SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
Alurralde, Ignacio · Instituto Tecnológico de Buenos Aires (ITBA) · 2026
Acceso al recurso
Entrá al contenido desde la opción principal o elegí otra fuente disponible.
Material complementario disponible
Resumen
Descripción general del contenido del recurso.
Varios aspectos del proyecto original fueron mejorados: el algoritmo de detección de IM basado en señales de EMG, la usabilidad y la ergonomía del guante. Además, se realizó un análisis de su implementación en casos reales, y una exploración de su aplicación para nuevas patologías junto con un análisis de requerimientos extraídos a partir de normativa relevante.
Para mejorar el algoritmo de IM, se utilizaron herramientas de Aprendizaje Automático (AA), explorando modelos clásicos y avanzados (SVM, Random Forest, Naive Bayes, XGBoost, MLP) sobre bases de datos de señales EMG públicas y registros EMG propios obtenidos de pacientes con y sin patologías motoras. Los resultados muestran una detección confiable de la intención de movimiento con solo dos canales EMG en los pacientes patológicos, con tiempos de inferencia compatibles con aplicaciones en tiempo real.
Para mejorar la usabilidad, se rediseñaron la interfaz gráfica y el sistema de registro clínico, incorporando seguimiento de pacientes y métricas basadas en la escala de Tardieu.
Respecto al guante, se desarrollaron cámaras y actuadores de silicona de geometría ajustable, capaces de generar los movimientos indicados para la rehabilitación de la patología objetivo. También se propuso un esquema de fabricación para guantes adaptados y personalizados según la anatomía de cada paciente mediante el uso de tecnología de escaneo 3D.
Finalmente, se realizó un análisis normativo bajo los lineamientos de ANMAT para dispositivos médicos de Clase II, incluyendo una evaluación de riesgos. SoftGlove 2.0 demuestra la viabilidad de un dispositivo modular y personalizable orientado a la rehabilitación funcional en entornos clínicos y domiciliarios".
Cómo citar
Elegí el formato que necesitás y copiá la referencia al portapapeles.
APA 7
Alurralde, I. (2026). SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso. Instituto Tecnológico de Buenos Aires (ITBA). https://hdl.handle.net/20.500.14769/6223
MLA
Alurralde, Ignacio. SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso. Instituto Tecnológico de Buenos Aires (ITBA), 2026. https://hdl.handle.net/20.500.14769/6223.
Chicago
Alurralde, Ignacio. 2026. SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso. Instituto Tecnológico de Buenos Aires (ITBA). https://hdl.handle.net/20.500.14769/6223.
Harvard
Alurralde, I. 2026, SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso, Instituto Tecnológico de Buenos Aires (ITBA), available at: https://hdl.handle.net/20.500.14769/6223 [Accessed 25 Jun. 2026].
Detalles del recurso
Información bibliográfica útil para confirmar que se trata del material correcto.
- Título
- SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
- Autor / colaboradores
- Alurralde, Ignacio
- Editorial
- Instituto Tecnológico de Buenos Aires (ITBA)
- Año de publicación
- 2026
- Idioma
- es
Materias
Explorá otros recursos relacionados a partir de estas materias.