Caracterización de Relojes Inteligentes para el Análisis del Movimiento Humano
Barra lateral del artículo
Contenido principal del artículo
Resumen
La tecnología wearable ha experimentado un crecimiento notable en los últimos años, especialmente en el caso de los relojes inteligentes, gracias a sus ventajas prácticas y su sencillez de uso. Estos dispositivos incorporan sensores con gran potencial para su uso en distintas aplicaciones, como por ejemplo seguridad, la ergonomía, el monitoreo de actividad física y la detección de movimientos. Distintos estudios han identificado que los sensores inerciales integrados en dispositivos inteligentes pueden presentar imprecisiones que afectan a la calidad de la adquisición de datos, lo que puede comprometer su utilidad en diversas aplicaciones.
Este trabajo presenta una propuesta para evaluar la respuesta en amplitud y frecuencia de los acelerómetros integrados en distintas unidades de relojes inteligentes comerciales. Los resultados muestran que, a pesar de las limitaciones técnicas derivadas de las configuraciones de fábrica, estos dispositivos pueden ser utilizados en aplicaciones relacionadas distintas actividades relacionadas con el análisis del movimiento humano (salud, evaluación de actividad física o evaluación de riesgos laborales, entre otros).
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
CC BY-NC-SA 4.0)
El lector puede compartir, copiar y redistribuir el material en cualquier medio o formato, siempre y cuando cumpla con las siguientes condiciones:
-
Atribución (BY): Debe dar crédito adecuado al autor original, proporcionando un enlace a la licencia y señalando si se han realizado cambios.
-
No Comercial (NC): No puede utilizar el material con fines comerciales. Esto significa que no puede venderlo ni obtener ganancias directas de su uso.
-
Compartir Igual (SA): Si adapta, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
Recuerda que esta licencia no afecta los derechos legales del autor, como el derecho moral o las excepciones de uso justo.
Citas
Y. Bello and E. Figetakis, IoT-based Wearables: A comprehensive Survey. 2023
C. Polvorinos-Fernández et al., "Evaluating Motor Symptoms in Parkinson’s Disease Through Wearable
Sensors: A Systematic Review of Digital Biomarkers" Applied Sciences, vol. 14, no. 22, doi:
3390/app142210189.
Pavón, I. (2016-2017). Soluciones basadas en el uso de tecnología wearable (relojes inteligentes –
smartwatches) y teléfonos inteligentes (smartphones) para la detección y prevención de los riesgos de la
exposición a vibraciones mecánicas y caídas. Fundación Prevent.
https://www.fundacionprevent.com/investiga-prl
Pavón García, I. (2020-2021). Monitoreado en tiempo real de actividades humanas para la gestión de riesgos
laborales mediante el uso de tecnología wearable e inteligencia artificial: Un estudio piloto en entornos
industriales. Fundación Prevent. https://www.fundacionprevent.com/investiga-prl
De Arcas Castro, G. (2018-2019). Tecnologías capacitadoras para la asistencia, seguimiento y rehabilitación
de pacientes con enfermedad de Parkinson (TECA PARK). Centro Internacional sobre el Envejecimiento
(CENIE), Interreg V-A España-Portugal (POCTEP). Código 0348_CIE_6_E
De Arcas Castro, G. (2019-2020). Translating neuro-acoustic technologies into solutions for older people.
UPM & MIT International Science and Technology Initiatives (MISTI).
Ministerio de Ciencia e Innovación. (2022). Biomarcadores digitales para la evaluación del estado motor de
pacientes con enfermedad de Parkinson para su aplicación clínica y terapéutica, BIOCLITE. (PID2021-
OB-I00).
