Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo
Descripción del Articulo
El trabajo de oficina se ha convertido en la ocupación más prevalente en la sociedad contemporánea, lo que requiere largas horas de comportamiento sedentario que puede conducir a la fatiga mental y física, incluyendo el riesgo de desarrollar trastornos musculoesqueléticos (TME). Para abordar este pr...
| Autores: | , |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Peruana de Ciencias Aplicadas |
| Repositorio: | UPC-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorioacademico.upc.edu.pe:10757/683154 |
| Enlace del recurso: | http://hdl.handle.net/10757/683154 |
| Nivel de acceso: | acceso abierto |
| Materia: | Inteligencia Artificial LSTM Redes recurrentes Trastornos musculoesqueléticos Visión computacional Artificial Intelligence Computer Vision Musculoskeletal Disorders Recurrent Networks https://purl.org/pe-repo/ocde/ford#2.02.04 https://purl.org/pe-repo/ocde/ford#1.00.00 |
| id |
UUPC_be259a3ae332b929c11fb9521a4856e6 |
|---|---|
| oai_identifier_str |
oai:repositorioacademico.upc.edu.pe:10757/683154 |
| network_acronym_str |
UUPC |
| network_name_str |
UPC-Institucional |
| repository_id_str |
2670 |
| dc.title.es_PE.fl_str_mv |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo |
| title |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo |
| spellingShingle |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo Bassino Riglos, Francesco Inteligencia Artificial LSTM Redes recurrentes Trastornos musculoesqueléticos Visión computacional Artificial Intelligence Computer Vision Musculoskeletal Disorders Recurrent Networks https://purl.org/pe-repo/ocde/ford#2.02.04 https://purl.org/pe-repo/ocde/ford#1.00.00 |
| title_short |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo |
| title_full |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo |
| title_fullStr |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo |
| title_full_unstemmed |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo |
| title_sort |
Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazo |
| author |
Bassino Riglos, Francesco |
| author_facet |
Bassino Riglos, Francesco Mosqueira Chacón, César Manuel |
| author_role |
author |
| author2 |
Mosqueira Chacón, César Manuel |
| author2_role |
author |
| dc.contributor.advisor.fl_str_mv |
Ugarte Rojas, Willy |
| dc.contributor.author.fl_str_mv |
Bassino Riglos, Francesco Mosqueira Chacón, César Manuel |
| dc.subject.none.fl_str_mv |
Inteligencia Artificial LSTM Redes recurrentes Trastornos musculoesqueléticos Visión computacional Artificial Intelligence Computer Vision Musculoskeletal Disorders Recurrent Networks |
| topic |
Inteligencia Artificial LSTM Redes recurrentes Trastornos musculoesqueléticos Visión computacional Artificial Intelligence Computer Vision Musculoskeletal Disorders Recurrent Networks https://purl.org/pe-repo/ocde/ford#2.02.04 https://purl.org/pe-repo/ocde/ford#1.00.00 |
| dc.subject.ocde.none.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.04 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.00.00 |
| description |
El trabajo de oficina se ha convertido en la ocupación más prevalente en la sociedad contemporánea, lo que requiere largas horas de comportamiento sedentario que puede conducir a la fatiga mental y física, incluyendo el riesgo de desarrollar trastornos musculoesqueléticos (TME). Para abordar este problema, hemos propuesto un sistema innovador que utiliza el robot NAO para las alertas posturales, YoloV7 para la extracción de puntos de referencia y una red recurrente LSTM para la predicción postural. En nuestra evaluación, el modelo obtuvo una exactitud del 85%, una sensibilidad del 93% y una puntuación F1 del 89%. Estas métricas proporcionan información valiosa sobre la eficacia del sistema y ponen de relieve las áreas en las que pueden introducirse nuevas mejoras. Al perfeccionar el modelo y aprovechar un conjunto de datos más amplio, pretendemos mejorar la exactitud y precisión de la detección de malas posturas, lo que permitirá a los trabajadores de oficina adoptar hábitos posturales más saludables y reducir el riesgo de desarrollar TME. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-12-12T18:51:07Z |
