Desenvolvimento de um dispositivo para classificação de pisada utilizando sensores inerciais

• Ano de defesa: 2019
• Autor(a) principal: Nascimento, Lucas Medeiros Souza do
• Orientador(a): Stevan Junior, Sergio Luiz
• Banca de defesa: Vargas, Leandro Martinez , Siqueira, Hugo Valadares , Costa, Christiane Maria Ogg Nascimento Gonçalves , Stevan Junior, Sergio Luiz
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Pegadas; Sistemas de navegação inercial; Detectores; Redes neurais (Computação); Sistemas de comunicação sem fio; Footprints; Inertial navigation systems; Detectors; Neural networks (Computer science); Wireless communication systems
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/4884

Este trabalho tem como objetivo desenvolver um dispositivo vestível, baseado em sensores inerciais e rede neural artificial (RNA) para a identificação do tipo de pisada durante a marcha, para auxilio de diagnóstico e acompanhamento a serem realizados por profissionais da área de saúde. O dispositivo contém uma central responsável pelo agrupamento e transmissão dos sinais. Os dois módulos inerciais ficam dispostos um na face posterior do osso calcâneo e outro no músculo gastrocnêmio. A recepção e armazenamento dos dados é realizado em um computador por meio do protocolo WiFi™. Foram coletados dados inerciais decorrentes da marcha de 9 pessoas com média de idade de 24,8. Os dados foram utilizados para extração de características e dispostos como entradas em uma RNA do tipo Perceptron de múltiplas camadas (Multilayer Perceptron- MLP) para realização da classificação dos tipos de pisada. Todos os indivíduos se submeteram a realização do protocolo de coleta que consiste em realizar caminhadas de 5 metros de distância. Foram ainda submetidos à coleta de dados e avaliados por um profissional que classificou o tipo de pisada. Os dados foram filtrados, segmentados, normalizados e foram extraídas as características em amostras definindo a base de dados. Para a definição da configuração da RNA e a quantidade de neurônios a ser utilizada, foi empregado o método de validação cruzada K-fold. A MLP com melhor desempenho destacou-se a característica máximo, mínimo e DASDV para o pé direito e máximo, mínimo e WL para o pé esquerdo, todos apresentaram uma acurácia de 99,22% na etapa de teste para ambos os pés.