Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.11/8932 |
Resumo: | O campo das tecnologias de informação está em constante evolução, e é notável a sua expansão no campo da saúde. Esta dissertação foca-se em demonstrar como os métodos de classificação de posturas baseados em mapas de pressão de pessoas acamadas podem contribuir para melhorar não apenas os cuidados prestados aos pacientes, mas também aliviar a carga de trabalho dos profissionais de saúde. Este relatório descreve as várias fases do desenvolvimento do trabalho, as quais são apresentadas em cinco publicações. Duas revisões sistemáticas, uma focada em conjuntos de dados relativos a mapas de pressão e outra focada em diferentes métodos utilizados para a classificação de posturas baseados em pressão. As restantes três publicações focam-se no desenvolvimento das diferentes partes necessárias para uma solução de classificação de posturas. Assim, relativamente aos dados, uma publicação descreve um conjunto de dados de mapas de pressão, com 3 diferentes camadas, das quais apenas uma é usada, nomeadamente a camada relativa aos dados adquiridos através da utilização de uma manta de pressão posicionada em cima de uma cama hospitalar. Uma segunda publicação, relativa às várias experiências escolhidas para demonstrar a utilização do conjunto de dados desenvolvido, é também incluída neste trabalho. Os resultados apresentados nesta publicação incluem os treinos de vários modelos de aprendizagem máquina (machine learning) a ser utilizados para classificação de posturas, além de retirar conclusões com as experiências realizadas, nomeadamente sobre a influência dos dados adicionais (características dos participantes), recolhidos durante o desenvolvimento do conjunto de dados, ou sobre como a resolução dos mapas de pressão pode afetar os modelos treinados. A última publicação incluída descreve uma plataforma desenvolvida com o propósito de suportar uma solução de classificação de posturas para o cuidado de pacientes acamados, nomeadamente para a monitorização e prevenção de úlceras de pressão. Esta plataforma utilizaria os resultados provenientes dos modelos já mencionados para gerar informação importante, como sejam a duração de pressão em certas partes do corpo ou a geração de alarmes quando necessário. Esta dissertação apresenta uma solução para classificação de posturas baseada em mapas de pressão com os diferentes passos necessários abordados nas diferentes publicações. O sistema tem o potencial de auxiliar profissionais de saúde além de pacientes, e mostra como a utilização destas tecnologias pode influenciar diferentes campos como a área da saúde. |
id |
RCAP_01dd85f66a3723efe48ba1cc5e3d8e66 |
---|---|
oai_identifier_str |
oai:repositorio.ipcb.pt:10400.11/8932 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressãoPressure map-based solution for lying-people posture classificationClassificação de posturasMachine learningMapa de pressãoPessoas acamadasLying peoplePosture classificationPressure mapDomínio/Área Científica::Engenharia e TecnologiaO campo das tecnologias de informação está em constante evolução, e é notável a sua expansão no campo da saúde. Esta dissertação foca-se em demonstrar como os métodos de classificação de posturas baseados em mapas de pressão de pessoas acamadas podem contribuir para melhorar não apenas os cuidados prestados aos pacientes, mas também aliviar a carga de trabalho dos profissionais de saúde. Este relatório descreve as várias fases do desenvolvimento do trabalho, as quais são apresentadas em cinco publicações. Duas revisões sistemáticas, uma focada em conjuntos de dados relativos a mapas de pressão e outra focada em diferentes métodos utilizados para a classificação de posturas baseados em pressão. As restantes três publicações focam-se no desenvolvimento das diferentes partes necessárias para uma solução de classificação de posturas. Assim, relativamente aos dados, uma publicação descreve um conjunto de dados de mapas de pressão, com 3 diferentes camadas, das quais apenas uma é usada, nomeadamente a camada relativa aos dados adquiridos através da utilização de uma manta de pressão posicionada em cima de uma cama hospitalar. Uma segunda publicação, relativa às várias experiências escolhidas para demonstrar a utilização do conjunto de dados desenvolvido, é também incluída neste trabalho. Os resultados apresentados nesta publicação incluem os treinos de vários modelos de aprendizagem máquina (machine learning) a ser utilizados para classificação de posturas, além de retirar conclusões com as experiências realizadas, nomeadamente sobre a influência dos dados adicionais (características dos participantes), recolhidos durante o desenvolvimento do conjunto de dados, ou sobre como a resolução dos mapas de pressão pode afetar os modelos treinados. A última publicação incluída descreve uma plataforma desenvolvida com o propósito de suportar uma solução de classificação de posturas para o cuidado de pacientes acamados, nomeadamente para a monitorização e prevenção de úlceras de pressão. Esta plataforma utilizaria os resultados provenientes dos modelos já mencionados para gerar informação importante, como sejam a duração de pressão em certas partes do corpo ou a geração de alarmes quando necessário. Esta dissertação apresenta uma solução para classificação de posturas baseada em mapas de pressão com os diferentes passos necessários abordados nas diferentes publicações. O sistema tem o potencial de auxiliar profissionais de saúde além de pacientes, e mostra como a utilização destas tecnologias pode influenciar diferentes campos como a área da saúde.Abstract: Information technologies are in constant evolution, and there have been significant expansions into the healthcare field. This dissertation intends to demonstrate how posture classification methods based on lying-people pressure maps utilizing machine learning could enhance patient care and alleviate the workload of healthcare professionals. This study encompasses the various stages of the work’s development in five publications, including two systematic reviews, one focused on existing pressure map datasets and the other focused on posture classification approaches using pressure based methods. These reviews aimed to solidify the work included in this study by supporting it with the work done by fellow researchers in the field. The remaining three publications focus on the development of the different parts required for a posture classification