| dc.date.available.none.fl_str_mv |
2024-12-12T18:51:07Z |
| dc.date.issued.fl_str_mv |
2024-06-11 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.other.es_PE.fl_str_mv |
Tesis |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
bachelorThesis |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10757/683154 |
| dc.identifier.isni.es_PE.fl_str_mv |
000000012196144X |
| url |
http://hdl.handle.net/10757/683154 |
| identifier_str_mv |
000000012196144X |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.relation.url.none.fl_str_mv |
https://audio.com/raupc/audio/13651 |
| dc.relation.embedded.none.fl_str_mv |
<div style="height: 228px; width: 600px;"><iframe src="https://audio.com/embed/audio/1821020426931720?theme=image" style="display:block; border-radius: 1px; border: none; height: 204px; width: 600px;"></iframe><a href='https://audio.com/raupc' style="text-align: center; display: block; color: #A4ABB6; font-size: 12px; font-family: sans-serif; line-height: 16px; margin-top: 8px; overflow: hidden; white-space: nowrap; text-overflow: ellipsis;">@raupc</a></div> |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| dc.format.en_US.fl_str_mv |
application/pdf application/epub application/msword |
| dc.publisher.es_PE.fl_str_mv |
Universidad Peruana de Ciencias Aplicadas (UPC) |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Universidad Peruana de Ciencias Aplicadas (UPC) Repositorio Académico - UPC |
| dc.source.none.fl_str_mv |
reponame:UPC-Institucional instname:Universidad Peruana de Ciencias Aplicadas instacron:UPC |
| instname_str |
Universidad Peruana de Ciencias Aplicadas |
| instacron_str |
UPC |
| institution |
UPC |
| reponame_str |
UPC-Institucional |
| collection |
UPC-Institucional |
| bitstream.url.fl_str_mv |
https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/18/Bassino_RF.pdf https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/10/Bassino_RF_Fichaautorizacion.pdf.jpg https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/12/Bassino_RF_Reportesimilitud.pdf.jpg https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/14/Bassino_RF_Actasimilitud.pdf.jpg https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/17/Bassino_RF.pdf.jpg https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/6/Bassino_RF.pdf.txt https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/9/Bassino_RF_Fichaautorizacion.pdf.txt https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/11/Bassino_RF_Reportesimilitud.pdf.txt https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/13/Bassino_RF_Actasimilitud.pdf.txt https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/15/Bassino_RF.pdf https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/16/Bassino_RF.docx https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/3/Bassino_RF_Fichaautorizacion.pdf https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/4/Bassino_RF_Reportesimilitud.pdf https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/5/Bassino_RF_Actasimilitud.pdf |
| bitstream.checksum.fl_str_mv |
c330c913b008fd15a0c63212a29cc256 634867a59374242e3886fd0526094c69 862fb4eb610bd3974fa911e60ab86a14 ede627b8f67f2d11aecde3f26c9337e8 bfd1c286df4f0d8c145d1894b1fbaeba a71d61fa713b1fe8ed364ad796df1332 65175b5f0ace5ed222d24f5e594d8fcd 819a85acb8b5f7fd75ff1360fae044bf 63a9a82d5c8233cb73e3ceafd6f0b853 ada8c876b07f1937544a976c6bf8ad10 f95c29f39165e9201b04739aeec80f80 2d115f5cdd51f7d4f181dad8164e0403 e0f0d6fccc8795db0fbbd0f280860fc5 e92c8d60d19fbe0938220464e70bae50 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio académico upc |
| repository.mail.fl_str_mv |
upc@openrepository.com |
| _version_ |
1846066123773050880 |
| spelling |
2fed84d7d73a158fdfabff8fd3ef6933Ugarte Rojas, Willy790401004c72c3e82f2e5e7c6786296a500d38946f0c5dfc63abf6fa2c32187c8c9300Bassino Riglos, FrancescoMosqueira Chacón, César Manuel2024-12-12T18:51:07Z2024-12-12T18:51:07Z2024-06-11http://hdl.handle.net/10757/683154000000012196144XEl trabajo de oficina se ha convertido en la ocupación más prevalente en la sociedad contemporánea, lo que requiere largas horas de comportamiento sedentario que puede conducir a la fatiga mental y física, incluyendo el riesgo de desarrollar trastornos musculoesqueléticos (TME). Para abordar este problema, hemos propuesto un sistema innovador que utiliza el robot NAO para las alertas posturales, YoloV7 para la extracción de puntos de referencia y una red recurrente LSTM para la predicción postural. En nuestra evaluación, el modelo obtuvo una exactitud del 85%, una sensibilidad del 93% y una puntuación F1 del 89%. Estas métricas proporcionan información valiosa sobre la eficacia del sistema y ponen de relieve las áreas en las que pueden introducirse nuevas mejoras. Al perfeccionar el modelo y aprovechar un conjunto de datos más amplio, pretendemos mejorar la exactitud y precisión de la detección de malas posturas, lo que permitirá a los trabajadores de oficina adoptar hábitos posturales más saludables y reducir el riesgo de desarrollar TME.Office work has become the most prevalent occupation in contemporary society, necessitating long hours of sedentary behavior that can lead to mental and physical fatigue, including the risk of developing musculoskeletal disorders (MSDs). To address this issue, we have proposed an innovative system that utilizes the NAO robot for posture alerts, YoloV7 for landmark extraction, and an LSTM recurrent network for posture prediction. In our evaluation, the model achieved an accuracy of 85%, recall of 93%, and an F1 score of 89%. These metrics provide valuable insights into the system's effectiveness and highlight the areas where further refinements can be implemented. By refining the model and leveraging a more extensive dataset, we aim to enhance the accuracy and precision of bad posture detection, thereby empowering office workers to adopt healthier postural habits and reduce the risk of developing MSDs.TesisODS 3: Salud y bienestarODS 8: Trabajo decente y crecimiento económicoODS 9: Industria, innovación e infraestructuraapplication/pdfapplication/epubapplication/mswordspaUniversidad Peruana de Ciencias Aplicadas (UPC)PEhttps://audio.com/raupc/audio/13651<div style="height: 228px; width: 600px;"><iframe src="https://audio.com/embed/audio/1821020426931720?theme=image" style="display:block; border-radius: 1px; border: none; height: 204px; width: 600px;"></iframe><a href='https://audio.com/raupc' style="text-align: center; display: block; color: #A4ABB6; font-size: 12px; font-family: sans-serif; line-height: 16px; margin-top: 8px; overflow: hidden; white-space: nowrap; text-overflow: ellipsis;">@raupc</a></div>SUNEDUinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2Universidad Peruana de Ciencias Aplicadas (UPC)Repositorio Académico - UPCreponame:UPC-Institucionalinstname:Universidad Peruana de Ciencias Aplicadasinstacron:UPCInteligencia ArtificialLSTMRedes recurrentesTrastornos musculoesqueléticosVisión computacionalArtificial IntelligenceComputer VisionMusculoskeletal DisordersRecurrent Networkshttps://purl.org/pe-repo/ocde/ford#2.02.04https://purl.org/pe-repo/ocde/ford#1.00.00Estimación de Pose para prevenir trastornos musculoesqueléticos utilizando una Red recurrente