Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UERJ |
Texto Completo: | http://www.bdtd.uerj.br/handle/1/17128 |
Resumo: | Channel Status Information (CSI) is available on IEEE 802.11 wireless networks. The CSI carries information regarding the propagation environment through the amplitude and phase of the OFDM subcarriers. In this study, CSI is used to detect the risk of falling in hospitalized patients. CSI is applied to detect changes in the wireless signal propagation environment and, regarding this non-intrusive principle, fall risk detectors are implemented in a hospital environment. The proposed detectors detect fall risk as anomalies in the environment from changes in the propagation environment. We propose three detectors using different machine learning algorithms: kNN(k-Nearest Neighbors), PCA (Principal Component Analysis) and Autoencoder. For each of them, the cutoff points are chosen based on the technique of tests and diagnostics of the ROC Curve, obtaining accuracies up to 87.33% for kNN, 93.00% for PCA and 90.92% for Autoencoder. For this work, a database of normal condition and fall risk is developed. In addition to the global analysis of the fall risk detector due to anomalies, we evaluated how different types of falls compromise the functioning of the anomaly detectors, using them to classify situations as risky or without risk of falling. |
id |
UERJ_e6e6463482fbc01e96b30b64b1138b64 |
---|---|
oai_identifier_str |
oai:www.bdtd.uerj.br:1/17128 |
network_acronym_str |
UERJ |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
repository_id_str |
2903 |
spelling |
Lovisolo, Lisandrohttp://lattes.cnpq.br/5556212442729541Tcheou, Michel Pompeuhttp://lattes.cnpq.br/9868296846852777Sztajnberg, Alexandrehttp://lattes.cnpq.br/0403732822984772Souza Filho, João Baptista de Oliveira ehttp://lattes.cnpq.br/8320034667805958http://lattes.cnpq.br/3506836164446992Chagas, Amanda de Oliveira Sabino dasaosabino@yahoo.com.br2022-02-07T13:31:01Z2021-10-13CHAGAS, Amanda de Oliveira Sabino das. Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio. 2021. 170 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2021.http://www.bdtd.uerj.br/handle/1/17128Channel Status Information (CSI) is available on IEEE 802.11 wireless networks. The CSI carries information regarding the propagation environment through the amplitude and phase of the OFDM subcarriers. In this study, CSI is used to detect the risk of falling in hospitalized patients. CSI is applied to detect changes in the wireless signal propagation environment and, regarding this non-intrusive principle, fall risk detectors are implemented in a hospital environment. The proposed detectors detect fall risk as anomalies in the environment from changes in the propagation environment. We propose three detectors using different machine learning algorithms: kNN(k-Nearest Neighbors), PCA (Principal Component Analysis) and Autoencoder. For each of them, the cutoff points are chosen based on the technique of tests and diagnostics of the ROC Curve, obtaining accuracies up to 87.33% for kNN, 93.00% for PCA and 90.92% for Autoencoder. For this work, a database of normal condition and fall risk is developed. In addition to the global analysis of the fall risk detector due to anomalies, we evaluated how different types of falls compromise the functioning of the anomaly detectors, using them to classify situations as risky or without risk of falling.A Informação do Estado do Canal (CSI - Channel State Information) está disponível em redes sem fio do padrão IEEE 802.11. A CSI traz informação sobre o ambiente de propagação através da amplitude e fase das subportadoras OFDM. Neste estudo, emprega-se a CSI para a detecção de risco de queda de pacientes hospitalizados. Detecta-se a mudança no ambiente de propagação do sinal sem fio e a partir deste princípio não-intrusivo são implementados detectores de risco de queda em ambiente hospitalar. Os detectores propostos detectam o risco como anomalias no ambiente a partir da identificação de alterações no ambiente de propagação. Propomos três detectores usando diferentes algoritmos de aprendizagem de máquina: kNN (k-Nearest Neighbors), PCA (Principal Component Analysis) e Autoencoder. Para cada um deles são escolhidos os pontos de corte a partir da técnica de testes e diagnósticos da Curva ROC, obtendo acurácias de até 87,33% para o kNN, 93,00% para o PCA e 90,92% para o Autoencoder. Para esse trabalho é desenvolvido um banco de dados de situações normais e de risco de queda. Além da análise global do detector de risco de queda por anomalias, avalia-se como diferentes tipos de queda comprometem o funcionamento dos detectores de anomalias, ao usá-los para classificar as situações como de risco ou sem risco de queda.Submitted by Julia CTC/B (julia.vieira@uerj.br) on 2022-02-07T13:31:01Z No. of bitstreams: 1 Dissertação - Amanda de Oliveira Sabino das Chagas - 2021 - Completo.pdf: 9932940 bytes, checksum: 79a2731a5ce502ad99963d0e3c409738 (MD5)Made available in DSpace on 2022-02-07T13:31:01Z (GMT). No. of bitstreams: 1 Dissertação - Amanda de Oliveira Sabino das Chagas - 2021 - Completo.pdf: 9932940 bytes, checksum: 79a2731a5ce502ad99963d0e3c409738 (MD5) Previous issue date: 2021-10-13Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESapplication/pdfporUniversidade do Estado do Rio de JaneiroPrograma de Pós-Graduação em Engenharia EletrônicaUERJBrasilCentro de Tecnologia e Ciências::Faculdade de EngenhariaElectronic engineeringWireless communication systemsAlgorithmsWireless local area networksDetectorsEngenharia eletrônicaSistemas de comunicação sem fioAlgorítmosRedes locais sem fioDetectoresENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOESDetecção de risco de queda de hospitalizados através da informação do estado do canal sem-fioFall Risk detection in hospitalized through wireless channel state informationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJORIGINALDissertação - Amanda de Oliveira Sabino das Chagas - 2021 - Completo.pdfDissertação - Amanda de Oliveira Sabino das Chagas - 2021 - Completo.pdfapplication/pdf9932940http://www.bdtd.uerj.br/bitstream/1/17128/2/Disserta%C3%A7%C3%A3o+-+Amanda+de+Oliveira+Sabino+das+Chagas+-+2021+-+Completo.pdf79a2731a5ce502ad99963d0e3c409738MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82123http://www.bdtd.uerj.br/bitstream/1/17128/1/license.txte5502652da718045d7fcd832b79fca29MD511/171282024-02-27 15:16:44.594oai:www.bdtd.uerj.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:16:44Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false |
