Search

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico FAPEMIG - Fundação de Amparo a Pesquisa do Estado de Minas Gerais O diagnóstico e avaliação da gravidade da doença de Parkinson (DP) é uma tarefa que tem sido realizada por meio de avaliação clínica e uso de escalas subjetivas. Ao longo dos anos, vários estudos relataram resultados e tecnologias com o objetivo de tornar a caracterização da DP mais objetiva. Nesta perspectiva, identificamos a possibilidade de usar sensores capacitivos sem contato para registrar a atividade motora da mão e punho. Outro desafio identificado está relacionado à quantificação da gravidade dos sintomas motores da DP. Neste estudo, apresentamos o uso de uma ferramenta inovadora, Embutimento Estocástico de Vizinho Distribuído (t-PND), para redução e visualização de informações. O uso dessa ferramenta permitiu a visualização de dados em um espaço bidimensional e uma melhora no desempenho dos classificadores responsáveis ​​por estimar a gravidade da doença. Para avaliar o uso de sensores capacitivos e ferramentas de processamento de sinais, foram coletados dados de indivíduos neurologicamente saudáveis ​​e pessoas com DP. No final, nossas contribuições são as seguintes: (i) desenvolvimento e avaliação de uma tecnologia para registrar sinais motores de atividades de mãos e pulsos, com base em sensores capacitivos sem contato; (ii) avaliação comparativa entre várias ferramentas para processamento de sinais, a fim de avaliar objetivamente os sintomas motores da DP. The diagnosis and evaluation of the severity of Parkinson's disease (PD) is a task that has been performed through clinical evaluation and use of subjective scales. Over the years several studies have reported results and technologies with the purpose of making the characterization of PD more objective. In this perspective, we have identified the possibility of using non-contact capacitive sensors to record the motor activity of the hand and wrist. Another identified challenge is related to the quantification of the severity of motor symptoms of PD. In this study, we present the use of an innovative tool, t-Distributed Stochastic Neighbor Embedding (t-SNE), for the reduction and visualization of information. The use of this tool allowed the visualization of data in a two-dimensional space and an improvement of the performance of classifiers responsible for estimating the severity of the disease. In order to evaluate the use of capacitive sensors and signal processing tools, data from neurologically healthy individuals and people with PD were collected. In the end, our contributions are the following: (i) development and evaluation of a technology for recording motor signals of hand and wrist activities, based on capacitive contactless sensors; (ii) comparative evaluation among several tools for signal processing, in order to objectively evaluate the motor symptoms of PD. Tese (Doutorado)

Nas últimas décadas, a evolução tecnológica trouxe grandes avanços para o campo da reabilitação humana. Dentre estes avanços, a disponibilização de serviços de reabilitação para usuários em localidades remotas - conhecida como telereabilitação - tornou possível a realização de tratamento a distância, reduzindo a necessidade de deslocamento aos centros de reabilitação. Além disso, ambientes virtuais e aumentados de treinamento possibilitaram o uso de simulações realísticas no processo de reabilitação, melhorando a experiência dos pacientes e reduzindo sua exposição aos riscos inerentes ao mundo real. Apesar destes benefícios, quando utilizada em um contexto distribuído, a tecnologia de Realidade Aumentada traz novos desafios ao processo de desenvolvimento, incluindo a integração de componentes de software de diferentes provedores. Para estas aplicações, torna-se necessário o desenvolvimento de técnicas de rastreamento mais robustas quanto aos erros de transmissão em rede. Este requisito em particular motivou a experimentação de algoritmos alternativos de rastreamento, incluindo o uso de redes neurais profundas no rastreamento visual. O papel fundamental da topologia das redes no desempenho destes rastreadores demanda a investigação de técnicas de pesquisa automática, incluindo o uso de algoritmos de computação evolutiva para esta finalidade. Neste contexto, este trabalho apresenta como contribuição um modelo de arquitetura de software para Realidade Aumentada, com foco na integração de componentes independentes para transmissão de conteúdo aumentado. Além disso, rastreadores baseados em aprendizagem profunda para detecção de marcadores fiduciais foram projetados, implementados e avaliados, apresentando desempenho superior a outros rastreadores quando aplicados a vídeos capturados por fontes remotas. Finalmente, a aplicação de algoritmos evolutivos na seleção de topologias de redes profundas é discutida, apresentando resultados competitivos quando comparados ao estado da arte. In the past few decades, technology evolution has brought many improvements to the field of human rehabilitation. Among these improvements, the delivery of rehabilitation services to users at distant locations - known as telerehabilitation - made it possible to provide patients with home-based therapy, reducing the need for displacement to rehabilitation centers. In addition, the use of virtual and augmented training environments have enabled realistic simulation in the rehabilitation process, enhancing patients’ experience and reducing exposure to real-world risks. Despite these benefits, when used in a distributed context, Augmented Reality technology brings additional challenges to the development process, including the integration of software components provided by heterogeneous sources. Also, the development of robust tracking techniques, less prone to detection errors resulting from network transmission is desired. This particular requirement motivated the development of alternative tracking algorithms, including the use of deep neural networks in visual tracking. When designing these trackers, the major role of network’s topology selection has lead to the investigation of automatic search techniques, including evolutionary computation algorithms. In this context, this work presents as contribution a software architecture model for Augmented Reality, focusing on the reliable integration of independent software components for augmented content streaming. In addition, deep visual trackers for fiducial marker detection were designed and evaluated, outperforming other trackers when processing remotely captured video frames. Finally, the application of an evolutionary algorithm in deep neural networks’ topology selection is discussed, presenting competitive results when compared to state-of-the-art methods. Tese (Doutorado)