Examinando por Autor "Torres Villa, Róbinson"
Mostrando 1 - 4 de 4
Resultados por página
Opciones de ordenación
Publicación Acceso abierto Dispositivo para la medición del índice de coherencia global(Universidad EIA, 2020) Isaza Arias, David Santiago; Torres Villa, RóbinsonRESUMEN: Actualmente la sociedad se encuentra bajo estímulos constantes los cuales pueden inducir estrés, y este estrés conlleva a diferentes patologías cardiacas, respiratoria y en algunos casos en problemas psicológicos como depresión y ansiedad. El índice de coherencia global es un numero adimensional que nos permite evaluar el nivel de estrés en el cual se encuentra una persona; para encontrar el índice de coherencia global, se necesita tener 4 señales fisiológica: ECG, PPG, PTT y respiración. Se desarrolla un dispositivo portable, con un AFE de referencia max86150 y con una tarjeta de desarrollo teensy 3.5, obteniendo la señal de ECG en dos puntos junto con la señal de PPG. Se realiza un sistema de estimación para el índice de coherencia global, en donde a partir de la señal de ECG derivamos encontramos la señal de respiración del dispositivo, y junto con la señal de PTT (encontrada a partir de la señal de ECG y PPG) se encuentra el índice de coherencia global. Se obtiene un dispositivo funcional, que permite el cálculo del índice de coherencia global. Se realiza el cálculo del índice de coherencia global verificando el correcto funcionamiento del equipo.Publicación Acceso abierto Sistema para la detección de la depresión a partir del procesamiento, análisis y reconocimiento de patrones en señales fisiológicas(Universidad EIA, 2023) Alzate Márquez Mateo; Torres Villa, RóbinsonRESUMEN: se propone la creación de un sistema para la detección de la depresión, basado en la adquisición y procesamiento de señales de ECG y PPG, seguido por el desarrollo de un algoritmo para la clasificación y detección de patrones. El objetivo principal es lograr una clasificación precisa de un individuo en un grupo de depresión o no depresión, logrando en última instancia la detección correcta del problema mencionado. Esto se logró mediante el análisis de un conjunto de variables fisiológicas tomadas de las señales de PPG y ECG, utilizando un protocolo experimental llamado 'script-driven imagery' adaptado al paradigma actual, aplicado a individuos del Centro Médico de Alta Especialidad del Bajío T1 en León, México. Las variables utilizadas incluyen la variabilidad de la frecuencia cardíaca, el tiempo de tránsito del pulso, la frecuencia cardíaca, la señal de respiración, la coherencia fisiológica de cada una y el índice de coherencia global, así como otras variables relacionadas con la frecuencia seleccionadas en función de una revisión bibliográfica. Posteriormente, se desarrolló un programa en Python para el procesamiento y obtención de los valores de las variables mencionadas para su posterior uso en un código de aprendizaje automático. Se realizó una prueba con un modelo de aprendizaje automático múltiple para determinar que el algoritmo de clasificación binaria que mostró el mejor rendimiento fue un Bosque Aleatorio, con una sensibilidad y precisión del 76% para el grupo de validación, aunque se lograron porcentajes más altos con grupos más pequeños de individuos. También se llevó a cabo una revisión del rendimiento de las mejores características en el algoritmo para identificar qué variables pueden tener un mayor impacto al intentar detectar un estado depresivo en un individuo.Publicación Acceso abierto Sistema para la medición de la presión arterial continua no invasiva sin brazalete(Universidad EIA, 2012) Escobar Restrepo, Braiam Yesid; Torres Villa, RóbinsonEl propósito del presente estudio fue diseñar e implementar un sistema para la medición de la presión arterial basado en el método del tiempo de tránsito de pulso (PTT). El PTT está definido como el intervalo de tiempo entre el pico de la onda R del electrocardiograma (ECG) y un punto característico de la onda de fotopletismografía (PPG) en el mismo ciclo cardiaco.Publicación Acceso abierto Sistema para procesamiento de señales de electromiografía de superficie con posible aplicación en el control de órtesis para rehabilitación de codo(Universidad EIA, 2023) García Arrunátegui, María Fernanda; Torres Villa, Róbinson; Montoya Góez, YesidRESUMEN: la articulación del codo es fundamental para la funcionalidad de las extremidades superiores. Después de una lesión en esta área, es común que se formen adherencias que limitan la amplitud de los movimientos y pueden afectar la recuperación del paciente. De esta problemática se ha derivado el desarrollo de dispositivos ortopédicos, los cuales desempeñan un papel importante en la rehabilitación de trastornos de la articulación del codo; sin embargo, estos dispositivos de movilización tienen limitaciones, como costos altos, falta de adaptación al cuerpo del paciente, además de ser incómodos y pesados. En Colombia, estos dispositivos no permiten la realización continua de ejercicios activos y activo asistidos de manera continua y debe ejecutarse manualmente, por lo cual se puede poner en riesgo la recuperación del paciente. De acuerdo con lo anterior, ha surgido la necesidad de cuantificar la resistencia requerida para oponerse al movimiento en los ejercicios activos y reconocer los patrones de movimiento del paciente para su asistencia en los activos asistidos, lo cual se ha logrado con la electromiografía de superficie (sEMG), una señal muy utilizada en el campo de la rehabilitación. En este trabajo, se desarrolló un sistema vestible y flexible para la adquisición y caracterización de las señales de sEMG, que puede ser usado en el futuro, para el control y la realimentación de una órtesis para rehabilitación de codo, mediante la combinación de elementos de hardware y firmware en un sistema embebido. Para lograr lo anterior, se adaptó la metodología de diseño divergente - convergente de Ogrodnik para el diseño del sistema. Posteriormente, se realizó la adquisición, caracterización, teniendo en cuenta análisis en el dominio del tiempo y frecuencia, y clasificación de las señales de sEMG según el tipo de movimiento (flexo extensión, prono supinación y basal) y la carga levantada (0 kg, 1 kg, 2 kg) tomando datos de 37 personas para entrenar el modelo a través de un sistema de adquisición flexible diseñado. Se implementó el modelo de machine learning (árbol de decisión) en un sistema embebido (Teensy 4.0) y se evaluó el desempeño del sistema en cuanto a la clasificación de carga y tipo de movimiento. Se determinó que el sistema para la adquisición y caracterización de las señales de sEMG puede adaptarse a la anatomía de cualquier paciente, tiene un accuracy del 97 % para clasificación de tipo de movimiento y del 63.17 % para la carga.