Programa del congreso
Resúmenes y datos de las sesiones para este congreso. Seleccione una fecha o ubicación para mostrar solo las sesiones en ese día o ubicación. Seleccione una sola sesión para obtener una vista detallada (con resúmenes y descargas, si están disponibles).
|
Resumen diario |
| Sesión | |
|
Ju-S4.2-Bmec: Biomecánica Lugar: Aula 0.01 Presidente de la sesión: Rosa Pàmies Vilà Presidente de la sesión: Roberto Llorens | |
    | |
9:15 - 9:30
Aplicación de Deep Learning para la Estimación de la Cinemática de la Marcha a partir de Señales de Electromiografía en Pacientes Neurológicos 1: Universidad de Valladolid, España; 2: Hospital Universitario Río Hortega, Valladolid, España; 3: Biomech Solutions, Investigación y Desarrollo, Madrid, España. Antecedentes y Objetivos. La evaluación de la marcha en pacientes con parálisis cerebral (PC) suele requerir de sistemas complejos poco accesibles en la práctica clínica. Este trabajo propone un modelo basado en una arquitectura U-Net unidimensional (U-Net 1D) para estimar ángulos articulares a partir de señales de electromiografía superficial (sEMG), eliminando la necesidad de sensores inerciales. Métodos. Se diseñó un flujo de procesamiento para la adquisición, sincronización y preprocesamiento de señales de sEMG y cinemáticas en 46 participantes pediátricos (21 con PC y 25 sujetos de control). Se entrenaron modelos independientes para tobillo y rodilla, evaluando el impacto de la inclusión de marcadores temporales y de la técnica transfer learning.. Asimismo, se realizó un análisis estratificado por patología y dominancia. Resultados. En el grupo control, el modelo alcanzó un error cuadrático medio de 3,6° (R²=0,88), mientras que en el de PC fue de 8,5° (R²=0,67). El análisis estadístico reveló diferencias significativas en las fases de prebalanceo y balanceo terminal. Conclusiones. U-Net 1D permite estimar ángulos articulares con precisión clínica, mostrando aplicabilidad en rehabilitación pediátrica.
| |