Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial

Este trabajo de tesis complementa los requisitos de la carrera de Doctorado en Ciencias de la Computación de la Facultad de Ciencias Exactas de la Universidad Nacional del Centro de la Provincia de Buenos Aires. El problema general en el que se encuentra enmarcada la presente tesis es el de estimar...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Abraham, Leandro Martín
Formato: Artículo revista
Lenguaje:Español
Publicado: Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas 2018
Materias:
Visión computacional
Activación muscular
Rehabilitación
Computación
Biomecánica
Imágenes tridimensionales
Sistemas autónomos
Tesis de doctorado
Acceso en línea:https://www.ridaa.unicen.edu.ar/handle/123456789/1942
Aporte de:
Repositorio Institucional de Acceso Abierto (RIDAA) de Universidad Nacional del Centro
id I21-R190-123456789-1942
record_format ojs
spelling I21-R190-123456789-19422025-04-22T12:19:52Z Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial Abraham, Leandro Martín Bromberg, Facundo Forradellas, Raymundo Visión computacional Activación muscular Rehabilitación Computación Biomecánica Imágenes tridimensionales Sistemas autónomos Tesis de doctorado Este trabajo de tesis complementa los requisitos de la carrera de Doctorado en Ciencias de la Computación de la Facultad de Ciencias Exactas de la Universidad Nacional del Centro de la Provincia de Buenos Aires. El problema general en el que se encuentra enmarcada la presente tesis es el de estimar el nivel de activación muscular ejecutado por el bíceps de un brazo humano al ejercer diferentes niveles de esfuerzos discretos, por medio de un sistema de visión artificial alimentado exclusivamente con imágenes externas del brazo. El sistema mencionado tiene embebido un componente de aprendizaje de máquinas supervisado que le permite predecir la medida deseada, a partir de ejemplos conocidos de la activación real. En un primer paso del método, se aplican técnicas de visión computacional para la descripción de imágenes de manera de generar vectores de características de las mismas. Luego, estos vectores son usados como entrada en un proceso de aprendizaje de máquinas supervisado por la fuerza externa aplicada, un valor altamente correlacionado al nivel de activación real que el bíceps está ejerciendo. Se evaluaron técnicas maduras y comúnmente usadas en estas áreas para las cuales existen implementaciones computacionales. Como respuesta a la pregunta de ¿por qué es importante resolver el problema planteado?, se presenta una introducción al mismo y a las áreas disciplinares de aplicación. Por otro lado, pretendiendo responder ¿qué soluciones existen para el problema planteado?, se presenta una revisión bibliográfica de los trabajos relacionados al problema y el método propuesto para resolverlo. Para responder a la pregunta de ¿qué debo aprender para resolver el problema mediante el método propuesto?, se presentan las tecnologías de soporte evaluadas en esta tesis para resolver el problema usando el método propuesto, puntualmente en las áreas de conocimiento de descripción de imágenes y aprendizaje de máquinas supervisado. Finalmente para responder a la pregunta de ¿cómo aplicar estas tecnologías para resolver el problema?, se presentan distintas instancias del método que pretenden resolver el problema de estimación planteado. Una de las instancias del método presentadas, logra obtener una precisión aceptable en la tarea de medición de la activación en un setting lo su cientemente práctico como para ser usado en ciertos ejercicios de tele-rehabilitación. La precisión en la medición de la activación así como la correlación estimada entre las mediciones obtenidas con este método y la real, son comparables a los métodos actuales y a trabajos similares. Fil: Abraham, Leandro Martín . Universidad Nacional de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Bromberg, Facundo. Universidad Nacional de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Forradellas, Raymundo. Universidad Nacional de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. 2018-10 2019-03-28T15:42:59Z 2019-03-28T15:42:59Z info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/doctoralThesis info:eu-repo/semantics/acceptedVersion https://www.ridaa.unicen.edu.ar/handle/123456789/1942 spa http://creativecommons.org/licenses/by-nc/2.5/ar/ info:eu-repo/semantics/openAccess application/pdf application/pdf Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
