| dc.contributor | LUIS ENRIQUE SUCAR SUCCAR | |
| dc.contributor | LEOPOLDO ALTAMIRANO ROBLES | |
| dc.creator | GERARDO ELIEZER QUINTANA TORRES | |
| dc.date | 2007-10 | |
| dc.date.accessioned | 2018-11-19T14:28:21Z | |
| dc.date.available | 2018-11-19T14:28:21Z | |
| dc.identifier | http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/644 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/2258786 | |
| dc.description | Stroke or cerebrovascular accident (CVA) aects millions of people every year in
all the world. One of the sequels of this disease is the hemiplegy. Because the
eects of hemiplegy take a long time of therapy to cure and this is very expensive,
it is devastating in underdeveloped countries and for people with limited
economic resources. Today, new therapeutics options are required to avoid the
need of the patient being in the hospital paying too much for the therapy. For
this reason, automatic methods are needed that can evaluate the evolution of the
rehabilitation.
In this work we propose the use of hidden Markov models (HMM) to qualify
the movements of the patient, so the system can automatically evaluate his
progress in the therapy. In particular we use the Levinson, Kullback - Leibler
and Porikli metrics to compare HMMs and to generate a parametric and automatic
qualication. This qualication is used to evaluate certain gestures (in this
case, the gestures are therapeutics exercises). For this a visual tracking system
was developed to track the patient's arm, and it serves as input to the models
that qualify three gestures:
ex, circular and abduction. Based on this, a HMM
is learned to represent the movement of a healthy person for each gesture, which
is compared with the HMMs obtained for each patient. The results are compared
with the scales that are used in therapy, in particular the motricity index and the
Fugl - Meyer scale. From the analysis of several experiments, the Porikli metric
was the best to qualify the three gestures, in particular in terms of the motricity
index.
This work provides the bases for the development of a low-cost visual therapy
system for rehabilitation after stroke. | |
| dc.description | La enfermedad vascular cerebral afecta a millones de personas cada año en todo el mundo. Una de las secuelas de esta enfermedad es la hemiplejia. La hemiplejia es devastadora en países subdesarrollados o en personas de escasos recursos económicos, ya que para contrarrestar los efectos de la hemiplejia se necesita mucho tiempo de terapia y esta es muy costosa. Actualmente se necesitan nuevas opciones terapéuticas que eviten la necesidad de que el paciente se traslade de su hogar y pague demasiado por la terapia. Para esto se necesitan métodos automáticos que valoren la evolución de la rehabilitación. En el presente proyecto se plantea el uso de los modelos ocultos de Markov (MOM) para evaluar los movimientos del paciente y valorar su progreso. En particular, utilizamos las métricas Levinson, Kullback - Leibler y Porikli, para comparar MOMs, generar una calificación paramétrica y automática, y así poder valorar ciertos gestos (en este caso los gestos son movimientos terapéuticos). Para esto, se desarrolló un sistema de seguimiento del brazo de una persona, basado en un modelo simplificado, para después calificar 3 gestos: flexión, circular y abducción. En base a esto, se desarrolló un MOM que representa el movimiento de una persona sana para cada gesto, el cual se compara con los MOMs obtenidos de cada paciente. Los resultados son comparados con las escalas que se utilizan en terapia, en particular la de índice motor y la de Fugl - Meyer. Del análisis de los resultados de las pruebas realizadas, se determina que la métrica para comparar MOMs que mejor se ajusta a calificar los tres gestos, es la de Porikli, en particular con respecto al índice motor. Esto es la base de un sistema de terapia de bajo costo, enfocado a la rehabilitación de personas con discapacidad motora a causa de una enfermedad vascular cerebral y que puede ser utilizado en su hogar. | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| dc.relation | citation:Quintana-Torres GE | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0 | |
| dc.subject | info:eu-repo/classification/Modelos ocultos de Markov/Hidden Markov models | |
| dc.subject | info:eu-repo/classification/Reconocimiento de gestos/Gesture recognition | |
| dc.subject | info:eu-repo/classification/Carrera/Stroke | |
| dc.subject | info:eu-repo/classification/Visión por computador/Computer vision | |
| dc.subject | info:eu-repo/classification/cti/7 | |
| dc.subject | info:eu-repo/classification/cti/33 | |
| dc.subject | info:eu-repo/classification/cti/3314 | |
| dc.subject | info:eu-repo/classification/cti/331110 | |
| dc.title | Clasificación de gestos terapéuticos del brazo humano con modelos ocultos de Markov | |
| dc.type | Tesis | |
| dc.type | info:eu-repo/semantics/acceptedVersion | |
| dc.audience | students | |
| dc.audience | researchers | |
| dc.audience | generalPublic | |