Sigcha, L, et. al. Monipar: movement data collection tool to monitor motor symptoms in
Parkinson's disease using smartwatches and smartphones. Front Neurol. 2023 Dec 7. 14. 1326640.
https://doi.org/10.3389/fneur.2023.1326640
Polvorinos-Fernández, C.; Sigcha, L.; Borzì, L.; Olmo, G.; Asensio, C.; López, J.M.; de
Arcas, G.; Pavón, I. Evaluating Motor Symptoms in Parkinson’s Disease Through Wearable Sensors: A
Systematic Review of Digital Biomarkers. Appl. Sci. 2024, 14, 10189.
https://doi.org/10.3390/app142210189
Sigcha, L, et. al. Automatic Resting Tremor Assessment in Parkinson’s Disease Using Smartwatches
and Multitask Convolutional Neural Networks. Sensors 2021, 21, 291. https://doi.org/10.3390/s21010291
Sigcha, L, et. al. Bradykinesia Detection in Parkinson’s Disease Using Smartwatches’ Inertial Sensors
and Deep Learning Methods. Electronics 2022, 11, 3879. https://doi.org/10.3390/electronics11233879
Sigcha, L, et. al. Deep Learning Approaches for Detecting Freezing of Gait in Parkinson’s Disease
Patients through On-Body Acceleration Sensors. Sensors 2020, 20, 1895. https://doi.org/10.3390/s20071895
Sigcha, L, et. al., Improvement of Performance in Freezing of Gait detection in Parkinson’s Disease
using Transformer networks and a single waist-worn triaxial accelerometer, Eng. App. of Art. Intelligence,
Vol.116, 2022, https://doi.org/10.1016/j.engappai.2022.105482.
FallDTR. Núm. solicitud: M-003717-21. Número de asiento registral: 16 / 2021 / 7725.
Universidad Politécnica de Madrid. 27/05/2021.
D. Bravo and C. Rengifo, "Calibración de la Unidad de Medida Inercial de un Dispositivo Móvil" Revista
Mexicana de Física E, vol. 21, pp. 1-6, 07/01 2024, doi: 10.31349/RevMexFisE.21.020215.
Y. Li, J. Georgy, X. Niu, Q. Li, and N. El-Sheimy, "Autonomous Calibration of MEMS Gyros in Consumer
Portable Devices" IEEE Sensors Journal, vol. 15, pp. 1-1, 07/01 2015, doi: 10.1109/JSEN.2015.2410756.
L. F. Sigcha, I. Pavón, P. Arezes, N. Costa, G. Arcas, and J. M. Lopez Navarro, "Occupational Risk
Prevention through Smartwatches: Precision and Uncertainty Effects of the Built-In Accelerometer" Sensors,
vol. 18, 11/06 2018, doi: 10.3390/s18113805.
J A. B. Hernández, H. Alonso-Navarro, M. R. L. Piudo, and F. J. J. Jiménez, "Protocolo diagnóstico y
terapéutico del temblor" Medicine - Programa de Formación Médica Continuada Acreditado, vol. 11, no. 74,
pp. 4483-4486, 2015/03/01/ 2015, doi: https://doi.org/10.1016/j.med.2015.02.016.
S. R. Hamner and S. L. Delp, "Muscle contributions to fore-aft and vertical body mass center accelerations
over a range of running speeds" Journal of Biomechanics, vol. 46, no. 4, pp. 780-787, 2013/02/22/ 2013, doi:
https://doi.org/10.1016/j.jbiomech.2012.11.024.
Centeno-Cerrato, M. (2024). Metodología para caracterizar sensores inerciales orientado al análisis de
movimiento humano utilizando diferentes bancos de ensayo (Trabajo de fin de máster). Escuela Técnica
Superior de Ingenieros Industriales & Escuela Técnica Superior de Ingenieros de Telecomunicación,
Universidad Politécnica de Madrid.
ISO 16063-21:2003. Methods for the Calibration of Vibration and Shock Transducers-Part 21: Vibration
Calibration by Comparison to a Reference Transducer, ISO: Geneva, Switzerland, 2003.
ISO 8041-1:2018. Human Response to Vibration: Measuring Instrumentation, ISO: Geneva, Switzerland,
ISO 266:1997. Acoustics-Preferred Frequencies, ISO: Geneva, Switzerland, 1997