institution Universidad Nacional del Centro
institution_str I-21
repository_str R-190
container_title_str Repositorio Institucional de Acceso Abierto (RIDAA)
language Español
format Artículo revista
topic Visión computacional
Activación muscular
Rehabilitación
Computación
Biomecánica
Imágenes tridimensionales
Sistemas autónomos
Tesis de doctorado
spellingShingle Visión computacional
Activación muscular
Rehabilitación
Computación
Biomecánica
Imágenes tridimensionales
Sistemas autónomos
Tesis de doctorado
Abraham, Leandro Martín
Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial
topic_facet Visión computacional
Activación muscular
Rehabilitación
Computación
Biomecánica
Imágenes tridimensionales
Sistemas autónomos
Tesis de doctorado
author Abraham, Leandro Martín
author_facet Abraham, Leandro Martín
author_sort Abraham, Leandro Martín
title Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial
title_short Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial
title_full Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial
title_fullStr Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial
title_full_unstemmed Visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial
title_sort visión computacional y aprendizaje de máquinas aplicado a la estimación de activación muscular del bíceps braquial
description Este trabajo de tesis complementa los requisitos de la carrera de Doctorado en Ciencias de la Computación de la Facultad de Ciencias Exactas de la Universidad Nacional del Centro de la Provincia de Buenos Aires. El problema general en el que se encuentra enmarcada la presente tesis es el de estimar el nivel de activación muscular ejecutado por el bíceps de un brazo humano al ejercer diferentes niveles de esfuerzos discretos, por medio de un sistema de visión artificial alimentado exclusivamente con imágenes externas del brazo. El sistema mencionado tiene embebido un componente de aprendizaje de máquinas supervisado que le permite predecir la medida deseada, a partir de ejemplos conocidos de la activación real. En un primer paso del método, se aplican técnicas de visión computacional para la descripción de imágenes de manera de generar vectores de características de las mismas. Luego, estos vectores son usados como entrada en un proceso de aprendizaje de máquinas supervisado por la fuerza externa aplicada, un valor altamente correlacionado al nivel de activación real que el bíceps está ejerciendo. Se evaluaron técnicas maduras y comúnmente usadas en estas áreas para las cuales existen implementaciones computacionales. Como respuesta a la pregunta de ¿por qué es importante resolver el problema planteado?, se presenta una introducción al mismo y a las áreas disciplinares de aplicación. Por otro lado, pretendiendo responder ¿qué soluciones existen para el problema planteado?, se presenta una revisión bibliográfica de los trabajos relacionados al problema y el método propuesto para resolverlo. Para responder a la pregunta de ¿qué debo aprender para resolver el problema mediante el método propuesto?, se presentan las tecnologías de soporte evaluadas en esta tesis para resolver el problema usando el método propuesto, puntualmente en las áreas de conocimiento de descripción de imágenes y aprendizaje de máquinas supervisado. Finalmente para responder a la pregunta de ¿cómo aplicar estas tecnologías para resolver el problema?, se presentan distintas instancias del método que pretenden resolver el problema de estimación planteado. Una de las instancias del método presentadas, logra obtener una precisión aceptable en la tarea de medición de la activación en un setting lo su cientemente práctico como para ser usado en ciertos ejercicios de tele-rehabilitación. La precisión en la medición de la activación así como la correlación estimada entre las mediciones obtenidas con este método y la real, son comparables a los métodos actuales y a trabajos similares.
publisher Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publishDate 2018
url https://www.ridaa.unicen.edu.ar/handle/123456789/1942
work_keys_str_mv AT abrahamleandromartin visioncomputacionalyaprendizajedemaquinasaplicadoalaestimaciondeactivacionmusculardelbicepsbraquial
first_indexed 2022-07-04T14:26:36Z
last_indexed 2025-06-05T05:01:56Z
_version_ 1834063984243769344

Ejemplares similares