PhysioEnabler: Intelligent sensor system to aid motor rehabilitation with a web application

Abstract

Physical rehabilitation is a current topic due to the global aging population and an increase in chronic diseases and there are several initiatives and studies to bring new and innovative solutions in this area. One of the main challenges is the lack of data that can help to diagnose and provide more adequate treatments to patients. The current walking aids help improve the patients’ day-to-day by providing greater independence in their activities but don’t allow the extraction of any objective data for analysis. With the advances in IoT technologies, it is possible to enhance the aids’ functionality with sensors and other devices to extract information that can help physiotherapists improve their decisions and influence the patients’ course of treatment. The prototype presented in this dissertation proposes to add force, IMU (sensor that combines accelerometer, gyroscope, and magnetometer), and RFID (allows the identification with radio signals) sensors to a crutch and to use a microcontroller connected to these sensors to extract the data and send it to an endpoint in the cloud via MQTT protocol. The data processing takes place with cloud functions that also store the results. The information is available for patients and physiotherapists to view and analyze in a front-end developed in Python. The application also allows the creation of custom exercise plans according to the patient’s needs and is available for physiotherapists and patients to view.

A reabilitação física é um tema atual devido ao envelhecimento da população em geral, mas também ao aumento de doenças crónicas, havendo já diversas iniciativas e estudos para encontrar soluções inovadoras nesta área. Um dos maiores desafios é a falta de dados que possam ajudar a diagnosticar e tratar de forma mais adequada os pacientes. Os dispositivos de ajuda à mobilidade mais comuns permitem melhorar o dia a dia dos pacientes, na medida que lhes providenciam uma maior independência nas suas atividades, mas, não permitem a recolha de dados para análise. Com os avanços nas tecnologias de IoT, é possível dotar estas ajudas com sensores e outros dispositivos de modo a extrair dados que permitam aos fisioterapeutas tomar melhores decisões e influenciar positivamente o tratamento de um paciente. O protótipo apresentado nesta dissertação propõe o uso de sensores de força, IMU (sensor que combina acelerômetro, giroscópio e magnetómetro) e RFID (permite a identificação a partir de sinais rádio) a uma canadiana e utilizar um microcontrolador ligado aos sensores para extrair esta informação de modo a enviá-la para um endpoint na cloud via protocolo MQTT. O processamento destes dados é feito por cloud functions que também armazenam o resultado. A informação é disponibilizada tanto para fisioterapeutas como para pacientes num front-end desenvolvido em Python. A aplicação permite também que sejam criados planos de tratamento customizados de acordo com as necessidades de cada paciente que também podem ser consultados pelos vários utilizadores incluindo o fisioterapeuta e o paciente, utilizador da canadiana inteligente.