Buscar


Mostrar el registro sencillo del ítem

dc.rights.license https://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Daniel Jaramillo Quintanar es_ES
dc.creator Rafael Eduardo Velasco Cerros es_ES
dc.date.accessioned 2026-01-15T16:16:15Z
dc.date.available 2026-01-15T16:16:15Z
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/12493
dc.description El 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.format pdf es_ES
dc.format.extent 1 recurso en línea (74 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autonoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject Bóveda plantar es_ES
dc.subject Visión artificial es_ES
dc.subject Aprendizaje automático es_ES
dc.subject Máquina de vectores de soporte es_ES
dc.subject K vecinos más cercanos es_ES
dc.subject Clasificación es_ES
dc.subject Análisis discriminante lineal es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Sistema para la detección y clasificación de alteraciones de la bóveda plantar mediante el uso de aprendizaje automático es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid ORCID es_ES
dc.creator.identificador 0009-0002-6794-4228 es_ES
dc.contributor.identificador 0000-0003-2540-2375 es_ES
dc.contributor.role Director de tesis es_ES
dc.degree.name Maestría en Ciencias (Mecatrónica) es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 167038 es_ES
dc.folio IGMAC-167038 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-167038.pdf
Tamaño: 3.155Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem