Sistema inercial empleando IoT para análisis cinemático de marcha humana

Angel Gabriel Camacho Lara; Manuela Gómez Correa; David Cruz Ortiz; Mariana Felisa Ballesteros Escamilla

Autores/as

Angel Gabriel Camacho Lara Instituto Politécnico Nacional https://orcid.org/0009-0001-9428-2314
Manuela Gómez Correa Instituto Politécnico Nacional https://orcid.org/0000-0002-8889-7857
David Cruz Ortiz Instituto Politécnico Nacional https://orcid.org/0000-0003-2066-7470
Mariana Felisa Ballesteros Escamilla Instituto Politécnico Nacional https://orcid.org/0000-0003-2879-4474

Palabras clave:

Sistema de medición inercial, Análisis cinemático, Ciclo de la marcha, Internet de las cosas

Resumen

El trabajo presenta STEPIO, un sistema empleando el Internet de las Cosas (IoT, por sus siglas en inglés) para analizar la marcha humana. Consta de cuatro módulos inalámbricos con sensores inerciales y microcontroladores, además de un software con una interfaz gráfica de usuario (GUI, por sus siglas en inglés) para procesar y visualizar ángulos de cadera y rodilla. El sistema se evaluó mediante un conjunto de pruebas de movimientos controladas (postura de pie, sentada, flexión y elevación de rodilla) y caminata en una caminadora eléctrica a distintas velocidades. Los resultados mostraron buena correspondencia con un sistema óptico de referencia, con errores promedio bajos (RMSE = 2.7 grados). En la marcha, el sistema registró desviaciones de 1.7 grados en cadera y 4.9 grados en rodilla.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Alegria, M., Alvarado, C., Ballesteros, M., Tobon-Vallejo, D., y Cruz-Ortiz, D. (2023). Development of a wearable device for analyzing plantar load in the human gait cycle. En 2023 11th International Conference on Control,

Mechatronics and Automation (ICCMA), pp. 7–12. IEEE.

Armitano-Lago, C., Willoughby, D., y Kiefer, A. W. (2022). A swot analysis of portable and low-cost markerless motion capture systems to assess lowerlimb musculoskeletal kinematics in sport. Frontiers in Sports and Active

Living, 3:809898.

Ferrari, A., Ginis, P., Hardegger, M., Casamassima, F., Rocchi, L., y Chiari, L. (2015). A mobile kalman-filter based solution for the real-time estimation of spatio-temporal gait parameters. IEEE transactions on neural systems and

rehabilitation engineering, 24(7):764–773.

Frigo, C. y Crenna, P. (2009). Multichannel semg in clinical gait analysis: review and state-of-the-art. Clinical Biomechanics, 24(3):236–245.

Fusca, M., Negrini, F., Perego, P., Magoni, L., Molteni, F., y Andreoni, G. (2018). Validation of a wearable imu system for gait analysis: Protocol and application to a new system. Applied Sciences, 8(7):1167.

Guan, Y. y Song, X. (2018). Sensor fusion of gyroscope and accelerometer for low-cost attitude determination system. En 2018 Chinese Automation Congress (CAC), pp. 1068–1072. IEEE.

Hemingway, E. G. y O’Reilly, O. M. (2018). Perspectives on euler angle singularities, gimbal lock, and the orthogonality of applied forces and applied moments. Multibody system dynamics, 44(1):31–56.

Manupibul, U., Tanthuwapathom, R., Jarumethitanont, W., Kaimuk, P., Limroongreungrat, W., y Charoensuk, W. (2023). Integration of force and imu sensors for developing low-cost portable gait measurement system in lower

extremities. Scientific Reports, 13(1):10653.

Morris, R., Hickey, A., Del Din, S., Godfrey, A., Lord, S., y Rochester, L. (2017). A model of free-living gait: A factor analysis in parkinson’s disease. Gait & posture, 52:68–71.

Pang, B., Claeys, T., T’Jonck, K., Hallez, H., y Boydens, J. (2022). Bluetooth low energy reliability and throughput under wi-fi interference. En 2022 XXXI International Scientific Conference Electronics (ET), pp. 1–4. IEEE.

Sant’Anna, A., Wickstrom, N., Eklund, H., Zügner, R., y Tranberg, R. (2013). Assessment of gait symmetry and gait normality using inertial sensors: in-lab and in-situ evaluation. En Biomedical Engineering Systems and Technologies: 5th International Joint Conference, BIOSTEC 2012, Vilamoura, Portugal, February 1-4, 2012, Revised Selected Papers 5, pp. 239–254. Springer.

Tao, W., Liu, T., Zheng, R., y Feng, H. (2012). Gait analysis using wearable sensors. Sensors, 12(2):2255–2283.

Thewlis, D., Bishop, C., Daniell, N., y Paul, G. (2013). Next-generation lowcost motion capture systems can provide comparable spatial accuracy to high-end systems. Journal of applied biomechanics, 29(1):112–117.

Trabassi, D., Serrao, M., Varrecchia, T., Ranavolo, A., Coppola, G., De Icco, R., Tassorelli, C., y Castiglia, S. F. (2022). Machine learning approach to support the detection of parkinson’s disease in imu-based gait analysis.

Sensors, 22(10):3700.

Winter, D. (2009). Biomechanics and Motor Control of Human Movement. Wiley.

Zhu, Y. (2017). Design and validation of a low-cost portable device to quantify postural stability. Sensors, 17(3):619.