NeuroMyoTrack

ATRIBUTOS DE EGRESO

                                             Atributo                 Aplicación                                                         Justificación

1 Integra conocimientos de ciencias exactas, ingenierías y salud     ✅ Combina electromiografía, biomecánica, programación y fisiología del ejercicio. 

2 Diseña y optimiza dispositivos médicos, sistemas y herramientas   ✅ Desarrollo de un sistema de biofeedback adaptable, con sensores integrados y procesamiento en tiempo real. 

3 Conduce investigación aplicada en Ingeniería Biomédica       ✅ Revisión de literatura, desarrollo experimental, análisis comparativo de señales EMG y validación preliminar. 

4 Utiliza tecnología biomédica especializada y plataformas digitales  ✅     Uso de EMG, IMU, sensores de presión, programación en Python y visualización con Matplotlib 

5 Colabora con equipos multidisciplinarios y comunica hallazgos     ✅    Participación conjunta de alumnos, asesor académico, y usuarios en rehabilitación. 

6 Lidera proyectos de innovación con visión emprendedora               ✅    Solución con potencial de mercado para clínicas, entrenadores y usuarios individuales; tecnología portable y escalable. 

7 Mantiene actitud de aprendizaje continuo             ✅ Incorporación de tecnologías emergentes, propuesta futura de inteligencia artificial e iteración basada en retroalimentación. 

MÓDULOS CUBIERTOS: 

• Instrumentación médica. ✅

• Biomecánica ✅

• Electrofisiología ✅

ÁREAS DE PARTICIPACIÓN

• Ingeniería Clínica: El proyecto busca mejorar la rehabilitación y el rendimiento físico mediante la detección temprana de la fatiga muscular. Al integrar sensores EMG, IMU y de presión, permite una intervención precisa y segura, clave en entornos clínicos.

• Ciencia e Innovación Biomédica: La integración de un sistema de biofeedback multisensorial con retroalimentación visual, auditiva y háptica, representa una solución innovadora frente a métodos convencionales subjetivos en la evaluación de fatiga.

• Diseño en Ingeniería: Se diseñó un dispositivo modular ergonómico y adaptable, combinando ingeniería electrónica, biomecánica y procesamiento de señales digitales para ofrecer un sistema funcional y replicable.

• Datos Biomédicos: Se utilizaron algoritmos para el análisis de bioseñales (EMG), incluyendo métricas como RMS, MDF y MNF. Estos datos permiten evaluar con objetividad los niveles de fatiga en tiempo real.

• Biointeligencia Artificial:
  Aunque aún no está implementada, se contempla la futura incorporación de IA para personalizar las estrategias de retroalimentación y predicción de fatiga muscular.