Resumen:
|
[ES] El objetivo de este proyecto es detectar las diferencias entre los patrones de marcha de dos individuos y entre las pruebas de un mismo individuo utilizando MATLAB. En primer lugar, se reorganizan los datos brutos y ...[+]
[ES] El objetivo de este proyecto es detectar las diferencias entre los patrones de marcha de dos individuos y entre las pruebas de un mismo individuo utilizando MATLAB. En primer lugar, se reorganizan los datos brutos y se transforman de hexadecimales a fuerza en newtons. Posteriormente, los datos preprocesados de una prueba se analizan visualmente y se comparan con las otras pruebas del mismo sujeto de estudio para establecer la distinción entre ellas mediante el cálculo de distintos parámetros. Además, el objetivo de la investigación bibliográfica es estudiar cómo afectan las diferentes propiedades y enfermedades a la marcha y cómo eso podría ser visible en este tipo de datos.
Dos individuos jóvenes y sanos fueron sometidos a cinco pruebas diferentes. En cada una de las pruebas, los sujetos caminaron diez pasos y se midió la presión aplicada sobre cada pie en cada paso mediante sensores de presión integrados en unas plantillas. Había un total de 23 canales que actuaban como los sensores de la plantilla y los datos registrados se midieron con una frecuencia de muestreo de 50 Hz. No se disponía de información detallada sobre las pruebas de marcha, por lo que se estudiaron las diferencias en los patrones de marcha a partir de las señales brutas y se llegó a una conclusión sobre las diferencias entre cada prueba.
El proceso seguido en este proyecto es, en primer lugar, el preprocesamiento de los datos brutos disponibles, eliminando los datos innecesarios y reorganizando y almacenando los datos que nos van a servir en matrices de celdas. A continuación, los datos de cada muestra de tiempo se dividen en los 23 canales en los que se han medido y se traducen de hexadecimales a fuerza en newtons. Además, se ordenan los canales de cada archivo mediante el uso de un algoritmo. Por último, se crea otro algoritmo matemático que sirve para la detección de la marcha y así confirmar los diez pasos de los dos individuos sanos y se trazan gráficos para confirmar que la función opera correctamente de manera visual.
[-]
[EN] Walking is the most common way of human locomotion. It is a complex activity
that results from the interaction of the nervous, musculoskeletal and
cardiorespiratory system. A disorder in any of these systems may ...[+]
[EN] Walking is the most common way of human locomotion. It is a complex activity
that results from the interaction of the nervous, musculoskeletal and
cardiorespiratory system. A disorder in any of these systems may cause an
alteration in the ability to walk and, thus, result in a walking disorder. During the
stance phase of the gait cycle, the feet experience diverse pressures distributed
unevenly throughout the foot sole resulting from the forces coming from the
body’s weight. These forces are known to be higher on the heels and lower on
the arch zone of the foot. With age and the presence of walking disorders or
abnormalities, foot pressure distribution when walking varies.
The aim of this thesis is to study the different walking segments obtained with
the performance of diverse and unknown walking styles as a mean to detect the
differences between the simulated walking styles and to detect walking patterns
on healthy subjects using the forces recorded with pressure sensors in an
insole.
This study used the data obtained from a smart Forciot insole, proportioned by
the Kävely Project, to measure duration, mean step prominence and gait cycle
parameters in order to detect the walking abnormalities simulated on each
unknown walking styles and the distribution of the force applied on the different
channel sensors of the insole to detect walking patterns.
Challenges were present due to the lack of background information of the tests
performed, nevertheless, the different walking styles performed by the subjects
were classified by the walking abnormalities found with the calculated
parameters, and walking patterns were detected in each subject. In addition,
similar walking patterns were found between subjects, although further studies
should be done to confirm if these walking patterns are valid for everyone.
[-]
|