Aprendizaje automático para la detección de inicio/fin de la marcha mediante dos sensores inerciales y modelado de datos usando aprendizaje profundo.

Abstract

Los médicos utilizan extensamente el análisis de la marcha para detectar anormalidades y determinar posibles tratamientos para los pacientes. El análisis de la marcha tiene diversas aplicaciones, que incluyen la identificación de patrones de marcha normales y actividades humanas, el diagnóstico médico, la atención geriátrica, el seguimiento y las estrategias deportivas. Históricamente, este análisis se realizaba de manera subjetiva, pero en la actualidad se emplea tecnología para mejorar la recopilación de datos y la precisión de la información. Esta tesis doctoral se centra en la investigación de la medición y la aplicación de la marcha humana, abordando los siguientes aspectos: 1. Adquisición de datos de la marcha humana mediante tecnologías de Sensores Portátiles-Wearable Sensores. 2. Diseño de un sistema para obtener un modelo de la cinemática de la marcha humana y predecir eventos de la misma utilizando Deep learning. 3. Extracción de características a través de un método novedoso para el entrenamiento de algoritmos de machine learning, con el objetivo de evitar la redundancia de información. La tesis se estructura en cuatro partes fundamentales. La primera se dedica a una revisión general que aborda la motivación, los objetivos, la contribución y los propósitos del documento. La segunda parte se centra en exponer los fundamentos de la marcha humana, los algoritmos de inteligencia artificial, y posteriormente, ofrece una revisión del estado del arte enfocada en el estudio de aplicaciones de la marcha humana. La tercera parte aborda las publicaciones que respaldan esta investigación. Finalmente, se presentan y discuten las conclusiones generales de la investigación, así como las posibles líneas de investigación futuras que podrían aprovechar los resultados obtenidos en esta tesis doctoral.