SISTEMA DE DETECÇÃO DE ANOMALIAS A PARTIR DE PADRÕES NA MARCHA HUMANA

Resumo

A marcha humana possui informações sobre o estado de saúde de um indivíduo, podendo indicar a presença de patologias. Assim, a implementação de um sistema de análise da marcha que seja preciso, não invasivo e de baixo custo, tem aplicação importante na realização de diagnósticos, no monitoramento, no tratamento e na reabilitação. Neste sentido, a análise da marcha corresponde ao processo que envolve desde a coleta de dados até a determinação de informações quantitativas capazes de descrever o padrão considerado como normalidade e os padrões associados às patologias. O diagnóstico precoce e preciso é fundamental para o desenvolvimento do plano de tratamento e para a avaliação das melhorias obtidas com a terapia adotada. Em um passado mais recente, sistemas baseados em sensores óticos que realizam o rastreamento de pontos do corpo humano sem marcadores têm sido empregados dentro do contexto de aplicação médica, por meio da extração de parâmetros espaço temporais da passada, do ângulo de articulação do joelho, dentre outros, a partir das informações coletadas pelo sensor Kinect, o qual pode ser utilizado para o rastreamento da dinâmica dos membros inferiores e superiores, os quais trazem informações sobre a marcha. Neste contexto, o objetivo do trabalho é aplicar um sistema para extrair parâmetros espaço temporais dos sinais de 20 marchas diferentes, e no fim realizar uma análise de padrão e anomalias entres eles. Com a câmera Kinect V2 e o software MatLab, se extraiu os ciclos de marcha de 20 indivíduos, foram feitas gravações de dois minutos em três velocidades diferentes: 1,5 Km/h, 2,0 Km/h e 3,0 Km/h. Para uma primeira análise, se utilizou algumas ferramentas de processamento de sinais, como a aplicação de filtros digitais e formalização das características físicas espaciais no tempo e na frequência. Com os dados devidamente processados, foi fixado limites superiores e inferiores de variação normal de cada parâmetro extraído, considerando o desvio padrão da população constituída na base, e se percebeu alguns indivíduos com padrões bem diferentes quando comparado com a população estudada. A partir disso, foi realizado uma modelagem não supervisionada a partir da análise de agrupamento k-means, advindo do campo da mineração dos dados. Análise que permitiu extrair a informação que a população pode ser dividida em 5 diferentes grupos. Cada grupo possui algumas características particulares com relação aos ângulos do calcanhar e do joelho com a coxa. Isso mostra uma potencial possibilidade de encontrar padrões que possam classificar anomalias, ou patologias, quando aplicado em populações maiores.