[pt] A fisioterapia visa melhorar a funcionalidade física das pessoas, procurando
atenuar as incapacidades causadas por alguma lesão, distúrbio ou
doença. Nesse contexto, diversas tecnologias computacionais têm sido desenvolvidas
com o intuito de apoiar o processo de reabilitação, como as tecnologias
adaptáveis para o usuário final. Essas tecnologias possibilitam ao fisioterapeuta
adequar aplicações e criarem atividades com características personalizadas de
acordo com as preferências e necessidades de cada paciente. Nesta tese é proposta
uma abordagem de baixo custo baseada no aprendizado de máquina
interativo (iML - Interactive Machine Learning) que visa auxiliar os fisioterapeutas
a criarem atividades personalizadas para seus pacientes de forma fácil
e sem a necessidade de codificação de software, a partir de apenas alguns exemplos
em vídeo RGB (capturadas por uma câmera de vídeo digital) Para tal,
aproveitamos a estimativa de pose baseada em aprendizado profundo para rastrear,
em tempo real, as articulações-chave do corpo humano a partir de dados
da imagem. Esses dados são processados como séries temporais por meio do algoritmo
Dynamic Time Warping em conjunto com com o algoritmo K-Nearest
Neighbors para criar um modelo de aprendizado de máquina. Adicionalmente,
usamos um algoritmo de detecção de anomalias com o intuito de avaliar automaticamente
os movimentos. A arquitetura de nossa abordagem possui dois
módulos: um para o fisioterapeuta apresentar exemplos personalizados a partir
dos quais o sistema cria um modelo para reconhecer esses movimentos; outro
para o paciente executar os movimentos personalizados enquanto o sistema
avalia o paciente. Avaliamos a usabilidade de nosso sistema com fisioterapeutas
de cinco clínicas de reabilitação. Além disso, especialistas avaliaram clinicamente
nosso modelo de aprendizado de máquina. Os resultados indicam que
a nossa abordagem contribui para avaliar automaticamente os movimentos dos
pacientes sem monitoramento direto do fisioterapeuta, além de reduzir o tempo
necessário do especialista para treinar um sistema adaptável. / [en] Physiotherapy aims to improve the physical functionality of people, seeking
to mitigate the disabilities caused by any injury, disorder or disease. In
this context, several computational technologies have been developed in order
to support the rehabilitation process, such as the end-user adaptable technologies.
These technologies allow the physiotherapist to adapt applications and
create activities with personalized characteristics according to the preferences
and needs of each patient. This thesis proposes a low-cost approach based on
interactive machine learning (iML) that aims to help physiotherapists to create
personalized activities for their patients easily and without the need for
software coding, from just a few examples in RGB video (captured by a digital
video camera). To this end, we take advantage of pose estimation based on deep
learning to track, in real time, the key joints of the human body from image
data. This data is processed as time series using the Dynamic Time Warping
algorithm in conjunction with the K-Nearest Neighbors algorithm to create a
machine learning model. Additionally, we use an anomaly detection algorithm
in order to automatically assess movements. The architecture of our approach
has two modules: one for the physiotherapist to present personalized examples
from which the system creates a model to recognize these movements; another
to the patient performs personalized movements while the system evaluates
the patient. We assessed the usability of our system with physiotherapists
from five rehabilitation clinics. In addition, experts have clinically evaluated
our machine learning model. The results indicate that our approach contributes
to automatically assessing patients movements without direct monitoring by
the physiotherapist, in addition to reducing the specialist s time required to
train an adaptable system.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:54139 |
| Date | 10 August 2021 |
| Creators | JESSICA MARGARITA PALOMARES PECHO |
| Contributors | ALBERTO BARBOSA RAPOSO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0031 seconds