Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada

Detalhes bibliográficos
Autor(a) principal: Barroso, Avelino Domingos Rolha Pereira
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.2/6694
Resumo: Este trabalho tem como objetivo determinar quais as covariáveis que têm maior importância na classificação da fadiga na musculatura do tronco e a prevalência de lombalgia em tenistas. Foi recolhido sinal de eletromiografia (EMG) em 35 tenistas durante a realização de quatro exercícios tendo sido extraídas medidas no domínio do tempo (valor médio da amplitude do EMG) e no domínio da frequência (mediana de frequência). Os atributos derivados dos eletromiogramas foram usados na construção de modelos de classificação usando Máquinas de Vetores Suporte (SVM – Support Vector Machines). A classificação foi baseada em 3 grupos, de acordo com a última manifestação temporal de lombalgia. O primeiro grupo era constituído por tenistas que não sentiram dor lombar no último ano (15), o segundo pelos que a sentiram nesse mesmo período (12) e o terceiro pelos que a sentiram nos últimos 7 dias (8). Dos atributos extraídos no domínio do tempo (avrEMG) e da frequência (MF) identificaram-se os mais diferenciadores em relação às 3 classes por representação gráfica em diagrama de caixa (boxplot) sendo depois utilizados subconjuntos na construção de 4 modelos de classificação SVM. Obtiveram-se resultados promissores na utilização do algoritmo SVM para a classificação dos EMGs, conseguindo-se uma precisão de 7 em 9 (78%) sobre o conjunto de teste para o modelo com menor número de atributos (6) originados apenas por uma prancha (exercício).
id RCAP_e33ad3540a72829a1da0961b2d14c38a
oai_identifier_str oai:repositorioaberto.uab.pt:10400.2/6694
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionadaFadigaTenistasDorEletromiografia (EMG)SVM (Support Vector Machines)BiometriaBioestatísticaAprendizagem supervisionadaEMGSVMSupervised learningClassificationFeaturesLow back painEste trabalho tem como objetivo determinar quais as covariáveis que têm maior importância na classificação da fadiga na musculatura do tronco e a prevalência de lombalgia em tenistas. Foi recolhido sinal de eletromiografia (EMG) em 35 tenistas durante a realização de quatro exercícios tendo sido extraídas medidas no domínio do tempo (valor médio da amplitude do EMG) e no domínio da frequência (mediana de frequência). Os atributos derivados dos eletromiogramas foram usados na construção de modelos de classificação usando Máquinas de Vetores Suporte (SVM – Support Vector Machines). A classificação foi baseada em 3 grupos, de acordo com a última manifestação temporal de lombalgia. O primeiro grupo era constituído por tenistas que não sentiram dor lombar no último ano (15), o segundo pelos que a sentiram nesse mesmo período (12) e o terceiro pelos que a sentiram nos últimos 7 dias (8). Dos atributos extraídos no domínio do tempo (avrEMG) e da frequência (MF) identificaram-se os mais diferenciadores em relação às 3 classes por representação gráfica em diagrama de caixa (boxplot) sendo depois utilizados subconjuntos na construção de 4 modelos de classificação SVM. Obtiveram-se resultados promissores na utilização do algoritmo SVM para a classificação dos EMGs, conseguindo-se uma precisão de 7 em 9 (78%) sobre o conjunto de teste para o modelo com menor número de atributos (6) originados apenas por uma prancha (exercício).The objective of this work is to identify the most important co-variables for classification of trunk muscle fatigue and low back pain in tennis players. Surface electromyography (EMG) has been collected from 35 tennis players while performing 4 isometric exercises. Two sets of attributes have been extracted from EMGs, one in time domain, EMG amplitude average (avrEMG) and the second in frequency domain, median frequency, (MF). Those attributes have been used to build classification models using Support Vector Machines (SVM) algorithm. The classification has been based in 3 groups of subjects according to their low back pain history. First group has no low back pain history (15), the second for the ones that experienced low back pain in last year (12) and the third group for the ones that experienced low back pain in last week (8). From boxplot visualization of both type of attributes, time (avrEMG) and frequency domain (MF), those with more differentiation power among the 3 groups of subjects have been selected and used to build 4 SVM classification models. Promising results for using SVM algorithm to classify EMGs have been found, attained a precision of 7 in 9 (78%) over the test set in the model with lower number of attributes (6) selected from a single test.Serranho, PedroSilva, Luís Miguel Domingues FerreiraRepositório AbertoBarroso, Avelino Domingos Rolha Pereira2017-11-07T11:22:45Z2017-10-102017-11-072017-10-10T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.2/6694TID:201792583porBarroso, Avelino Domingos Rolha Pereira - Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada [Em linha]. Lisboa: [s.n.], 2017. 