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 | Bó, Antônio Padilha Lanari | - |
Autor(es): dc.creator | Fonseca, Lucas Oliveira da | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:59:33Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:59:33Z | - |
Data de envio: dc.date.issued | 2021-01-18 | - |
Data de envio: dc.date.issued | 2021-01-18 | - |
Data de envio: dc.date.issued | 2021-01-17 | - |
Data de envio: dc.date.issued | 2019-07-12 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/39926 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/897276 | - |
Descrição: dc.description | Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019. | - |
Descrição: dc.description | A lesão medular (LM) é uma condição médica que frequentemente leva a deficiências motoras severas. Pessoas com LM podem ter paraplegia ou tetraplegia, e perder suas habilidades de realizar tarefas básicas como locomoção, alimentação e higiene. Ela afeta centenas de milhares de pessoas apenas no Brasil e muito poucos se recuperam totalmente. Tratamentos tradicionais como fisioterapia normalmente têm resultados limitados. Uma pessoa com LM pode não conseguir controlar seus membros superiores e inferiores, mas normalmente as estruturas locais, como músculos e neurônios motores, são preservados. Portanto estimulação elétrica funcional (EEF) pode ser usada para induzir contração nesses músculos e gerar movimento em membros paralisados. Neste trabalho eu desenvolvi uma plataforma de técnicas para interfaces de usuário que explora capacidades motoras residuais que usuários com LM podem ainda ter para controlar neuropróteses. Para obter informações de movimento, uso unidades de medida inercial (UMI). Eu desenvolvi e avaliei algoritmos para detecção e classificação de movimentos de usuários com paraplegia e tetraplegia. O objetivo é que os usuários possam usar seus próprios movimentos residuais, dependendo do seu nível de lesão, para ativar diferentes comandos de dispositivos assistivos. Eu usei as técnicas desenvolvidas em três cenários de aplicações com pessoas com LM. Primeiro eu executei um experimento em que três participantes com paraplegia ativaram um dispositivo ativado por EEF para auxílio em transferências sentado-pivô (TSP). Eu analisei dados cinemáticos dos troncos para investigar a viabilidade de usar essa informação para ativar a EEF nos seus membros inferiores durante a TSP. Depois eu desenvolvi uma interface com a qual nove participantes com tetraplegia usaram movimentos de ombro para controlar uma mão robótica simulando um dispositivo de auxílio de preensão manual. Eu usei dados de acelerômetros e giroscópios e uma análise de componente principal para classificá-los. Então eu mapeei esses movimentos em três comandos na mão robótica. Em seguida eu desenvolvi uma interface que usa dados cinemáticos de membros superiores para ativar uma neuroprótese acionada por EEF em membros inferiores de pessoas com paraplegia durante remo assistido por EEF. Eu usei uma máquina de estados finitos e análise discriminante linear para classificar todos os movimentos de membro superior do usuário em três comandos de fases diferentes no remo. Eu avaliei esse sistema com um participante e um remo ergômetro adaptado para remadores com LM. No experimento de transferência, cada participante moveu seu tronco de uma forma similar em todas as repetições, com desvios padrão de ângulos menores que 5°, o que significa que eu posso usar essa técnica para automatizar a ativação da EEF. Os participantes que utilizaram a interface de simulação de preensão manual conseguiram controlar a mão robótica com sucesso, corretamente executando 91% dos comandos solicitados. Por fim, o participante do protocolo de remo foi capaz de remar com a interface desenvolvida utilizando apenas os movimentos de membros superiores. O sistema ativou a neuroprótese em seus membros inferiores em sincronia com os seus membros superiores. Esses resultados mostram que pessoas com LM conseguem usar seus movimentos residuais para controlar dispositivos assistivos nas condições observadas. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES); Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq); Fundação de Apoio à Pesquisa do Distrito Federal (FAP/DF) e Instituto de Engenheiros Eletricistas e Eletrônicos (IEEE). | - |
Descrição: dc.description | Spinal cord injury (SCI) is a serious medical condition that often leads to severe motor disabilities. Persons with SCI may have paraplegia or tetraplegia, greatly decreasing their ability to perform basic tasks such as locomotion, feeding and hygiene. It affects hundreds of thousands of people in Brazil alone and very few people totally recover from it. Traditional recovery treatments such as physiotherapy typically have limited results. A person with SCI may not be able to control their upper or lower limbs, but often the local structures, such as muscles and motoneurons, are preserved. Therefore functional electrical stimulation (FES) can be used to induce contraction on these muscles and generate movement in paralyzed limbs. However, due to their own motor disabilities, patients usually find it hard in their daily lives to operate FES assistive devices. This limits their performance and usability. In this work, I developed a framework of techniques for user interfaces that explore residual motor capabilities that users with SCI may still possess to control neuroprostheses. In order to acquire movement information I use inertial measurement units (IMUs). I developed and evaluated algorithms for detection and classification of movements by users with paraplegia and tetraplegia. They use their own residual movements, depending on their injury levels, to activate different commands in assistive devices. I applied the developed techniques in three application scenarios with persons with SCI. First I performed an experiment in which three users with paraplegia activated an FES device to aid in sitting pivot transfers (SPT). I analyzed their trunk kinematics to investigate the feasibility of using that information to activate the FES on their lower limbs during the SPT. Then I developed an interface with which nine users with tetraplegia used shoulder movements to control a robotic hand, which simulated an upper limb grasping assisted device. In this case, I used accelerometer and gyroscope data along a threshold technique to detect movements, and a principal component analysis (PCA) to classify them. I then mapped these movements into different commands on the robotic hand. Next I developed an interface that uses upper limb kinematics to properly activate an FES neuroprosthesis on lower limbs of persons with paraplegia during FES-rowing. I used a finite state machine and linear discriminant analysis (LDA) to constantly classify every upper limbs movement from the user into three different rowing phases commands. I evaluated it with one participant and an adapted rowing machine for rowers with SCI. On the transfer experiment, each participant moved their trunk in a similar way across trials, with angles standard deviations less than 5°, which means I can use it to automate the FES activation. Using the upper limb grasping simulation interface, participants were able to successfully control the robotic hand, correctly performing 91% of the robotic hand commands I instructed them to. Finally, the rowing protocol participant was capable of rowing with the developed interface with only their upper limbs movements. The system activated his lower limbs neuroprosthesis in sync with the upper limbs rowing motion. Also, he could start and control the FES by stopping or moving his arms. These results show that persons with SCI are successful in using residual motor capabilities to control assistive devices under the observed conditions. | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Lesão medular | - |
Palavras-chave: dc.subject | Estimulação elétrica | - |
Palavras-chave: dc.subject | Aprendizagem de máquina | - |
Palavras-chave: dc.subject | Movimento - análise | - |
Palavras-chave: dc.subject | Interface de usuários | - |
Título: dc.title | Neuroprostheses control interfaces based on body motion in persons with spinal cord injury | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: