Ítem
Acceso Abierto

Caracterización de movimientos a través de imágenes y sensores inerciales para la prevención de lesiones de miembro superior durante actividades repetitivas

Mostrar el registro sencillo de la publicación
dc.contributor.advisorPerdomo Charry, Oscar Julián
dc.contributor.advisorCastillo Martínez, Juan Alberto
dc.creatorJasbón Mutis, Adriana Samira
dc.creator.degreeMagíster en Ingeniería Biomédica
dc.creator.degreeLevelMaestría
dc.creator.degreetypeFull time
dc.date.accessioned2023-08-09T18:23:42Z
dc.date.available2023-08-09T18:23:42Z
dc.date.created2023-06-27
dc.descriptionEl miembro superior es una estructura de gran complejidad e importancia en la vida cotidiana debido a la variedad de movimientos y grados de libertad que este tiene. Así como la utilidad en numerosas tareas cotidianas. El miembro superior puede verse afectado por lesiones debido a las tareas que incluyan: esfuerzos, posturas inadecuadas, posturas fuera de rangos de movimiento, posturas sostenidas o repetitivas; durante periodos de tiempo largos, como actividades laborales, generando un impacto negativo en la vida cotidiana. Por este motivo surge la necesidad de estudios de la complejidad del movimiento del miembro superior para la prevención lesiones en miembro superior. Este estudio se enfoca en el desarrollo de una herramienta de simulación de la cinemática del miembro superior utilizando captura de movimiento recursos en imágenes y señales de sensores inerciales. Se desarrolló un programa capaz de identificar patrones de movimiento usando datos capturados usando una cámara y sensores inerciales en miembro superior en personas en un entorno laboral, para el posterior estudio. Este proyecto tiene como objetivo diseñar un método para la identificación automática de patrones de movimientos. Para lo cual, se plantea la revisión de métodos de programación y procesamiento de los datos obtenidos de imágenes y sensores inerciales, la programación de los mismos, la adquisición de datos relativos a la postura, el estudio de movimiento y calibración del programa. Entre los resultados obtenidos se desarrolló un software portable para la captura de movimiento utilizando imágenes, el cual provee resultados de la raíz cuadrática media (RMS) de los ángulos en los planos XY, XZ y YZ, similares a los dados por los sensores inerciales tras estimar la RMS de los ángulos obtenidos por los mismos. Sin embargo, la aceleración presenta una mayor diferencia, esto debido a que la aceleración se ve afectaba por los instantes en los cuales las imágenes oscilan. Como conclusión se encontró un gran potencial de los algoritmos de inteligencia artificial para la identificación, seguimiento y diferenciación de la de postura y el cálculo de variables de la cinemática tales como ángulo de movimiento articular y la aceleración angular.
dc.description.abstractThe upper limb is a structure of great complexity and importance in our daily lives due to the variety of movements and degrees of freedom it has. As well as its usefulness in numerous daily tasks. The upper limb can be affected by injuries due to tasks that include: efforts, inadequate postures, postures out of range of motion, and sustained or repetitive postures; during long periods, such as work activities, generating a negative impact on daily life. For this reason, there is a need for studies on the complexity of upper limb movement for the prevention of this type of injury. This study focuses on the development of an upper limb kinematics simulation tool using resources such as images and inertial sensors for motion capture. For the development of a supporting tool or software capable of identifying movement patterns using sources of motion information in people, captured by sensors, in a work environment for further study. This project aims to design a method for the automatic identification of movement patterns associated with the upper limb by fusing information from video images and inertial markers. To this end, a review of programming and data processing methods obtained from images and inertial sensors, their programming, the acquisition of data related to posture, the study of movement, and the calibration of the software are proposed. Among the results obtained, a portable software for motion capture using images was created, which provides results of RMS angles similar to those given by the inertial sensors. However, the acceleration presents a greater difference, because the acceleration is affected by the moments in which the images oscillate. In conclusion, it was found a great potential for artificial intelligence algorithms for the identification, tracking, and differentiation of posture and the calculation of kinematics variables such as joint movement angle and angular acceleration.
dc.format.extent53
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_40304
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/40304
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Medicina y Ciencias de la Saludspa
dc.publisher.programMaestría en Ingeniería Biomédicaspa
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitation“¿Sufre alguna? Estas son las principales enfermedades laborales en Colombia | EL UNIVERSAL - Cartagena”. https://www.eluniversal.com.co/colombia/sufre-alguna-estas-son-las-principales-enfermedades-laborales-en-colombia-DI1028261 (consultado el 12 de mayo de 2023).
dc.source.bibliographicCitationJ. M. V. Pardo, “Hombro doloroso e incapacidad temporal. El retorno al trabajo tras larga baja por hombro doloroso. Causalidad del trabajo en el hombro doloroso”, 2016.
dc.source.bibliographicCitation“Decreto 1477 de 2014 (actualizado) - Nueva tabla de enfermedades”. https://safetya.co/normatividad/decreto-1477-de-2014/ (consultado el 12 de mayo de 2023).
dc.source.bibliographicCitationB. C. Anderson, Guide to Arthrocentesis and Soft Tissue Injection. Elsevier Health Sciences, 2005.
dc.source.bibliographicCitationLiliana Artieda Pellejero, Sagrario Cilveti Gubia, y Victor Idoate García, “Movimientos repetitidos de miembro superior”. Ministerio de sanidad y consumo. Consultado: el 12 de mayo de 2023. [En línea]. Disponible en: https://www.sanidad.gob.es/ciudadanos/saludAmbLaboral/docs/movimientos.pdf
dc.source.bibliographicCitationW. Supanich, S. Kulkarineetham, P. Sukphokha, y P. Wisarnsart, “Machine Learning-Based Exercise Posture Recognition System Using MediaPipe Pose Estimation Framework”, en 2023 9th International Conference on Advanced Computing and Communication Systems (ICACCS), mar. 2023, pp. 2003–2007. doi: 10.1109/ICACCS57279.2023.10112726.
