Computational Intelligence generation of subject-specific knee and hip healthy reference curves

Detalhes bibliográficos
Autor(a) principal: Cunha, Pedro Miguel de Sá
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/87893
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_4dbe4c41ffa9e79e9166efe13e5d7538
oai_identifier_str oai:estudogeral.uc.pt:10316/87893
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Computational Intelligence generation of subject-specific knee and hip healthy reference curvesGeração de curvas angulares de referência específicas do joelho e anca usando inteligência computacionalBNNCiclogramasCurvas de Referência EspecíficasELMMarcha HumanaBNNCyclogramsELMHuman GaitSubject-specific ProfilesDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaOs métodos de Inteligência Computacional Backpropagation Neural Network (BNN) e Extreme Learning Machine (ELM) são capazes de gerar curvas angulares de referência específicas baseadas em características como altura, peso, idade e velocidade da marcha. Estas curvas de referência são de grande relevância em áreas como a medicina e a biomédica, na deteção de patologias e/ou reabilitação da marcha. Um procedimento comum na identificação de patologias da marcha é comparar as curvas dos ângulos das articulações do joelho e da anca de pacientes com curvas de referência, contruídas a partir de um grupo de indivíduos saudáveis. No entanto, estas curvas de referência genéricas são usualmente obtidas de uma amostra heterogénea de pessoas saudáveis e não possuem a especificidade necessária para obter resultados precisos. Por estas razões a geração de curvas de referência específicas tendo em conta características como o peso, altura, idade e velocidade de marcha resultarão numa melhor comparação e consequentemente num diagnostico mais preciso. Os ciclogramas são de fácil visualização e permitem condensar informação pertinente das curvas dos ângulos das articulações do joelho e da anca. Podemos assim obter informação sobre o movimento conjunto das articulações e simetria da marcha do paciente. O principal objetivo do presente trabalho é identificar qual dos dois métodos de inteligência computacional, BNN e ELM, apresentam resultados mais precisos quando usados para gerar curvas de referência especificas do joelho e da anca tendo em conta altura, peso, idade e velocidade da marcha do paciente. No presente trabalho são geradas curvas de referência específicas para um paciente com paralisia cerebral e usadas na construção de ciclogramas para comparação e avaliação da marcha.Backpropagation Neural Network (BNN) and Extreme Learning Machine (ELM) are Computational Intelligence (CI) methods that can generate subject-specific joint angle reference profiles based on a subject’s height, weight, age and walking speed. These reference profiles are useful in various fields such as biomedical engineering and medicine, for detection of gait pathologies and rehabilitation. A common procedure used to identify abnormal gait is comparing an individual’s knee and hip curves with healthy reference curves. These reference curves are usually obtained from a heterogeneous sample of healthy subjects and might lack the specificity required to obtain accurate results. It is why the generation of reference curves according to an individual’s height, weight, age and gait speed should result in a better comparison and diagnosis. Cyclograms present a great way of visualizing and condensate information. Furthermore, we can get insights of patient conjoint movement and symmetry. The main objective of the present study is to observe which of the two methods, BNN and ELM, present more accurate results when used to generate reference curve profiles based on subject height, weight, age and gait speed for the knee and hip joint angles. In the present work, subject-specific knee and hip healthy reference curves are generated for a Cerebral Palsy patient. These are used to construct several cyclograms, from which features of importance to patient gait evaluation, can be extracted.2019-09-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/87893http://hdl.handle.net/10316/87893TID:202306437engCunha, Pedro Miguel de Sáinfo: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:RCAAP2021-05-26T11:17:49Zoai:estudogeral.uc.pt:10316/87893Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:08:42.995228Repositório 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 Computational Intelligence generation of subject-specific knee and hip healthy reference curves
Geração de curvas angulares de referência específicas do joelho e anca usando inteligência computacional
title Computational Intelligence generation of subject-specific knee and hip healthy reference curves
spellingShingle Computational Intelligence generation of subject-specific knee and hip healthy reference curves
Cunha, Pedro Miguel de Sá
BNN
Ciclogramas
Curvas de Referência Específicas
ELM
Marcha Humana
BNN
Cyclograms
ELM
Human Gait
Subject-specific Profiles
title_short Computational Intelligence generation of subject-specific knee and hip healthy reference curves
title_full Computational Intelligence generation of subject-specific knee and hip healthy reference curves
title_fullStr Computational Intelligence generation of subject-specific knee and hip healthy reference curves
title_full_unstemmed Computational Intelligence generation of subject-specific knee and hip healthy reference curves
title_sort Computational Intelligence generation of subject-specific knee and hip healthy reference curves
author Cunha, Pedro Miguel de Sá
author_facet Cunha, Pedro Miguel de Sá
author_role author
dc.contributor.author.fl_str_mv Cunha, Pedro Miguel de Sá
dc.subject.por.fl_str_mv BNN
Ciclogramas
Curvas de Referência Específicas
ELM
Marcha Humana
BNN
Cyclograms
ELM
Human Gait
Subject-specific Profiles
topic BNN
Ciclogramas
Curvas de Referência Específicas
ELM
Marcha Humana
BNN
Cyclograms
ELM
Human Gait
Subject-specific Profiles
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2019
dc.date.none.fl_str_mv 2019-09-23
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/10316/87893
http://hdl.handle.net/10316/87893
TID:202306437
url http://hdl.handle.net/10316/87893
identifier_str_mv TID:202306437
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_ 1799133980308537344

Registros relacionados