Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Medición automática de variables antropométricas para la evaluación de la respiración usando visión artificial

Resumen

La evaluación fonoaudiológica de la respiración es una herramienta indispensable para el profesional de la salud ya que permite conocer qué dificultades tiene la persona al respirar. Este protocolo en la actualidad se realiza de manera manual con ayuda de pocos marcadores, los cuales no permiten caracterizar la postura corporal, relacionada con distancias, ángulos y posiciones de manera general y segura. Este artículo presenta una novedosa alternativa en el desarrollo de un sistema para mediciones automáticas de variables antropométricas, que intervienen en la evaluación fonoaudiológica de la respiración, usando visión artificial. Se tomaron variables en los 4 planos: frontal, posterior, sagital izquierdo y sagital derecho; igualmente, se incluyeron 32 marcadores para obtener 35 variables antropométricas. El principio de funcionamiento del algoritmo automático para el reconocimiento de variables antropométricas, se probó con dos pacientes, logrando un porcentaje de error general del sistema de 2,81%. Es importante resaltar que este desarrollo permitirá al especialista apoyarse en una herramienta digital para lograr medidas más precisas, mejorando la exactitud y la precisión en el diagnóstico.

Palabras clave

evaluación fonoaudiológica de la respiración, postura corporal, variables antropométricas, visión artificial.