dc.source.bibliographicCitationI. Weygers, M. Kok, M. Konings, H. Hallez, H. De Vroey, y K. Claeys, “Inertial Sensor-Based Lower Limb Joint Kinematics: A Methodological Systematic Review”, Sensors, vol. 20, núm. 3, Art. núm. 3, ene. 2020, doi: 10.3390/s20030673.
dc.source.bibliographicCitationF. Farahmand, K. O. Khadivi, y J. J. P. C. Rodrigues, “Detecting intra-fraction motion in patients undergoing radiation treatment using a low-cost wireless accelerometer”, Sensors, vol. 9, núm. 9, pp. 6715–6729, 2009, doi: 10.3390/s90906715.
dc.source.bibliographicCitationF. Farahmand, K. Khadivi, y J. Rodrigues, “Detecting Intra-Fraction Motion in Patients Undergoing Radiation Treatment Using a Low-Cost Wireless Accelerometer”, Sensors, vol. 9, pp. 6715–29, sep. 2009, doi: 10.3390/s90906715. [
dc.source.bibliographicCitationG. Güney et al., “Video-Based Hand Movement Analysis of Parkinson Patients before and after Medication Using High-Frame-Rate Videos and MediaPipe”, Sensors, vol. 22, núm. 20, Art. núm. 20, ene. 2022, doi: 10.3390/s22207992.
dc.source.bibliographicCitationAhmad Mwfaq Bataineh et al., “Movement Estimation Using Mediapipe BlazePose”, ene. 2021.
dc.source.bibliographicCitationT. B. de G. Lafayette, “Validação de estimativa angular baseada em dados de rastreio corporal de câmeras RGB-D e RGB para avaliação biomecânica”, el 23 de septiembre de 2022. https://repositorio.ufpe.br/handle/123456789/48537 (consultado el 12 de mayo de 2023).
dc.source.bibliographicCitationA. Latreche, R. Kelaiaia, A. Chemori, y A. Kerboua, “Reliability and validity analysis of MediaPipe-based measurement system for some human rehabilitation motions”, Measurement, vol. 214, p. 112826, jun. 2023, doi: 10.1016/j.measurement.2023.112826.
dc.source.bibliographicCitationJ. Stenum, M. M. Hsu, A. Y. Pantelyat, y R. T. Roemmich, “Clinical gait analysis using video-based pose estimation: multiple perspectives, clinical populations, and measuring change”. medRxiv, p. 2023.01.26.23285007, el 30 de enero de 2023. doi: 10.1101/2023.01.26.23285007.
dc.source.bibliographicCitationF. D. Shuler, Ortopedia y traumatología. Revisión sistemática, 5a ed. España: Elsevier España, S.L., 2009.
dc.source.bibliographicCitationbulevip, “Lesiones más frecuentes en el hombro del deportista. - bulevip.com”, El Blog de la Tienda Bulevip, amantes del deporte, el 22 de marzo de 2015. https://bulevip.com/blog/lesiones-mas-frecuentes-en-el-hombro-del-deportista/ (consultado el 8 de mayo de 2023).
dc.source.bibliographicCitationD. Oliveira, “Biomecánica del hombro y sus lesiones”, J A, vol. 4, 2007.
dc.source.bibliographicCitation“Articulaciones del codo”, mirandafisioterapia, el 17 de abril de 2017. https://www.mirandafisioterapia.com/post/2017/04/17/articulaciones-codo (consultado el 4 de mayo de 2023).
dc.source.bibliographicCitationPablo Villaseñor-Ovies, et al., Reumatología clínica, vol. 8. Elsevier España, 2012.
dc.source.bibliographicCitationS. D. Waldman, “Anatomía funcional de la muñeca”, en Atlas diagnóstico del dolor, S. D. Waldman, Ed., Madrid: Elsevier España, 2007, pp. 154–156. doi: 10.1016/B978-84-8174-938-0.50071-9.
dc.source.bibliographicCitationA. S. Ahuja, “The impact of artificial intelligence in medicine on the future role of the physician”, PeerJ, vol. 7, p. e7702, oct. 2019, doi: 10.7717/peerj.7702.
dc.source.bibliographicCitation"Pose landmark detection guide | MediaPipe”, Google Developers. https://developers.google.com/mediapipe/solutions/vision/pose_landmarker (consultado el 12 de mayo de 2023).
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectBiomecánica
dc.subjectEstudio de movimiento
dc.subjectGestos
dc.subjectHerramienta de Mediapipe
dc.subjectMiembro superior
dc.subjectSensores inerciales
dc.subject.keywordBiomechanics
dc.subject.keywordGestures
dc.subject.keywordMediapipe
dc.subject.keywordMovement study,
dc.subject.keywordUpper limb
dc.subject.keywordInertial sensors
dc.titleCaracterización de movimientos a través de imágenes y sensores inerciales para la prevención de lesiones de miembro superior durante actividades repetitivas
dc.title.TranslatedTitleCharacterization of movements through images and inertial sensors for the prevention of upper limb injuries during repetitive activities
dc.typemasterThesis
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTesis de maestría
local.department.reportEscuela de Ciencias e Ingeniería
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Caracterización-de-movimientos-Jasbon-Mutis-Adriana-Samira.pdf
Tamaño:
1.78 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Ingeniería Biomédica