Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patol...

Autores
Bianchi, Gianfranco
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Andres, Daniela Sabrina
Portu, Agustina Mariana
Descripción
Trabajo Final Integrador de Ingeniería
En la actualidad el diagnóstico de enfermedad de Parkinson se basa en evaluación clínica, utilizando la escala Movement Disorder Society Unified Parkinson's Disease Rating Scale (MDF UPDRS), pese a los avances tecnológicos de las últimas décadas en el tema. En este proyecto final integrador presento el diseño y desarrollo de nuevas tecnologías para diagnóstico cuantitativo de enfermedad de Parkinson. Para lograrlo llevé a cabo la construcción de un sistema bimodular de adquisición y procesamiento de señales de aceleración. El primer módulo es una pulsera encargada de adquirir los datos de movimiento y transmitirlos de forma inalámbrica. El segundo módulo es una aplicación móvil desarrollada especialmente con el fin de establecer la comunicación inalámbrica entre los módulos, recibir la información de la pulsera, permitir el ingreso de información sobre la evaluación y generar los archivos para finalmente almacenarlos en la memoria interna del dispositivo. Para realizar diagnóstico cuantitativo se buscan parámetros objetivos, alguna cantidad que correlacione con el fenómeno que se quiere cuantificar. En este trabajo desarrollé herramientas de análisis matemático, calculando parámetros vinculados a patrones temporales y frecuenciales. La validación de las herramientas de análisis fue hecha en un ensayo clínico para el que utilicé señales de dos fuentes: señales de pacientes ambulatorios del instituto FLENI, adquiridas con el sistema bimoludar desarrollado, y señales intraquirúrgicas registradas con un método de registro comercial en el estudio de Shah et al. 2017, analizadas en una experiencia que hice en sus laboratorios en FHNW. Analizando el espectro de potencias de las señales de pacientes ambulatorios graficado en escala doble logarítmica, encontré una reducción con significancia estadística (p<0.005) del rango de frecuencias que sigue una ley de potencias (rango invariante lineal, LIR) cuando se los compara con el grupo control. Aplicando la transformada de Hilbert Huang a los datos intraquirúrgicos encontré parámetros comparables a los hallados por Shah et al. Conclusiones: El parámetro LIR calculado correlaciona con el método MDS-UPDRS-III actual, por lo que permite proponer una reducción de la dimensionalidad de la escala. Se propone el LIR encontrado como posible biomarcador de enfermedad de Parkinson. Los datos obtenidos son de calidad comparables con los obtenidos con sistemas comerciales.
Fil: Bianchi, Gianfranco. Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología; Argentina.
Materia
ENFERMEDAD DE PARKINSON
DISPOSITIVO MÓVIL
TECNOLOGÍA AVANZADA
PROCESAMIENTO DE SEÑAL
TRANSMISIÓN INALÁMBRICA
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
Repositorio Institucional (UNSAM)
Institución
Universidad Nacional de General San Martín
OAI Identificador
oai:ri.unsam.edu.ar:123456789/1290

id RIUNSAM_e53f16074514d7739bc91027b295c579
oai_identifier_str oai:ri.unsam.edu.ar:123456789/1290
network_acronym_str RIUNSAM
repository_id_str s
network_name_str Repositorio Institucional (UNSAM)
