1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Maestría
  5. Maestría en Ciencias (Mecatrónica)
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/12493
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorDaniel Jaramillo Quintanares_ES
dc.creatorRafael Eduardo Velasco Cerroses_ES
dc.date.accessioned2026-01-15T16:16:15Z-
dc.date.available2026-01-15T16:16:15Z-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/12493-
dc.descriptionEl pie humano es una estructura compleja que actúa como soporte y distribuidor de cargas durante actividades estáticas y dinámicas. En su parte inferior se encuentra la bóveda plantar, encargada de adaptarse al terreno y cuya morfología permite clasificar el pie como plano, cavo o normal. Cuando dicha estructura presenta deformaciones, puede limitar la movilidad cotidiana y ocasionar afecciones en otras partes del sistema musculoesquelético. Según datos de la Secretaría de Salud, alrededor del 20% de la población Mexicana presenta alguna alteración en la bóveda plantar, afectando así su calidad de vida. Por ello, resulta necesario desarrollar herramientas que permitan clasificar automáticamente el tipo de pie. En el presente trabajo se desarrollaron metodologías basadas en visión artificial y aprendizaje automático. Se diseñó un procedimiento para la captura de imágenes RGB plantares mediante un equipo construido específicamente para este propósito. Posteriormente, se aplicaron técnicas de procesamiento de imágenes para extraer únicamente las bóvedas plantares, conformando una base de datos final con un n=180 imágenes binarizadas, las cuales muestran exclusivamente la zona de contacto entre el pie y el piso, lo que permite su evaluación morfológica. Se validaron tres conjuntos de datos diferentes: el primero con las imágenes RGB convertidas a escala de grises; el segundo con once características morfológicas extraídas de las imágenes binarizadas; y el tercero con las mismas características, pero reducidas a dos dimensiones mediante análisis discriminante lineal. Estos conjuntos fueron entrenados y validados con dos algoritmos de clasificación: máquinas de vectores de soporte y k vecinos más cercanos, mediante la técnica de validación cruzada, empleando un 80% de los datos para entrenamiento y 20% para validación. Los resultados se presentan mediante matrices de confusión e indicadores de desempeño, alcanzando una precisión del 97.92% para el mejor modelo. El sistema propuesto puede representar una herramienta de apoyo objetiva, rápida y de bajo costo, con aplicaciones potenciales en ámbitos clínicos y deportivos.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (74 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autonoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectBóveda plantares_ES
dc.subjectVisión artificiales_ES
dc.subjectAprendizaje automáticoes_ES
dc.subjectMáquina de vectores de soportees_ES
dc.subjectK vecinos más cercanoses_ES
dc.subjectClasificaciónes_ES
dc.subjectAnálisis discriminante lineales_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleSistema para la detección y clasificación de alteraciones de la bóveda plantar mediante el uso de aprendizaje automáticoes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0002-6794-4228es_ES
dc.contributor.identificador0000-0003-2540-2375es_ES
dc.contributor.roleDirector de tesises_ES
dc.degree.nameMaestría en Ciencias (Mecatrónica)es_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator167038es_ES
dc.folioIGMAC-167038es_ES
Aparece en: Maestría en Ciencias (Mecatrónica)

Archivos:
Fichero Descripción Tamaño Formato  
IGMAC-167038.pdf3.23 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.