Repository logo

Facultad de Ingeniería

Permanent URI for this community

http://52.190.9.31//handle/123456789/799

Browse

Browsing Facultad de Ingeniería by Subject "006.37 Z36"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Clasificación de posturas de equilibrio del Sppb utilizando redes reuronales y visión por computadora
    (Universidad Tecnológica Centroamericana UNITEC, 2026-04-05) Gloria Emilia Zapata Cáceres; Karla Reyes
    El envejecimiento poblacional conlleva un aumento del riesgo de fragilidad y pérdida de equilibrio en adultos mayores, lo que incrementa la probabilidad de caídas y afecta su autonomía. Para abordar este problema, este estudio desarrolla un modelo basado en visión por computadora y redes neuronales convolucionales (CNN) para la clasificación de posturas de equilibrio en la prueba SPPB. El sistema emplea Roboflow para entrenar el modelo de aprendizaje profundo con imágenes segmentadas de videos. Se han etiquetado posturas clave del SPPB (pies juntos, semi-tándem y tándem) para permitir la identificación automática. El modelo será validado mediante métricas de desempeño como precisión, recall y mAP, garantizando su fiabilidad para futuras aplicaciones en la evaluación del equilibrio. Este enfoque elimina la necesidad de sensores físicos y proporciona una alternativa accesible para el análisis postural en entornos clínicos y de investigación.
  • Thumbnail Image
    Item
    Sistema de visión artificial con Mediapipe y Opencv para monitorización de ejercicios para envejecimiento saludable
    (Universidad Tecnológica Centroamericana UNITEC, 2026-04-05) Gloria Emilia Zapata Cáceres; Karla Reyes
    El envejecimiento poblacional plantea desafíos críticos para los sistemas de salud globales, incluyendo el aumento del riesgo de fragilidad, pérdida de movilidad y caídas. Esto afecta significativamente la calidad de vida y autonomía de las personas mayores de 60 años. En este estudio se abordan estos desafíos mediante el desarrollo de un sistema de visión por computadora que utiliza Mediapipe y OpenCV para monitorear y corregir la ejecución de ejercicios en adultos mayores. El sistema fue diseñado para promover un envejecimiento saludable al mejorar la funcionalidad física mediante la detección precisa de posturas y retroalimentación en tiempo real. Siguiendo un enfoque cuantitativo, la investigación empleó la metodología de desarrollo en modelo V para garantizar precisión, usabilidad y confiabilidad. Las pruebas iniciales realizadas con un grupo de voluntarios no frágiles demostraron una alta precisión en la detección de ejercicios como caminar (100%) y extensiones de pierna (96.27%), confirmando el potencial del sistema para ser escalable y aplicable en entornos reales. A pesar de limitaciones como requisitos específicos de vestimenta y espacio, el sistema ofrece una solución accesible y sin sensores, adaptable a diversas poblaciones. Este trabajo contribuye al avance de intervenciones autónomas en salud para adultos mayores, fomentando su independencia y mejorando su bienestar.