Seleção de Modelos de Machine Learning para Predição da Intenção de Movimento Relacionada a Marcha de Usuários Simulando Pacientes em Reabilitação Pós-AVC Utilizando Sensores Inerciais

• Processo: 24/17013-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2024
• Data de Término da vigência: 30 de novembro de 2025
• Área de conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Gustavo Jose Giardini Lahr
• Beneficiário: Felipe Iannarelli Martins
• Instituição Sede: Instituto Israelita de Ensino e Pesquisa Albert Einstein (IIEPAE). Sociedade Beneficente Israelita Brasileira Albert Einstein (SBIBAE). São Paulo , SP, Brasil
• Assunto(s): Aprendizado computacional Acidente vascular cerebral Reabilitação
• Palavra(s)-Chave do Pesquisador: Análise de Marcha | Aprendizado de Máquina | Avc | Reabilitação | Bioengenharia

Resumo

O acidente vascular cerebral (AVC) frequentemente causa dificuldades motoras, especialmente na locomoção, e a reabilitação adequada é fundamental para restaurar a autonomia do paciente. Especialmente durante a marcha, os pacientes em tratamento pós-AVC podem ser beneficiados com dispositivos que os auxiliem na locomoção e evitem quedas. No entanto, o desenvolvimento destas tecnologias exige que sua intenção de locomoção seja prevista para que os dispositivos possam executar trajetórias pertinentes. Este projeto visa desenvolver uma tecnologia vestível de baixa carga de utilização ao utilizar IMUs para coletar dados da marcha dos usuários e prever sua intenção. Sensores serão colocados em diferentes partes dos membros inferiores para monitorar parâmetros importantes da caminhada. Esses dados serão usados para treinar modelos de machine learning que possam prever com precisão a intenção de movimento dos pacientes. O modelo deverá ser capaz de classificar com alta performance o desejo do usuário entre parar, continuar, girar à esquerda ou à direita. O melhor modelo será então selecionado e serão realizados testes de seleção de características a fim de diminuir a quantidade de vestíveis necessários a serem utilizados pelo usuário. Nesta fase do projeto, os testes serão realizados com sujeitos saudáveis com imobilização nos membros inferiores para mimetizar a marcha ceifante de pacientes pós-AVC. Espera-se que a qualidade de predição da intenção do usuário seja comparável a modelos baseados em visão computacional, que são limitados em termos de portabilidade. Este projeto contribuirá para o desenvolvimento de tecnologias assistivas inteligentes no auxílio de marcha.