Desarrollo de un sistema de procesamiento de datos con técnicas de visualización por computadora para medir el ciclo de la marcha normal

Abstract

El ciclo de la marcha son los movimientos que permiten al ser humano caminar con bajo esfuerzo y mínimo gasto energético, su alteración puede afectar la calidad de vida. Sin embargo, las herramientas tradicionales para su análisis, como la observación clínica y los electrogoniómetros, son costosas, invasivas y dependen de personal especializado. Este proyecto propone el desarrollo de un sistema de análisis automatizado utilizando visión por computadora, para la detección y análisis del ángulo de la rodilla durante la marcha. El sistema se desarrolló en Python 3.11, usando librerías como OpenCV, MediaPipe Pose, NumPy, Pandas, SciPy y Matplotlib, integradas en una interfaz gráfica mediante PyQt6. Se utiliza la captura de un video a 30 FPS, MediaPipe detecta las articulaciones de rodilla, cadera y tobillo, usando el teorema del coseno, se calculan los ángulos de la rodilla. Los datos se filtran y suavizan para mejorar su calidad. Se compararon las señales generadas por el sistema contra las de un electrogoniómetro Biometrics DataLink, utilizando como métricas el Error Cuadrático Medio (RMSE) y el Coeficiente de Correlación de Pearson. Los resultados muestran un RMSE de 12.31° para la rodilla derecha y 10.30° para la izquierda, con coeficientes de correlación de 0.78 y 0.86 respectivamente, indicando una alta similitud en la forma de las señales. No obstante, factores como la capacidad del hardware, la iluminación y la vestimenta del sujeto afectan el desempeño del sistema. Se concluye que esta herramienta ofrece una alternativa funcional y no invasiva para el análisis del ciclo de la marcha en contextos no clínicos, con posibilidades de optimización y expansión hacia aplicaciones médicas más exigentes.