1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería en Ciencias de la Computación
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14907
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorPérez Pérez, Noel, dir.-
dc.contributor.authorAguirre Sandoval, María Emilia-
dc.date.accessioned2025-12-04T21:32:43Z-
dc.date.available2025-12-04T21:32:43Z-
dc.date.issued2025-05-12-
dc.identifier.citationTesis (Ingeniería en Ciencias de la Computación), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías; Quito, Ecuador, 2025es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/14907-
dc.descriptionThe early detection and prevention of running related injuries are fundamental to protecting athlete health and optimizing performance outcomes. Despite this importance, early diagnosis remains a significant challenge due to the subtle and often nonspecific nature of initial symptoms, as well as the dependence on subjective clinical judgment. To address these limitations, this work proposes a machine learning-based classification framework aimed at enhancing the identification of injury patterns among runners, thereby improving diagnostic accuracy...es_ES
dc.description.abstractLa detección temprana y la prevención de lesiones relacionadas con la carrera son fundamentales para proteger la salud de los atletas y optimizar los resultados de rendimiento. A pesar de esta importancia, el diagnóstico precoz sigue siendo un desafío significativo debido a la naturaleza sutil y a menudo inespecífica de los síntomas iniciales, así como a la dependencia del juicio clínico subjetivo. Para abordar estas limitaciones, este trabajo propone un marco de clasificación basado en aprendizaje automático con el objetivo de mejorar la identificación de patrones de lesiones en corredores, mejorando así la precisión diagnóstica...es_ES
dc.format.extent42 h.es_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectBiomecánica - Modelos matemáticos - Tesis y disertaciones académicases_ES
dc.subject.otherComputaciónes_ES
dc.subject.otherCienciases_ES
dc.titleClasificación de Lesiones Deportivas a través del Análisis de Datos Biomecánicos y Modelos de Aprendizaje Automáticoes_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
321699.pdfTexto Completo976.78 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons