1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Mecánica y Ciencias de la Producción
4. Tesis de Mecatrónica

Title:	Desarrollo de un sistema de monitoreo y registro de movimientos de extremidades inferiores para humanos
Authors:	Loayza Paredes, Francis, Director Ramirez Celi, Aldahir Sebastian Llaguno Mora, Ariana Naomi
Keywords:	Congelamiento de la Marcha Parkinson Machine learning Sensores de aceleración
Issue Date:	2024
Publisher:	ESPOL.FIMCP
Citation:	Ramirez Celi, A. S. y Llaguno Mora, A. N. (2024). Desarrollo de un sistema de monitoreo y registro de movimientos de extremidades inferiores para humanos. [Proyecto Integrador]. ESPOL.FIMCP .
Description:	El presente proyecto tiene como objetivo desarrollar un sistema de monitoreo y predicción en tiempo real del Congelamiento de la Marcha (CDM) en pacientes con enfermedad de Parkinson. La hipótesis plantea que el uso de microcontroladores de código abierto y técnicas de machine learning mejorará la detección y manejo del CDM, justificándose por la necesidad de soluciones más precisas para mitigar los riesgos asociados con esta condición. Para lograrlo, se utilizó un dispositivo portátil equipado con sensores de aceleración, y se implementaron algoritmos de machine learning para analizar los datos recolectados. Durante el desarrollo, se seleccionaron y configuraron acelerómetros y microcontroladores, y se entrenaron modelos predictivos utilizando datos de pacientes. Los resultados muestran que el sistema puede detectar episodios de CDM en tiempo real, aunque la precisión de las predicciones requiere de una mayor cantidad de datos de entrenamiento. Se concluye que el sistema tiene el potencial de monitoriar la marcha de los pacientes con Parkinson, aunque es necesario continuar investigando para perfeccionar la tecnología. Palabras Clave: Congelamiento de la Marcha, Parkinson, machine learning, sensores de aceleración.
metadata.dc.description.abstractenglish:	This project aims to develop a real-time monitoring and prediction system for Freezing of Gait (FOG) in Parkinson's disease patients. The hypothesis suggests that the use of open-source microcontrollers and machine learning techniques will enhance the detection and management of FOG, justified by the need for more accurate solutions to mitigate the risks associated with this condition. A portable device equipped with motion sensors was used, and machine learning algorithms were implemented to analyze the collected data. During the development, accelerometers and microcontrollers were selected and configured, and predictive models were trained using patient data. The results indicate that the system can detect FOG episodes in real time, although the prediction accuracy requires a larger training dataset. It is concluded that the system has the potential to significantly improve the quality of life for Parkinson's patients, although further research is needed to refine the technology. Keywords: Freezing of Gait, Parkinson's, machine learning, motion sensors
URI:	http://www.dspace.espol.edu.ec/handle/123456789/62970
metadata.dc.identifier.codigoproyectointegrador:	INGE-2535
Appears in Collections:	Tesis de Mecatrónica

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.