2026-04-13T04:25:49Zhttps://recercat.cat/oai/requestoai:recercat.cat:2117/4488662025-12-11T23:13:25Zcom_2072_1033col_2072_452951
RECERCAT
author
Murillo Molina, Tomás David
2025-12-11T23:13:25Z
2025-12-11T23:13:25Z
2025-07-02
http://hdl.handle.net/2117/448866
La malaltia de Parkinson és una malaltia neurodegenerativa que afecta el control del moviment, causant tremolors i deteriorament de les habilitats motores i de la marxa. Un d'aquests símptomes motors és la congelació de la marxa (FoG) que augmenta el risc de caigudes presentant-se com a interrupcions involuntàries durant la marxa. Aquest treball final de grau proposa la primera fase d'una metodologia per detectar episodis de congelació de la marxa en pacients amb malaltia de Parkinson mitjançant l'anàlisi cinemàtica del moviment utilitzant sensors inercials (IMUs). L'objectiu principal és desenvolupar un algoritme inicial capaç d'identificar esdeveniments de congelació de la marxa amb mètodes factibles en temps real utilitzant el menor nombre possible de sensors. Es van recollir dades d' un pacient amb malaltia de Parkinson utilitzant el sistema Xsens MVN en un entorn clínic. El preprocessament del senyal inclou filtrar i extreure característiques a través de ventanes deslizants i anàlisi en el domini de freqüència. S'utilitzen els mètodes Freeze Index (FI) i Total Walking Power (TWP) i es calculen les seves mètriques per millorar el rendiment del programa. Els esdeveniments es confirmen quan es superen els llindars FI i TWP. El sistema mostra bons resultats a l'hora de diferenciar els períodes de caminar normal del pacient dels de caminar congelats, reduint els errors usant dos mètodes en paral·lel. Encara que aquest estudi es limita a una mostra, posa les bases per a la seva futura aplicació en sistemes vestibles i/o exoesquelets com a primera etapa d'aquest enfocament de recerca. Aquesta metodologia inicial pot conduir al desenvolupament d'eines d'intervenció primerenca per millorar els problemes de mobilitat i disminuir el risc de caigudes en persones amb malaltia de Parkinson.La enfermedad de Parkinson es una enfermedad neurodegenerativa que afecta al control del movimiento, causando temblores y deterioro de las habilidades motoras y de la marcha. Uno de estos síntomas motores es la Congelación de la Marcha (FoG) que aumenta el riesgo de caídas al presentarse como interrupciones involuntarias durante la marcha. Este trabajo fin de grado propone la primera fase de una metodología para detectar episodios de congelación de la marcha en pacientes con enfermedad de Parkinson mediante el análisis cinemático del movimiento utilizando sensores inerciales (IMUs). El objetivo principal es desarrollar un algoritmo inicial capaz de identificar eventos de congelación de la marcha con métodos factibles en tiempo real utilizando el menor número posible de sensores. Se recogieron datos de un paciente con enfermedad de Parkinson utilizando el sistema Xsens MVN en un entorno clínico. El preprocesamiento de la señal incluye filtrado y extracción de características mediante ventanas deslizantes y análisis en el dominio de la frecuencia. Se utilizan los métodos Freeze Index (FI) y Total Walking Power (TWP) y se calculan sus métricas para mejorar el rendimiento del programa. Los eventos se confirman cuando se superan los umbrales FI y TWP. El sistema muestra buenos resultados a la hora de diferenciar los periodos de marcha normal del paciente de los de marcha congelada, reduciendo los errores al utilizar dos métodos en paralelo. Aunque este estudio se limita a una muestra, sienta las bases para su futura aplicación en sistemas vestibles y/o exoesqueletos como primera etapa de este enfoque de investigación. Esta metodología inicial puede conducir al desarrollo de herramientas de intervención temprana para mejorar los problemas de movilidad y disminuir el riesgo de caídas en personas con enfermedad de Parkinson.Parkinson's Disease is a neurodegenerative disease that affects movement control, causing tremors and impairment of motor skills and gait. One of these motor symptoms is Freezing of Gait (FoG) which increases the risk of falls by presenting as involuntary interruptions during walking. This final degree work proposes the first stage of a methodology to detect gait freezing episodes in patients with Parkinson's disease by means of kinematic motion analysis using inertial sensors (IMUs). The main objective is to develop an initial algorithm capable of identifying gait freezing events with feasible methods in real time using as few sensors as possible. Data were collected from a patient with Parkinson's disease using the Xsens MVN system in a clinical environment. Signal preprocessing includes filtering and feature extraction by means of sliding windows and frequency domain analysis. Freeze Index (FI) and Total Walking Power (TWP) methods are used and their metrics are calculated to improve program performance. Events are confirmed when the FI and TWP thresholds are exceeded. The system shows good results in differentiating periods of normal patient gait from those of gait freeze, reducing errors by using two methods in parallel. Although this study is limited to one sample, it lays the groundwork for future implementation in wearable systems and/or exoskeletons as the first stage of this research approach. This initial methodology may lead to the development of early intervention tools to improve mobility problems and decrease the risk of falls in people with Parkinson's disease.
http://creativecommons.org/licenses/by-nc-nd/4.0/ Open Access Attribution-NonCommercial-NoDerivs 4.0 International
Àrees temàtiques de la UPC::Enginyeria biomèdica
Parkinson's disease
Gait disorders -- Measurement
Kinematics
Detectors
Parkinson Kinematic
Parkinson, Malaltia de
Trastorns de la marxa -- Mesurament
Cinemàtica
Detectors
Kinematic analysis for detecting freezing of gait episodes in Parkinson's disease patients
Bachelor thesis