solution. Regarding the data, a publication depicting a pressure map dataset, with 3 distinct layers is introduced, from which only one of the layers is used, which is gathered using a pressure sensor sheet placed on top of a hospital bed. An additional publication containing various experiments aiming to demonstrate the utilization of the aforementioned dataset is included in the dissertation, which results in the training of various machine learning models that can be used for posture classification. This study also studies the influence of different factors such as the influence of additional data (participant characteristics) gathered upon dataset development and how the resolution of the pressure maps used in training affect the resulting models. A final publication is included, depicting a platform developed with the aim of supporting a posture classification solution for bedded patient care, namely for pressure ulcer monitoring and prevention. This platform would take the output from the previously trained models and gather important information from them such as pressure duration in certain body areas, and alert generation whenever deemed necessary. This dissertation presents a solution for posture classification based on pressure maps, with the required steps detailed in the different publications. The system envisioned in this study has the potential to aid healthcare professionals and patients alike and showcases how information technologies and machine learning specifically can influence different fields such as healthcare.Ribeiro, Fernando Reinaldo da Silva GarciaMetrôlho, José Carlos Meireles MonteiroRepositório Científico do Instituto Politécnico de Castelo BrancoFonseca, Luís Filipe Rodrigues2024-03-15T14:47:36Z20242024-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.11/8932TID:203553705porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-16T01:46:05Zoai:repositorio.ipcb.pt:10400.11/8932Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T04:01:16.619085Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão Pressure map-based solution for lying-people posture classification |
title |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão |
spellingShingle |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão Fonseca, Luís Filipe Rodrigues Classificação de posturas Machine learning Mapa de pressão Pessoas acamadas Lying people Posture classification Pressure map Domínio/Área Científica::Engenharia e Tecnologia |
title_short |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão |
title_full |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão |
title_fullStr |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão |
title_full_unstemmed |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão |
title_sort |
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão |
author |
Fonseca, Luís Filipe Rodrigues |
author_facet |
Fonseca, Luís Filipe Rodrigues |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ribeiro, Fernando Reinaldo da Silva Garcia Metrôlho, José Carlos Meireles Monteiro Repositório Científico do Instituto Politécnico de Castelo Branco |
dc.contributor.author.fl_str_mv |
Fonseca, Luís Filipe Rodrigues |
dc.subject.por.fl_str_mv |
Classificação de posturas Machine learning Mapa de pressão Pessoas acamadas Lying people Posture classification Pressure map Domínio/Área Científica::Engenharia e Tecnologia |
topic |
Classificação de posturas Machine learning Mapa de pressão Pessoas acamadas Lying people Posture classification Pressure map Domínio/Área Científica::Engenharia e Tecnologia |
description |
O campo das tecnologias de informação está em constante evolução, e é notável a sua expansão no campo da saúde. Esta dissertação foca-se em demonstrar como os métodos de classificação de posturas baseados em mapas de pressão de pessoas acamadas podem contribuir para melhorar não apenas os cuidados prestados aos pacientes, mas também aliviar a carga de trabalho dos profissionais de saúde. Este relatório descreve as várias fases do desenvolvimento do trabalho, as quais são apresentadas em cinco publicações. Duas revisões sistemáticas, uma focada em conjuntos de dados relativos a mapas de pressão e outra focada em diferentes métodos utilizados para a classificação de posturas baseados em pressão. As restantes três publicações focam-se no desenvolvimento das diferentes partes necessárias para uma solução de classificação de posturas. Assim, relativamente aos dados, uma publicação descreve um conjunto de dados de mapas de pressão, com 3 diferentes camadas, das quais apenas uma é usada, nomeadamente a camada relativa aos dados adquiridos através da utilização de uma manta de pressão posicionada em cima de uma cama hospitalar. Uma segunda publicação, relativa às várias experiências escolhidas para demonstrar a utilização do conjunto de dados desenvolvido, é também incluída neste trabalho. Os resultados apresentados nesta publicação incluem os treinos de vários modelos de aprendizagem máquina (machine learning) a ser utilizados para classificação de posturas, além de retirar conclusões com as experiências realizadas, nomeadamente sobre a influência dos dados adicionais (características dos participantes), recolhidos durante o desenvolvimento do conjunto de dados, ou sobre como a resolução dos mapas de pressão pode afetar os modelos treinados. A última publicação incluída descreve uma plataforma desenvolvida com o propósito de suportar uma solução de classificação de posturas para o cuidado de pacientes acamados, nomeadamente para a monitorização e prevenção de úlceras de pressão. Esta plataforma utilizaria os resultados provenientes dos modelos já mencionados para gerar informação importante, como sejam a duração de pressão em certas partes do corpo ou a geração de alarmes quando necessário. Esta dissertação apresenta uma solução para classificação de posturas baseada em mapas de pressão com os diferentes passos necessários abordados nas diferentes publicações. O sistema tem o potencial de auxiliar profissionais de saúde além de pacientes, e mostra como a utilização destas tecnologias pode influenciar diferentes campos como a área da saúde. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-03-15T14:47:36Z 2024 2024-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.11/8932 TID:203553705 |
url |
http://hdl.handle.net/10400.11/8932 |
identifier_str_mv |
TID:203553705 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799138186730930176 |