spelling Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.Bianchi, GianfrancoENFERMEDAD DE PARKINSONDISPOSITIVO MÓVILTECNOLOGÍA AVANZADAPROCESAMIENTO DE SEÑALTRANSMISIÓN INALÁMBRICATrabajo Final Integrador de IngenieríaEn la actualidad el diagnóstico de enfermedad de Parkinson se basa en evaluación clínica, utilizando la escala Movement Disorder Society Unified Parkinson's Disease Rating Scale (MDF UPDRS), pese a los avances tecnológicos de las últimas décadas en el tema. En este proyecto final integrador presento el diseño y desarrollo de nuevas tecnologías para diagnóstico cuantitativo de enfermedad de Parkinson. Para lograrlo llevé a cabo la construcción de un sistema bimodular de adquisición y procesamiento de señales de aceleración. El primer módulo es una pulsera encargada de adquirir los datos de movimiento y transmitirlos de forma inalámbrica. El segundo módulo es una aplicación móvil desarrollada especialmente con el fin de establecer la comunicación inalámbrica entre los módulos, recibir la información de la pulsera, permitir el ingreso de información sobre la evaluación y generar los archivos para finalmente almacenarlos en la memoria interna del dispositivo. Para realizar diagnóstico cuantitativo se buscan parámetros objetivos, alguna cantidad que correlacione con el fenómeno que se quiere cuantificar. En este trabajo desarrollé herramientas de análisis matemático, calculando parámetros vinculados a patrones temporales y frecuenciales. La validación de las herramientas de análisis fue hecha en un ensayo clínico para el que utilicé señales de dos fuentes: señales de pacientes ambulatorios del instituto FLENI, adquiridas con el sistema bimoludar desarrollado, y señales intraquirúrgicas registradas con un método de registro comercial en el estudio de Shah et al. 2017, analizadas en una experiencia que hice en sus laboratorios en FHNW. Analizando el espectro de potencias de las señales de pacientes ambulatorios graficado en escala doble logarítmica, encontré una reducción con significancia estadística (p<0.005) del rango de frecuencias que sigue una ley de potencias (rango invariante lineal, LIR) cuando se los compara con el grupo control. Aplicando la transformada de Hilbert Huang a los datos intraquirúrgicos encontré parámetros comparables a los hallados por Shah et al. Conclusiones: El parámetro LIR calculado correlaciona con el método MDS-UPDRS-III actual, por lo que permite proponer una reducción de la dimensionalidad de la escala. Se propone el LIR encontrado como posible biomarcador de enfermedad de Parkinson. Los datos obtenidos son de calidad comparables con los obtenidos con sistemas comerciales.Fil: Bianchi, Gianfranco. Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología; Argentina.Universidad Nacional de San Martín. Escuela de Ciencia y TecnologíaAndres, Daniela SabrinaPortu, Agustina Mariana2019info:eu-repo/semantics/acceptedVersioninfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/trabajoFinalDeGradoapplication/pdf81 p.application/pdfBianchi, Gianfranco. (2019) Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico. Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología.TING ESCYT 2019 BGhttps://ri.unsam.edu.ar/handle/123456789/1290spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5)reponame:Repositorio Institucional (UNSAM)instname:Universidad Nacional de General San Martín2025-10-16T10:11:41Zoai:ri.unsam.edu.ar:123456789/1290instacron:UNSAMInstitucionalhttp://ri.unsam.edu.arUniversidad públicaNo correspondehttp://ri.unsam.edu.ar/oai/lpastran@unsam.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:s2025-10-16 10:12:29.018Repositorio Institucional (UNSAM) - Universidad Nacional de General San Martínfalse
dc.title.none.fl_str_mv Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
title Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
spellingShingle Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
Bianchi, Gianfranco
ENFERMEDAD DE PARKINSON
DISPOSITIVO MÓVIL
TECNOLOGÍA AVANZADA
PROCESAMIENTO DE SEÑAL
TRANSMISIÓN INALÁMBRICA
title_short Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
title_full Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
title_fullStr Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
title_full_unstemmed Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
title_sort Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico.
