Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Stevan Junior, Sergio Luiz | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-4783-5350 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1661935150054196 | - |
Autor(es): dc.contributor | Vargas, Leandro Martinez | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-7324-4450 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/5268629732637642 | - |
Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-1278-4602 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6904980376005290 | - |
Autor(es): dc.contributor | Costa, Christiane Maria Ogg Nascimento Gonçalves | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-1811-0761 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/3960399031407211 | - |
Autor(es): dc.contributor | Stevan Junior, Sergio Luiz | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-4783-5350 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1661935150054196 | - |
Autor(es): dc.creator | Nascimento, Lucas Medeiros Souza do | - |
Data de aceite: dc.date.accessioned | 2022-02-21T22:25:30Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T22:25:30Z | - |
Data de envio: dc.date.issued | 2020-04-29 | - |
Data de envio: dc.date.issued | 2020-04-29 | - |
Data de envio: dc.date.issued | 2019-12-18 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/4884 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/674818 | - |
Descrição: dc.description | This work aims to develop a wearable device, based on inertial sensors and artificial neural network (ANN) for the identification of the type of step during gait, to aid diagnosis and monitoring to be performed by health professionals. The device contains a central responsible for the grouping and transmission of the signals. The two inertial modules are arranged one on the posterior surface of the calcaneus bone and the other on the gastrocnemius muscle. The reception and storage of data is performed on a computer using the Wi-Fi ™ protocol. Inertial data from the gait of 9 people with an average age of 24.8 were collected. The data were used to extract characteristics and arranged as inputs in a Multilayer Perceptron (MLP) to perform the classification of types of step. All individuals collected data under a protocol, which consists of walking 5 meters away. They were also submitted to data collection and evaluated by a professional who classified the type of step. The data were filtered, segmented, normalized and the characteristics were extracted in samples defining the database. To define the RNA configuration and the number of neurons to be used, the K-fold cross-validation method was used. The MLP with the best performance stood out the maximum, minimum and DASDV characteristic for the right foot and maximum, minimum and WL for the left foot, all of which showed an accuracy of 99.22% in the test level for both feet. | - |
Descrição: dc.description | Este trabalho tem como objetivo desenvolver um dispositivo vestível, baseado em sensores inerciais e rede neural artificial (RNA) para a identificação do tipo de pisada durante a marcha, para auxilio de diagnóstico e acompanhamento a serem realizados por profissionais da área de saúde. O dispositivo contém uma central responsável pelo agrupamento e transmissão dos sinais. Os dois módulos inerciais ficam dispostos um na face posterior do osso calcâneo e outro no músculo gastrocnêmio. A recepção e armazenamento dos dados é realizado em um computador por meio do protocolo WiFi™. Foram coletados dados inerciais decorrentes da marcha de 9 pessoas com média de idade de 24,8. Os dados foram utilizados para extração de características e dispostos como entradas em uma RNA do tipo Perceptron de múltiplas camadas (Multilayer Perceptron- MLP) para realização da classificação dos tipos de pisada. Todos os indivíduos se submeteram a realização do protocolo de coleta que consiste em realizar caminhadas de 5 metros de distância. Foram ainda submetidos à coleta de dados e avaliados por um profissional que classificou o tipo de pisada. Os dados foram filtrados, segmentados, normalizados e foram extraídas as características em amostras definindo a base de dados. Para a definição da configuração da RNA e a quantidade de neurônios a ser utilizada, foi empregado o método de validação cruzada K-fold. A MLP com melhor desempenho destacou-se a característica máximo, mínimo e DASDV para o pé direito e máximo, mínimo e WL para o pé esquerdo, todos apresentaram uma acurácia de 99,22% na etapa de teste para ambos os pés. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Elétrica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Pegadas | - |
Palavras-chave: dc.subject | Sistemas de navegação inercial | - |
Palavras-chave: dc.subject | Detectores | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Sistemas de comunicação sem fio | - |
Palavras-chave: dc.subject | Footprints | - |
Palavras-chave: dc.subject | Inertial navigation systems | - |
Palavras-chave: dc.subject | Detectors | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Wireless communication systems | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Desenvolvimento de um dispositivo para classificação de pisada utilizando sensores inerciais | - |
Título: dc.title | Development a device for foot type classification using inertial sensors | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: