@mastersthesis {243, title = {Visi{\'o}n computacional y aprendizaje de m{\'a}quinas aplicado a la estimaci{\'o}n de activaci{\'o}n muscular del b{\'\i}ceps braquial}, volume = {Computer Science Ph.D}, year = {2018}, month = {2018}, pages = {63}, abstract = {

Este trabajo de tesis complementa los requisitos de la carrera de Doctorado en Ciencias de la Computaci{\'o}n de la Facultad de Ciencias Exactas de la Universidad Nacional del Centro de la Provincia de Buenos Aires. El problema general en el que se encuentra enmarcada la presente tesis es el de estimar el nivel de activaci{\'o}n muscular ejecutado por el b{\'\i}ceps de un brazo humano al ejercer diferentes niveles de esfuerzos discretos, por medio de un sistema de visi{\'o}n artificial alimentado exclusivamente con im{\'a}genes externas del brazo. El sistema mencionado tiene embebido un componente de aprendizaje de m{\'a}quinas supervisado que le permite predecir la medida deseada, a partir de ejemplos conocidos de la activaci{\'o}n real. En un primer paso del m{\'e}todo, se aplican t{\'e}cnicas de visi{\'o}n computacional para la descripci{\'o}n de im{\'a}genes de manera de generar vectores de caracter{\'\i}sticas de las mismas. Luego, estos vectores son usados como entrada en un proceso de aprendizaje de m{\'a}quinas supervisado por la fuerza externa aplicada, un valor altamente correlacionado al nivel de activaci{\'o}n real que el b{\'\i}ceps est{\'a} ejerciendo. Se evaluaron t{\'e}cnicas maduras y com{\'u}nmente usadas en estas {\'a}reas para las cuales existen implementaciones computacionales. Como respuesta a la pregunta de {\textquestiondown}por qu{\'e} es importante resolver el problema planteado?, se presenta una introducci{\'o}n al mismo y a las {\'a}reas disciplinares de aplicaci{\'o}n. Por otro lado, pretendiendo responder {\textquestiondown}qu{\'e} soluciones existen para el problema planteado?, se presenta una revisi{\'o}n bibliogr{\'a}fica de los trabajos relacionados al problema y el m{\'e}todo propuesto para resolverlo. Para responder a la pregunta de {\textquestiondown}qu{\'e} debo aprender para resolver el problema mediante el m{\'e}todo propuesto?, se presentan las tecnolog{\'\i}as de soporte evaluadas en esta tesis para resolver el problema usando el m{\'e}todo propuesto, puntualmente en las {\'a}reas de conocimiento de descripci{\'o}n de im{\'a}genes y aprendizaje de m{\'a}quinas supervisado. Finalmente para responder a la pregunta de {\textquestiondown}c{\'o}mo aplicar estas tecnolog{\'\i}as para resolver el problema?, se presentan distintas instancias del m{\'e}todo que pretenden resolver el problema de estimaci{\'o}n planteado. Una de las instancias del m{\'e}todo presentadas, logra obtener una precisi{\'o}n aceptable en la tarea de medici{\'o}n de la activaci{\'o}n en un setting lo suficientemente pr{\'a}ctico como para ser usado en ciertos ejercicios de tele-rehabilitaci{\'o}n. La precisi{\'o}n en la medici{\'o}n de la activaci{\'o}n as{\'\i} como la correlaci{\'o}n estimada entre las mediciones obtenidas con este m{\'e}todo y la real, son comparables a los m{\'e}todos actuales y a trabajos similares.\ 

}, author = {Abraham, Leandro}, editor = {Bromberg, Facundo} }