Introducción a la Kinesiología: Innovación PDF

Innovación e Inteligencia Artificial Un Motor para Acelerar el Impacto Positivo en Salud Claudio Tapia Malebrán, PhD. ¿Hay que hacer innovación en Salud? Resistencia al cambio Innovar en tiempos de IA  AI in Physical T...

Innovación e Inteligencia Artificial Un Motor para Acelerar el Impacto Positivo en Salud Claudio Tapia Malebrán, PhD. ¿Hay que hacer innovación en Salud? Resistencia al cambio Innovar en tiempos de IA  AI in Physical Therapy and Rehabilitation No Adoption Yes of AI Potential Positive Potential Negative Negative Effects Benefits Effects Effects ▪ Data analysis ▪ Less Efficiency and Productivity. ▪ Greater emphasis on ethics and ▪ Recommendations ▪ Hallucinations of AI ▪ Limitations in Data Analysis. decision-making. ▪ Monitoring ▪ AI dependence ▪ Decreased Efficiency in Clinical ▪ Focus on personalized treatments. ▪ Telerehabilitation NAI ▪ Clinical successful depends on the Decision-Making. ▪ Development of traditional clinical ▪ Automation in process digital literacy of the user/patient ▪ Reduced Personalization in skills. management ▪ Poor data security Treatment Plans. ▪ Increased focus on human ▪ Decision support ▪ Increased Workload and Stress. interaction ▪ Limited Utilization of Technological Advances. ▪ Loss of Competitive Workforce Ability. ▪ Some actions can be replaced. ▪ Broader and deeper understanding ▪ Ethical dilemma in decision- of physical therapy making. ▪ Complex reasoning and evaluation AGI ▪ Difficulty for the patient/user to ▪ Contextual interaction differentiate between human and machine in remote processes. ▪ Instantaneous access to advanced ▪ Risk of reduced involvement in knowledge clinical decision-making. ▪ Advanced analysis and synthesis ▪ Evolution towards machine ▪ Accurate predictions ASI technology in clinical practice. ▪ Innovation in interventions ▪ Data security and privacy in the ▪ Integration with robotics hands of artificial intelligence.  Análisis sin Laboratorio Experiencias de Éxito La imágenes y videos mostrados en esta presentación cuentan con permiso para ser usados con fines académicos. BCI Human-Machine Interface for the Assistance and Care of People with Motor Dependence based on Electromyography METHOD Human-Machine Interface for the Assistance and Care of Elderly People with Motor Dependence: A Transformative Proposal Based on Computer Vision NAM23I0021 sión computacional para la asistencia de pacientes con Project design and implementation plan d motora severa crónica de Mutual de Seguridad CChC. Validation for real-time assistance and monitoring of 1 SUSESO – Proyectos de Investigación e Innovación en prevención de Accidentes del Trabajo y Enfermedades Profesionales Metodología Resultados Data preprocessing 4 elderly people with motor dependence ud Este proyecto corresponde a una innovación de producto, con Development of software for detecting Se desarrolló un sistema capaz de capturar era un alto impacto en la inclusión de pacientes con discapacidad facial landmarks and body segments la imagen del rostro de una persona para os motora severa crónica de Mutual de Seguridad CChC. Image Acquisition Las etapas, correspondientes a innovación de base científico- through video image processing luego reconocer un gesto facial. En esta Camera era Data processing etapa se reconocen gestos asociados al ca tecnológica, requeridas para lograr el objetivo del proyecto se movimiento de las cejas y boca, logrando la dividieron en las siguientes actividades. diferenciar diferentes secuencias. Cada 9). Figura 2: Diagrama de bloque de metodología a implementar, basada en sistema de reconocimiento face mesh -prediction Se desarrolló que usa detección de Figure 2. The inference unregiones software pipeline andsignificativas semánticamente the model architecture overview 2020). (Grishchenko, secuencia del gesto reconocido permite ga de ingdetección de puntos de activar una acción. A la fecha se logró activar la feature map. The spatial transformer is controlled by an Interest Point a 64 ⇥ 64 feature map, the model splits into several ule to extract 24 ⇥ 24 region features from the 64 ⇥ 64 Esta fase finaliza sub-models con2). (Figure dosOne productos. submodel predicts all 478 face interés mesh dede landmarks 1. Prototipo inrostro 3D sistema demediante and defines crop bounds software for el each de reconocimiento affine transformation de gestos faciales enmatrix ✓(Equation el registro 1) and allows de imágenes de us to video. el llamado de asistencia (emergencia) a region of interest. 