Sistema de detección automática de convulsiones y eventos anormales basado en un dispositivo wearable

En todo el mundo, unos 50 millones de personas padecen de epilepsia, convirtiéndola en uno de los trastornos neurológicos más comunes. Así mismo, las caídas son la segunda causa mundial de muerte por traumatismos involuntarios y se calcula que anualmente fallecen en todo el mundo unas 684 000 personas a causa de estas. Esta situación tiende a crear una necesidad de monitoreo personal frecuente que puede llevar a una sensación de pérdida de autonomía en el paciente y mayor estrés en su círculo cercano. Comprendiendo la problemática anterior, este proyecto presenta y describe un sistema automático de detección de anomalías que utiliza señales de movimiento de la muñeca captadas por un acelerómetro wearable (Sony SmartBand SWR10). La clasificación del comportamiento humano entre una actividad normal o cotidiana y una actividad anormal (caídas y convulsiones), es determinado bajo la implementación de algoritmos de Machine Learning. En particular, se selecciona la red recurrente LSTM (Long Short Term Memory), que ha sido preentrenada con datasets externos y reentrenada con datos propios aplicando la técnica de Transfer Learning conocida como Fine Tunning. Tomando como dato de entrada las señales enviadas desde el wearable, se obtiene una inferencia del modelo y ante la detección de una anormalidad se envía una alerta a través de una aplicación móvil denominada Anomaly Alarm. La validación final del sistema arrojó accuracy de 91.2%, y una sensibilidad en relación con los eventos anormales de 88%.

• Autores: Teherán Viñas, Daritza Andrea; Martínez Hinojosa, Diana Carolina; Romero Palma, Sebastián
• Fecha de publicación: 2022
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/10638
• Acceso en línea: http://hdl.handle.net/10584/10638
• Palabra clave: LSTM, Machine learning, Fine tunning, Accelerometer, ADLs, resampling signal; LSTM, Aprendizaje de máquina, Fine tunning, Acelerómetro, AVDs, remuestreo de señales
• License: Universidad del Norte