Sistema inteligente de video vigilancia para la detección de caídas y monitorización de signos vitales (FC)

Simple item page
dc.contributor.advisorQuinayàs Burgos, Cèsar Augustospa
dc.contributor.authorQuintero Benavides, Dario Fernandospa
dc.contributor.authorRuiz Omen, Estefanispa
dc.date.accessioned2021-03-03T19:06:34Z
dc.date.available2021-03-03T19:06:34Z
dc.date.issued2020-06-04spa
dc.descriptionPropiaes_ES
dc.description.abstractFalls are the second leading cause of death in the world. For this reason, fall detection systems are widely investigated today. However, these systems often result in false positives. Similarly, the monitoring of vital signs (HR) is of great importance because they are the main signs of life and are the first parameters that are sought when an accident occurs. In addition to constantly monitoring vital signs (HR), it allows the detection of pathologies in a timely manner, providing effective care to patients. This work proposes the development and implementation of a fall detection system for people in addition to monitoring vital signs (FC). The system is based on the use of two sensors. The Kinect 2.0 sensor, which allows monitoring the fall system of one to six patients and a h7 polar sensor, which monitors vital signs (HR) of a single patient, in addition, has an alarm system that is activated by detecting a fall or alteration in vital signs (HR) by sending an e-mail with an image of the fallen patient and the state of his vital signs (HR), this image is sent together taking into account It counts the measurements of the two sensors since it allows to better determine the condition of the patient to the person in charge of their care.eng
dc.description.abstractLas caídas son la segunda causa de muerte en el mundo1. Es por esto, los sistemas de detección de caídas, hoy en día son investigados ampliamente2. No obstante, estos sistemas suelen dar como resultado, falsos positivos. De igual manera la monitorización de los signos vitales (FC) es de gran importancia debido a que conforman las principales señales de vida y son los primeros parámetros que se buscan cuando se presenta un accidente. Además de realizar una monitorización constante de los signos vitales (FC), permite detectar patologías de manera oportuna brindando una atención eficaz a los pacientes. En este trabajo se propone el desarrollo e implementación de un sistema de detección de caídas para personas además de la monitorización de signos vitales (FC). El sistema se basa en el uso de dos sensores. El sensor Kinect 2.0, que permite la monitorización del sistema de caídas de uno hasta seis pacientes y un sensor polar h7, que realiza la monitorización de los signos vitales (FC) de un solo paciente, además, cuenta con un sistema de alarma que se activa al detectar una caída o una alteración en los signos vitales (FC) enviando un e-mail con una imagen del paciente caído y del estado en el que se encuentra sus signos vitales (FC), esta imagen se envía de manera conjunta teniendo en cuenta las mediciones de los dos sensores ya que permite determinar de mejor manera el estado del paciente a la persona encargada de su cuidado.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) Biomédico(a)spa
dc.description.funder$4.250.000 (de acuerdo a lo reportado en el anteproyecto)es_ES
dc.description.notesPresencialspa
dc.identifier.bibliographicCitationTechnologies, A. W. (2018). Oximetro de Mano Edan H100B. Recuperado de https://sinebi.com/productos/oximetro-de-mano-edan-h100b.htmspa
dc.identifier.bibliographicCitationInternacional Electrotechnical Commision (IEC), IEC 1131 Programmable Controllers. Part 7: Fuzzy Control Programming IEC 1131-7, 1997.spa