2. Informe procesamiento landmarks conThe lasremaining from thecorresponding los algoritmos submodels principales predict region características de24imágenes ⇥24 feature de procesamiento técnicas delzoom, rotate, translate, software and skew y las ventajas thesampled grid y desventajas mapsthat Este informe está destinado principalmente a las entidades implementados. queofpresentaron points. Detection enfermería y control de iluminación al interior are obtained via thepara attention mechanism.por los equipos clínicos y será insumo del informe de video. interesadas ser discutido Weconcentrate on threefacial regionswith key contours: ✓= x y x sh y xshfinaltdel proyecto. s x y t (1) de la habitación del paciente. the lips and two eyes (Figure 1). Each eye submodel pre- dicts the iris as a separate output after reaching the spa- Actividad Esta 3. Desarrollo - Se entrenaron los tial resolution of 6 ⇥ 6.deThis fase se extiende tureswhile sistema por un mes keeping dynamic allowsdethecomunicación reuse of eye fea- (mes 8 de ejecución) irisindependent from themore Thisdeaffine para control y estarásupervised transformation dispositivos a cargo delprediction innovador can bereal. en tiempo of matrix constructed either via parameters, principal or by el del proyecto, comput- innovador El sistema opera de la siguiente manera: La Closed mouth Light off ing them from the output of the face mesh submodel. cámara Facial and captura imágenes del usuario, las Corporal algoritmos de detección de alterno y ellandmarks. static eye Esta Individual equipo de profesionales clínicos de Mutual de Seguridad. actividad submodels corresponde allowalusdesarrollo to control thedelnetwork sistemaca-de comunicación (formato micro-ordenador) que permita la patrones gestuales basado pacity dedicated de una to each regionen and unboost quality wherenec- cuales son procesadas por el computador de ejecución essary. To further instrucción improve facialthe dispositivo accuracydesde Gesture eléctrico o electrónico que faciliten la asistencia del paciente, a partir de of the predictions, la detección del gesto en los puntos de interés y obtenida el software desarrollado en las actividades previas (actividad 1 y 2). Este central. El software hace un modelo de la ón we apply a set of normalizations sistema se implementará en la habitación to ensure thatdel thepaciente, lips are aligned with the horizontal and are of uniform size. eyes and permitiendo la ejecución de instrucciones que favorezcan la Recognition de interacción con su entorno inmediato, entre ellas: Llamado de asistencia a personal de salud o cuidador, control de características individuales We train the attention mesh network in two phases. iluminación o de televisor (figura 3). cara del usuario y detecta gestos que este First, we employ ideal crops from the ground truth with te invariantes entre sujetos. slight augmentations and train all submodels independently. realiza. un LosThen, productos 1. again train Sistema finales we obtain cropdelocations esta Actividad de comunicación to adapt from theserán: model itself and para control the region submodels to them.en tiempo real de dispositivo eléctrico o electrónico de la habitación del Camera ra paciente. - Se desarrolló un sistema de comunicación para control deRecognition 2. Un informe Attention que detalla mechanism Severalel protocolo attention de transmisión de datos que será utilizado en el sistema de comunicación mechanisms Training of pattern detection algorithms 2 for gestural and body language (soft and hard) para have been el control de developed for visual los dispositivos de feature ex- la habitación del paciente, también la arquitectura de dicho sistema de su dispositivos traction en tiempo real. Database to [2, 4]. These attention mechanisms sample a grid comunicación. of 2D points in feature space and extract the features un- der the sampled points in a differentiable