1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Doctorado
  5. Doctorado en Mecatrónica
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/12346
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorIrving Armando Cruz Albarránes_ES
dc.creatorRogelio Cedeño Morenoes_ES
dc.date.accessioned2025-10-06T18:02:31Z-
dc.date.available2025-10-06T18:02:31Z-
dc.date.issued2025-10-31-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/12346-
dc.descriptionLos esguinces de tobillo por inversión son las lesiones más comunes en piernas, presentándose posterior a un movimiento brusco o a un esfuerzo anormal, causando rasgaduras parciales o totales de los ligamentos. Lo cual ante la ausencia o ineficiencia de un tratamiento puede causar un desgaste sobre tejidos y articulaciones sanas, volviéndose propensos a la presencia de secuelas, recurrencia de la lesión o el surgimiento de nuevas lesiones. Para evitar esto, los especialistas en fisioterapia concluyen que una recuperación apropiada depende de la eficiencia y velocidad del tratamiento, así como la realización de ajustes oportunos del tratamiento acorde al progreso del paciente. Esto permitiría obtener el mayor impacto sobre la condición en el menor tiempo; sin embargo, el estimar el desarrollo de la condición del paciente tiende a ser una tarea compleja, influenciada por factores particulares para cada paciente. Por lo cual, los especialistas tienden a depender de la descripción detallada de la condición y su experiencia para interpretarla, lo cual limita su capacidad para reaccionar a la presencia de anormalidades o cambios en el desarrollo de la lesión. Con el fin de minimizar estas incertidumbres, se ha propuesto el desarrollo de una metodología de evaluación con Machine learning enfocada en la detección de patrones para la cuantificación del grado de recuperación. El cual pueda sustentarse de información cuantitativa para describir el estado de una lesión, así como proyectar el progreso esperado conforme se siga un tratamiento. Permitiendo tener una descripción objetiva de la condición del paciente que facilite las tareas de comparación y registro y les permitiría a los especialistas tener una retroalimentación de los efectos del tratamiento sobre el paciente. Aportando información adicional para la identificación de anormalidades, falta de progreso y los tiempos apropiados para realizar ajustes del tratamiento que mejoren el impacto.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (124 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectMachine learninges_ES
dc.subjectVisión artificiales_ES
dc.subjectFisioterapiaes_ES
dc.subjectEsguincees_ES
dc.subjectRecuperaciónes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleSistema inteligente de pronóstico para la rehabilitación de pacientes con lesiones de extremidades inferioreses_ES
dc.typeArtículoes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0000-0001-6646-2118es_ES
dc.contributor.identificador0000-0002-5962-6599es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameDoctorado en Mecatrónicaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelDoctoradoes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator221317es_ES
dc.folioIGDCC-221317es_ES
Aparece en: Doctorado en Mecatrónica

Archivos:
Fichero Descripción Tamaño Formato  
IGDCC-221317.pdfSistema inteligente de pronóstico para la rehabilitación de pacientes con lesiones de extremidades inferiores5.96 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.