Resumen

Las caídas son la segunda causa de muerte en el mundo. Por esta razón, los sistemas de detección de caídas, enmarcados en la telemedicina, hoy en día son investigados ampliamente. No obstante, estos sistemas suelen dar como resultado, falsos positivos. En este artículo se propone el desarrollo de un sistema de detección de caídas para personas. El sistema se basa en el uso de un sensor Kinect 2.0 que permite monitorear de uno a seis pacientes y un sistema de alarma que envía un mensaje con imagen al e-mail de la persona al cuidado del paciente. El análisis biomecánico de la caída, realizado con el programa iPi Mocap Studio, y el algoritmo de detección de caídas, desarrollado en el software de programación gráfico LabVIEW, permitieron medir los valores de posición y velocidad de un punto seleccionado en la esqueletización de la persona. Se simularon diferentes acciones entre ellas, caminar, sentarse, agacharse y caer. De la posición del punto seleccionado (spinebase) del esqueleto de la persona, se calculó la velocidad con la derivada. Esta característica permitió definir las variables lingüísticas y conjuntos difusos para clasificar el tipo de movimiento. El sistema se validó con 3 personas, de diferentes edades y estaturas, en un ambiente controlado, logrando un porcentaje de aciertos del 95,8% y la activación del sistema de alarma, creando un asistente tecnológico de ayuda adecuada y confiable que garantiza la integridad del paciente.

INTRODUCCIÓN

Las caídas en adultos se definen como hechos que llevan a la persona a perder el equilibrio y, consecuentemente, a terminar con el cuerpo sobre una superficie que lo detenga, generalmente el suelo 1. Las caídas se catalogan como la segunda causa de muerte a nivel mundial. Para el año 2018, se presentaron, en todo el mundo, 37.3 millones de caídas que requirieron atención médica, de estas murieron 646.000 personas 1. La mayor morbilidad correspondió a adultos mayores de 65 años, a jóvenes entre 15 y 29 años y a menores de 15 años. Es por esto que la detección automática y remota de caídas, tema que se enmarca dentro de la telemedicina, hoy es un asunto de investigación de mucha importancia 2-4, pues podría ayudar a intervenir a la persona a tiempo, minimizando las consecuencias de su caída. Los dispositivos que realizan estas tareas están basados en acelerómetros 5-6 y video cámaras (7-9, entre otros. La detección de caídas basada en tecnología de visión computacional es una buena alternativa de monitoreo, pues las cámaras son sensibles y versátiles. Las características detectables por algoritmos usando sistemas de captura más comunes incluyen formas 10, posturas 11 y patrones de movimiento 12. A pesar de que existen varios estudios en los que se utilizan cámaras, los resultados muestran que pueden existir falsos positivos, pues estas características requieren ser bien definidas para minimizar falsos resultados en el desempeño del sistema. Algunos algoritmos detectan actividades basadas en movimiento (caída libre, golpes, movimiento nulo) utilizando acelerómetros 13-14.

• Materias:Movimiento (Fisiología) Inteligencia artificial Vigilancia
• Subjects:Movement (Physiology) Artificial intelligence Monitoring
• Palabras claves:Detección de caídas; Kinect 2.0; Esqueletización; Spine base
• Keywords:Fall detection; Kinect 2.0; Skeletonization; Spinebase