In recent years, there has been growing interest in postural monitoring while seated, thus preventing the appearance of ulcers and musculoskeletal problems in the long term. To date, postural control has been carried out by means of subjective questionnaires that do not provide continuous and quantitative information. For this reason, it is necessary to carry out a monitoring that allows to determine not only the postural status of wheelchair users, but also to infer the evolution or anomalies associated with a specific disease. Therefore, this paper proposes an intelligent classifier based on a multilayer neural network for the classification of sitting postures of wheelchair users. The posture database was generated based on data collected by a novel monitoring device composed of force resistive sensors. A training and hyperparameter selection methodology has been used based on the idea of using a stratified K-Fold in weight groups strategy. This allows the neural network to acquire a greater capacity for generalization, thus allowing, unlike other proposed models, to achieve higher success rates not only in familiar subjects but also in subjects with physical complexions outside the standard. In this way, the system can be used to support wheelchair users and healthcare professionals, helping them to automatically monitor their posture, regardless physical complexions.
La monitorización postural en personas de la tercera edad es fundamental para evitar la aparición de problemas músculo-esqueléticos, así como la prevención de situaciones de riesgo y caídas. En este trabajo, se presenta un dispositivo de monitorización compuesto por 16 sensores FSR (Force Sensitive Resistor), colocados de forma discreta a lo largo del asiento y respaldo de una silla. La selección de la ubicación de estos sensores se ha llevado a cabo mediante un estudio previo, donde se han identificado los puntos más significativos. Para validar el dispositivo de monitorización, se han realizado diferentes ensayos experimentales donde se han comparado los resultados obtenidos mediante el dispositivo propuesto con los medidos con una malla de presión comercial. Los resultados muestran que las posturas presentadas quedan correctamente caracterizadas mediante el sistema propuesto, reduciendo el coste del sistema y aumentando su autonomía.
La clasificación postural es fundamental de cara a realizar un correcto seguimiento del estado postural en personas mayores. Este seguimiento, además de aportar información continuada a los especialistas sanitarios, puede servir para prevenir trastornos musculoesqueléticos. En este trabajo, se presenta el análisis del número de sensores de un dispositivo de monitorización postural portable compuesto por 16 sensores FSR. Con ello, se busca reducir el coste computacional a la hora de realizar la clasificación, simplificando el modelo y aumentando la autonomía. Para ello, se aplica una metodología basada en dos pasos: 1) Calcular el orden de relevancia de los sensores, mediante Random Forest y ReliefF. 2) Seguir un proceso iterativo de entrenamiento para dos modelos de clasificación basados en SVM y KNN. En cada iteración se aumenta en uno el número de sensores introducidos como entrada, estudiando cómo afecta este número en el desempeño final de los modelos. Los resultados demuestran que un número de 5 sensores es suficiente para lograr porcentajes de acierto superiores al 90 %.
La monitorización de variables fisiológicas en personas con movilidad reducida es de vital importancia para realizar una correcta evaluación de su estado funcional. En este trabajo, se presenta un sistema de monitorización basado en un reloj inteligente que permite monitorizar y almacenar la frecuencia cardiaca del usuario en tiempo real. El sistema propuesto está compuesto por dos aplicaciones, una para el reloj inteligente y otra para el teléfono móvil del usuario. Para validar el sistema, se han realizado diferentes ensayos con el reloj inteligente TicWatch Pro 3 y el teléfono móvil Xiaomi 11 Lite 5G. Los resultados muestran unas mediciones adecuadas, continuas y en tiempo real, mejorando la oferta comercial actual.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.