Detecção de risco de queda de hospitalizados através da informação do estado do canal sem-fio

• Ano de defesa: 2021
• Autor(a) principal: Chagas, Amanda de Oliveira Sabino das
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; Brasil; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Electronic engineering; Wireless communication systems; Algorithms; Wireless local area networks; Detectors; Engenharia eletrônica; Sistemas de comunicação sem fio; Algorítmos; Redes locais sem fio; Detectores; ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
• Link de acesso: http://www.bdtd.uerj.br/handle/1/17128

A Informação do Estado do Canal (CSI - Channel State Information) está disponível em redes sem fio do padrão IEEE 802.11. A CSI traz informação sobre o ambiente de propagação através da amplitude e fase das subportadoras OFDM. Neste estudo, emprega-se a CSI para a detecção de risco de queda de pacientes hospitalizados. Detecta-se a mudança no ambiente de propagação do sinal sem fio e a partir deste princípio não-intrusivo são implementados detectores de risco de queda em ambiente hospitalar. Os detectores propostos detectam o risco como anomalias no ambiente a partir da identificação de alterações no ambiente de propagação. Propomos três detectores usando diferentes algoritmos de aprendizagem de máquina: kNN (k-Nearest Neighbors), PCA (Principal Component Analysis) e Autoencoder. Para cada um deles são escolhidos os pontos de corte a partir da técnica de testes e diagnósticos da Curva ROC, obtendo acurácias de até 87,33% para o kNN, 93,00% para o PCA e 90,92% para o Autoencoder. Para esse trabalho é desenvolvido um banco de dados de situações normais e de risco de queda. Além da análise global do detector de risco de queda por anomalias, avalia-se como diferentes tipos de queda comprometem o funcionamento dos detectores de anomalias, ao usá-los para classificar as situações como de risco ou sem risco de queda.