dc.identifier.bibliographicCitationLa frecuencia cardiaca máxima disminuye con la edad porque se reduce la actividad eléctrica del nodo sinusal. (2013, octubre 15). Recuperado de https://elmedicointeractivo.com/frecuencia-cardiaca-maxima-disminuye-edad-poue- reduce-actividad-electrica-nodo-sinusal-20131015151121045787/spa
dc.identifier.bibliographicCitationIPI SOFT LLC. IPi Recorder. Ipi docs. [en línea]. 2018. [citado el 5 de octubre de 2018]. Disponible en internet: http://docs.ipisoft.com/iPi_Recorderspa
dc.identifier.bibliographicCitationY. Nizam, M. N. Haji and M. M. Abdul, “Human Fall Detection from Depth Images using Position and Velocity of Subject,” Procedia Computer Science, vol. 105, pp. 131-137, 2017. DOI: 10.1016/j.procs.2017.01.191spa
dc.identifier.bibliographicCitationCambios en los signos vitales con la edad. (2020, mayo 7). Recuperado de https://medlineplus.gov/spanish/ency/article/004019.htmspa
dc.identifier.bibliographicCitationDesarrollo de un Sistema Experto Basado en Logica Fuzzy para la Dosificacion de Sevoflorane (Cardioinfantil n.d.)spa
dc.identifier.bibliographicCitationUniversity of Rochester Medical Center Rochester, NYspa
dc.identifier.bibliographicCitationJ. (2016, noviembre 14). Bluetooth en Arduino. Recuperado de https://aprendiendoarduino.wordpress.com/2016/11/13/bluetooth-en-arduino/spa
dc.identifier.bibliographicCitationC. González M., “Lógica Difusa: Una introducción práctica.” 2011.spa
dc.identifier.bibliographicCitationR. Pérez, “Procesado y Optimización de Espectros Raman mediante Técnicas de Lógica Difusa: Aplicación a la identificación de Materiales Pictóricos,” 2015.spa
dc.identifier.bibliographicCitationFRIAS CARRILLO, Laura. Kinect para Windows V2. Microsoft. [en línea]. México. 2014. [citado el 10 de octubre del 2018]. Disponible en internet: http://blogs.msdn.com/b/laurafrias/.spa
dc.identifier.bibliographicCitationRodríguez-Marroyo., J. G.-L. (2012). Biomecánica Básica aplicada a la Actividad Física. cap 5, Equilibrio y estabilidad del cuerpo humano. Barcelona: Paidotribo, Barcelona.spa
dc.identifier.bibliographicCitationOsorio Ochoa, Celina et al. 2011. “Análisis de La Marcha Mediante Plataforma Kinect.”(NOVEMBER):17–21.https://www.researchgate.net/publication/235427731spa
dc.identifier.bibliographicCitationGalera, Alberto, and David Girbau Sala. 2009. “Sistema de Monitorización Remota de Signos Vitales Por Microondas.”spa
dc.identifier.bibliographicCitationGonzález, Marvin, Amelia M Brugiati, Carlos R Barría, and Cristian Pinzón. 2018. “Diseño de Un Sistema Experto Para La Monitorización de Signos Vitales En Adultos Mayores.” 16 th LACCEI International Multi-Conference for Engineering, Education, andTechnology(1):19–21.http://www.laccei.org/LACCEI2018-Lima/stud nt_Papers/SP132.pdf.spa
dc.identifier.bibliographicCitationJOUR, Marcela, Judy, Ospina, Moreno, Sánchez, Manuel, Castilla Nevis, Wanumen, Luis, 2014/07/09, SISTEMA DE ALERTAS DE SIGNOS VITALES Y DE UBICACIÓN A TRAVÉS DE DISPOSITIVOS MÓVILES, CICOMER.spa
dc.identifier.bibliographicCitationMINISTERIO DE SALUD Y PROTECCIÓN SOCIAL, et al. Op. cit.spa
dc.identifier.bibliographicCitationcare, l. (s.f.). Liip Smart Monitorspa
dc.identifier.bibliographicCitationclustersalud.(2019).vita-data-la-pulsera-que-rastrea-lossignos-vitales-en-tiempo-real. americaeconomiaspa
dc.identifier.bibliographicCitationSignosVitales.(2018).Recuperadodehttps://www.importancia.org/signos-vitales.p.spa
dc.identifier.bibliographicCitationBRUNETE, Alberto, et al. Home Camera-Based Fall Detection System for the Elderly. [en línea]. En: MDPI. 2017. P. 1-20. [citado el 10 de julio del 2018]. Disponible en internet: http://www.mdpi.com/1424-8220/17/12/2864.ISSN: 1424-8220.spa
dc.identifier.bibliographicCitationBAUER, Paul, et al. Modeling Bed Exit Likelihood In A Camera-Based Automated Video Monitoring Application. En: IEEE. 2017. P. 1-6spa