manner (e.g. using train algorithm training 2D Gaussian kernels or affine transformations and differen- tiable interpolations). This allowsto train architectures end- Figure 3. Spatial transformer as the attention mechanism to-end and enrich the features that are used by the attention mechanism. Specifically, we use a spatial transformer mod- Development of an integrated Actuator de 3 Una vez que sebidirectional communication system that detecta una secuencia definida se envía la información al micro al operates in real-time controlador que genera luces en el semáforo Open mouth Light on on para que el usuario sepa qué sucede al (feedback) y activa/desactiva el hardware Figura 3: Sistema de control para comunicación que permite llamado de asistencia e interacción con dispositivos eléctricos o electrónicos del entorno inmediato. - Además se econsidera una etapa de validación clínica y que se quiere controlar. 6 evaluación de adherencia Innovación MUTUAL DE SEGURIDAD 5 Evaluation of adherence and usability in real- world environments Data Report Device Control Call for Assistance  of 2D points in feature space and extract the features un- a. der the sampled points in a differentiable manner (e.g. using 2D Gaussian kernels or affine transformations and differen- tiable interpolations). This allows to train architectures end- Figure 3. Spatial transformer as the attention mechanism to-end and enrich the features that are used by the attention mechanism. Specifically, we use a spatial transformer mod- o Una vez que se detecta una secuen un sistema de reconocimiento de definida se envía la información al m les basado en visión computacional controlador que genera luces en el semá asistencia de pacientes con para que el usuario sepa qué suc d motora severa crónica de Mutual SUSESO – Proyectos de Investigación e Innovación en prevención de Accidentes del Trabajo y Enfermedades Profesionales (feedback) y activa/desactiva el hardw d CChC. Figura 3: Sistema de control para comunicación que permite llamado de asistencia e interacción con dispositivos eléctricos o electrónicos del entorno inmediato. que se quiere controlar. - Además se econsidera una etapa de validación clínica y 6 evaluación de adherencia Innovación MUTUAL DE SEGUR Figura 3: En las imágenes se observa el desarrollo alcanzado con el prototipo implementado. Este sistema permite al usuario  aígolodoteM Único Ecosistema de Innovación en On/OFF nóicavonni anu a ednopserroc otceyorp etsE Salud con centros dulas ed senoi de validación y setneicap ed nóisulcni al ne otcapmi otla nu pilotaje areves aicnedn adirugeS ed lautuM ed acinórc areves arotom sotsoc sol etne dHumano-Máquina nóicInterfaz avonn i a setneidnopserroc ,sapate saL para areicnanif agra vitejbasistencia o le rargol arap sadireuqer ,acigóloncet acidém nóicnet De personas con On/OFF.sedmotora discapacidad adivitca setneiugis sal ne noreidivid al ed nóicneta Severa crónica ametsis ne adasab ,ratnemelpmi a aígolodotem ed euqolb ed amargaiD :2 arugiF ,woekinvreehvochersuirtcGet(ihscaravitleadcoim fineghtisdneatneneim lepaip cietn cnáem ree fnsi esheTno.2ig eerurgeiFd nóicceted asu euq noitciderp.)9102 ,.la te al erawtfos nu óllorrased eS - agrac atse , lareveseod tn i ss t io lpstln u mp ehte,pd am n ótaiec f 4c 6e ⇥ t4e d gne i d iger 42 ⇥ 42 tcartxe ot ]4 [ e lu art la itaps ehT.pam erutae f eca f 874 l la stc iderp le.sdootm edo eru cubudsoerpnOso.d)2neorucgaiFzi(lasnleidf oem 6a sa-bf uastsE al ed otcudorp carof fssonatsret egnefidfaotneihmclaie erx liretanme nsoeiltaaim ceonroeofcstednrneua dobeirdpaowe rctfm soesnefiedo dardmnta es tsDo is3 r endi esokpd otds riatm onraéPl r hs.ee1mtni Cambiar Canal kssadjanatn,etva lsanal ryt ,eertatwortf,o msoolezd sacinnociéget rstacciditesríprestlecdaoramcbsueslagnpincniaim rperseahl Tno.tcseeremtnroi fonIno.ig2er odanitsed átse emrofni etsE.sotadhs attsnepeamnmeeelrpug mtaeiá f 4tm o 2 n⇥ i2aegsnedicdonrooppsetedn ei4m rrose mihm coe rooga ttim rlfassskoe ralmc dno a lrp mroxfni led omusni áres y socinílc sopiuqe sol rop.mosdiniatuhccesm id nreositnaertatapeshatdaaivsedreentinaitbo era =✓ :sruotnoc yek ht iw sno iger la ica f eerht no eta.rto nee cnod c eiWv ed x La mejor solución siempre es la más fácil Thomas Kuhn