Modelo para autoayuda en rehabilitaciones neuromusculares en adultos mayores, implementando técnicas de inteligencia artificial a través de un brazo robótico

El presente trabajo describe el desarrollo, implementación y evaluación del prototipo Biomechanically Assisted Arm Prototype (BAAP), un sistema robótico diseñado para asistir en la rehabilitación neuromuscular mediante la replicación de movimientos de una extremidad superior. Este dispositivo integr...

Full description

Autores:
Mercado Bermejo, Gabriel Leonardo
Núñez Blanco, Jesús David
Mendoza Olivo, Carlos Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2025
Institución:
Corporación Universidad de la Costa
Repositorio:
REDICUC - Repositorio CUC
Idioma:
spa
OAI Identifier:
oai:repositorio.cuc.edu.co:11323/14281
Acceso en línea:
https://hdl.handle.net/11323/14281
https://repositorio.cuc.edu.co/
Palabra clave:
Neuromuscular rehabilitation
Assisted robotics
Convolutional neural networks
Human-robot Interaction and artificial vision
Rehabilitación neuromuscular
Robótica asistida
Redes neuronales convolucionales
Interacción humano-robot y visión artificial redes neuronales convolucionales
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
Description
Summary:El presente trabajo describe el desarrollo, implementación y evaluación del prototipo Biomechanically Assisted Arm Prototype (BAAP), un sistema robótico diseñado para asistir en la rehabilitación neuromuscular mediante la replicación de movimientos de una extremidad superior. Este dispositivo integra tecnologías avanzadas como redes neuronales convolucionales (CNN), visión artificial y sistemas de control robótico, proporcionando una solución innovadora para abordar las limitaciones de las terapias tradicionales. BAAP utiliza un modelo de predicción basado en Deep Learning, capaz de interpretar gestos en tiempo real a partir de datos visuales capturados por cámaras. Durante su entrenamiento, la red neuronal alcanzó un 98% de precisión en los datos de entrenamiento y un 75% en los datos de validación, además un rendimiento general con matriz de confusión del 90.42% (Overall que entrega el programa de matriz de confusión) y un F1 score de 95%, garantizando una adecuada capacidad de generalización en la clasificación de gestos. Estos gestos son procesados y clasificados para generar comandos que controlan los servomotores del brazo robótico, replicando los movimientos detectados. Las pruebas realizadas demostraron que el sistema es eficiente en términos energéticos, con un consumo que oscila entre 0.2 A en reposo y 3 A bajo condiciones de alta demanda. Este proyecto valida el potencial del BAAP como una solución efectiva en el ámbito de la rehabilitación robótica y sienta las bases para futuros desarrollos en IA aplicada a la salud, abriendo nuevas oportunidades para mejorar la calidad de vida de personas con discapacidades neuromusculares.