dc.identifier.bibliographicCitationRAJABI, H. y. (marzo 11 del 2015). An Intelligent Video Surveillance System for Fall and Anesthesia Detection for Elderly and Patients. IEEEspa
dc.identifier.bibliographicCitationTechnology, I. o. (2018). Proyecto de la School of Electrical and Computer Engineering. Georgia.spa
dc.identifier.bibliographicCitationSENOCARE. (17 septiembre del 201). sensores Optiscan de prevención de caídas durante la noche. Madrid: SENOCAREspa
dc.identifier.bibliographicCitationtopasistencia. (2018). detector-de-caídasspa
dc.identifier.bibliographicCitationKOMARIĆ, Božidar. El dispositivo FallWatch Vigi'Fall. [en línea]. croacia :17 junio del2013.Disponibleeninternet:http://www.racunalo.com/fallwatch-vigifall-uredaj-uz- pomoc-tehnologije-i-eu-olaksava-zivot-starijih-ljudi/spa
dc.identifier.bibliographicCitationENSE4 CARE. (31 de agosto de 2018). Detector de caídas angel 4spa
dc.identifier.bibliographicCitationOMS, O. Y. (julio, 2007). Clasificación Estadística Internacional de Enfermedades y Problemas Relacionados con la Salud. Washington: ORGANIZACIÓN MUNDIAL DE LA SALUD (OMS)spa
dc.identifier.bibliographicCitationMINISTERIO DE LA PROTECCIÓN SOCIAL. Resolución número 1446 de 8 mayo de 2006. [en línea]. Ministerio de salud, 2006. Monitoria del Sistema Obligatorio de Garantía de Calidad de la Atención en Salud. [citado el 28 de julio de 2018]. Disponibleeninternet: https://www.minsalud.gov.co/normatividad_nuevo/resolución 1446 de 2006 - anexo técnico.pdfspa
dc.identifier.bibliographicCitationO. Kerdjidj, N. Ramzan, K. Ghanem, A. Amira, and F. Chouireb, “Fall detection and human activity classification using wearable sensors and compressed sensing,” J. Ambient Intell. Humaniz. Comput., Jan. 2019. DOI: 10.1007/s12652-019-01214-4spa
dc.identifier.bibliographicCitationHeal. Informatics, vol.23,no.1,pp.314323,Jan.2019.DOI:10.1109/JBHI.2018.280828spa
dc.identifier.bibliographicCitationN. Lu, Y. Wu, L. Feng, and J. Song, “Deep Learning for Fall Detection: Three-Dimensional CNN Combined With LSTM on Video Kinematic Data,” IEEE J. Biomed.spa
dc.identifier.bibliographicCitationL. P. Malasinghe, N. Ramzan, and K. Dahal, “Remote patient monitoring: a comprehensive study,” J. Ambient Intell. Humaniz. Comput., vol. 10, no. 1, pp. 57–76, Jan. 2019. DOI: 10.1007/s12652-017-0598-xspa
dc.identifier.bibliographicCitationP. Van Thanh et al., “Development of a Real-Time, Simple and High-Accuracy Fall Detection System for Elderly Using 3-DOF Accelerometers,” Arab. J. Sci. Eng., vol. 44, no. 4, pp. 3329–3342, Apr. 2019. DOI: 10.1007/s13369-018-3496-4spa
dc.identifier.bibliographicCitationA, Amini, K. Banitsas, and W. R. Young, “Kinect4FOG: monitoring and improving mobility in people with Parkinson’s using a novel system incorporating the Microsoft Kinect v2,” Disabil. Rehabil. Assist. Technol., pp. 1–8, May 2018. DOI: 10.1080/17483107.2018.1467975spa
dc.identifier.bibliographicCitationDEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA – DANE. Reloj de población. [en línea]. Población proyectada a la fecha. 10 de julio de 2018. Notas descriptivas, c. [citado el 10 de julio de 2018]. Disponible en internet: http://www.dane.gov.co/reloj/.spa
dc.identifier.bibliographicCitationORGANIZACIÓN MUNDIAL DE LA SALUD (OMS). Op. cit.spa
dc.identifier.bibliographicCitationPaola A Quiceno Bedoya, Patricia Solarte v, “CALIDAD DE VIDA EN PACIENTES DEL PROGRAMA DE REHABILITACIÓN CARDIACA”. Fundación universitaria del área andina seccional pereira facultad ciencias de la salud CALI, VALLE, 2016spa
dc.identifier.bibliographicCitationA, K. Bourke, J. V. O’Brien, and G. M. Lyons, “Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm,” Gait Posture, vol. 26, no. 2, pp. 194–199, Jul. 2007. DOI: 10.1016/j.gaitpost.2006.09.012spa
