SÍNTESIS DE UNA BASE DE DATOS Y CLASIFICACIÓN DEL MOVIMIENTO HUMANO BASADO EN IMU MEDIANTE REDES NEURONALES PARA LA REHABILITACIÓN ASISTIDA CON EXOESQUELETO
dc.contributor.author | Mancheño Castaño, Daniel | |
dc.date.accessioned | 2024-07-26T22:00:03Z | |
dc.date.available | 2024-07-26T22:00:03Z | |
dc.date.issued | 2024-07-23 | |
dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: Rubén Nieto Capuchino, Santiago Emmanuel Francisco Murano | |
dc.description.abstract | Este Trabajo de Fin de Grado aborda el desarrollo de un modelo de red neuronal destinado a la rehabilitación asistida con exoesqueletos. El proyecto se centra en la predicción y clasificación del movimiento de los miembros inferiores mediante el análisis de señales capturadas por Unidades de Medida Inercial (IMU). El contexto de este trabajo se enmarca en la necesidad creciente de mejorar las técnicas de rehabilitación para pacientes con disfunciones motoras, como las provocadas por lesiones en la médula espinal o accidentes cerebrovasculares. Los exoesqueletos representan una herramienta prometedora en este campo, ofreciendo la posibilidad de mejorar la movilidad y calidad de vida de los afectados. Sin embargo, la efectividad de estos dispositivos depende en gran medida de su capacidad para adaptarse a las acciones y necesidades del usuario en tiempo real. Para abordar este desafío, el proyecto ha implementado y evaluado un método de síntesis de aceleraciones y una red neuronal que permite la clasificación de los movimientos del paciente. La metodología adoptada incluyó una revisión exhaustiva de la literatura relevante, la selección y preparación de una base de datos adecuada, y el diseño de la arquitectura de red más apropiada a través de un proceso iterativo de pruebas y mejoras. Los resultados obtenidos han demostrado la viabilidad del modelo para interpretar las señales de aceleración y orientación, con el fin de clasificar los movimientos de manera precisa. Estos hallazgos no solo validan la efectividad del enfoque propuesto, sino que también establecen una base sólida para futuras investigaciones en la optimización de exoesqueletos a través del uso de inteligencia artificial. Las futuras líneas de trabajo incluirán la expansión del modelo para abarcar una mayor variedad de movimientos y la integración de otros tipos de señales. | |
dc.identifier.uri | https://hdl.handle.net/10115/38908 | |
dc.language.iso | spa | |
dc.publisher | Universidad Rey Juan Carlos | |
dc.rights | Creative Commons Atribución 4.0 Internacional | |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/legalcode | |
dc.subject | Redes Neuronales | |
dc.subject | Síntesis | |
dc.subject | IMU | |
dc.subject | SMPL | |
dc.subject | AMASS | |
dc.subject | LSTM | |
dc.subject | RNN | |
dc.subject | CNN | |
dc.subject | Clasificación | |
dc.subject | Exoesqueleto | |
dc.subject | Rehabilitación | |
dc.subject | Movimiento | |
dc.subject | Base de Datos | |
dc.title | SÍNTESIS DE UNA BASE DE DATOS Y CLASIFICACIÓN DEL MOVIMIENTO HUMANO BASADO EN IMU MEDIANTE REDES NEURONALES PARA LA REHABILITACIÓN ASISTIDA CON EXOESQUELETO | |
dc.type | info:eu-repo/semantics/studentThesis |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- 2023-24-EIF-JL-2229-2229045-d.mancheno.2021-MEMORIA.pdf
- Tamaño:
- 2.69 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Memoria del TFG