Protótipo para auxílio de identificação do tipo de pisada baseada em sensores piezoelétricos e redes neurais artificiais

• Autor(a) principal: Vieira, Mário Elias Marinho
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/3990
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Engenharia de protótipos; Pegadas; Pés - Anomalias; Detectores; Redes neurais (Computação); Prototypes, Engineering; Footprints; Foot - Abnormalities; Detectors; Neural networks (Computer science); Engenharia Elétrica

Este trabalho tem como objetivo o desenvolvimento de uma palmilha instrumentada, baseada em sensores piezoelétricos cerâmicos e redes neurais artificiais para identificação do tipo de pisada; e assim auxiliar em análises e diagnósticos de profissionais da saúde. A pressão plantar é resultante do contato da região plantar (inferior do pé) com uma superfície, podendo ser medida por meio de plataformas baropodométricas ou palmilhas instrumentadas. Essa variável é utilizada em estudos de correção postural, análise do movimento, correção do tipo de pisada e identificação de doenças na região plantar. O dispositivo contém uma palmilha instrumentada com 13 sensores dividida em regiões plantares (retropé, mediopé, antepé e hálux), acoplada à uma placa central que realiza o condicionamento e transmissão sem fio dos dados. Como receptor e armazenamento dos dados, foi utilizado um dispositivo móvel (smartphone) via comunicação Bluetooth©. Foram coletados os dados de pressão plantar de 14 pessoas com média de idade de 28,7 ± 8,8 anos, utilizados como entrada em uma rede neural artificial (RNA) MLP (MultiLayerPerceptron) para classificação do tipo de pisada de cada indivíduo. Todos os indivíduos realizaram um procedimento de caminhar 10 vezes um percurso de 10 metros com o dispositivo instalado, totalizando 100 metros. Após a coleta de dados realizada, um profissional da saúde avaliou cada um dos indivíduos para fornecer a saída desejada da RNA em supinada, pronada e neutra. Os dados foram processados e divididos em amostras, as quais foram utilizadas como base de dados da RNA. Como métodos de treinamento da RNA, foram aplicados holdout e validação cruzada. A MLP contendo 21 neurônios na camada escondida, utilizando validação cruzada, obteve 99,63% de acerto para todo o conjunto de dados. Adicionalmente, tem-se os resultados obtidos divididos em acurácia, sensibilidade, especificidade e eficiência (matriz de confusão) por tipo de pisada; apresentando os mínimos e máximos respectivamente: 99,7% e 100% em acurácia (neutra, supinada e pronada), 99,7% e 100% em sensibilidade (neutra e pronada), 99,8% e 100% em especificidade (supinada e pronada), e por último, 99,7% e 100% em eficiência (neutra e pronada). Baseando-se nesses valores é possível afirmar que a RNA possui maior dificuldade de distinguir a pisada supinada da neutra. Com isso, conclui-se que é possível utilizar o protótipo desenvolvido para medição de pressão plantar, assim como a MLP projetada para classificar o tipo de pisada de um indivíduo.