MODELO DE MACHINE LEARNING PARA LA DETECCIÓN DE EVENTOS DE MARCHA HUMANA

Resumen

La marcha humana es un proceso en el cual una persona traslada su centro de masa hacía adelante alternando las piernas. Diferentes investigaciones han determinado que la marcha es una de las acciones más complejas efectuadas por el ser humano; se puede describir mediante los movimientos y estudiar las fuerzas ejercidas por los músculos (cinemática y cinética). Para su análisis existen diferentes métodos, entre ellos los sistemas de captura de movimiento 2D y 3D los cuales utilizan herramientas tecnológicas para la recolección de datos (cámaras, infrarrojos, marcadores, etc.), recreando estas acciones en diversas formas, dimensiones y formatos.

La marcha es cíclica y puede ser descompuesta en ciclos o zancadas, los cuales presentan dos fases: la primera, apoyo, donde el pie está en contacto con el suelo y equivale al 60% del ciclo, la segunda, oscilación o balanceo, cuando el pie no está en contacto con el suelo y representa el 40% restante. Las dos fases están limitadas por eventos de marcha humana. Cada marcha posee diferentes variables como longitud de paso, ancho de paso, longitud de zancada, ancho de zancada, velocidad, aceleración, cadencia.

Es importante estudiar el patrón de marcha de un individuo, ya que es un indicador de diferentes patologías, trastornos de movimiento, entre otros, y sirve como base para que los expertos en la salud propongan planes de rehabilitación y métodos preventivos para problemas motores. El análisis biomecánico de la marcha genera un gran volumen de datos variados, que difícilmente pueden ser analizados e integrados a través de métodos tradicionales, lo que constituye una barrera para su máximo aprovechamiento.

Este trabajo propone el uso de algoritmos predictivos de Machine Learning para la detección de eventos de marcha humana, los cuales constituyen la base del estudio biomecánico de la caminata en personas.