Sistema de seguimiento y control de geronto-psiquiatría mediante visión e inteligencia artificial “Sefora Vision”
dc.contributor.advisor | Ovejero, César | |
dc.creator | Aparicio, Carlos Daniel | |
dc.creator | Arismendi Svistoñuk, Fabricio Guillermo Misael | |
dc.date.accessioned | 2025-04-29T16:13:19Z | |
dc.date.issued | 2024-05-27 | |
dc.description.abstract | Título: Sistema de Seguimiento y Control de Geronto-Psiquiatría mediante Visión e Inteligencia Artificial “Sefora Vision”. Introducción: Motivó este proyecto la importancia del cuidado de adultos mayores y personas con enfermedades crónicas o psiquiátricas, destacando el aumento de muertes relacionadas con descuidos en su atención. Además, enfatizamos la necesidad de mejorar el monitoreo de estos pacientes mediante nuevas tecnologías y la inteligencia artificial, con el objetivo de proporcionar una atención más efectiva y segura. Metodología: Método experimental, empírico, que parte del análisis sistemático de la situación problemática, y con la integración de los conocimientos de la carrera y buscando innovación se busca desarrollar una solución efectiva. Resultados: El sistema desarrollado ha excedido ampliamente las expectativas de rendimiento, logrando la monitorización efectiva de diversos aspectos. A través de técnicas de visión artificial, se ha conseguido supervisar estados emocionales, acciones, reconocimiento facial, identificación de objetos potencialmente peligrosos y detección de accidentes. Simultáneamente, hemos implementado un brazalete de monitoreo para registrar con precisión la duración y frecuencia de actividades como caminar, dormir, correr, sedentarismo y frecuencia cardíaca, permitiendo también la detección de posibles incidentes. Conclusión: El proyecto ha dejado una valiosa experiencia y aprendizaje, particularmente en el ámbito técnico, al incorporar nuevas tecnologías que contribuyen positivamente al avance global. Además, se ha concluido que existe un potencial para continuar con el desarrollo, mediante la adición de funcionalidades adicionales. Entre estas, se destaca la posibilidad de incorporar sensores adicionales para monitorear signos vitales, como tensiómetros, medidores de glucosa en sangre o espirómetros. Por otro lado, se ha adquirido una comprensión más profunda de la relevancia del cuidado de personas geronto-psiquiátricas tanto para sus familias como para la sociedad en general. Se ha reafirmado la importancia de mantener un control y monitoreo constante para asegurar y preservar la salud de este segmento de la población. | |
dc.description.affiliation | Fil: Aparicio, Carlos Daniel. Universidad Tecnológica Nacional. Facultad Regional Tucumán; Argentina. | |
dc.description.affiliation | Fil: Arismendi Svistoñuk, Fabricio Guillermo Misael. Universidad Tecnológica Nacional. Facultad Regional Tucumán; Argentina. | |
dc.format | ||
dc.identifier.uri | https://hdl.handle.net/20.500.12272/12815 | |
dc.language.iso | es | |
dc.publisher | UTN FRT | |
dc.relation.references | Guía de Referencia de Arduino. (n.d.). Arduino.Cc. Retrieved December 13,2023, from https://www.arduino.cc | |
dc.relation.references | Heart_Rate_Sensor_SKU__SEN0203-DFRobot. (n.d.). Dfrobot.com. Retrieved December 13, 2023, from https://wiki.dfrobot.com/Heart_Rate_Sensor_SKU__SEN0203 | |
dc.relation.references | Login - Edge Impulse. (n.d.). Edgeimpulse.com. Retrieved December 13, 2023, from https://studio.edgeimpulse.com/ | |
dc.relation.references | Yakara. (n.d.). Mundo Yakara: miniaturizar ESP32 - REDUCIR TAMAÑO para PROYECTOS. - UTSOURCE. Mundo Yakara. Retrieved December 13, 2023, from https://www.mundoyakara.com/2022/08/miniaturizar-esp32-reducir-tamanopara.html | |
dc.relation.references | Keras. (n.d.). TensorFlow. Retrieved December 13, 2023, from https://www.tensorflow.org/guide/keras?hl=es-419 | |
dc.relation.references | OpenCV. (n.d.). OpenCV. Retrieved December 13, 2023, from https://forum.opencv.org/ | |
dc.relation.references | TensorFlow. (n.d.). TensorFlow. Retrieved December 13, 2023, from https://www.tensorflow.org/?hl=es-419 | |
dc.relation.references | Lu, H., & Li, Y. (Eds.). (2018). Artificial Intelligence and Computer Vision. Springer International Publishing. | |
dc.relation.references | Hart, D. W. (2005). Electronica de potencia. Pearson Educacion. | |
dc.relation.references | Moocarme, M., Abdolahnejad, M., & Bhagwat, R. (2020). The Deep Learning with Keras Workshop: Learn how to define and train neural network models with just a few lines of code. Packt Publishing. | |
dc.relation.references | Pose landmark detection guide for Python. (n.d.). Google for Developers. Retrieved December 13, 2023, from https://developers.google.com/mediapipe/solutions/vision/pose_landmarker/pyt hon | |
dc.relation.references | OpenCV. (n.d.). OpenCV. Retrieved December 13, 2023, from https://forum.opencv.org/ | |
dc.relation.references | Borrar la caché y las cookies. (n.d.). Google.com. Retrieved December 13, 2023, from https://mediapipe-studio.webapps.google.com/demo/object_detector | |
dc.relation.references | MediaPipe solutions guide. (n.d.). Google for Developers. Retrieved December 13, 2023, from https://developers.google.com/mediapipe/solutions/guide | |
dc.relation.references | Qt documentation. (n.d.). Doc.Qt.Io. Retrieved December 13, 2023, from https://doc.qt.io/ | |
dc.relation.references | Bochkovskiy, A., Wang, C.-Y., & Liao, H.-Y. M. (2020). YOLOv4: Optimal speed and accuracy of object detection. In arXiv [cs.CV]. http://arxiv.org/abs/2004.10934 | |
dc.relation.references | Ultralytics. (n.d.). Home. Ultralytics.com. Retrieved December 13, 2023, from https://docs.ultralytics.com/ | |
dc.relation.references | Find pre-trained models. (n.d.). Tfhub.dev. Retrieved December 13, 2023, from https://tfhub.dev/google/movenet/singlepose | |
dc.relation.references | OpenCV: Face Recognition with OpenCV. (n.d.). Opencv.org. Retrieved December 13, 2023, from https://docs.opencv.org/4.2.0/da/d60/tutorial_face_main.html | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution-NonCommercial-ShareAlike 2.5 Argentina | en |
dc.rights.holder | Arismendi Svistoñuk, Fabricio Guillermo Misael | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | |
dc.rights.use | CC BY-NC-SA (Autoría – No Comercial – Compartir igual) Se autoriza la reproducción, distribución, adaptación, creación de obras derivadas, comunicación pública, en cualquier medio o formato siempre que se reconozca la autoría del autor o autora. Si reproduce, distribuye, adapta, crea obras derivadas, debe licenciar el nuevo material bajo la misma licencia pero no se puede hacer uso comercial del trabajo. | |
dc.subject | Inteligencia artificial | |
dc.subject | Interfaz | |
dc.title | Sistema de seguimiento y control de geronto-psiquiatría mediante visión e inteligencia artificial “Sefora Vision” | |
dc.type | info:eu-repo/semantics/bachelorThesis | |
dc.type.version | acceptedVersion |