Development of a computer vision-based platform for non-invasive multi-source data collection in nicus and its application to neonatal movement analysis

• Autores: Janet Pigueiras del Real
• Directores de la Tesis: Lionel Cervera Gontard (dir. tes.) , Angel Ruiz Zafra (codir. tes.) , Daniel Sánchez Morillo (tut. tes.)
• Lectura: En la Universidad de Cádiz ( España ) en 2025
• Idioma: inglés
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen

  • La incidencia de nacimientos prematuros continúa en aumento, y estos neonatos requieren cuidados intensivos altamente especializados. No obstante, el seguimiento clínico convencional a menudo resulta insuficiente para detectar a tiempo ciertos patrones relevantes de salud. Además, gran parte de la información recogida en una Unidad de Cuidados Intensivos Neonatales (UCIN) se almacena de forma dispersa, en sistemas no interoperables o incluso en papel, lo que dificulta su explotación clínica y científica. Para afrontar estas limitaciones se desarrolló Neonates Recording Platform (NRP), un sistema no invasivo diseñado para integrar y sincronizar datos de vídeo, audio y parámetros fisiológicos en el entorno de una UCIN. NRP permite la captura simultánea de señales del neonato y su entorno (vídeo, audio e indicadores fisiológicos), procesándolas y almacenándolas automáticamente de manera estructurada, con el fin de facilitar su análisis posterior y su uso en investigación clínica avanzada.

    El objetivo principal se basó en el desarrollo y validación de NRP, junto con la creación de NeoVault, una base de datos pública y estandarizada de datos clínicos, posturales y fisiológicos neonatales. NRP se implementó en una UCIN real (Hospital Puerta del Mar, Cádiz), donde se recopilaron datos multimodales; los datos capturados se preprocesaron y organizaron automáticamente para construir NeoVault. Esta base de datos ofrece una interfaz web y API REST para consultar, filtrar, visualizar y exportar información. NeoVault almacena cientos de miles de registros posturales y miles de parámetros fisiológicos capturados con NRP, proporcionando una plataforma abierta de gran utilidad para investigadores, clínicos y desarrolladores.

    Se exploró también la cuantificación no invasiva del movimiento neonatal mediante visión artificial. Se compararon técnicas de flujo óptico con métricas geométricas (distancias Chebyshev, Minkowski) aplicadas a datos posturales.

    Los resultados indican que grabaciones de 30 segundos bastan para estimar consistentemente el movimiento; las métricas geométricas fueron más estables que las basadas en flujo óptico, y limitar el análisis a las extremidades inferiores produjo resultados equivalentes al análisis de todo el cuerpo. Estos hallazgos demuestran que es posible cuantificar objetivamente el movimiento del neonato sin contacto físico, proponiendo esta métrica como un indicador complementario valioso a las medidas clínicas convencionales de desarrollo.

    En resumen, esta investigación ofrece una solución integral: una plataforma automatizada de adquisición de datos de múltiples fuentes (NRP) y una base de datos estandarizada y abierta (NeoVault), junto con el estudio de métodos computacionales para la cuantificación del movimiento. Estas herramientas no solo permiten incorporar indicadores objetivos de movimiento al monitoreo clínico de neonatos, sino que también impulsan la investigación neonatal al facilitar el acceso a datos reales, estructurados y reutilizables para la comunidad científica.