RDBU| Repositório Digital da Biblioteca da Unisinos

MAETF: Modelo de Análise de Evolução de Tratamento Fisioterápico: estudo de caso em Doença Pulmonar Obstrutiva Crônica

Show simple item record

metadataTrad.dc.contributor.author Barbosa, José Ernesto da Silva;
metadataTrad.dc.contributor.authorLattes http://lattes.cnpq.br/3699513406290320;
metadataTrad.dc.contributor.advisor Villamil, Marta Becker;
metadataTrad.dc.contributor.advisorLattes http://lattes.cnpq.br/8408262156304669;
metadataTrad.dc.contributor.advisor-co1 Bez, Marta Rosecler;
metadataTrad.dc.contributor.advisor-co1Lattes http://lattes.cnpq.br/0416601437290797;
metadataTrad.dc.publisher Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.publisher.initials Unisinos;
metadataTrad.dc.publisher.country Brasil;
metadataTrad.dc.publisher.department Escola Politécnica;
metadataTrad.dc.language pt_BR;
metadataTrad.dc.title MAETF: Modelo de Análise de Evolução de Tratamento Fisioterápico: estudo de caso em Doença Pulmonar Obstrutiva Crônica;
metadataTrad.dc.description.resumo Atualmente, com a crescente evolução da tecnologia, existem inúmeras pesquisas na área de saúde voltadas à melhora da qualidade de vida de pacientes. Tecnologias como Machine Learning, por exemplo, permitem a análise automatizada de dados de forma extremamente rápida, devido à velocidade de processamento dos computadores, especialmente com a utilização de placas de vídeo avançadas. Os programas de acompanhamento de pacientes com Doença Pulmonar Obstrutiva Crônica atuais dependem demasiadamente de análises presenciais, fato que limita os pacientes que cada profissional pode atender. Do mesmo modo, são limitados os dados a serem analisados, pois são em pequena quantidade e registrados manualmente. O modelo descrito neste trabalho é de natureza aplicada, pois tem por objetivo solucionar um problema de ordem prática. Os dados foram analisados de forma qualitativa, através de uma análise de uso, sem, para tanto, quantificar resultados. Os objetivos deste trabalho enquadram-no como pesquisa exploratória, pois será proposta uma nova solução, que atenda ao problema proposto e amplie os conhecimentos inerentes ao contexto que já foram explorados. O estudo tem procedimentos técnicos bibliográfico e experimental. Foi implementada uma aplicação do modelo que permitiu a extração de movimentos de pontos-chave do corpo para acompanhamento histórico e avaliação do progresso do paciente de forma manual ou automatizada, utilizando o cálculo de similaridade de séries temporais através dos algoritmos de distância euclidiana e dynamic time warping. Com o modelo apresentado foi possível determinar o percentual de aumento de cerca de 75% na similaridade dos movimentos de exercícios ao longo de sessões de tratamento fisioterápico.;
metadataTrad.dc.description.abstract Currently, with the increasing evolution of technology, there are countless researches in the area of health aimed at improving the quality of life of patients. Technologies such as Machine Learning, for example, enable automated data analysis extremely fast due to the processing speed of computers, especially with the use of advanced graphics cards. The programs of patients with chronic obstructive pulmonary disease are too dependent on manual analysis, a fact that limits the patients that each professional can attend. Likewise, the data to be analyzed are limited because they are recorded manually. The model described in this work is of an applied nature, since it has the objective of solving a practical problem. The data were analyzed in a qualitative way, through a use analysis, without quantifying results. The objectives of this work fit as an exploratory research, because a new solution will be proposed, which will meet the proposed problem and expand the knowledge inherent to the context that has already been explored. The study has technical bibliographic and experimental procedures. It was implemented a model application that allowed the extraction of movements of keypoints of the body for historical monitoring and evaluation of the patient's progress in a manual or automated way, using the similarity of time series through Euclidean distance and dynamic time warping algorithms. With the model presented, it was possible to determine the percentage of increase of about 75% in the similarity of the movements of exercises during sessions of physiotherapeutic treatment.;
metadataTrad.dc.subject Reabilitação; DPOC; Visão Computacional; Machine Learning; Rehabilitation; DPOC; Visual Computing; Machine Learning;
metadataTrad.dc.subject.cnpq ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação;
metadataTrad.dc.type Dissertação;
metadataTrad.dc.date.issued 2019-04-11;
metadataTrad.dc.description.sponsorship Nenhuma;
metadataTrad.dc.rights openAccess;
metadataTrad.dc.identifier.uri http://www.repositorio.jesuita.org.br/handle/UNISINOS/8803;
metadataTrad.dc.publisher.program Programa de Pós-Graduação em Computação Aplicada;


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search

Advanced Search

Browse

My Account

Statistics