Automatic diagnosis of gait pathologies using GaitRec dataset

Detalhes bibliográficos
Autor(a) principal: Teixeira, André Luís Ferreira
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/102864
Resumo: Dissertação de Mestrado em Engenharia Eletrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_10f159144fa44c19df31626f6338d395
oai_identifier_str oai:estudogeral.uc.pt:10316/102864
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Automatic diagnosis of gait pathologies using GaitRec datasetDiagnóstico automático de patologias da marcha usando a base de dados GaitRecAprendizagem computacionalMarcha humanaForças de reação de solo (FRS)GaitRecIndexes de marchaMachine learningHuman GaitGround reaction forces (GRF)GaitRecGait IndexesDissertação de Mestrado em Engenharia Eletrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaA marcha humana tem sido estudada por anos, devido às várias aplicações possíveis, como prevenção de diferentes patologias, análise de rendimento em atletas, entre outros. Recentemente, aplicações para usar a marcha como identificação de um indivíduo têm sido estudadas. Das várias formas de caracterizar a marcha, vamos usar as forças de reação do solo. As forças de reação do solo são compostas em três forças, vertical, médio-lateral e anteriorposterior. Foi usada uma grande base de dados, GaitRec, que contém bastante informação descritiva e usa estas forças para caracterizar a marcha. O objetivo passa por dar uma referência de como a marcha de um indivíduo específico deve ser para se considerar saudável. A identificação do indivíduo vai passar pelas variáveis: género, velocidade da marcha, idade, índice de massa corporal. Sendo dada uma referência para cada lado, esquerdo e direito. Outro objetivo é dar um diagnóstico através de índices de marcha humana.Para implementar estas referências saudáveis de marcha, algoritmos de aprendizagem computacional foram usados, como linear regression, extreme machine learning, ridge extreme machine learning, convolutional neural networks e multiple output support vector machine. Aqui são apresentados dois critérios visando selecionar o melhor algoritmo. Os dois critérios são: capacidade de se comportar igual à verdadeira resposta e o menor valor de distância entre a resposta verdadeira e a resposta criada pelos algoritmos de aprendizagem computacional. Para métrica de distância será usada a dynamic time warping. O algoritmo extreme machine learning provou ter o melhor resultado. Dois índices de marcha humana, índice de simetria e erro global, provam que, juntos, conseguem diagnosticar 100% de forma correta.Para apresentar resultados, duas aplicações foram elaboradas para poder apresentar resultados de forma mais simples e estão disponíveis em https://github.com/adenrteixeira/Gait-Analysis-App.The human gait has been analyzed for centuries since it helps to prevent and diagnose different pathologies. Lately was also studied the possibility to be used in identification of a person due to the uniqueness of one’s gait. There are many ways to characterize the human gait, but the late trend and becoming standard are the ground reactions forces. They are composed by three forces, vertical, mediolateral and anterior-posterior. This what we will use to study the human gait. It’s going to beused a dataset, GaitRec, that is a large, fully annotated dataset that uses ground reaction forces to represent gait data.The objective passes through giving a specific individual their healthy gait reference (we will give two references because we have two limbs, left and right), based on body characterization such as age, gait speed, sex, body mass index. This way we can specifically give a healthy reference instead of a general approach of what it should be looking like. Also, we will be giving a diagnosis through human gait indexes.To implement this healthy gait references, machine learning algorithms were used, like, convolutional neural networks, extreme machine learning, ridge extreme machine learning, linear regression and multiple output support vector machine. Here were presented two criteria in order to select the best algorithm. Capability of following the true response and the least distance between the true response and the created one. Dynamic time warping was used as a metric to give the distance value.The best algorithm proves to be extreme machine learning. Two human gait indexes, symmetric index and global error, prove, that together, are enough to have 100% accurate classification.To present results, two apps were built and are available at https://github.com/adenrteixeira/Gait-Analysis-App.2022-09-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/102864http://hdl.handle.net/10316/102864TID:203077601engTeixeira, André Luís Ferreirainfo: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:RCAAP2022-10-19T20:37:22Zoai:estudogeral.uc.pt:10316/102864Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:19:46.364806Repositório 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 Automatic diagnosis of gait pathologies using GaitRec dataset
Diagnóstico automático de patologias da marcha usando a base de dados GaitRec
title Automatic diagnosis of gait pathologies using GaitRec dataset
spellingShingle Automatic diagnosis of gait pathologies using GaitRec dataset
Teixeira, André Luís Ferreira
Aprendizagem computacional
Marcha humana
Forças de reação de solo (FRS)
GaitRec
Indexes de marcha
Machine learning
Human Gait
Ground reaction forces (GRF)
GaitRec
Gait Indexes
title_short Automatic diagnosis of gait pathologies using GaitRec dataset
title_full Automatic diagnosis of gait pathologies using GaitRec dataset
title_fullStr Automatic diagnosis of gait pathologies using GaitRec dataset
title_full_unstemmed Automatic diagnosis of gait pathologies using GaitRec dataset
title_sort Automatic diagnosis of gait pathologies using GaitRec dataset
author Teixeira, André Luís Ferreira
author_facet Teixeira, André Luís Ferreira
author_role author
dc.contributor.author.fl_str_mv Teixeira, André Luís Ferreira
dc.subject.por.fl_str_mv Aprendizagem computacional
Marcha humana
Forças de reação de solo (FRS)
GaitRec
Indexes de marcha
Machine learning
Human Gait
Ground reaction forces (GRF)
GaitRec
Gait Indexes
topic Aprendizagem computacional
Marcha humana
Forças de reação de solo (FRS)
GaitRec
Indexes de marcha
Machine learning
Human Gait
Ground reaction forces (GRF)
GaitRec
Gait Indexes
description Dissertação de Mestrado em Engenharia Eletrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2022
dc.date.none.fl_str_mv 2022-09-27
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/10316/102864
http://hdl.handle.net/10316/102864
TID:203077601
url http://hdl.handle.net/10316/102864
identifier_str_mv TID:203077601
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
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_ 1799134091465981952

Registros relacionados