dc.contributor.advisor | Galvín, Pedro | es |
dc.creator | Jurado Ruiz, Jesús | es |
dc.date.accessioned | 2022-12-07T15:23:29Z | |
dc.date.available | 2022-12-07T15:23:29Z | |
dc.date.issued | 2022 | |
dc.identifier.citation | Jurado Ruiz, J. (2022). Desarrollo de una aplicación móvil para identificar síntomas de enfermedades neurológicas. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/140217 | |
dc.description.abstract | El diagnóstico de la naturaleza de los temblores que se manifiestan en las personas no es una tarea sencilla
para los médicos debido a la gran cantidad de posibles causas de los mismos. Además, existen numerosos
factores que influyen en la magnitud de dichos temblores tales como la edad, el peso, la medicación que toma
una determinada persona, el miembro sobre el que se realiza la medición (brazo, pierna, cabeza, etc.) o la
posición del miembro en cuestión a la hora de llevar a cabo la medición (puesto que en algunas posiciones
pueden darse y en otras no). No obstante, la aparición de nuevas tecnologías ha ayudado enormemente a
facilitar esta tarea.
Este proyecto se centra precisamente en el aprovechamiento de dichas tecnologías por medio del desarrollo de una aplicación móvil que permite registrar los temblores de los pacientes a través del empleo del
acelerómetro de un teléfono móvil. Esta herramienta permite a los médicos analizar los temblores de cada
uno de sus pacientes gracias a las representaciones gráficas de los mismos, especialmente las asociadas al
dominio de la frecuencia, puesto que algunos de los parámetros más relevantes en este tipo de análisis son la
amplitud y la frecuencia a la que se da el pico máximo del temblor.
Una vez registrados los temblores de varios pacientes, el objetivo es ser capaces de predecir tanto la
amplitud como la frecuencia a la que sucede el pico máximo del temblor en el dominio de la frecuencia en
función de la edad, el peso, el sexo y la medicación que toma un determinado paciente sin tener que llevar
a cabo ninguna medición física. Para resolver esta tarea se ha hecho uso de una red neuronal artificial que,
tras pasar por un proceso de entrenamiento basado en datos registrados de pacientes anteriores, es capaz de
predecir las características del pico mencionado previamente.
Esta herramienta permite a un médico comparar las características que debería tener el pico del temblor de
un paciente según lo predicho por la red neuronal con lo registrado en realidad por medio del acelerómetro
de un teléfono móvil y poder así sacar conclusiones acerca de la naturaleza de dicho temblor. | es |
dc.description.abstract | Diagnosing the nature of tremors in people is not a simple task for physicians due to the large number of
possible causes of tremors. In addition, there are many factors that influence the magnitude of tremors,
such as age, weight, medication taken, the type of the limb on which the measurement is taken (arm, leg,
head, etc.) or the position of the limb in question when taking the measurement (since in some positions they
may occur and in others they may not). However, the emergence of new technologies has greatly facilitated
this task.
This project focuses precisely on taking advantage of these technologies by developing a mobile application
that allows patients’tremors to be recorded using a mobile phone’s accelerometer. This tool allows doctors
to analyse the tremors of each of their patients using the accelerometer of a mobile phone. This tool allows
doctors to analyse the tremors of their patients thanks to the graphical representations of the tremors, especially
those associated with the frequency domain, since some of the most relevant parameters in this type of
analysis are the amplitude and the frequency at which the maximum peak of the tremor occurs.
Once the tremors of several patients have been recorded, the aim is to be able to predict both the amplitude
and the frequency at which the maximum peak tremor occurs in the frequency domain as a function of age,
weight, gender and the medication taken by a given patient without having to make any physical measurements.
To solve this task, an artificial neural network has been used which, after undergoing a training process based
on data recorded from previous patients, is able to predict the characteristics of the aforementioned peak.
This tool allows the doctor to compare the characteristics that a patient’s tremor peak predicted by the
neural network should have with what is actually recorded by the accelerometer of a mobile phone, and thus
be able to draw conclusions about the nature of the tremor. | es |
dc.format | application/pdf | es |
dc.format.extent | 98 p. | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Desarrollo de una aplicación móvil para identificar síntomas de enfermedades neurológicas | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Mecánica de Medios Continuos y Teoría de Estructuras | es |
dc.description.degree | Universidad de Sevilla. Grado en Ingeniería Aeroespacial | es |