Reconocimiento de patrones relacionados a la enfermedad de Parkinson usando sensores inerciales e Inteligencia Artificial

La Enfermedad de Parkinson (EP) es una enfermedad actualmente incurable, que afecta a 1.5% de personas a partir de los 65 años. La detección temprana de la enfermedad permitiría mejorar la calidad de vida de los pacientes y su familia, ya que permitiría tomar acciones preventivas más oportunas que una detección en una etapa avanzada. Uno de los síntomas que suelen aparecer en etapas tempranas de la EP son los patrones de marcha modificados, que alteran el movimiento de brazos y piernas. Basado en esto, se propone el análisis de estos movimientos mediante técnicas de Inteligencia Artificial que permitan capturar patrones para clasificar pacientes con EP de sujetos sanos. Para el desarrollo de esta solución se usaron datos tomados con sensores IMU durante la marcha de sujetos sanos y pacientes con EP, ubicados en las muñecas y espina base de los sujetos, de la Universidad ICESI de Colombia. Se extrajeron características, escalogramas y señales temporales de estos datos, que fueron las entradas para modelos de ML Shallow y Deep Learning, de los cuales, el modelo Red MLP mediante el método de extracción de características, dio el mejor resultado, teniendo un 95% de exactitud. Se integró este modelo en una aplicación Web para uso médico, donde puedan ser subidos archivos de señales IMU de los pacientes y predecir la probabilidad de tener EP según el modelo.

• Hovedforfatter: Molina Coronel, Ricardo Duval (author)
• Andre forfattere: Moscoso Esquivel, Andrés Ulises (author), Peláez Jarrin, Colon Enrique, Director (author)
• Format: bachelorThesis
• Sprog: esp
• Udgivet: 2025
• Fag: Enfermedad de Parkinson; Machine Learning; Deep Learning; IMU; Marcha
• Online adgang: http://www.dspace.espol.edu.ec/handle/123456789/66029