CRIS

Permanent URI for this communityhttps://cris.ute.edu.ec/handle/123456789/1

Browse

Settings

Access type: UnknownAuthor: search.filters.author.Ernesto Gambao

Search Results

Now showing 1 - 2 of 2
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    RoboGait: sistema robótico no invasivo para el análisis de la marcha humana
    (Universitat Politecnica de Valencia, 2023-10-31)
    David Álvarez
    ;
    GUFFANTI MARTINEZ, DIEGO ANDRES  
    ;
    Alberto Brunete
    ;
    Miguel Hernando
    ;
    Ernesto Gambao
    Actualmente, los sistemas utilizados en laboratorios para analizar la marcha se basan en técnicas marcadores o sensores colocados sobre el cuerpo del paciente, lo que resulta en un proceso que requiere un tiempo largo de preparación y calibración, así como la incomodidad que causa a los pacientes tener dispositivos colocados por el cuerpo. Además, el espacio en el que se pueden realizar pruebas resulta muy limitado. En respuesta a estas problemáticas, se ha desarrollado el sistema robótico RoboGait. Consiste en un robot móvil capaz de navegar autónomamente delante del paciente. El robot incluye una cámara RGBD en su parte superior para captar el cuerpo humano. Este sistema no requiere marcadores adheridos al cuerpo del paciente ya que utiliza la información proporcionada por la cámara RGBD para analizar la marcha. El objetivo de este estudio es demostrar la validez de RoboGait y su aplicabilidad en entornos clínicos. Para conseguirlo, se ha optado por mejorar la estimación de señales cinemáticas y espacio-temporales de la marcha procesando las medidas de la cámara con redes neuronales artificiales (RNA) entrenadas usando datos obtenidos de un sistema Vicon certificado. Posteriormente, se ha medido el rendimiento del sistema en la clasificación de patrones normales y patológicos, utilizando como referencia un sistema basado en sensores inerciales Xsens. De este modo, se ha probado el sistema robótico móvil en un rango amplio de la marcha, al tiempo que se ha comparado con un sistema comercial en las mismas condiciones experimentales. Los resultados obtenidos demuestran que RoboGait puede realizar el análisis de la marcha con suficiente precisión,mostrando un gran potencial para su análisis clínico y la identificación de patologías.
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Robotics‐driven gait analysis: Assessing Azure Kinect's performance in in‐lab versus in‐corridor environments
    (Wiley, 2024-03-13)
    GUFFANTI MARTINEZ, DIEGO ANDRES  
    ;
    Alberto Brunete
    ;
    Miguel Hernando
    ;
    David Álvarez
    ;
    Ernesto Gambao
    Abstract Gait analysis offers vital insights into human movement, aiding in the diagnosis, treatment, and rehabilitation of various conditions. Analyzing gait in corridors, rather than in lab, provides unique advantages for a more comprehensive understanding of human locomotion. However, limited dedicated technologies constrain gait data analysis in this context. In this study, a markerless gait analysis system using an Azure Kinect sensor mounted on a mobile robot is proposed and validated as a potential solution for gait analysis in corridors. Ten healthy participants (4 males and 6 females) underwent two tests. The first test (5 trials per participant) took place in the laboratory. Here, Azure Kinect performance was validated against a Vicon system, assessing eight gait signals and 22 gait parameters. The second test (2 trials per participant) was performed in the corridors over a 32‐m walking distance to compare this gait pattern with the one developed within the laboratory. The intrasession Intraclass Correlation Coefficient (ICC) reliability for in‐lab experiments was assessed by calculating the ICC between gait cycles captured in each session per participant. Notably, knee flexion/extension (ICC‐0.95), hip flexion/extension (ICC‐0.96), pelvis rotation (ICC‐0.88), and interankle distance (ICC‐0.98) demonstrated excellent reliability with high confidence. Similarly, hip adduction/abduction showed good reliability (ICC‐0.79), while trunk rotation exhibited moderate reliability (ICC‐0.72). In contrast, both trunk tilt (ICC‐0.24) and pelvis tilt (ICC‐0.41) consistently displayed lower reliability. This was observed for both the Vicon and the Azure systems, highlighting the intricate nature of capturing precise data for these specific signals in both systems. Validity outcomes indicated comparable error rates to literature standards ( knee flexion/extension, hip flexion/extension, and hip adduction/abduction), with 11 parameters having no significant differences from Vicon. Comparison of in‐lab and in‐corridor experiments show that individuals exhibit significantly longer stride time (1.10 s vs. 1.05 s), lower pelvis tilt ( vs. ), and lower minimum pelvis rotation ( vs. ) when walking in the laboratory. This study demonstrates promising outcomes in outdoor gait analysis with a robot‐mounted camera, revealing significant distinctions from controlled laboratory evaluations.