Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2015. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2015-12-21T14:08:11Z
No. of bitstreams: 1
2015_ViniciusdoCoutoPinheiro.pdf: 16135832 bytes, checksum: 21a5b0c4a79ac53b043c9f446c5f87e3 (MD5) / Approved for entry into archive by Patrícia Nunes da Silva(patricia@bce.unb.br) on 2016-01-25T15:39:50Z (GMT) No. of bitstreams: 1
2015_ViniciusdoCoutoPinheiro.pdf: 16135832 bytes, checksum: 21a5b0c4a79ac53b043c9f446c5f87e3 (MD5) / Made available in DSpace on 2016-01-25T15:39:50Z (GMT). No. of bitstreams: 1
2015_ViniciusdoCoutoPinheiro.pdf: 16135832 bytes, checksum: 21a5b0c4a79ac53b043c9f446c5f87e3 (MD5) / Este trabalho consiste em desenvolver e avaliar um sistema baseado em acelerômetros e máquinas de suporte vetorial que indica a variação de equilíbrio do usuário. As pessoas acometidas de distúrbios no sistema responsável pelo controle do equilíbrio, como a labirintite, sofrem com diversos desconfortos no cotidiano como tontura e vertigem. Estes problemas de equilíbrio constituem uma das principais causas de acidentes em idosos. Neste contexto, é importante monitorar os níveis de equilíbrio de pacientes para determinar riscos de queda e auxiliar em tratamentos associados a equilíbrio. Algumas soluções existem para tal fim, como sistemas baseados em câmeras e plataformas de força, mas em geral são restritas a ambientes fechados. Assim, a proposta desse trabalho é elaborar um sistema para monitoração de sinais relacionados a equilíbrio que possa ser usado em ambientes internos ou externos e validá-lo usando sistemas de ambientes fechados já validados na literatura. O sistema proposto é constituído de acelerômetros, que captam diferenças na inclinação corporal, e, por meio de armazenamento local de dados, ou transmissão sem fio, monitore e possibilite a posterior classificação de equilíbrio com base nas informações coletadas. O sistema desenvolvido consiste em uma camisa do tipo segunda pele, seis acelerômetros, um microcontrolador para aquisição e processamento dos sinais, módulo de transmissão por rádio frequência, módulo de gravação em cartão SD (Secure Digital). Ele inclui ainda, máquinas de vetores de suporte (SVM, do inglês Support vector machines) para classificação dos sinais dos acelerômetros em níveis de equilíbrio estático, níveis de equilíbrio perturbado e em faixas de centros de pressão. O desenvolvimento do sistema é composto de uma fase de treinamento e uma fase de validação. Na fase de treinamento, utilizou-se os sinais de referência em que se adquiriu medidas dos acelerômetros em diversas situações de equilíbrio e desequilíbrio intencional e comparou-se com pontuações de equilíbrio do software SWAY, já validado na literatura. Com base na comparação, o sistema foi capaz de identificar níveis de equilíbrio a partir dos sinais providos dos acelerômetros. Também foi efetuado um treinamento para estimar o centro de pressão a partir dos acelerômetros, para tanto, os sinais foram adquiridos simultaneamente com o sistema proposto e uma plataforma de força AMTI, sistema já considerado referência para avaliação de centros de pressão. Nos procedimentos experimentais para avaliação do sistema foi efetuado um conjunto de simulações e análises de sinais reais coletados com o equipamento em funcionamento. Para verificar o funcionamento, foram executados experimentos em que o participante se encontrava hora parado, hora andando, hora em rotação corporal e hora em quedas bruscas simuladas. Posteriormente, com auxílio do SWAY, foram feitos experimentos com o indivíduo parado inclinando-se nas 4 principais direções (frente, esquerda, direta e trás) para coletar dados que foram processados pelo classificador SVM. Também foram executados testes com um manequim e um João Bobo, afim de observar como o sistema e o classificador se comportariam perante um desequilíbrio ou uma queda repentina. Além disso, foi executado um experimento para comparar as faixas de valores de pressão do sistema proposto com os valores fornecido pela plataforma de força AMTI. Os resultados obtidos mostram que o sistema permite classificar de dois até sete níveis de equilíbrio, com taxas de acerto variando de 92.5%, no pior caso (com cinco níveis) a 98.3%, no melhor caso (com dois níveis). Com dois níveis de equilíbrio, sendo um o estado de normalidade e o outro o de desequilíbrio, o sistema atingiu, em mil sessões de validação – treinamento – no melhor caso, uma acurácia de 98.9%, precisão de 99.6%, sensitividade de 98.8% e especificidade de 98.9%. Além disso, a acurácia média, com dois níveis de equilíbrio, foi significativamente maior que 93% (p = 0.045) e a precisão foi significativamente maior que 97% (p = 0.044). Já com sete níveis de equilíbrio a acurácia foi significativamente maior que 94% (p = 0.046) e a precisão foi significativamente maior que 80% (p = 0.049). Já os testes efetuados com os bonecos mostram que o sistema é capaz de diferenciar, a partir dos acelerômetros, uma variação associada a queda brusca de uma variação de retomada de equilíbrio. Neste caso, usando apenas os sinais dos acelerômetros provenientes de antes da queda ou da reestabilização, a acurácia média foi significativamente maior que 95% (p = 0.043) e precisão significativamente maior que 95% (p = 0.026). Outro aspecto avaliado foi o uso do sistema para estimar, a partir apenas de acelerômetros, a faixa de valores do centro de pressão tendo em vista a classe determinada pela SVM. Neste caso, o sistema foi capaz de inferir o centroide da região de centro de pressão com erro inferior a 0.9 cm (p = 0.0045, em uma média para mil sessões treinamento-validação). Esses resultados sugerem que este sistema