Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Miranda Mercado, David AlejandroPatiño Segura, María SolangeBadillo Hernández, Stephanie Rosario2022-11-252022-11-252022-11-152022-11-15https://noesis.uis.edu.co/handle/20.500.14071/12219En este trabajo se implementaron técnicas computacionales de análisis de datos y de procesamiento digital de señales del torque isométrico, se extrajeron los parámetros o también denominados biomarcadores que ayudan en la discriminación de una lesión muscular. Se diseñaron diferentes tipos de filtros a partir del procesamiento digital de señales y se obtuvieron las oscilaciones de la señal a partir del diseño de un filtro Butterworth pasa alta con una frecuencia de 7 [Hz] y detectar la activación de las fibras musculares; así mismo se presentó un nuevo biomarcador denominado tiempo de oscilación de la señal, a partir de la implementación de un nuevo algoritmo diseñado en el lenguaje de Python usando el teorema de Bolzano, este nuevo algoritmo nombrado como método de Bolzano-Interpolación lineal discreto. Se realizó un análisis estadístico del biomarcador que permitió establecer el estado del músculo después del post-ejercicio para los datos de los participantes.application/pdfspaReclutamiento de unidades motorasFibras muscularesTorque isométricoLesión muscularProcesamiento digital de señalesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coRecruitment of Motor UnitsMuscle FibersIsometric TorqueMuscle InjuryDigital Signal Processinghttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)