English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Un problema de gran interes en disciplinas como la ocupacional, ergonomica ydeportiva, es la medicion de variables biomecanicas involucradas en elmovimiento humano (como las fuerzas musculares internas y torque dearticulaciones). Actualmente este problema se resuelve en un proceso de dospasos. Primero capturando datos con dispositivos poco pr\'acticos, intrusivos ycostosos. Luego estos datos son usados como entrada en modelos complejos paraobtener las variables biomecanicas como salida. El presente trabajo representauna alternativa automatizada, no intrusiva y economica al primer paso,proponiendo la captura de estos datos a traves de imagenes. En trabajos futurosla idea es automatizar todo el proceso de calculo de esas variables. En estetrabajo elegimos un caso particular de medicion de variables biomecanicas: elproblema de estimar el nivel discreto de carga muscular que estan ejerciendolos musculos de un brazo. Para estimar a partir de imagenes estaticas del brazoejerciendo la fuerza de sostener la carga, el nivel de la misma, realizamos unproceso de clasificacion. Nuestro enfoque utiliza Support Vector Machines paraclasificacion, combinada con una etapa de pre-procesamiento que extraecaracter{\i}sticas visuales utilizando variadas tecnicas (Bag of Keypoints,Local Binary Patterns, Histogramas de Color, Momentos de Contornos) En losmejores casos (Local Binary Patterns y Momentos de Contornos) obtenemos medidasde performance en la clasificacion (Precision, Recall, F-Measure y Accuracy)superiores al 90 %.

Estimacion de carga muscular mediante imagenes