No abstract

El aprendizaje automático (AA) o aprendizaje máquina se centra en el desarrollo de sistemas de análisis que aprenden de datos existentes para predecir o agrupar datos futuros.  El AA se ha desarrollado sustancialmente en años recientes en muchas áreas de la ciencia y de la ingeniería, siendo una de las de mayor interés el área de la medicina. En los ambientes médicos reales existe una gran cantidad de datos de naturaleza multivariable y multidimensional, que requieren analizarse para diagnóstico y tratamiento médico, lo que representa un área de oportunidad importante para el aprendizaje máquina.  Este trabajo presenta una revisión de algunas de las aplicaciones más relevantes del aprendizaje automático, así como las tendencias y expectativas emergentes del mismo. Posteriormente, se hace una descripción de los trabajos más significativos del aprendizaje máquina aplicados a la medicina, haciendo especial énfasis en aplicaciones fisioterapéuticas. Finalmente, un tema de particular interés en el contexto de la medicina física es el análisis de la marcha, por lo que se hace una revisión de los trabajos realizados para dicho propósito.

México se encuentra inserto en el avance científico, tecnológico y de innovación para el desarrollo de proyectos que resuelven necesidades globales del sector educativo. Hidalgo no es la excepción, por lo que docentes y estudiantes de la Universidad Tecnológica de Tulancingo se han sumado a este esfuerzo con el propósito de fomentar el interés científico, tecnológico y de innovación de estudiantes de educación básica de la entidad y fortalecer el proceso de enseñanza-aprendizaje de dicho nivel educativo. En este artículo se presenta la metodología de implementación y el método de desarrollo de prototipos y material didáctico de un enfoque novedoso basado en mecatrónica educativa para la educación básica secundaria de la entidad. Finalmente, se describen de manera cualitativa los resultados más significativos de la puesta en marcha de este enfoque de 2016 a la fecha en diversos escenarios, los cuales permiten determinar la factibilidad pedagógica y viabilidad tecnológica para su implementación a mayor escala en el estado.

Crouch gait is one of the most common gait abnormalities; it is usually caused by cerebral palsy. There are few works related to the modeling of crouch gait kinematics, crouch gait analysis, and visualization in both the workspace and joint space. In this work, we present a quaternion-based method to solve the forward kinematics of the position of the lower limbs during walking. For this purpose, we propose a modified eight-DoF human skeletal model. Using this model, we present a geometric method to calculate the gait inverse kinematics. Both methods are applied for gait analysis over normal, mild, and severe crouch gaits, respectively. A metric-based comparison of workspace and joint space for the three gaits for a gait cycle is conducted. In addition, gait visualization is performed using Autodesk Maya for the three anatomical planes. The obtained results allow us to determine the capabilities of the proposed methods to assess the performance of crouch gaits, using a normal pattern as a reference. Both forward and inverse kinematic methods could ultimately be applied in rehabilitation settings for the diagnosis and treatment of diseases derived from crouch gaits or other types of gait abnormalities.

Gait analysis is one of the most important challenging research areas in clinical and computing settings. Gait biomechanics and gait human recognition are two major areas of interest. Alterations in walking can cause physical and metal health problems in people, so diagnoses and treatments derived from optimal gait analysis are very useful in clinical settings. This paper surveys the gait analysis methods, applications and platforms, gait biomechanics, as well as, gait recognition approaches, and datasets. Then, we describe contributions in gait forward kinematics, useful to assess gaits such as crouched and normal. Also, a framework for antalgic gait recognition based on human activity, using the gyroscope embedded in a smartphone is described. Different algorithms and metrics were used to perform the gait recognition, highlighting Support Vector Machines, Naive Bayes, k- Nearest Neighbours, and Accuracy and F-measure, respectively. Finally, we discuss the challenges and future perspectives on gait recognition.