dc.identifier.bibliographicCitationA K. Bourke, P. W. J. van de Ven, A. E. Chaya, G. M. OLaighin, and J. Nelson, “Testing of a long-term fall detection system incorporated into a custom vest for the elderly,” in 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2008, pp. 2844–2847. DOI: 10.1109/IEMBS.2008.4649795spa
dc.identifier.bibliographicCitationD. N. Olivieri, I. Gómez Conde, and X. A. Vila Sobrino, “Eigenspace-based fall detection and activity recognition from motion templates and machine learning,” Expert Syst. Appl., vol. 39, no. 5, pp. 5935–5945, Apr. 2012. DOI: 10.1016/j.eswa.2011.11.109spa
dc.identifier.bibliographicCitationL. P. Malasinghe, N. Ramzan, and K. Dahal, “Remote patient monitoring: a comprehensive study,” J. Ambient Intell. Humaniz. Comput., vol. 10, no. 1, pp. 57–76, Jan. 2019. DOI: 10.1007/s12652-017-0598-xspa
dc.identifier.bibliographicCitationP. Van Thanh et al., “Development of a Real-Time, Simple and High-Accuracy Fall Detection System for Elderly Using 3-DOF Accelerometers,” Arab. J. Sci. Eng., vol. 44, no. 4, pp. 3329– 3342, Apr. 2019. DOI: 10.1007/s13369-018-3496-4spa
dc.identifier.bibliographicCitationA Amini, K. Banitsas, and W. R. Young, “Kinect4FOG: monitoring and improving mobility in people with Parkinson’s using a novel system incorporating the Microsoft Kinect v2,” Disabil. Rehabil. Assist. Technol., pp. 1–8, May 2018. DOI: 10.1080/17483107.2018.1467975.spa
dc.identifier.bibliographicCitationORGANIZACIÓN MUNDIAL DE LA SALUD (OMS). Caídas. [en línea]. Centro de prensa. 16 de enero de 2018. Notas descriptivas.,” 2019. [Online]. Available: http://www.who.int/es/news-room/fact-sheets/detail/falls. [Accessed: 27-May-2019]spa
dc.identifier.instnameinstname:Universidad Antonio Nariñospa
dc.identifier.reponamereponame:Repositorio Institucional UANspa
dc.identifier.repourlrepourl:https://repositorio.uan.edu.co/spa
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/2520
dc.language.isospaspa
dc.publisherUniversidad Antonio Nariñospa
dc.publisher.campusPopayán - Alto Caucaspa
dc.publisher.facultyFacultad de Ingeniería Mecánica, Electrónica y Biomédicaspa
dc.publisher.programIngeniería Biomédicaspa
dc.rightsAcceso abierto
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAttribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subjectDetección de caídases_ES
dc.subjectKinect 2.0es_ES
dc.subjectiPi Mocap Studioes_ES
dc.subjectfuzzy logices_ES
dc.subjectsignos vitaleses_ES
dc.subjectfrecuencia cardiacaes_ES
dc.subjectsensor polar h7es_ES
dc.subject.keywordFall detectiones_ES
dc.subject.keywordKinect 2.0es_ES
dc.subject.keywordiPi Mocap Studioes_ES
dc.subject.keywordfuzzy logices_ES
dc.subject.keywordvital signses_ES
dc.subject.keywordheart ratees_ES
dc.subject.keywordh7 polar sensores_ES
dc.titleSistema inteligente de video vigilancia para la detección de caídas y monitorización de signos vitales (FC)es_ES
dc.typeTrabajo de grado (Pregrado y/o Especialización)spa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
Files
Original bundle
Now showing 1 - 3 of 3
thumbnail.default.alt
Name:
2020_DarioQuintero
Size:
2.39 MB
Format:
Adobe Portable Document Format
Description:
trabajo de grado
Download
thumbnail.default.alt
Name:
2020_DarioQuintero_Autorización1
Size:
211.78 KB
Format:
Adobe Portable Document Format
Description:
autorización de autores
thumbnail.default.alt
Name:
2020_DarioQuintero_Autorización2
Size:
186.19 KB
Format:
Adobe Portable Document Format
Description:
autorización de autores
License bundle
Now showing 1 - 1 of 1
thumbnail.default.alt
Name:
license.txt
Size:
2.65 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Ingeniería biomédica