dc.title.por.fl_str_mv |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio |
dc.title.alternative.eng.fl_str_mv |
Fall Risk detection in hospitalized through wireless channel state information |
title |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio |
spellingShingle |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio Chagas, Amanda de Oliveira Sabino das Electronic engineering Wireless communication systems Algorithms Wireless local area networks Detectors Engenharia eletrônica Sistemas de comunicação sem fio Algorítmos Redes locais sem fio Detectores ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES |
title_short |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio |
title_full |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio |
title_fullStr |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio |
title_full_unstemmed |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio |
title_sort |
Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio |
author |
Chagas, Amanda de Oliveira Sabino das |
author_facet |
Chagas, Amanda de Oliveira Sabino das aosabino@yahoo.com.br |
author_role |
author |
author2 |
aosabino@yahoo.com.br |
author2_role |
author |
dc.contributor.advisor1.fl_str_mv |
Lovisolo, Lisandro |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/5556212442729541 |
dc.contributor.advisor2.fl_str_mv |
Tcheou, Michel Pompeu |
dc.contributor.advisor2Lattes.fl_str_mv |
http://lattes.cnpq.br/9868296846852777 |
dc.contributor.referee1.fl_str_mv |
Sztajnberg, Alexandre |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/0403732822984772 |
dc.contributor.referee2.fl_str_mv |
Souza Filho, João Baptista de Oliveira e |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/8320034667805958 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/3506836164446992 |
dc.contributor.author.fl_str_mv |
Chagas, Amanda de Oliveira Sabino das aosabino@yahoo.com.br |
contributor_str_mv |
Lovisolo, Lisandro Tcheou, Michel Pompeu Sztajnberg, Alexandre Souza Filho, João Baptista de Oliveira e |
dc.subject.eng.fl_str_mv |
Electronic engineering Wireless communication systems Algorithms Wireless local area networks Detectors |
topic |
Electronic engineering Wireless communication systems Algorithms Wireless local area networks Detectors Engenharia eletrônica Sistemas de comunicação sem fio Algorítmos Redes locais sem fio Detectores ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES |
dc.subject.por.fl_str_mv |
Engenharia eletrônica Sistemas de comunicação sem fio Algorítmos Redes locais sem fio Detectores |
dc.subject.cnpq.fl_str_mv |
ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES |
description |
Channel Status Information (CSI) is available on IEEE 802.11 wireless networks. The CSI carries information regarding the propagation environment through the amplitude and phase of the OFDM subcarriers. In this study, CSI is used to detect the risk of falling in hospitalized patients. CSI is applied to detect changes in the wireless signal propagation environment and, regarding this non-intrusive principle, fall risk detectors are implemented in a hospital environment. The proposed detectors detect fall risk as anomalies in the environment from changes in the propagation environment. We propose three detectors using different machine learning algorithms: kNN(k-Nearest Neighbors), PCA (Principal Component Analysis) and Autoencoder. For each of them, the cutoff points are chosen based on the technique of tests and diagnostics of the ROC Curve, obtaining accuracies up to 87.33% for kNN, 93.00% for PCA and 90.92% for Autoencoder. For this work, a database of normal condition and fall risk is developed. In addition to the global analysis of the fall risk detector due to anomalies, we evaluated how different types of falls compromise the functioning of the anomaly detectors, using them to classify situations as risky or without risk of falling. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-10-13 |
dc.date.accessioned.fl_str_mv |
2022-02-07T13:31:01Z |
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.citation.fl_str_mv |
CHAGAS, Amanda de Oliveira Sabino das. Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio. 2021. 170 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2021. |
dc.identifier.uri.fl_str_mv |
http://www.bdtd.uerj.br/handle/1/17128 |
identifier_str_mv |
CHAGAS, Amanda de Oliveira Sabino das. Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio. 2021. 170 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2021. |
url |
http://www.bdtd.uerj.br/handle/1/17128 |
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.publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Eletrônica |
dc.publisher.initials.fl_str_mv |
UERJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Centro de Tecnologia e Ciências::Faculdade de Engenharia |
publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UERJ instname:Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
instname_str |
Universidade do Estado do Rio de Janeiro (UERJ) |
instacron_str |
UERJ |
institution |
UERJ |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
collection |
Biblioteca Digital de Teses e Dissertações da UERJ |
bitstream.url.fl_str_mv |
http://www.bdtd.uerj.br/bitstream/1/17128/2/Disserta%C3%A7%C3%A3o+-+Amanda+de+Oliveira+Sabino+das+Chagas+-+2021+-+Completo.pdf http://www.bdtd.uerj.br/bitstream/1/17128/1/license.txt |
bitstream.checksum.fl_str_mv |
79a2731a5ce502ad99963d0e3c409738 e5502652da718045d7fcd832b79fca29 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ) |
repository.mail.fl_str_mv |
bdtd.suporte@uerj.br |
_version_ |
1811728704046366720 |