Herramientas inteligentes para la monitorización y el diagnóstico funcional en personas que usan dispositivos de asistencia
Descripción
En este capítulo se presentan dos casos de aplicación de técnicas de Machine Learning para la monitorización y el diagnóstico funcional de personas que usan dispositivos de asistencia para su desplazamiento. Concretamente, se plantea un Clasificador de Actividad Física basado en una contera sensorizada la cual se acopla de forma sencilla a cualquier bastón o muleta. En el segundo caso de estudio se plantea un Clasificador de Posturas para usuarios que se desplazan en silla de ruedas, la cual incorpora un cojín sensorizado portable. Con estos objetivos, se define una metodología común, la cual primero captura y procesa los datos obtenidos de los dispositivos sensores, generando una serie de características, de las cuales se seleccionarán las más importantes a través de técnicas como el Random Forest. Por último, se generan los clasificadores utilizando tres técnicas de inteligencia artificial: SVM, K-NN y ANN. Los resultados obtenidos se comparan, resaltando la técnica basada en redes neuronales artificiales (ANN) con los mejores resultados.
Nivel del tema
Alto
Índice
1. La tecnología en el ámbito de la rehabilitación.
2. Metodología para el desarrollo de herramientas inteligentes de diagnóstico en personas que usan dispositivos de asistencia.
2.1 Captura de datos y Monitorización.
2.2 Extracción de Indicadores relevantes.
2.3 Diseño del Clasificador.
3. Desarrollo de un clasificador de Actividad Física para personas que usan dispositivos de ayuda técnica para la marcha.
3.1 Planteamiento.
3.2 Captura de datos y Monitorización.
3.2.1 Identificación de Variables.
3.2.2 Dispositivo de captura: Contera Sensorizada.
3.2.3 Realización de Ensayos y Generación de la Base de Datos.
3.3 Extracción de Indicadores relevantes.
3.3.1 División de los datos.
3.3.2 Generación de Indicadores.
3.3.3 Selección de Indicadores relevantes.
3.4 Clasificador de la Actividad Física.
3.4.1 Selección de la técnica de clasificación basada en Machine Learning.
3.4.2 Definición de conjuntos de entrenamiento y validación.
3.4.3 Definición de hiperparámetros.
3.4.4 Entrenamiento y validación.
4. Desarrollo de un Clasificador Postural para personas en sedestación.
4.1 Planteamiento.
4.2 Captura de datos y Monitorización.
4.2.1 Identificación de Variables.
4.2.2 Dispositivo de captura: Cojín Sensorizado.
4.2.3 Realización de Ensayos y Generación de la Base de Datos.
4.3 Definición de Indicadores relevantes.
4.3.1 División de los datos.
4.3.2 Selección de Indicadores.
4.4 Clasificador de posturas de sedestación.
4.4.1 Selección de la técnica de clasificación basada en Machine Learning.
4.4.2 Definición de conjuntos de entrenamiento y validación.
4.4.3 Definición de hiperparámetros.
4.4.4 Entrenamiento y validación.
5. Conclusiones.
6. Referencias.
Profesor/es responsable/s