Video Experimental Relacionado
Updated: May 6, 2026

A Novel Application of Musculoskeletal Ultrasound Imaging
Published on: September 17, 2013
Estimación basada en aprendizaje automático de la carga específica de la estructura alrededor de la articulación del
Sieglinde Bogaert1,2, Jesse Davis2,3, Benedicte Vanwanseele1,2
1Human Movements Biomechanics Research Group, Department of Movement Sciences, KU Leuven, Leuven, Belgium.
Este estudio presenta un modelo de aprendizaje automático que utiliza unidades de medición inercial (IMU) para estimar con precisión la carga específica de la estructura (SSL) al correr. Este método ofrece un enfoque práctico para el manejo de lesiones relacionadas con la carrera.
Área de la Ciencia:
- Biomecánica
- Medicina Deportiva
- Aprendizaje Automático
Sus antecedentes:
- Correr genera cargas musculoesqueléticas repetitivas, lo que aumenta el riesgo de lesiones por uso excesivo.
- La estimación precisa de la carga específica de la estructura (SSL) es crucial para la prevención y rehabilitación de lesiones.
- Los métodos actuales de estimación de SSL consumen mucho tiempo y son computacionalmente intensivos.
Objetivo del estudio:
- Desarrollar y validar un modelo de aprendizaje automático para estimar la SSL en los tendones de Aquiles y rotuliano, y en las articulaciones de la rodilla y el tobillo al correr.
- Evaluar la viabilidad de utilizar datos de una o dos unidades de medición inercial (IMU) para la estimación de SSL.
Principales métodos:
- Se desarrolló un modelo basado en memoria a corto y largo plazo (LSTM).
- El modelo se entrenó y evaluó utilizando datos de 43 participantes mientras corrían.
- Se estimaron las cargas específicas de la estructura utilizando datos de series temporales de IMU.
Principales resultados:
- El modelo LSTM logró altas puntuaciones R-cuadrado (0.93 para la fuerza del tendón de Aquiles, 0.84 para la fuerza del tendón rotuliano, 0.89 para la fuerza de contacto del tobillo y 0.86 para la fuerza de contacto de la rodilla).
- Se descubrió que la estimación de SSL es práctica y confiable utilizando datos de una sola IMU montada en la pelvis.
- El modelo estimó con precisión la SSL durante la fase de apoyo de la carrera.
Conclusiones:
- Los modelos de aprendizaje automático aplicados a datos de IMU proporcionan una solución viable para el monitoreo práctico y confiable de SSL en corredores.
- Este enfoque tiene un potencial significativo para aplicaciones en el mundo real en la prevención y rehabilitación de lesiones para corredores.
- Los hallazgos respaldan el uso de tecnología basada en IMU para la gestión personalizada de la carga en la carrera.
Más Videos Relacionados
Videos de Conceptos Relacionados
Bones of the Lower Limb: Femur and Patella
Bones of the Lower Limb: Tibia and Fibula
Knee Joint
A total of seven ligaments support the knee joint. The patellar ligament, which is also attached to the quadriceps femoris...
Ankle Joint

