Publicaciones

Los métodos automáticos para detectar FOG utilizando el índice de congelación (FI) se han propuesto ampliamente para monitorizar sistemáticamente el FOG en la vida real y guiar las optimizaciones terapéuticas. Sin embargo, los métodos para estimar el FI se han basado en una amplia gama de tecnologías de medición y metodologías computacionales, a menudo carentes de rigor matemático. Esta falta de estandarización ha obstaculizado gravemente la aceptación del FI por parte de las agencias reguladoras como una medida reproducible, robusta, efectiva y segura sobre la cual basar desarrollos futuros. En este estudio, formalizamos la definición del FI y proponemos un algoritmo de estimación riguroso y explícito, que puede servir como estándar para aplicaciones futuras. Esta estandarización proporciona un punto de referencia consistente y fiable.

El deterioro de la marcha puede utilizarse como biomarcador del envejecimiento y las enfermedades neurológicas. La monitorización y el análisis continuos de la marcha son esenciales para la detección temprana de déficits y la rehabilitación personalizada. El uso de sistemas móviles y portátiles de sensores inerciales para la monitorización y el análisis de la marcha se ha explorado ampliamente con resultados prometedores en la literatura. En este trabajo, hemos desarrollado un sistema de análisis de la marcha integrado en el calzado basado en sensores inerciales para la monitorización de la marcha en tiempo real e investigamos la frecuencia de muestreo óptima para capturar toda la información sobre los patrones de marcha. Se realizó un estudio de validación exploratoria utilizando un sistema de captura de movimiento óptico en cuatro sujetos adultos sanos.

Los sistemas de captura de movimiento son ampliamente aceptados como referencia para el análisis de la marcha y se utilizan para la validación de otros sistemas de análisis de la marcha. Hasta la fecha, su fiabilidad y limitaciones en el etiquetado manual de eventos de la marcha no se han estudiado. Objetivos: Evaluar la incertidumbre del etiquetado manual e introducir un modelo híbrido de detección de zancadas y estimación de eventos de la marcha para la monitorización autónoma, a largo plazo y remota. Métodos: Estimar las inconsistencias entre etiquetadores calculando los límites de concordancia. Desarrollar un modelo híbrido basado en alineamiento temporal dinámico y red neuronal convolucional para identificar zancadas válidas y eliminar datos que no correspondan a zancadas en datos inerciales (de marcha) recopilados por un dispositivo portátil. Finalmente, detectar eventos de la marcha dentro de una región de zancada válida.