Notícias

Banca de DEFESA: DANIELE ALVES DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: DANIELE ALVES DA SILVA
DATA: 15/03/2023
HORA: 15:00
LOCAL: meet.google.com/dov-opum-gsa
TÍTULO: ELETROMIOGRAFIA E DINAMOMETRIA NA PREDIÇÃO DO RISCO DE QUEDAS EM IDOSOS VIA FERRAMENTAS DE APRENDIZADO DE MÁQUINAS
PALAVRAS-CHAVES: Risco de quedas, aprendizado de máquina, escala de equilíbrio de Berg, idosos, seleção de atributos.
PÁGINAS: 64
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

O processo do envelhecimento afeta os mecanismos de manutenção da integridade física. A avaliação do risco de quedas é rotineira nos serviços de assistência ao idoso, porém subjetiva e demorada, de modo que a automatização do processo é válida. O objetivo deste estudo é utilizar ferramentas de aprendizado de máquina (AM) como instrumento de predição do escore final da Escala de Equilíbrio de Berg (EEB), usando diferentes conjuntos de dados eletromiográficos e dinamométricos coletados durante uma contração isométrica voluntária de músculos do membro inferior, além de comparar o desempenho de várias ferramentas. Trinta participantes foram avaliados com a EEB e com eletromiografia e dinamometria dos músculos vasto lateral, bíceps femoral, gastrocnêmio lateral e tibial anterior durante
uma contração voluntária isométrica máxima. Após o pré-processamento do conjunto de dados, os atributos foram selecionados por meio de principal components analysis (PCA), correlation-based function selection (CFS) e Relief-F para então serem aplicados às ferramentas multilayer perceptron (MLP), random forest (RF), random tree (RT), k-nearest neighbor (KNN) e least squares support vector regression (LS-SVR). Os sinais mioelétricos mostraram-se mais eficazes para uso na predição do risco de quedas em idosos em relação ao sinal de força. A rede MLP provou-se uma alternativa aceitável na maioria dos casos, sendo um dos melhores modelos de predição da pontuação final da EEB quando utilizados atributos do sinal de EMG selecionados pelo algoritmo CFS, tal como o modelo RF que também apresentou bons resultados utilizando o mesmo conjunto de dados.


MEMBROS DA BANCA:
Presidente - 3095957 - HERMES MANOEL GALVÃO CASTELO BRANCO
Interno - 328.414.503-68 - GUILHERME DE ALENCAR BARRETO - UFC
Externo à Instituição - FABIANA TEIXEIRA DE CARVALHO PORTELA - UESPI
Externo à Instituição - RENATO TINOS - USP
Notícia cadastrada em: 15/03/2023 11:08
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb04.ufpi.br.sigaa 01/03/2024 14:11