Development and evaluation of an elderly fall detection system based on a wearable device located at wrist

• Autor(a) principal: Quadros, Thiago de
• Data de Publicação: 2017
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/2619
• topic: CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::ENGENHARIA MEDICA::TRANSDUTORES PARA APLICACOES BIOMEDICAS; Quedas (Acidentes) em idosos; Aprendizado do computador; Processamento de sinais - Técnicas digitais; Algorítmos computacionais; Processamento eletrônico de dados em tempo real; Métodos de simulação; Instrumentos e aparelhos médicos; Engenharia biomédica; Engenharia elétrica; Falls (Accidents) in old age; Machine learning; Signal processing - Digital technique; Computer algorithms; Real-time data processing; Simulation methods; Medical instruments and apparatus; Biomedical engineering; Electric engineering; Engenharia Elétrica

A queda de idosos é um problema de saúde mundial. Todos os anos, cerca de 30% dos idosos com 65 anos ou mais são vítimas de quedas. Além disso, as consequências de uma queda podem ser fisiológicas (e.g. fraturas ósseas, ferimentos musculares) e psicológicas, como a perda de autoconfiança, levando a novas quedas. Uma solução para este problema está relacionada com ações preventivas (e.g. adaptação de mobília) aliadas a sistemas de detecção de quedas, os quais podem notificar familiares e serviços médicos de urgência. Como o tempo de espera por socorro após uma queda está relacionado com a severidade das consequências dela, esses sistemas devem oferecer elevada acurácia e detecção em tempo real. Embora existam várias soluções para isso na literatura (a maioria relacionada com dispositivos vestíveis), poucas delas estão relacionadas a dispositivos de punho, principalmente por causa dos desafios existentes para essa configuração. Considerando o punho como um local mais confortável, discreto e aceitável para uso de um dispositivo (menos associado com o estigma do uso de uma solução médica), este trabalho propõe o desenvolvimento e avaliação de uma solução baseada nessa configuração. Para isso, diferentes sensores (acelerômetro, giroscópio e magnetômetro) foram combinados com diferentes algoritmos, baseados em métodos de limiar e aprendizado de máquina, visando definir os melhores sinais e abordagem para a detecção de quedas. Esses métodos consideraram informações de aceleração, velocidade, deslocamento e orientação espacial, permitindo o cálculo de componentes verticais do movimento. Para o treino e avaliação dos algoritmos, dois protocolos diferentes foram empregados: um primeiro envolvendo 2 voluntários (homens, 27 e 31 anos) simulando um total de 80 sinais de queda e 80 de não-queda, e um segundo envolvendo 22 voluntários (14/8 homens/mulheres, idade média: 25,2 ± 4,7) simulando um total de 396 sinais de queda e 396 de não-queda. Uma análise exaustiva de diferentes sinais e parâmetros de configuração foi executada para cada método. O melhor algoritmo baseado em limiar considerou sinais de aceleração vertical e velocidade total, alcançando 95,8% de sensibilidade e 86,5% de especificidade. Por outro lado, o melhor algoritmo de aprendizagem de máquina foi o baseado no método K-Nearest Neighbors, considerando informações de aceleração, velocidade e deslocamento verticais combinadas com os ângulos de orientação espacial: 100% de sensibilidade e 97,9% de especificidade. Os resultados obtidos permitem enfatizar a relevância de algoritmos de aprendizagem de máquina para sistemas de detecção de queda vestíveis localizados no punho quando comparados a algoritmos baseados em limiar. Esta conclusão oferece grande contribuição para a pesquisa de detectores de quedas similares, sugerindo a melhor abordagem para novos desenvolvimentos.