Look-up in Google Scholar
Title: Monitoreo y predicción del temblor de Parkinson por medio de una aplicación móvil híbrida mediante machine learning
Advisor(s): Pró Concepción, Luzmila Elisa
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2021
Institution: Universidad Nacional Mayor de San Marcos
Abstract: La presente investigación tiene como objetivo desarrollar una aplicación móvil para apoyar en el monitoreo y predicción del temblor de Parkinson, su implementación se realiza por medio de una aplicación móvil hibrida mediante machine learning, esta aplicación apoyará al médico especialista, dado que la aplicación tendrá la capacidad de pronosticar el temblor parkinsoniano de la enfermedad de Parkinson durante los próximos 6 segundos siguientes a la toma de las muestras, así mismo permitirá llevar a cabo un control de los mismos mediante un historial, que podrá ser visualizado, compartido vía correo electrónico, también podrá llevar un control de tiempo de congelamiento de las personas, a su vez cuenta con una alarma de dosificación de las pastillas que son tomadas durante el proceso que conlleva esta enfermedad. El desarrollo de la aplicación móvil fue elaborado con el framework Ionic convirtiéndolo en una aplicación hibrida y utilizando la técnica de regresión lineal para poder hacer el pronóstico correspondiente. Se logro construir primero el módulo que es la aplicación móvil para su correcto uso, teniendo claro las variables, especificaciones, casos de uso, arquitectura, y modelos que permiten la correcta manipulación e inserción con los otros dos módulos restantes que son de congelamiento y el de alarma.
Discipline: Ingeniería de Software
Grade or title grantor: Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Escuela Profesional de Ingeniería de Software
Grade or title: Ingeniero de Software
Juror: Gamarra Moreno, Juan; Bustamante Olivera, Víctor Hugo
Register date: 21-Dec-2021; 21-Dec-2021



This item is licensed under a Creative Commons License Creative Commons