Publicação: Avaliação do desempenho de classificadores na discriminação de indivíduos adultos e idosos saudáveis a partir da função manual
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A identificação de características que auxiliam na avaliação de processos relacionados ao
envelhecimento é um assunto cada vez mais estudado. O uso de biomarcadores e ferramentas
que oferecem maior especificidade e sensibilidade para quantificar e caracterizar tarefas
motoras, ajuda a compreender as mudanças biológicas ocorridas devido ao avanço da idade,
podendo predizer fenótipos relacionados à idade ou desfecho de saúde. Como proposta deste
estudo, têm-se como objetivo avaliar o desempenho de diferentes classificadores na
discriminação de indivíduos adultos e idosos saudáveis a partir da caracterização da função
manual, utilizando sensores inerciais. Método: Foram recrutados 99 participantes saudáveis,
com faixa etária entre 20 a 98 anos. A coleta de dados foi realizada por meio de sensores
inerciais, posicionados no dorso e região posterior da mão dominante. Os indivíduos
realizaram três tarefas sequenciais com o antebraço flexionado, (i) repouso, (ii) pinça polpa a
polpa e (iii) supinação/pronação. Diferentes características foram extraídas dos sinais para
serem utilizadas na comparação dos valores da especificidade, sensibilidade, precisão e
acurácia. Os algoritmos Floresta Aleatória (RF), Máquina Vetor Suporte (SVM), K-vizinho
mais próximo (KNN) e Naive Bayes (NB) foram utilizados para classificar os grupos.
Resultados: Através das características extraídas dos sensores inerciais da mão dominante
dos voluntários, o algoritmo que apresentou o melhor desempenho em relação à sensibilidade
foi o SVM quando alimentado com 25% das características, com uma taxa de 89.6%. O
classificador RF foi o que obteve melhor especificidade (72.8%) quando alimentado com
todas as características. Já o NB obteve melhor precisão e acurácia (75.5% e 79.3%
respectivamente) quando alimentado com 60% das características. Conclusão: Os resultados
obtidos nesse estudo demonstram que o uso de algoritmos de classificação da machine
learning na discriminação de grupos adultos e idosos saudáveis, com altas taxas de
sensibilidades e especificidades, fornece informações valiosas para avaliações clínicas a partir
da previsão de alterações motoras relacionadas ao avanço da idade diante da caracterização de
tarefas motoras.
Abstract
The identifcation of features that aid in the assessment of processes related to aging is an area
of ever-increasing study. The use of biomarkers and tools that ofer greater specifcity and
sensitivity to quantify and characterize motor tasks, aid in the understanding of biological
changes that occur due to advancing age, and as such predefne phenotypes related to age or
health outcomes. The proposal behind this study is thus to assess the performance of diferent
classifers in the discrimination of both healthy individual adults and senior citizens from the
characterization of functional ftness tasks, using inertial sensors. Method: Ninety-nine
healthy participants were recruited, with ages ranging from 20 to 98 years old. The collection
of data was performed by means of two inertial measurement units (IMUs), positioned in the
region of the distal third of the forearm of the dominant hand and on the back of the dominant
hand. The participants performed three successive tasks with the forearm fexed, (i) at rest, (ii)
pulp to pulp pinch, and (iii) supination/pronation. Diferent features were extracted from the
signals that were then used in the comparison of the values for specifcity, sensitivity,
precision, and accuracy. The classifers random forest (RF), support vector machine (SVM), knearest
neighbor (KNN), and naive Bayes (NB) were used to classify the groups. Results:
Through use of the features extracted by the IMUs in the region of the distal third of the
forearm of the dominant hand, and on the back of the dominant hand of the volunteers, the
classifer that presented the best sensitivity was the SVM, when fed with 25% of the features,
with a rate of 89.6%. The RF classifer was the one that obtained the best specifcity (72.8%),
when fed with all the features. However, the NB obtained the best precision and accuracy
(75.5% and 79.3% respectively), when fed with 60% of the features. Conclusion: The results
obtained in this study demonstrate that the use of classifcation algorithms from machine
learning in the discrimination of healthy adult and senior citizen groups, with high rates of
sensitivity and specifcity, provide valuable information for clinical assessment concerning the
prediction of motor changes related to advancing age regarding the characterization of motorrelated
tasks.
Palavras-chave
Envelhecimento humano, Sensores inerciais, Classificadores, Human aging, Inertial sensors, Classifer
Citação
SILVA, Gabriella Lelis. Avaliação do desempenho de classificadores na discriminação de indivíduos adultos e idosos saudáveis a partir da função manual. 2023. 81 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.te.2023.7042.