proposto pode ser usado para detectar variações de níveis de equilíbrio e, portanto, sinalizar risco de queda no dia-a-dia sem a necessidade de o usuário estar em um ambiente fechado. Possíveis aplicações incluem monitoração de pacientes com problemas de equilíbrio, treinamento de atletas, reabilitação de pacientes após lesões ou procedimentos cirúrgicos etc. / This work consists in developing and evaluate a system based on accelerometers and vector support machines that indicates the user's balance variation. People affected by disturbances in the system responsible for balance control, such as labyrinthitis, suffer from various discomforts in daily life such as dizziness and vertigo. These balance problems are a major cause of accidents in elderly. In this context, it is important to monitor the balance levels to determine the fall risk of the patient and assist in treatments related to balance. Some solutions exist for this purpose, such as systems based on cameras and force platforms, but generally are restricted to indoors environments. The proposal of this work is to develop a system for monitoring the signals related to balance that can be used indoors or outdoors environments and validate it using indoors systems already validated in the literature. The proposed system consists of accelerometers that capture differences in body tilt, and through local data storage, or wireless transmission, monitor and enable the subsequent balance classification based on the information collected. The developed system consists of second skin shirt, six accelerometers, a microcontroller for the acquisition and processing of signals, radio frequency transmission module, recording module card SD (Secure Digital). It includes also support vector machines (SVM) for classification of signals from accelerometers in static balance levels, disturbed equilibrium levels and pressure centers ranges. The development of system is composed of a training phase and a validation phase. In the training phase, it was used the reference signals that are acquired measurements of the accelerometers in various situations of balance and intentional imbalance and compared with equilibrium scores of software SWAY, already validated in the literature. Based on the comparison, the system was able to identify balance levels from the provided signals of accelerometers. It was also performed a training for estimating the center of pressure from the accelerometers, therefore, the signals were acquired simultaneously with the proposed system and a force plate AMTI, system already considered a benchmark for evaluating centers of pressure. In the experimental procedures for evaluation of the system, it was effected a set of simulations and analyzes actual signals collected with the equipment in operation. To check the operation of the system, experiments were performed standing, walking, body rotation and sudden drops. Later, with the assistance of SWAY software, experiments were performed with the standing person inclined in four main directions (front, left, right and back) to collect data that has been processed by the SVM classifier. Tests were also performed with a dummy and a roly poly toy in order to observe the system's and classifier's behaviors before an imbalance or a sudden drop. In addition, an experiment was performed to compare the groups of the proposed system pressure values with the values provided by the force platform AMTI. The results show that the system lets you classify two to seven levels of balance, with success rates ranging from 92.5%, in the worst case (with five levels), to 98.3%, in the best case (with two levels). With two levels of balance, one being the normal condition and the other for the imbalanced, the system reached a thousand validation sessions - training - at best an accuracy of 98.9 %, precision of 99.6 %, sensitivity of 98.8% and specificity of 98.9%. Furthermore, the average accuracy with two levels balance was significantly greater than 93% (p = 0.045) and the accuracy was significantly greater than 97% (p = 0.044). Now with seven balance levels, the accuracy was significantly greater than 94% (p = 0.046) and precision was significantly greater than 80% (p = 0.049). Since the tests performed with the dolls show that the system is able to differentiate, from the accelerometers, a variation associated with a sudden drop than a variation of equilibrium recovery. In this case, using only the signals from the accelerometers before the fall or rebalancing, the average accuracy was significantly greater than 95% (p = 0.043) and precision was significantly greater than 95% (p = 0.026). Another aspect was evaluated using the system to estimate, as only accelerometers, the range of the center of pressure values in view of the class determined by the SVM. In this case, the system was able to infer the centroid of center of pressure region with error less than 0.9 cm (p = 0.0045, on an average of a thousand training sessions-validation). These results suggest that this proposed system can be used to detect variations on the equilibrium levels and, therefore, signaling the fall risk in day by day without the need for the user to be in a closed environment. Possible applications include monitoring of patients with balance problems, athletes training, rehabilitation of patients after surgical procedures or injuries etc.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/19312 |
| Date | 27 May 2015 |
| Creators | Pinheiro, Vinícius do Couto |
| Contributors | Miosso, Cristiano Jacques |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data., info:eu-repo/semantics/openAccess |
Page generated in 0.0031 seconds