Valoración inicial del nivel de trastorno que se produce por hombro congelado, mediante el uso del sensor de movimiento, utilizando procesamiento de imágenes bajo software libre
La capsulitis adhesiva, comúnmente conocida como hombro congelado, es una afección en la que el paciente experimenta dolor junto a una restricción en el rango de movilidad del hombro. Su diagnóstico se establece mediante análisis físicos de movilidad y análisis de imágenes médicas como: radiografías...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Médium: | bachelorThesis |
| Jazyk: | spa |
| Vydáno: |
2023
|
| Témata: | |
| On-line přístup: | http://repositorio.espe.edu.ec/handle/21000/37441 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | La capsulitis adhesiva, comúnmente conocida como hombro congelado, es una afección en la que el paciente experimenta dolor junto a una restricción en el rango de movilidad del hombro. Su diagnóstico se establece mediante análisis físicos de movilidad y análisis de imágenes médicas como: radiografías, artrogramas y ultrasonidos. Dado el creciente empleo de la inteligencia artificial en la última década, el limitado cuerpo literario acerca de la aplicación de herramientas tecnológicas en su diagnóstico y la notable problemática presente en cuanto a la tardanza y la frecuente inexactitud en la identificación de esta afección, se propone el desarrollo de dos aplicativos representados como módulos: uno que automatiza el examen físico mediante visión artificial y otro que utiliza una red neuronal para analizar imágenes médicas. Ambos módulos están diseñados con el propósito de generar resultados que permitan evaluar la probabilidad de padecer esta enfermedad y esto, a su vez, habilita al personal de salud o médico especializado formar un diagnóstico definitivo. Los módulos fueron validados mediante pruebas de funcionamiento en donde los resultados muestran que el módulo de visión artificial es capaz de evaluar los rangos de movilidad con un error absoluto promedio de 5.688º grados, mientras que la red neuronal, entrenada con un conjunto de datos de 82 imágenes, llegó a tener una precisión del 83%. |
|---|