PDF XML

Biografía del autor/a

Héctor Marino-Vera

Ingeniero en Telecomunicaciones

Luis Enrique Mendoza

Ingeniero Electrónico, Magíster en Ingeniería Biomédica

Oscar Eduardo Gualdrón-Guerrero

Ingeniero Electrónico, Doctor en Ingeniería Electrónica


Citas

  1. Baek, S., & Lee, K. (2012). Parametric human body shape modeling framework for human-centered product design. Computer-Aided Design. DOI: https://doi.org/10.1016/j.cad.2010.12.006
  2. Bonilla-González, J. P., & Prieto-Ortiz, F. A. (2016). Determinación del estado de maduración de frutos de feijoa mediante un sistema de visión por computador utilizando información de color. Revista de Investigación, Desarrollo e Innovación, 7 (1), 111-126. doi: https://doi.org/10.19053/20278306.v7.n1.2016.5603 DOI: https://doi.org/10.19053/20278306.v7.n1.2016.5603
  3. Bonnet, V., & Venture, G. (2015). Fast Determination of the Planar Body Segment Inertial Parameters Using Affordable Sensors. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 23 (4), 628-635. DOI: https://doi.org/10.1109/TNSRE.2015.2405087
  4. Cárdenas, J. A., & Prieto-Ortíz, F. A. (2015). Diseño de un algoritmo de corrección automática de posición para el proceso de perforado PCB, empleando técnicas de visión artificial. Revista de Investigación, Desarrollo e Innovación, 5 (2), 107-118. doi: 10.19053/20278306.3720 DOI: https://doi.org/10.19053/20278306.3720
  5. Cerón-Correa, A., Salazar-Jiménez, A. E., & Prieto-Ortiz, F. A. (2013). Reconocimiento de rostros y gestos faciales mediante un análisis de relevancia con imágenes 3D. Revista de Investigación, Desarrollo e Innovación, 4 (1), 7-20. doi: 10.19053/20278306.2563 DOI: https://doi.org/10.19053/20278306.2563
  6. Corvalan-Conta, C. (2013). Educación y reeducación postural en niños preescolares. Revista Vinculando. Recuperado de: http://vinculando.org/educacion/educacion-y-reeducacion-postural-en-ninos-preescolares.html
  7. Cruz-Mena, E., & Moreno-Bolton, R. (2002). Aparato respiratorio Fisiología y clínica. Santiago, Chile: Mediterráneo.
  8. Dixon, F., & Leonardo, O. (2013) Análisis Cuantitativo De Los Movimientos Articulares Del Cuerpo Humano Y Evaluación De La Postura Global A Nivel De La Columna Vertebral Humana Utilizando Visión Artificial. Pamplona, Colombia: Universidad de Pamplona.
  9. Espitia-Contreras, A., Sanchez-Caiman, P., & Uribe-Quevedo, A. (2014). Development of a Kinect-based anthropometric measurement application. IEEE Virtual Reality, 71-72. DOI: https://doi.org/10.1109/VR.2014.6802056
  10. Figueredo-Ruiz, J. N., & Castillo-Martínez, J. A. (2016). Evaluación de desórdenes bucales en profesionales que usan su voz como herramienta de trabajo. Revista Ciencias de la Salud, 14 (especial), 97-112. doi: 10.12804/revsalud14.especial.2016.07 DOI: https://doi.org/10.12804/revsalud14.especial.2016.07
  11. Gelvez-Munevar, P. A., Torres, H. M., Moreno-Muñoz, J. C., & Bautista-Rojas, L. E. (2013). Diseño de un dispositivo electrónico de acciones cíclicas como herramienta de entretenimiento para la inclusión social de personas en estado de cuadriplejía. Revista de Investigación, Desarrollo e Innovación, 4(1), 21-31. doi:http://dx.doi.org/10.19053/20278306.2604 DOI: https://doi.org/10.19053/20278306.2604
  12. González, R. C., Woods, R. E., & Eddins, S. L. (2009). Digital image processing using Matlab. USA: Prentice Hall.
  13. Gunay, A. (2007), Automatic Detection of Anthropometric Features from Facial Images. Trabzon, Turquía: Karadeniz Teknik University. DOI: https://doi.org/10.1109/SIU.2007.4298656
  14. Gutiérrez-Ríos, J., Martínez-Oviedo, E. & Peña-Cortés, C. A. (2013). Desarrollo de un módulo didáctico de robótica paralela y visión artificial con un sistema de sujeción universal. Revista Colombiana de Tecnologías de Avanzada, 1 (21), 74-80.
  15. Hernández, B. J., Benjumea, P., & Tuso, L. F. (2013). Indicadores del desempeño clínico fisioterapéutico en el manejo hospitalario temprano del accidente cerebrovascular (ACV). Revista Ciencias de la Salud, 11 (1), 7-34.
  16. León-Medina, J. X., & Torres-Barahona, E. A. (2016). Herramienta para el diseño de sistemas de posicionamiento tridimensional usados en fabricación digital. Revista de Investigación, Desarrollo e Innovación, 6 (2), 155–167. doi: http://doi.org/10.19053/20278306.4603 DOI: https://doi.org/10.19053/20278306.4603
  17. Orjuela-Juan de Dios, M., Ibarra-González, J. H., Alfonso-Blanco, J., Castro-Chaparro, N. Y., Herrera-Amaya, G. M., & Valero-Ortíz, A. S. (2015). Caracterización de los resultados de fibrobroncoscópias en el Hospital San Rafael de Tunja, 2003 a 2012. Revista Investigación en Salud Universidad de Boyacá, 2 (2), 131-147. doi: http://dx.doi.org/10.24267/23897325.133 DOI: https://doi.org/10.24267/23897325.133
  18. Porto de Freitas-Camelo, E. M., Uchôa, D. M., Uchoa-Santos, F. F., de Vasconcelos, T. B., & Maia-Macena, R. H. (2015). Use of Softwares for Posture Assessment: Integrative Review 14 (3), 230-235. doi: https://dx.doi.org/10.1590/S1808-185120151403139932 DOI: https://doi.org/10.1590/S1808-185120151403139932
  19. Susanibar, F. (2014) Protocolo de Evaluación Fonoaudiológica de la Respiración con Puntuación – PEFORP. Perú.
  20. Tsoli, A., Loper, M., & Black, M. J. (2014), Model-based anthropometry: Predicting measurements from 3D human scans in multiple poses. Tubingen, Alemania: Max Planck Institute. for Intell. DOI: https://doi.org/10.1109/WACV.2014.6836115
  21. Vargas, C. E., Ortega, S. J., Leandro, K., Alfonso, M. L., & Sandoval, C. (2015). Riesgo cardiovascular en la población de 18 a 60 años en la ciudad de Tunja, Colombia. Revista de Investigación, Desarrollo e Innovación, 6 (2), 169–177. doi: http://doi.org/10.19053/20278306.4604 DOI: https://doi.org/10.19053/20278306.4604
  22. Villar, F., Jareño, J., & Álvarez, R. (2007) Manual de procedimientos de diagnóstico y control. Madrid, España: Gráficas Enar SA.

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

<< < 1 2 3 4 5 > >> 

También puede {advancedSearchLink} para este artículo.