1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Chihuahua
4. Instituto Tecnológico de Chihuahua
5. Tesis de Maestría
6. Maestría en Ciencias en Ingeniería Electrónica

Título:	CIENCIA DE DATOS PARA LA SALUD Y PROCESAMIENTO DE SEÑALES DE MOVIMIENTO DE MIEMBROS SUPERIORES
Autor:	BORUNDA VALENZUELA, SAHYRA JANETH
metadata.dc.subject.other:	CIENCIA DE DATOS PARA PROCESAMIENTO DE SEÑALES DE MOVIMIENTO DE MIEMBROS SUPERIORES
Data:	2026-01-01
Editora:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Chihuahua
Descrição:	Los miembros superiores son partes del cuerpo humano que realizan funciones relacionadas con la manipulación de objetos y se componen del hombro, brazo y antebrazo. Conocer el funcionamiento de estas partes del cuerpo es de vital importancia para el análisis del movimiento humano y para el seguimiento de lesiones deportivas. Existen diferentes técnicas para conocer mejor los miembros superiores, entre las que destacan el uso de sensores magnético-inerciales y cámaras calibradas para estimación de movimiento. Sin embargo, este tema ha sido poco explorado en la literatura científica y la tecnología. Por lo cual, en esta tesis se propone un esquema de ciencia de datos para el análisis del movimiento de miembros superiores durante el lanzamiento de un balón de fútbol americano. Este esquema inició con la creación de la base de datos DPMov (Direct Pass Movement Dataset) que contiene 106 videos de voluntarios ejecutando un lanzamiento de pase directo con un balón de fútbol. Cada video se realizó aplicando un protocolo de adquisición y se registraba la información del voluntario o voluntaria como peso, estatura, edad, si jugaba fútbol, etc. A partir del registro de información, se realizó un análisis categórico para definir las clases del modelo de ciencia de datos con los algoritmos de K-Means y Fuzzy C-Means para diferenciar entre personas que tienen una técnica de lanzamiento adecuada y las que no. Por otro lado, los videos se utilizaron como entrada de un modelo de aprendizaje automático que analiza y clasifica el patrón del lanzamiento para predecir si este fue realizado por un jugador frecuente o infrecuente. El modelo de aprendizaje automático consta de una etapa flujo óptico denso llamado Gunnar Farneback, para obtener estadísticas de la media, mediana, entropía y curtosis de la dirección del movimiento durante el lanzamiento del balón y una Red Neuronal Artificial (RNA) para analizar dichas estadísticas. Los experimentos consistieron en comparar el desempeño con diferentes RNA con la base de datos de DPMov. Los resultados mostraron que la red recurrente con neuronas de memoria de corto y largo plazo tuvo una precisión (accuracy) de 0.81, la cual obtuvo el mejor desempeño para detectar la experiencia de un jugador y el riesgo de lesión de miembros superiores.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece nas colecções:	Maestría en Ciencias en Ingeniería Electrónica

Este registo está protegido por copyright original. Ver licença

Este registo está protegido por Licença Creative Commons