classification methods RNN, RFC
and GBC. For all 3 classification methods, the accuracy rate exceeds 70% for the 5 postures
studied. The accuracy rate of the prototype used in a physiotherapy case study is not affected by
more than 10% compared to the results obtained under controlled conditions. In addition, the
results obtained in the study case assisted a specialist to develop a treatment plan. |
Description: | Existe una brecha en el acceso a la información sobre la conducta postural en los lugares de
trabajo por parte de médicos tratantes. Esta información es importante para tener una
comprensión completa del contexto del paciente y de los factores de riesgo que contribuyen a la
aparición de los trastornos musculo esqueléticos. En este contexto, se presenta la elaboración y
pruebas de un prototipo con visión artificial para monitorear en tiempo real las posturas que
adopta un individuo mientras se encuentra sentado frente a un computador. El prototipo utiliza
una cámara de profundidad para obtener las coordenadas espaciales de los puntos de interés
del cuerpo, las mismas que son utilizadas para calcular los ángulos que describen la postura del
individuo. Se genera una data set de los ángulos para entrenar 3 métodos de clasificación RNN,
RFC y GBC. Para los 3 métodos de clasificación, la tasa de aciertos sobrepasa el 70% en las 5
posturas estudiadas. La tasa de aciertos del prototipo utilizado en un escenario real no se ve
afectado en más de un 10% respecto a los resultados obtenidos en condiciones controladas.
Además, la información recopilada en el caso de estudio permitió mayor especificidad en el plan
de tratamiento elaborado por un especialista. |
metadata.dc.description.degree: | Ingeniera en Electrónica y Telecomunicaciones |
URI: | http://dspace.ucuenca.edu.ec/handle/123456789/41524 |
Appears in Collections: | Tesis de Pregrado
|