Detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico
En la MD se presenta como una tecnología emergente, con varias ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios. Además, no hay duda de...
Guardado en:
Autor principal: | |
---|---|
Formato: | Artículo revista |
Lenguaje: | Español |
Publicado: |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
2018
|
Materias: | |
Acceso en línea: | https://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/2075 |
Aporte de: |
id |
I21-R190-123456789-2075 |
---|---|
record_format |
ojs |
institution |
Universidad Nacional del Centro |
institution_str |
I-21 |
repository_str |
R-190 |
container_title_str |
Repositorio Institucional de Acceso Abierto (RIDAA) |
language |
Español |
format |
Artículo revista |
topic |
Tecnología emergente Toma de decisiones Ámbito de la salud Enfermedades cardiovasculares Dislipemia Obesidad Hipertensión arterial Algoritmos Mineria de datos MD Reconocimiento de acciones humanas RAH Aprendizaje de máquina AM Ingeniería de sistemas |
spellingShingle |
Tecnología emergente Toma de decisiones Ámbito de la salud Enfermedades cardiovasculares Dislipemia Obesidad Hipertensión arterial Algoritmos Mineria de datos MD Reconocimiento de acciones humanas RAH Aprendizaje de máquina AM Ingeniería de sistemas Rossini Marek, Mariano Detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico |
topic_facet |
Tecnología emergente Toma de decisiones Ámbito de la salud Enfermedades cardiovasculares Dislipemia Obesidad Hipertensión arterial Algoritmos Mineria de datos MD Reconocimiento de acciones humanas RAH Aprendizaje de máquina AM Ingeniería de sistemas |
author |
Rossini Marek, Mariano |
author_facet |
Rossini Marek, Mariano |
author_sort |
Rossini Marek, Mariano |
title |
Detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico |
title_short |
Detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico |
title_full |
Detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico |
title_fullStr |
Detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico |
title_full_unstemmed |
Detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico |
title_sort |
detección de acciones humanas utilizando aprendizaje de máquina para complemento de control médico |
description |
En la MD se presenta como una tecnología emergente, con varias ventajas:
por un lado, resulta un buen punto de encuentro entre los investigadores y las personas
de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre nuevas
oportunidades de negocios. Además, no hay duda de que trabajar con esta tecnología
implica cuidar un sinnúmero de detalles debido a que el producto final involucra "toma
de decisiones".
Debido al crecimiento, desarrollo y mejoramiento de la MD en los últimos años, permitió
que muchos sitios que no utilizaban esta técnica para sus empresas o áreas lo empezaran
a implementar.
En la búsqueda realizada se observó que RAH es un área de investigación muy activa
y en constante expansión debido a la gran cantidad de potenciales aplicaciones, pero en
el ámbito de la salud se observaron artículos donde se mencionaba que los profesionales
de la salud prescriben la actividad física para prevención o tratamiento de enfermedades,
pero a la hora de corroborar el cumplimiento de la misma, la gran mayoría
utiliza la metodología cualitativa a través de cuestionarios escritos donde controlan si el
paciente realizo ejercicios o movimientos establecidos, dependiendo de la subjetividad
y veracidad a la hora de responder Bayego et al. [2012]. El poder registrar que tipo de
movimientos y la duración de los mismos de una manera mas objetiva, confirmatoria, inferencial
y deductiva, ayuda no solo a verificar que el paciente los llevo a cabo, sino que
seria un anexo a los resultados de seguimiento de varias enfermedades, como por ejemplo
Diabetes MellitusCopado et al. [2011], enfermedades cardiovasculares Pérez [2008],
dislipemia, obesidad , Hipertensión Arterial, etc.
Esto llevo a pensar que AM cuenta con herramientas que se podrían aplicar en esta área,
debido a sus numerosas técnicas, utilizadas en otros sectores como ciencias biológicas,
sistemas de recuperación de información, finanzas e industria bancarias, etc., y que en
las ultimas décadas fue motivo de estudio e investigación
A su vez, AM se caracteriza por ofrecer soluciones algorítmicas con un costo computacional
aceptable y las técnicas pueden resolverse tanto por computadoras, tables, smartphones,
permitiendo la expansión de esta aplicación si tenemos un cuenta que solo los
smartphones durante el 2015 tuvieron una venta de 330 millones de unidades a nivel
mundial y que según Our Mobile Planet: argentina 2013, en su encuesta, el 31% de los
argentinos ya tiene uno. Estos dispositivos, podrían ser utilizados como entrada para el
modelo de AM que se planteara a lo largo de la tesis.
Una vez, definida la entrada, AM cuenta con una variedad de algoritmos agrupados en
familias para procesar la información. Párrafo extraído de la tesis de grado a modo de resumen |
publisher |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
publishDate |
2018 |
url |
https://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/2075 |
work_keys_str_mv |
AT rossinimarekmariano detecciondeaccioneshumanasutilizandoaprendizajedemaquinaparacomplementodecontrolmedico |
first_indexed |
2022-07-04T14:26:41Z |
last_indexed |
2022-10-05T02:36:48Z |
bdutipo_str |
Revistas |
_version_ |
1764819786812882944 |