Detección inteligente de posibles situaciones de riesgo de usuarios de silla de ruedas en trasporte
DOI:
https://doi.org/10.17979/ja-cea.2025.46.12084Palabras clave:
Tecnología asistencial e ingeniería de rehabilitación, Fusión de información y sensores, Técnicas de inteligencia artificial, Diseño de experimentos, Metodologías de diseñoResumen
El uso del transporte puede generar situaciones de riesgo para usuarios de silla de ruedas que influyan negativamente en su estado funcional, por ello es esencial identificar las condiciones a las que están expuestos durante sus desplazamientos. Este estudio presenta un identificador, basado en IA, de posibles situaciones de riesgo para usuarios de sillas de ruedas en dos etapas. Primero, se clasifica si el usuario se encuentra en un transporte sobre raíles, ruedas o detenido. Después, se identifica si el vehículo está en movimiento, girando o frenando. Se han evaluado dos técnicas inteligentes, KNN y ANN. Ambas alcanzan un porcentaje de acierto del 98,7% en la primera etapa. En la segunda, KNN muestra mejores resultados, con precisiones superiores al 92%, mientras que ANN presenta valores por encima del 81%. El sistema permite contextualizar los datos posturales recogidos en la actividad diaria de estas personas, lo que facilita su interpretación clínica y contribuye a tomar decisiones para mejorar el tratamiento.
Referencias
Chen, Y., Wang, L., Wang, Z., Jia, N. & Chen, Q. Whole-body vibration exposure characterization in bus drivers of Haikou City: A comparison between two health risk assessment methods. Journal of Environmental and Occupational Medicine. 40, 1264-1269 (2023)
Crawford, A., Armstrong, K., Loparo, K., Audu, M., & Triolo, R. Detecting destabilizing wheelchair conditions for maintaining seated posture isabil Rehabil Assist Technolgy. 13, 178-185 (2018)
Garcia-Mendez Y., Pearlman J., Boninger M. & Cooper R. Health risks of vibration exposure to wheelchair users in the community. The Journal of Spinal Cord Medicine. 36(4), 365-75 (2013,3)
Halder, R.K., Uddin, M.N., Uddin, M.A., & others. Enhancing K-nearest neighbor algorithm: a comprehensive review and performance analysis of modifications. Journal of Big Data. 11, 113 (2024).
Ma, C., Li, W., Cao, J., Du, J., Li, Q., Gravina, R. Adaptive sliding window based activity recognition for assisted livings. Information Fusion. 53, 55–65 (2020).
Molina Men´endez, E. & Parraga-Alava, J. Artificial Neural Networks for Classification Tasks: A Systematic Literature Review. Enfoque UTE. 15, 1–10 (2024).
K. Lepoglavec, O. Papeš, V. Lovrić, A. Raspudić, H. Nevečerel. Accessibility of Urban Forests and Parks for People with Disabilities in Wheelchairs, Considering the Surface and Longitudinal Slope of the Trails. Multidisciplinary Digital Publishing Institute. 15 (2023)
Luna-Perejón, F., Montes-Sánchez, J.M., Durán-López, L., Vázquez-Baeza, A., Beasley-Bohórquez, I., Sevillano-Ramos, J.L. IoT device for sitting posture classification using artificial neural networks. Electronics. 10, 1825 (2021).
Perez, N., Mancisidor, A., Cabanes, I., Vermander, P. Sitting Posture Monitoring Device for People with Low Degree of Autonomy. Converging Clinical and Engineering Research on Neurorehabilitation IV. ICNR 2020. (2022)
Perez, N., Mancisidor, A., Cabanes, I., Vermander, P., Portillo, E., Zubizarreta, A. Sistema de monitorizaci´on de entornos para usuarios de sillas de ruedas. Jornadas de Automarica 2024 45 (24)
Perez, N., Mancisidor, A., Cabanes, I., Vermander, P., Gonzalez, J. Continuous postural and movement monitoring system for wheelchair users assessment. Measurement (2024)
M. Shyam, K. Abinash, A. Jeevan Mathew, P. R. Akash Ram, S. Kaushik, M. Kishore. A Contemporary Voice Assisted LIDAR Based Self Piloting Intelligent Wheelchair for Both Elderly And Disabled. 2023 IEEE International Conference on Research Methodologies in Knowledge Management, Artificial Intelligence and Telecommunication Engineering. (2023)
Zhang, P., Chen, W., Wang, H., Li, Z., Li, X., Liu, B., Adam, S., Jalil, N., Razali, K., Kumar, R., Sharma, R., Kumar, V. & Khan, A. Predictors of Whole-Body Vibration Exposure among Indian Bus and Truck Drivers. Journal Of Physics: Conference Series. 1854, 012033 (2021,4)
Zhou, J., Wu, Z., Fan, C., Yu, T., Yi, S., Li, Y. & Peng, Y. Evaluation and prediction method of railway passenger long-term vibration comfort under complex operating conditions. Ergonomics. (2023)
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Nerea Perez, Aitziber Mancisidor, Itziar Cabanes, Patrick Vermander
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
