Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Oliveira, Carlos Eduardo de [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Exoesqueleto
Identificação de passada
Clusterização k-means
Exoskeleton
Gait identification
k-means clustering
Link de acesso: http://hdl.handle.net/11449/216565
Resumo: O objetivo deste trabalho é estudar o comportamento cinemático de um modelo de exoesqueleto de membros inferiores, a fim de identificar padrões de passada utilizando métricas biomecânicas quantitativas. As ferramentas para identificação dos padrões de passada bem como alterações dos padrões provocada por doenças crônicas como diabetes ou uma lesão causada por trauma, só podem ser diagnóstica com uso de sistemas, como por exemplo, acelerometria, videogrametria e exoesqueleto. Este trabalho busca uma forma de identificar os padrões de passada com estrutura exoesqueleto de membros inferiores, principalmente através da identificação de quais variáveis cinemáticas e métricas biomecânicas são mais relevantes nesta identificação. Neste trabalho especificamente, as análises foram realizadas com 18 métricas a partir de variações paramétricas de comprimento de fêmur e tíbia e combinações de trajetória de pé e pelve. Os resultados mostraram que o algoritmo não supervisionado k-means é capaz de realizar identificação precisa, até 100% em alguns casos, desde que uma boa seleção das métricas seja feita. Métodos de redução de dimensão e de seleção de atributos foram utilizados e comparados para realizar esta seleção. Em geral, as métricas relacionadas a trajetória do joelho foram as mais bem-sucedidas na previsão de padrões de passada.
id UNSP_2abac79adf6e8e3eb9951dc1d8bd0f83
oai_identifier_str oai:repositorio.unesp.br:11449/216565
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-meansThe gait identification of exoeskeleton with unsupervised clustering algorithm k-meansExoesqueletoIdentificação de passadaClusterização k-meansExoskeletonGait identificationk-means clusteringO objetivo deste trabalho é estudar o comportamento cinemático de um modelo de exoesqueleto de membros inferiores, a fim de identificar padrões de passada utilizando métricas biomecânicas quantitativas. As ferramentas para identificação dos padrões de passada bem como alterações dos padrões provocada por doenças crônicas como diabetes ou uma lesão causada por trauma, só podem ser diagnóstica com uso de sistemas, como por exemplo, acelerometria, videogrametria e exoesqueleto. Este trabalho busca uma forma de identificar os padrões de passada com estrutura exoesqueleto de membros inferiores, principalmente através da identificação de quais variáveis cinemáticas e métricas biomecânicas são mais relevantes nesta identificação. Neste trabalho especificamente, as análises foram realizadas com 18 métricas a partir de variações paramétricas de comprimento de fêmur e tíbia e combinações de trajetória de pé e pelve. Os resultados mostraram que o algoritmo não supervisionado k-means é capaz de realizar identificação precisa, até 100% em alguns casos, desde que uma boa seleção das métricas seja feita. Métodos de redução de dimensão e de seleção de atributos foram utilizados e comparados para realizar esta seleção. Em geral, as métricas relacionadas a trajetória do joelho foram as mais bem-sucedidas na previsão de padrões de passada.The objective of this work is to study the kinematic behavior of a lower limb exoskeleton model, in order to identify gait patterns using quantitative biomechanical metrics. Techniques for identifying gait patterns as well as changes in patterns caused by chronic illnesses such as diabetes or an injury caused by trauma, can only be diagnostic using systems, such as accelerometry, videogrammetry and exoskeleton. This work seeks a way to identify gait patterns with exoskeleton structure of lower limbs, mainly through the identification of which kinematic variables and biomechanical metrics are most relevant in this identification. In this work specifically, the analyzes were performed with 18 metrics from parametric variations of femur and tibia length and combinations of foot and pelvis trajectory. The results showed that the unsupervised k-means algorithm is capable of performing accurate identification, up to 100% in some cases, as long as a good selection of metrics is done. Dimension reduction and attribute selection methods were used and compared to perform this selection. In general, metrics related to knee trajectory were the most successful in predicting gait patterns.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: 88882.432821/2019-01)Universidade Estadual Paulista (Unesp)Silveira, Marcos [UNESP]Universidade Estadual Paulista (Unesp)Oliveira, Carlos Eduardo de [UNESP]2022-02-14T13:23:41Z2022-02-14T13:23:41Z2021-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/21656533004056080P8porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2025-08-28T05:01:30Zoai:repositorio.unesp.br:11449/216565Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462025-08-28T05:01:30Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
The gait identification of exoeskeleton with unsupervised clustering algorithm k-means
title Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
spellingShingle Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
Oliveira, Carlos Eduardo de [UNESP]
Exoesqueleto
Identificação de passada
Clusterização k-means
Exoskeleton
Gait identification
k-means clustering
title_short Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
title_full Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
title_fullStr Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
title_full_unstemmed Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
title_sort Identificação da passada de um exoesqueleto utilizando algoritmo de classificação não supervisionado k-means
author Oliveira, Carlos Eduardo de [UNESP]
author_facet Oliveira, Carlos Eduardo de [UNESP]
author_role author
dc.contributor.none.fl_str_mv Silveira, Marcos [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Oliveira, Carlos Eduardo de [UNESP]
dc.subject.por.fl_str_mv Exoesqueleto
Identificação de passada
Clusterização k-means
Exoskeleton
Gait identification
k-means clustering
topic Exoesqueleto
Identificação de passada
Clusterização k-means
Exoskeleton
Gait identification
k-means clustering
description O objetivo deste trabalho é estudar o comportamento cinemático de um modelo de exoesqueleto de membros inferiores, a fim de identificar padrões de passada utilizando métricas biomecânicas quantitativas. As ferramentas para identificação dos padrões de passada bem como alterações dos padrões provocada por doenças crônicas como diabetes ou uma lesão causada por trauma, só podem ser diagnóstica com uso de sistemas, como por exemplo, acelerometria, videogrametria e exoesqueleto. Este trabalho busca uma forma de identificar os padrões de passada com estrutura exoesqueleto de membros inferiores, principalmente através da identificação de quais variáveis cinemáticas e métricas biomecânicas são mais relevantes nesta identificação. Neste trabalho especificamente, as análises foram realizadas com 18 métricas a partir de variações paramétricas de comprimento de fêmur e tíbia e combinações de trajetória de pé e pelve. Os resultados mostraram que o algoritmo não supervisionado k-means é capaz de realizar identificação precisa, até 100% em alguns casos, desde que uma boa seleção das métricas seja feita. Métodos de redução de dimensão e de seleção de atributos foram utilizados e comparados para realizar esta seleção. Em geral, as métricas relacionadas a trajetória do joelho foram as mais bem-sucedidas na previsão de padrões de passada.
publishDate 2021
dc.date.none.fl_str_mv 2021-12-20
2022-02-14T13:23:41Z
2022-02-14T13:23:41Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/216565
33004056080P8
url http://hdl.handle.net/11449/216565
identifier_str_mv 33004056080P8
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954551086415872

Registros relacionados