Browsing by Author "Romero Gutiérrez, Stefano Enrique"

Now showing 1 - 4 of 4

Caracterización de movimientos repetitivos mediante algoritmos de procesamiento de imágenes
(Pontificia Universidad Católica del Perú, 2023-09-21) Zumaeta Cuchca, Katherin Mileny; Romero Gutiérrez, Stefano Enrique
La evaluación de los síntomas de la enfermedad de Parkinson tiene un carácter subjetivo ya que se basa en la experiencia y la agudeza visual del médico tratante, quién realiza una puntuación de 0 a 4 según la Escala Unificada para la Evaluación de la Enfermedad de Parkinson Patrocinada por la Sociedad de Trastornos del Movimiento (MDS-UPDRS, por sus siglas en inglés). El presente trabajo de tesis tiene como objetivo evaluar dos algoritmos de flujo óptico y segmentación de imágenes para cuantificar el golpeteo de dedos y movimiento con las manos, basado en la MDS-UPDRS. El punto de partida para cumplir este objetivo fue el diseño de un protocolo de adquisición de videos, el cual se implementó con 30 participantes sanos que realizaron tres secuencias de cada movimiento. Posteriormente, se realizó el procesamiento de datos con los algoritmos propuestos y se obtuvieron las señales de frecuencia y amplitud. Finalmente se hizo el análisis estadístico. Los resultados muestran que los algoritmos fueron codificados con éxito y se apreciaron los cambios de amplitud y frecuencia de los movimientos repetitivos. Finalmente, se discutieron los resultados basándose en mejoras enfocadas en el protocolo de adquisición de datos que permitan su implementación en un ambiente clínico para contribuir al diagnóstico de pacientes que padecen párkinson.
Estudio de estimadores de velocidad de onda de corte: Aplicación para caracterización muscular
(Pontificia Universidad Católica del Perú, 2021-02-03) León Carazas, Valeria Lucía; Castañeda Aphan, Benjamín; Romero Gutiérrez, Stefano Enrique
El desorden muscular se origina debido a problemas neurológicos (e.g Parkinson) o patologías físicas (e.g. distensión muscular); sin embargo, los diagnósticos clínicos actuales no brindan información protocolar y cuantitativa que permitan monitorear la enfermedad. La elastografía es una técnica no invasiva con enfoque cuantitativo que complementa el diagnóstico clínico. Específicamente, Crawling Waves Sonoelastography es una técnica basada en la estimación de ondas de corte (SWS, por sus siglas en inglés) por propagación mecánica la cual ha logrado resultados prometedores para la caracterización de tejidos; no obstante, los estimadores utilizados para el cálculo de la SWS (i.e. Phase Derivative, Autocorrelación-Hoyt) han reportado limitaciones relevantes como la sobre estimación en los bordes o la presencia de artefactos distribuidos en el mapa de elasticidad. Esto ha sido disminuido en gran medida por el estimador Regularized Wavelength Average Velocity Estimator (R-WAVE); sin embargo, no ha sido implementado y probado para una propagación desde la normal a la superficie del objeto de estudio. En este trabajo de investigación se presenta un análisis de dos estimadores de velocidad de onda de corte: Phase Derivative (PD) [1] y Regularized Wavelength Average Velocity Estimator (R-WAVE) [2] para una propagación normal del patrón de interferencias generado por dos fuentes de vibración. Finalmente, este documento concluye en un modelo de solución el cual contempla la realización de simulaciones de entornos homogéneos y heterogéneos (multicapa y con inclusión), la aplicación de los dos estimadores de velocidad de onda de corte en las simulaciones y en data adquirida de maniquíes experimentales y finalmente el estudio del desempeño del coeficiente de regularización del estimador R-WAVE.
Estudio de parámetros estadísticos para la detección de campos reverberantes uniformes en la formación de imágenes de elastografía
(Pontificia Universidad Católica del Perú, 2021-02-10) Miranda Zárate, Edmundo Arom; Romero Gutiérrez, Stefano Enrique; Castañeda Aphan, Benjamín
La elastografía abarca un grupo de técnicas no invasivas para la caracterización de tejidos como complemento al diagnóstico médico de diversas patologías. Una de estas técnicas es la Elastografía por Campo Reverberante (R-SWE, por sus siglas en inglés) que genera un campo reverberante acústico en el tejido de interés mediante múltiples fuentes de vibración, asumiendo una distribución isotrópica de ondas planas para facilitar el cálculo de la velocidad de onda de corte (SWS), la cual es proporcional a la elasticidad del medio. Su factibilidad ha sido validada para la caracterización de mamas, hígado, riñones, musculo y pie; sin embargo, el cálculo de la SWS ha sido comprobado mientras se verifique la uniformidad del campo. El modelo actual se basa en la umbralización del coeficiente de determinación R2 producto del ajuste de curva a la autocorrelación de la velocidad de partículas, no obstante, este es insuficiente como determinador y no analiza propiamente el concepto de uniformidad. En el presente trabajo, se presenta el estudio del fenómeno de uniformidad en un campo reverberante, mediante la extracción y análisis de estimadores estadísticos usados en campos reverberantes de ondas electromagnéticas con sus equivalencias en ondas mecánicas acústicas. Se propone un modelo identificación de campos reverberantes uniformes para la asistencia de la R-SWE, basado en clasificadores automáticos (Regresión Logística, LDA y SVM).
Evaluación cuantitativa de la prueba de golpeteo de dedos en pacientes con Parkinson mediante un algoritmo basado en técnicas de visión por computadora
(Pontificia Universidad Católica del Perú, 2024-10-24) Meza Rojas, Harif Joe; Romero Gutiérrez, Stefano Enrique; Castañeda Aphan, Benjamín
La enfermedad de Parkinson es un trastorno neurodegenerativo crónico y progresivo. En la actualidad, se usan diversas escalas que permiten determinar el nivel de gravedad en los pacien- tes. Sin embargo, estas tienen un carácter subjetivo. En la presente tesis, se analiza, a partir de la segmentación de videos, la prueba denominada Golpeteo de dedos que pertenece a la escala MDS-UPDRS y se clasifica a los pacientes en niveles de gravedad a través de medidas estadís- ticas del golpeteo con la finalidad de implementar un algoritmo que mantenga su rendimiento incluso cuando se incremente la data a analizar y contribuya a la telemedicina. Se trabajó con una base de datos que incluye videos de voluntarios sanos y pacientes con la enfermedad de Parkinson. Cada video es segmentado de forma manual y automática utilizando un algotimo basado en MediaPipe Hands con la finalidad de obtener una señal que represente el golpeteo de dedos del paciente. A partir de la señal, se extrajeron cuatro métricas tanto de la amplitud como del periodo: (1) coeficiente de variación, (2) mediana, (3) media y (4) desviación estándar. Para la clasificación, se aplicó K-means con una clusterización de valor 4 que involucra los niveles de gravedad comprendidos en el rango de 0-3. Finalmente, se compara la clasificación de K- means con los puntajes asignados por médicos de la Universidad de Rochester para calcular la correlación. Tras cumplir con el desarrollo de las diversas etapas propuestas en la metodología de solución, se obtuvieron valores de 82% y 88% para diferentes conjuntos de datos. A partir de los resultados, se concluye que el algoritmo implementado permite la automatización del análisis del golpeteo de dedos a través de técnicas de visión por computadora y algoritmos de clasificación.