Publicação: Caracterização do tremor parkinsoniano de membros superiores por meio de sensores inerciais usando os métodos KNN e FCM
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Andrade, Adriano de Oliveira
Resumo
O tremor e todas as derivações de patologias implicadas a ele têm nos idosos
a parcela populacional mais representativa, sendo ele uma fonte primária responsável
por uma deterioração física e na vida social do sujeito. Na atualidade, a população
idosa está aumentando e representa uma grande mudança mundial, na qual, no
Brasil, tem tido um aumento percentual significante nos últimos anos. A população
idosa está mais inclinada a desenvolver tremores. Porém, o tremor pode indicar
síndromes mais complexas, como a doença de Parkinson. Dessa forma, este estudo
tem como foco a classificação da severidade do tremor em membros superiores em
sujeitos com a doença de Parkinson por meio de características extraídas de sensores
inerciais que possam ser usados na análise da relação entre o tremor e sua
severidade usando o classificador KNN e o FCM. Para a análise foram utilizados sinais
inerciais do banco de dados de sinais do Núcleo de Inovação e Avaliação Tecnológica
em Saúde (NIATS). As características extraídas do sinal foram divididas entre: 1)
amplitude; 2) frequência; 3) entropia; 4) variabilidade. A análise dos dados consistiu
na classificação das características extraídas da atividade dos sensores, sendo usado
um classificador baseado no K-nearest neighbor (KNN) e outro no Fuzzy C-Means
(FCM) e na sensibilidade, especificidade, acurácia e precisão do classificador. No
total, 27 indivíduos participaram do estudo, sendo 15 indivíduos com a doença de
Parkinson e 12 indivíduos saudáveis. Os resultados obtidos mostram que é possível
separar pessoas normais, daquelas com doença de Parkinson com melhores
resultados do KNN sobre o FCM com sensibilidade e acurácia acima de 0,96.
Abstract
Tremor and all the derivations of pathologies implicated in it have in the elderly
setting the most representative population, being a primary source responsible for
physical deterioration and in the social life of the subject. Nowadays, the elderly
population is increasing and represents a great worldwide change, in Brazil, it has had
a significant percentage increase in the last years. The elderly are more inclined to
develop tremors, but tremor may indicate more complex syndromes, such as
Parkinson's disease. Thus, this study focuses on the classification of tremor severity
in upper limbs in subjects with Parkinson's disease through features extracted from
inertial sensors that can be used to analyze the relationship between tremor and its
severity using KNN and FCM classifier. For the analysis, inertial signals from the signal
database of the Center for Innovation and Technological Evaluation in Health (NIATS)
were used. The characteristics extracted from the signal were divided between: 1)
amplitude; 2) frequency; 3) entropy; 4) variability. The data analysis consisted of
classification of the various characteristics extracted from the sensor activity, using a
classifier based on the K-nearest neighbor (KNN) and other based on Fuzzy C-Means
(FCM) and the sensitivity, specificity, accuracy and precision of the classifier. In total,
27 individuals participated in the study, 15 of them with Parkinson's disease, and 12
healthy ones were divided into two groups and the same protocol was used in both
groups. The results obtained show that it is possible to separate normal people, from
those with Parkinson's disease with better KNN results over FCM with sensitivity and
accuracy above 0,96.
Palavras-chave
Tremor, Doença de Parkinson, Classificador KNN, FCM, Dispositivos inerciais, Parkinson’s disease, KNN classifier, Inertial devices
Citação
CALIL, Bruno Coelho. Caracterização do tremor parkinsoniano de membros superiores por meio de sensores inerciais usando os métodos KNN e FCM. 2020. 71 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2020. DOI http://doi.org/10.14393/ufu.te.2020.416
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto