Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning

Descripción del Articulo

La presente investigación tiene como objetivo desarrollar una aplicación móvil para apoyar en el monitoreo y predicción del temblor de Parkinson, su implementación se realiza por medio de una aplicación móvil hibrida mediante machine learning, esta aplicación apoyará al médico especialista, dado que...

Descripción completa

Detalles Bibliográficos
Autor: Godínez Tello, Carlos Raúl André
Formato: tesis de grado
Fecha de Publicación:2021
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/17387
Enlace del recurso:https://hdl.handle.net/20.500.12672/17387
Nivel de acceso:acceso abierto
Materia:Aprendizaje automático (Inteligencia artificial)
Predicciones
Software de aplicación
Enfermedad de Parkinson
https://purl.org/pe-repo/ocde/ford#2.02.04
id UNMS_c19ad428f3b837e92585ab2a8d870230
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/17387
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
title Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
spellingShingle Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
Godínez Tello, Carlos Raúl André
Aprendizaje automático (Inteligencia artificial)
Predicciones
Software de aplicación
Enfermedad de Parkinson
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
title_full Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
title_fullStr Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
title_full_unstemmed Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
title_sort Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
author Godínez Tello, Carlos Raúl André
author_facet Godínez Tello, Carlos Raúl André
author_role author
dc.contributor.advisor.fl_str_mv Pró Concepción, Luzmila Elisa
dc.contributor.author.fl_str_mv Godínez Tello, Carlos Raúl André
dc.subject.none.fl_str_mv Aprendizaje automático (Inteligencia artificial)
Predicciones
Software de aplicación
Enfermedad de Parkinson
topic Aprendizaje automático (Inteligencia artificial)
Predicciones
Software de aplicación
Enfermedad de Parkinson
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description La presente investigación tiene como objetivo desarrollar una aplicación móvil para apoyar en el monitoreo y predicción del temblor de Parkinson, su implementación se realiza por medio de una aplicación móvil hibrida mediante machine learning, esta aplicación apoyará al médico especialista, dado que la aplicación tendrá la capacidad de pronosticar el temblor parkinsoniano de la enfermedad de Parkinson durante los próximos 6 segundos siguientes a la toma de las muestras, así mismo permitirá llevar a cabo un control de los mismos mediante un historial, que podrá ser visualizado, compartido vía correo electrónico, también podrá llevar un control de tiempo de congelamiento de las personas, a su vez cuenta con una alarma de dosificación de las pastillas que son tomadas durante el proceso que conlleva esta enfermedad. El desarrollo de la aplicación móvil fue elaborado con el framework Ionic convirtiéndolo en una aplicación hibrida y utilizando la técnica de regresión lineal para poder hacer el pronóstico correspondiente. Se logro construir primero el módulo que es la aplicación móvil para su correcto uso, teniendo claro las variables, especificaciones, casos de uso, arquitectura, y modelos que permiten la correcta manipulación e inserción con los otros dos módulos restantes que son de congelamiento y el de alarma.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-12-21T17:42:18Z
dc.date.available.none.fl_str_mv 2021-12-21T17:42:18Z
dc.date.issued.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.citation.none.fl_str_mv Godínez, C. (2021). Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática, Escuela Profesional de Ingeniería de Software]. Repositorio institucional Cybertesis UNMSM.
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/17387
identifier_str_mv Godínez, C. (2021). Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática, Escuela Profesional de Ingeniería de Software]. Repositorio institucional Cybertesis UNMSM.
url https://hdl.handle.net/20.500.12672/17387
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Universidad Nacional Mayor de San Marcos
Repositorio de Tesis - UNMSM
reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/d1032cb5-fd59-4a54-9305-64ffa7cda5c4/download
https://cybertesis.unmsm.edu.pe/bitstreams/bcaee437-2baa-47bd-a17c-7e8fba936df1/download
https://cybertesis.unmsm.edu.pe/bitstreams/68c39231-f2e7-4893-8331-985f7a06675c/download
https://cybertesis.unmsm.edu.pe/bitstreams/5de1dfda-6861-48a1-8328-6e98c26545b4/download
bitstream.checksum.fl_str_mv 6c5778f3332e861d44a188a53f9490c9
8a4605be74aa9ea9d79846c1fba20a33
5c740b9d4636d2973d2f7f502bfa93aa
ed4cf9615da2604fe35011d89a004c8c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1841545490870566912
spelling Pró Concepción, Luzmila ElisaGodínez Tello, Carlos Raúl André2021-12-21T17:42:18Z2021-12-21T17:42:18Z2021Godínez, C. (2021). Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning. [Tesis de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática, Escuela Profesional de Ingeniería de Software]. Repositorio institucional Cybertesis UNMSM.https://hdl.handle.net/20.500.12672/17387La presente investigación tiene como objetivo desarrollar una aplicación móvil para apoyar en el monitoreo y predicción del temblor de Parkinson, su implementación se realiza por medio de una aplicación móvil hibrida mediante machine learning, esta aplicación apoyará al médico especialista, dado que la aplicación tendrá la capacidad de pronosticar el temblor parkinsoniano de la enfermedad de Parkinson durante los próximos 6 segundos siguientes a la toma de las muestras, así mismo permitirá llevar a cabo un control de los mismos mediante un historial, que podrá ser visualizado, compartido vía correo electrónico, también podrá llevar un control de tiempo de congelamiento de las personas, a su vez cuenta con una alarma de dosificación de las pastillas que son tomadas durante el proceso que conlleva esta enfermedad. El desarrollo de la aplicación móvil fue elaborado con el framework Ionic convirtiéndolo en una aplicación hibrida y utilizando la técnica de regresión lineal para poder hacer el pronóstico correspondiente. Se logro construir primero el módulo que es la aplicación móvil para su correcto uso, teniendo claro las variables, especificaciones, casos de uso, arquitectura, y modelos que permiten la correcta manipulación e inserción con los otros dos módulos restantes que son de congelamiento y el de alarma.application/pdfspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Universidad Nacional Mayor de San MarcosRepositorio de Tesis - UNMSMreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMAprendizaje automático (Inteligencia artificial)PrediccionesSoftware de aplicaciónEnfermedad de Parkinsonhttps://purl.org/pe-repo/ocde/ford#2.02.04Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learninginfo:eu-repo/semantics/bachelorThesisSUNEDUIngeniero de SoftwareUniversidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Escuela Profesional de Ingeniería de SoftwareIngeniería de Software08862360https://orcid.org/0000-0003-0622-117347200005612236Gamarra Moreno, JuanBustamante Olivera, Víctor Hugohttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesis2003985725655590ORIGINALGodinez_tc.pdfGodinez_tc.pdfapplication/pdf8681275https://cybertesis.unmsm.edu.pe/bitstreams/d1032cb5-fd59-4a54-9305-64ffa7cda5c4/download6c5778f3332e861d44a188a53f9490c9MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/bcaee437-2baa-47bd-a17c-7e8fba936df1/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTGodinez_tc.pdf.txtGodinez_tc.pdf.txtExtracted texttext/plain101541https://cybertesis.unmsm.edu.pe/bitstreams/68c39231-f2e7-4893-8331-985f7a06675c/download5c740b9d4636d2973d2f7f502bfa93aaMD55THUMBNAILGodinez_tc.pdf.jpgGodinez_tc.pdf.jpgGenerated Thumbnailimage/jpeg14836https://cybertesis.unmsm.edu.pe/bitstreams/5de1dfda-6861-48a1-8328-6e98c26545b4/downloaded4cf9615da2604fe35011d89a004c8cMD5620.500.12672/17387oai:cybertesis.unmsm.edu.pe:20.500.12672/173872024-08-15 23:57:55.712https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.peTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=
score 13.124538
Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares