Utilize este identificador para referenciar este registo: http://hdl.handle.net/10071/33700
Autoria: Luz, Francisco Manuel da Silva
Orientação: Raimundo, António Sérgio Lima
Data: 25-Nov-2024
Título próprio: Enhancing virtual physiotherapy through computer vision and pose estimation
Referência bibliográfica: Luz, F. M. da S. (2024). Enhancing virtual physiotherapy through computer vision and pose estimation [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/33700
Palavras-chave: Physical rehabilitation
Stroke
Visão computacional -- Computer vision
Machine learning -- Machine learning
Inteligência artificial -- Artificial intelligence
Pose estimation
Reabilitação física
AVC -- Acidente Vascular Cerebral -- CVA Cerebrovascular Accident
Estimação de pose
Resumo: This dissertation investigates how a smart physiotherapy system is able to improve physical rehabilitation by using pose estimation and computer vision-based solutions. The objective is to create a platform that helps patients to do physical rehabilitation at home and provides them real-time feedback about the movements and the exercise performance. Utilizing the MediaPipe Pose framework and machine learning algorithms, the platform is able to automatically track and evaluate joint movements by categorizing them based on the exercise at hand. It extends corrective assistance so users can have the correct posture when performing the exercises for their rehabilitation. The system is responsive to variable patient requirements, facilitating patients’ autonomy and maintenance over the long-term, with a specific focus on stroke survivors. In fact, this study points the way to a far superior form of remote rehabilitation that delivers personalized care and precise mobility analysis, using AI in unique and ground-breaking ways. Ultimately, the goal is to improve the quality of recovery through other great features including real-time feedback and computer vision technology ensuring that these exercises are conducted accurately during the patient physical rehabilitation.
Esta dissertação investiga como um sistema inteligente de fisioterapia pode melhorar a reabilitação física usando estimativa de pose e soluções baseadas em visão computacional. O objetivo é criar uma plataforma que ajude os pacientes a realizar reabilitação física em casa e forneça "feedback" em tempo real sobre os movimentos e o desempenho do exercício. Utilizando a estrutura "MediaPipe Pose" e algoritmos de "Machine Learning", a plataforma é capaz de rastrear e avaliar automaticamente os movimentos das articulações, categorizando-os conforme o exercício em causa. Esta plataforma amplia a assistência corretiva para que o utilizador tenha a postura correta na execução dos exercícios para a sua reabilitação. O sistema responde às várias necessidades dos pacientes, facilitando a autonomia e a manutenção dos pacientes a longo prazo, com foco específico nos sobreviventes de acidentes vasculares cerebrais (AVC). Na verdade, este estudo aponta o caminho para uma forma otimizada de reabilitação motora que oferece atendimento personalizado e análise precisa da mobilidade, usando a Inteligência Artificial. Em última análise, o objetivo é melhorar a qualidade da recuperação através de outras funcionalidades, incluindo "feedback" em tempo real e a tecnologia de visão computacional, garantindo que esses exercícios sejam realizados com precisão durante a reabilitação física do paciente.
Designação do Departamento: Departamento de Ciências e Tecnologias da Informação
Designação do grau: Mestrado em Informática e Gestão
Arbitragem científica: yes
Acesso: Acesso Aberto
Aparece nas coleções:T&D-DM - Dissertações de mestrado

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
master_francisco_silva_luz.pdf1,72 MBAdobe PDFVer/Abrir


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpaceOrkut
Formato BibTex mendeley Endnote Logotipo do DeGóis Logotipo do Orcid 

Este registo está protegido por Licença Creative Commons Creative Commons