ISEL - Engenharia Biomédica - Dissertações de Mestrado
Permanent URI for this collection
Browse
Browsing ISEL - Engenharia Biomédica - Dissertações de Mestrado by Subject "Accelerometer"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Análise do movimento humano de marcha condicionada com recurso a tecnologia móvelPublication . Carvalho, Maria Teresa Bento; Milho, JoãoIntrodução: A análise do movimento humano tem sido feita ao longo dos anos através de métodos convencionais, dispendiosos e complexos para serem aplicados regularmente na prática clínica. O Smartphone actual proporciona a possibilidade de medir, constantemente, as características dinâmicas corporais do seu utilizador, através do acelerómetro que possui e tem sido amplamente utilizado para a análise do movimento humano. Objectivo: Realização da captura do movimento humano da marcha, recorrendo a tecnologia móvel, ao smartphone, através da obtenção de dados de aceleração corporal e com base nestas acelerações avaliar a existência de sinergia entre o membro inferior direito e o membro inferior esquerdo para a estabilização da pélvis em três tipos de casos de estudo (caminhada, subida e descida de degraus), num tipo de marcha normal e num tipo de marcha condicionado por uma ortótese. Pretende-se, futuramente, alargar este conceito à área da Ortoprotesia para uma melhor monitorização dos pacientes utilizadores de próteses. Metodologia: Foram utilizados três Smartphones para a captura dos dados, através da aplicação “Physics Toolbox Suite” e verificada a existência de sinergia através do método Uncontrolled Manifold Hypothesis (UCM). Resultados e Discussão: Verificou-se a existência de sinergia entre ambos os membros inferiores para estabilizar a aceleração da pélvis. A análise da marcha condicionada pela ortótese (imobilizador de joelho) em relação à marcha sem a ortótese colocada revelou um maior nível de sinergia entre ambos os membros quando a marcha se apresenta condicionada. Conclusão: O Smartphone permite obter dados relevantes sobre o movimento dos segmentos corporais e que através desta metodologia poderão ser explorados casos clínicos reais na área da Ortoprotesia, para que os profissionais de saúde obtenham um maior feedback da marcha realizada pelos pacientes, podendo facilitar as práticas de reabilitação e melhorar a compreensão da funcionalidade da prótese.
- Deteção e monitorização de atividade humana através de sensores inerciais e ECGPublication . Santos, Élton Coelho dos; Lourenço, AndréA monitorização de sinais biológicos é um tema de investigação bastante em foco na comunidade biomédica. Com o avanço da tecnologia, foram desenvolvidas nos últimos anos várias tecnologias wearable por forma a monitorizar sinais fisiológicos, desde smart bands, smartwatches e outras tecnologias como a t-shirt da CardioID para monitorizar o sinal de ECG. Esta tese tem como principal objetivo detetar e monitorizar atividade humana usando sensores inerciais e sinal cardíaco através de algoritmos de classificação supervisionada. Foi construído um contador de passos usando o sinal do acelerómetro (XYZ), onde foi utilizada uma base de dados conhecida a MHEALTH e também dados recolhidos de um smartphone seguindo dois protocolos distintos previamente definidos como forma de validação do algoritmo desenvolvido. Foram também construídos três algoritmos de classificação que foram desenvolvidos recorrendo unicamente à base de dados MHEALTH e com o foco principal na distinção de três atividades físicas: quando o sujeito está parado, a andar e a correr, respectivamente, através da utilização de três classificadores: Support Vector Machines (SVM), K-nearest neighbors (KNN) e modelo de Boosting. Foram estudados de forma independente o sinal de acelerómetro (XYZ), onde foram extraídas características no domínio de tempo e no domínio de frequência, o sinal de eletrocardiograma (ECG), onde foram extraídas características usando a biblioteca neurokit e biospy e por fim, fundidas as características do acelerómetro e sinal cardíaco. Os resultados demonstraram que o sinal de acelerómetro é bastante preciso para calcular o numero de passos com dados recolhidos num smartphone. A nível dos classificadores de atividade física verificou-se, no que toca ao sinal de acelerómetro, que as características mais precisas foram as do domínio de frequência comparativamente com as características do domínio de tempo. No que toca ao sinal de ECG, foi possível apurar que as características estudadas permitem distinguir as atividades propostas. Em relação aos classificadores foi claro que o SVM e o KNN foram os que obtiveram melhores precisões em todos os algoritmos e que o modelo de Boosting foi o que ficou mais aquém da precisão mínima esperada.