91 p.info: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:RCAAP2023-11-16T15:24:57Zoai:repositorioaberto.uab.pt:10400.2/6694Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:47:09.684079Repositório 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 Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
title Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
spellingShingle Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
Barroso, Avelino Domingos Rolha Pereira
Fadiga
Tenistas
Dor
Eletromiografia (EMG)
SVM (Support Vector Machines)
Biometria
Bioestatística
Aprendizagem supervisionada
EMG
SVM
Supervised learning
Classification
Features
Low back pain
title_short Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
title_full Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
title_fullStr Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
title_full_unstemmed Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
title_sort Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada
author Barroso, Avelino Domingos Rolha Pereira
author_facet Barroso, Avelino Domingos Rolha Pereira
author_role author
dc.contributor.none.fl_str_mv Serranho, Pedro
Silva, Luís Miguel Domingues Ferreira
Repositório Aberto
dc.contributor.author.fl_str_mv Barroso, Avelino Domingos Rolha Pereira
dc.subject.por.fl_str_mv Fadiga
Tenistas
Dor
Eletromiografia (EMG)
SVM (Support Vector Machines)
Biometria
Bioestatística
Aprendizagem supervisionada
EMG
SVM
Supervised learning
Classification
Features
Low back pain
topic Fadiga
Tenistas
Dor
Eletromiografia (EMG)
SVM (Support Vector Machines)
Biometria
Bioestatística
Aprendizagem supervisionada
EMG
SVM
Supervised learning
Classification
Features
Low back pain
description Este trabalho tem como objetivo determinar quais as covariáveis que têm maior importância na classificação da fadiga na musculatura do tronco e a prevalência de lombalgia em tenistas. Foi recolhido sinal de eletromiografia (EMG) em 35 tenistas durante a realização de quatro exercícios tendo sido extraídas medidas no domínio do tempo (valor médio da amplitude do EMG) e no domínio da frequência (mediana de frequência). Os atributos derivados dos eletromiogramas foram usados na construção de modelos de classificação usando Máquinas de Vetores Suporte (SVM – Support Vector Machines). A classificação foi baseada em 3 grupos, de acordo com a última manifestação temporal de lombalgia. O primeiro grupo era constituído por tenistas que não sentiram dor lombar no último ano (15), o segundo pelos que a sentiram nesse mesmo período (12) e o terceiro pelos que a sentiram nos últimos 7 dias (8). Dos atributos extraídos no domínio do tempo (avrEMG) e da frequência (MF) identificaram-se os mais diferenciadores em relação às 3 classes por representação gráfica em diagrama de caixa (boxplot) sendo depois utilizados subconjuntos na construção de 4 modelos de classificação SVM. Obtiveram-se resultados promissores na utilização do algoritmo SVM para a classificação dos EMGs, conseguindo-se uma precisão de 7 em 9 (78%) sobre o conjunto de teste para o modelo com menor número de atributos (6) originados apenas por uma prancha (exercício).
publishDate 2017
dc.date.none.fl_str_mv 2017-11-07T11:22:45Z
2017-10-10
2017-11-07
2017-10-10T00:00:00Z
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/10400.2/6694
TID:201792583
url http://hdl.handle.net/10400.2/6694
identifier_str_mv TID:201792583
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Barroso, Avelino Domingos Rolha Pereira - Relação entre fadiga na musculatura do tronco e prevalência de lombalgia em tenistas utilizando técnicas de aprendizagem supervisionada [Em linha]. Lisboa: [s.n.], 2017. 91 p.
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_ 1799135047208402944