Aviso: Você está visitando a nossa página antiga, por isso algumas informações podem estar desatualizadas.

Para saber mais sobre a Instituição, acesse o novo Portal da UTFPR

Você está aqui: Página Inicial curitiba Estrutura do Câmpus Diretorias Diretoria de Pesquisa e Pós-Graduação Mestrado e Doutorado CPGEI Edital de Defesas 2017 CPGEI (Mestrado): Thiago de Quadros-31/08/17

CPGEI (Mestrado): Thiago de Quadros-31/08/17

Defesa Pública de Mestrado do Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
Quando 31/08/2017
das 10h00 até 13h00
Onde Sede central: Sala B-205
Nome do Contato Prof. Fabio Kurt Schneider
Participantes Prof. Fabio Kurt Schneider, Dr. Orientador - UTFPR
Prof. André Eugênio Lazzaretti, Dr. Co-orientador - UTFPR
Banca examinadora:
Prof. André Eugênio Lazzaretti, Dr. Presidente - UTFPR
Prof. Hugo Vieira Neto, Dr. - UTFPR
Prof. Rodrigo Jardim Riella, Dr. - LACTEC
Adicionar evento ao calendário vCal
iCal

Desenvolvimento e avaliação de um sistema de detecção de quedas de idosos baseado em dispositivo vestível localizado no punho

Resumo: A queda de idosos é um problema de saúde mundial. Todos os anos, cerca de 30% dos idosos com 65 anos ou mais são vítimas de quedas, parcela que é aumentada quando idades superiores são analisadas. Existem diferentes causas para isso, incluindo fraqueza de ossos e perda de visão. Além disso, as consequências de uma queda podem ser fisiológicas (e.g. fraturas ósseas, ferimentos musculares) e psicológicas, como a perda de autoconfiança. Esta última, além de reduzir a qualidade de vida dos idosos, é também responsável pela elevada recorrência de quedas. Uma solução para este problema está relacionada com ações preventivas (e.g. adaptação de mobília) aliadas a sistemas de detecção de quedas, os quais podem notificar familiares e serviços médicos de urgência. Como o tempo de espera por socorro após uma queda está relacionado com a severidade das consequências dela, esses sistemas devem oferecer elevada acurácia e detecção em tempo real. Embora existam várias soluções para isso na literatura (a maioria relacionada com dispositivos vestíveis), poucas delas estão relacionadas a dispositivos de punho, principalmente por causa dos desafios existentes para essa configuração. Considerando o punho como um local mais confortável, discreto e aceitável para uso de um dispositivo (menos associado com o estigma do uso de uma solução médica), este trabalho propõe o desenvolvimento e avaliação de uma solução baseada nessa configuração. Para isso, diferentes sensores (acelerômetro, giroscópio e magnetômetro) foram combinados com diferentes algoritmos, baseados em métodos de limiar e aprendizado de máquina, visando definir os melhores sinais e abordagem para a detecção de quedas. Esses métodos consideraram informações de aceleração, velocidade, deslocamento e orientação espacial, permitindo o cálculo de componentes verticais do movimento. Para o treino e avaliação dos algoritmos, dois protocolos diferentes foram empregados: um primeiro envolvendo 2 voluntários (homens, 27 e 31 anos) simulando um total de 80 sinais de queda e 80 de não-queda, e um segundo envolvendo 22 voluntários (14/8 homens/mulheres, idade média: 25,2, des. pad.: 4,7) simulando um total de 396 sinais de queda e 396 de não-queda. O melhor algoritmo baseado em limiar considerou sinais de aceleração vertical e velocidade total, alcançando 95,8% de sensibilidade e 86,5% de especificidade. Por outro lado, os melhores algoritmos de aprendizagem de máquina foram os baseados nos métodos K-Nearest Neighbors e SVM, ambos considerando informações de aceleração, velocidade e deslocamento verticais, combinadas com os ângulos de orientação espacial, alcançando 100% de acurácia. O trabalho conclui a relevância de algoritmos de aprendizagem de máquina para sistemas de detecção de queda vestíveis localizados no punho quando comparados a algoritmos baseados em limiar, os quais após uma extensa avaliação apresentaram 91,1% como a melhor acurácia. Esta conclusão oferece grande contribuição para a pesquisa de detectores de quedas similares, sugerindo a melhor abordagem para novos desenvolvimentos.
Palavras-chave: Detecção; Quedas; Idosos

Development and evaluation of an elderly fall detection system based on wearable device located at wrist

Abstract: Falls in the elderly is a world health problem. Every year, about 30% of people aged of 65 and over become victims of fall events, and this portion is still increased when higher ages are evaluated. There are several causes for an elderly fall, including weakening of bones and loss of vision. Further, the consequences for a fall may be as physiological (e.g. bones fractures, muscular injuries) as psychological, including the loss of self-confidence by fear of falling. This last one, besides reducing elderly life quality, is also responsible for the high falls recurrence. A solution for this problem is related to preventive actions (e.g. adapting furniture) allied to fall detection systems, which can inform family members and emergency medical services. Since the waiting time for help is related to the fall consequences severity, such systems must offer high accuracy and real time fall detection. Although there are many fall detection solutions in literature (most part of them related to wearable devices), few of them are related to wrist-worn devices, mainly because of the existing challenges for this configuration. Considering the wrist as a more comfortable, discrete and acceptable place for an elderly wearable device (less associated to the stigma of using a medical device), this works proposes the development and evaluation of a fall detection solution based on this configuration. For this, different sensors (accelerometer, gyroscope and magnetometer) were combined to different algorithms, based on threshold and machine learning methods, in order to define the best signals and approach for an elderly fall detection. These methods considered acceleration, velocity and displacement information, relating them with wrist spatial orientation, allowing the calculation of movement vertical components. For the algorithms training and evaluation, two different protocols were employed: a first, involving 2 volunteers (both males, ages of 27 and 31) performing a total of 80 fall and 80 non-fall events simulation, and a second, involving 22 volunteers (14/8 males/females, ages mean: 25.2, stand. dev.: 4.7) performing a total of 396 fall and 396 non-fall events simulation. The best threshold-based algorithm considered the vertical acceleration and total velocity signals, achieving 95.8% and 86.5% of sensitivity and specificity, respectively. On the other hand, the best machine learning algorithms were the based on K-Nearest Neighbors and SVM methods, both considering the vertical acceleration, velocity and displacement information combined with spatial orientation angles, and achieving 100% of accuracy. The work concludes the relevance of machine learning algorithms for wrist-worn fall detection systems instead of traditional threshold-based algorithms, which after an extensive evaluation presented 91.1% as the best accuracy. This conclusion offers great contribution for the research of similar wearable fall detectors, suggesting the best approach for new developments.
Keywords:Detection; Fall; Elderly

Lista de publicações:

QUADROS, T. ; LAZZARETTI, A. E. ; SCHNEIDER, F. K. . DEVELOPMENT AND EVALUATION OF A METHOD FOR FALL DETECTION BASED ON A WRIST-LOCATED DEVICE, pp. 256–259, Springer Singapore, Singapore, 2017. DOI:10.1007/978-981-10-4086-3_65.

QUADROS, T. ; LAZZARETTI, A. E. ; SCHNEIDER, F. K. . DETECÇÃO DE QUEDAS EM IDOSOS UTILIZANDO DISPOSITIVO LOCALIZADO NO PULSO. In: XXV Congresso Brasileiro de Engenharia Biomédica, 2016, Foz do Iguaçu. XXV Congresso Brasileiro de Engenharia Biomédica, 2016.

Ações do documento