de largo y corto plazoinfo:eu-repo/semantics/bachelorThesisTesishttp://purl.org/coar/resource_type/c_7a1fUniversidad Peruana de Ciencias Aplicadas (UPC). Facultad de IngenieríaLicenciaturaCiencias de la ComputaciónLicenciado en Ciencias de la Computación2024-12-12T19:56:44Zhttps://purl.org/pe-repo/renati/type#tesishttps://orcid.org/0000-0002-7510-618X43673615https://purl.org/pe-repo/renati/level#tituloProfesional611016Diaz Suarez, Jorge EduardoZubieta Cardenas, Robert ErnestoRojas Sihuay, Diego7497634673904929CONVERTED2_3965223Bassino_RF.pdfBassino_RF.pdfapplication/pdf518443https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/18/Bassino_RF.pdfc330c913b008fd15a0c63212a29cc256MD518falseTHUMBNAILBassino_RF_Fichaautorizacion.pdf.jpgBassino_RF_Fichaautorizacion.pdf.jpgGenerated Thumbnailimage/jpeg33997https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/10/Bassino_RF_Fichaautorizacion.pdf.jpg634867a59374242e3886fd0526094c69MD510falseBassino_RF_Reportesimilitud.pdf.jpgBassino_RF_Reportesimilitud.pdf.jpgGenerated Thumbnailimage/jpeg25492https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/12/Bassino_RF_Reportesimilitud.pdf.jpg862fb4eb610bd3974fa911e60ab86a14MD512falseBassino_RF_Actasimilitud.pdf.jpgBassino_RF_Actasimilitud.pdf.jpgGenerated Thumbnailimage/jpeg41066https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/14/Bassino_RF_Actasimilitud.pdf.jpgede627b8f67f2d11aecde3f26c9337e8MD514falseBassino_RF.pdf.jpgBassino_RF.pdf.jpgGenerated Thumbnailimage/jpeg29098https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/17/Bassino_RF.pdf.jpgbfd1c286df4f0d8c145d1894b1fbaebaMD517falseTEXTBassino_RF.pdf.txtBassino_RF.pdf.txtExtracted texttext/plain76169https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/6/Bassino_RF.pdf.txta71d61fa713b1fe8ed364ad796df1332MD56falseBassino_RF_Fichaautorizacion.pdf.txtBassino_RF_Fichaautorizacion.pdf.txtExtracted texttext/plain2597https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/9/Bassino_RF_Fichaautorizacion.pdf.txt65175b5f0ace5ed222d24f5e594d8fcdMD59falseBassino_RF_Reportesimilitud.pdf.txtBassino_RF_Reportesimilitud.pdf.txtExtracted texttext/plain3028https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/11/Bassino_RF_Reportesimilitud.pdf.txt819a85acb8b5f7fd75ff1360fae044bfMD511falseBassino_RF_Actasimilitud.pdf.txtBassino_RF_Actasimilitud.pdf.txtExtracted texttext/plain1220https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/13/Bassino_RF_Actasimilitud.pdf.txt63a9a82d5c8233cb73e3ceafd6f0b853MD513falseORIGINALBassino_RF.pdfBassino_RF.pdfapplication/pdf688278https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/15/Bassino_RF.pdfada8c876b07f1937544a976c6bf8ad10MD515trueBassino_RF.docxBassino_RF.docxapplication/vnd.openxmlformats-officedocument.wordprocessingml.document317972https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/16/Bassino_RF.docxf95c29f39165e9201b04739aeec80f80MD516falseBassino_RF_Fichaautorizacion.pdfBassino_RF_Fichaautorizacion.pdfapplication/pdf1754832https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/3/Bassino_RF_Fichaautorizacion.pdf2d115f5cdd51f7d4f181dad8164e0403MD53falseBassino_RF_Reportesimilitud.pdfBassino_RF_Reportesimilitud.pdfapplication/pdf6801476https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/4/Bassino_RF_Reportesimilitud.pdfe0f0d6fccc8795db0fbbd0f280860fc5MD54falseBassino_RF_Actasimilitud.pdfBassino_RF_Actasimilitud.pdfapplication/pdf125309https://repositorioacademico.upc.edu.pe/bitstream/10757/683154/5/Bassino_RF_Actasimilitud.pdfe92c8d60d19fbe0938220464e70bae50MD55false10757/683154oai:repositorioacademico.upc.edu.pe:10757/6831542025-06-27 22:12:58.082Repositorio académico upcupc@openrepository.com |
| score |
13.968875 |
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).
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).