dc.creator.none.fl_str_mv Bianchi, Gianfranco
author Bianchi, Gianfranco
author_facet Bianchi, Gianfranco
author_role author
dc.contributor.none.fl_str_mv Andres, Daniela Sabrina
Portu, Agustina Mariana
dc.subject.none.fl_str_mv ENFERMEDAD DE PARKINSON
DISPOSITIVO MÓVIL
TECNOLOGÍA AVANZADA
PROCESAMIENTO DE SEÑAL
TRANSMISIÓN INALÁMBRICA
topic ENFERMEDAD DE PARKINSON
DISPOSITIVO MÓVIL
TECNOLOGÍA AVANZADA
PROCESAMIENTO DE SEÑAL
TRANSMISIÓN INALÁMBRICA
dc.description.none.fl_txt_mv Trabajo Final Integrador de Ingeniería
En la actualidad el diagnóstico de enfermedad de Parkinson se basa en evaluación clínica, utilizando la escala Movement Disorder Society Unified Parkinson's Disease Rating Scale (MDF UPDRS), pese a los avances tecnológicos de las últimas décadas en el tema. En este proyecto final integrador presento el diseño y desarrollo de nuevas tecnologías para diagnóstico cuantitativo de enfermedad de Parkinson. Para lograrlo llevé a cabo la construcción de un sistema bimodular de adquisición y procesamiento de señales de aceleración. El primer módulo es una pulsera encargada de adquirir los datos de movimiento y transmitirlos de forma inalámbrica. El segundo módulo es una aplicación móvil desarrollada especialmente con el fin de establecer la comunicación inalámbrica entre los módulos, recibir la información de la pulsera, permitir el ingreso de información sobre la evaluación y generar los archivos para finalmente almacenarlos en la memoria interna del dispositivo. Para realizar diagnóstico cuantitativo se buscan parámetros objetivos, alguna cantidad que correlacione con el fenómeno que se quiere cuantificar. En este trabajo desarrollé herramientas de análisis matemático, calculando parámetros vinculados a patrones temporales y frecuenciales. La validación de las herramientas de análisis fue hecha en un ensayo clínico para el que utilicé señales de dos fuentes: señales de pacientes ambulatorios del instituto FLENI, adquiridas con el sistema bimoludar desarrollado, y señales intraquirúrgicas registradas con un método de registro comercial en el estudio de Shah et al. 2017, analizadas en una experiencia que hice en sus laboratorios en FHNW. Analizando el espectro de potencias de las señales de pacientes ambulatorios graficado en escala doble logarítmica, encontré una reducción con significancia estadística (p<0.005) del rango de frecuencias que sigue una ley de potencias (rango invariante lineal, LIR) cuando se los compara con el grupo control. Aplicando la transformada de Hilbert Huang a los datos intraquirúrgicos encontré parámetros comparables a los hallados por Shah et al. Conclusiones: El parámetro LIR calculado correlaciona con el método MDS-UPDRS-III actual, por lo que permite proponer una reducción de la dimensionalidad de la escala. Se propone el LIR encontrado como posible biomarcador de enfermedad de Parkinson. Los datos obtenidos son de calidad comparables con los obtenidos con sistemas comerciales.
Fil: Bianchi, Gianfranco. Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología; Argentina.
description Trabajo Final Integrador de Ingeniería
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.type.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
info:eu-repo/semantics/bachelorThesis
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/trabajoFinalDeGrado
status_str acceptedVersion
format bachelorThesis
dc.identifier.none.fl_str_mv Bianchi, Gianfranco. (2019) Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico. Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología.
TING ESCYT 2019 BG
https://ri.unsam.edu.ar/handle/123456789/1290
identifier_str_mv Bianchi, Gianfranco. (2019) Nuevas tecnologías para diagnóstico cuantitativo en trastornos de movimiento: Desarrollo de una pulsera sensible y tecnología móvil para la detección de eventos de movimiento patológico. Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología.
TING ESCYT 2019 BG
url https://ri.unsam.edu.ar/handle/123456789/1290
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
81 p.
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología
publisher.none.fl_str_mv Universidad Nacional de San Martín. Escuela de Ciencia y Tecnología
dc.source.none.fl_str_mv reponame:Repositorio Institucional (UNSAM)
instname:Universidad Nacional de General San Martín
reponame_str Repositorio Institucional (UNSAM)
collection Repositorio Institucional (UNSAM)
instname_str Universidad Nacional de General San Martín
repository.name.fl_str_mv Repositorio Institucional (UNSAM) - Universidad Nacional de General San Martín
repository.mail.fl_str_mv lpastran@unsam.edu.ar
_version_ 1846789439186010112
score 12.471625