Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral
| Ano de defesa: | 2019 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | http://hdl.handle.net/11449/182261 |
Resumo: | O desvio lateral da coluna e a escoliose alteram o equilíbrio corporal de uma pessoa e a distribuição de seu peso nos pés. Atualmente com o auxílio do baropodômetro é possível medir a distribuição do peso corporal nos pés, trazendo inovação no que concerne sobre os impactos da escoliose nos mesmos. As alterações da coluna vertebral não são visíveis pelo baropodômetro, logo apenas mensurando a pressão dos pés não é possível determinar uma escoliose e seus possíveis ângulos. Dessa forma, adota-se o objetivo de realizar três redes neurais para classificação de escolioses com dados obtidos pelo baropodômetro do Laboratório de Instrumentação e Engenharia Biomédica (LIEB). No desenvolvimento das redes foram observadas vinte e cinco mil redes neurais feitas para cada proposta, sendo a rede neural A dividida em dois grupos que classificam o desvio lateral A1 (0º a 9º) e a escoliose A2 (10º a 20º) , a rede B foi dividida em dois grupos, B1 (10º a 13º) e B2 (14º a 20º) e a rede C1 que abrange o grupos A1, B1 e B2. A rede A (1,2) obteve uma acurácia média de 70,06%, a rede B (1,2) teve uma a acurácia média em 73,6% e a rede C (1,2,3) classificou em média 56,5% dos dados corretamente. Com os resultados obtidos conclui-se que uma classificação entre três grupos é inviável e a rede A e B podem ser utilizadas como métodos para acompanhamento de evolução ao longo do tempo. |
| id |
UNSP_7878b2b6878603f43f2b696259dfbf09 |
|---|---|
| oai_identifier_str |
oai:repositorio.unesp.br:11449/182261 |
| network_acronym_str |
UNSP |
| network_name_str |
Repositório Institucional da UNESP |
| repository_id_str |
|
| spelling |
Zanella, Edelvan Hellmann [UNESP]Universidade Estadual Paulista (Unesp)Carvalho, Aparecido Augusto de [UNESP]2019-06-10T17:25:29Z2019-06-10T17:25:29Z2019-03-15http://hdl.handle.net/11449/18226100091753533004099080P0O desvio lateral da coluna e a escoliose alteram o equilíbrio corporal de uma pessoa e a distribuição de seu peso nos pés. Atualmente com o auxílio do baropodômetro é possível medir a distribuição do peso corporal nos pés, trazendo inovação no que concerne sobre os impactos da escoliose nos mesmos. As alterações da coluna vertebral não são visíveis pelo baropodômetro, logo apenas mensurando a pressão dos pés não é possível determinar uma escoliose e seus possíveis ângulos. Dessa forma, adota-se o objetivo de realizar três redes neurais para classificação de escolioses com dados obtidos pelo baropodômetro do Laboratório de Instrumentação e Engenharia Biomédica (LIEB). No desenvolvimento das redes foram observadas vinte e cinco mil redes neurais feitas para cada proposta, sendo a rede neural A dividida em dois grupos que classificam o desvio lateral A1 (0º a 9º) e a escoliose A2 (10º a 20º) , a rede B foi dividida em dois grupos, B1 (10º a 13º) e B2 (14º a 20º) e a rede C1 que abrange o grupos A1, B1 e B2. A rede A (1,2) obteve uma acurácia média de 70,06%, a rede B (1,2) teve uma a acurácia média em 73,6% e a rede C (1,2,3) classificou em média 56,5% dos dados corretamente. Com os resultados obtidos conclui-se que uma classificação entre três grupos é inviável e a rede A e B podem ser utilizadas como métodos para acompanhamento de evolução ao longo do tempo.The lateral deviation of the spine and scoliosis alter a person's body balance and the distribution of his weight in the feet. Nowadays, with the help of the baropodometer, it is possible to measure the distribution of body weight in the feet, bringing innovation in what concerns the impact of scoliosis on them. The changes in the spine are not visible by the baropodometer, so just by measuring the pressure of the feet it is not possible to determine a scoliosis and its possible angles. Thus, we adopted the objective of performing three neural networks to classify scoliosis with data obtained by the Baropodometer of the Laboratory of Instrumentation and Biomedical Engineering (LIEB). In the development of the networks twenty-five thousand neural networks were made for each proposal, the neural network A being divided into two groups that classified the lateral deviation A1 (0º to 9º) and the scoliosis A2 (10º to 20º), the network B was divided into two groups, B1 (10º to 13º) and B2 (14º to 20º), and the C1 network encompassing groups A1, B1 and B2. The network A (1,2) obtained an average accuracy of 70,06%, the network B (1,2) had an average accuracy of 73.6% and the network C (1,2,3) classified on average 56, 5% of the data correctly. With the results obtained it is concluded that a classification between three groups is not feasible and the network A and B can be used as methods to monitor evolution over time.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: 1667418CAPES: Código de financiamento 001porUniversidade Estadual Paulista (Unesp)EscolioseBaropodômetroRedes neuraisDesvio lateralÂngulo de CobbScoliosisBaropodometerNeural networkLateral deviationCobb's angleUso de redes neurais e baropodômetro para classificação de escoliose e desvio lateralUse of neural networks and baropodometers for classification of escoliosis and side deviationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPEngenharia Elétrica - FEISAutomaçãoNão constaUniversidade Estadual Paulista (UNESP), Faculdade de Engenharia, Ilha SolteiraOnline0250066159980825[1]0000-0001-8204-3482[1]Publication85b724f4-c5d4-4984-9caf-8f0f0d076a19virtual::176161-185b724f4-c5d4-4984-9caf-8f0f0d076a19virtual::176161-1909f8040-719f-42cf-a550-e298b801fcebvirtual::188909-1909f8040-719f-42cf-a550-e298b801fcebvirtual::188909-1THUMBNAILzanella_eh_me_ilha.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2023-12-27T06:18:51Z (GMT).Generated Thumbnailimage/jpeg2545https://repositorio.unesp.br/bitstreams/84fc9aac-c2bf-4c5b-afbc-5fe54c10be0b/downloadd4a996a2fd85efd1ff6faec4213428c8MD55falseAnonymousREADORIGINALzanella_eh_me_ilha.pdfzanella_eh_me_ilha.pdfapplication/pdf4716094https://repositorio.unesp.br/bitstreams/649ba881-9f37-489a-9943-dfacfd1dc657/download6b6b06781061c3a3b138384805417681MD53trueAnonymousREADLICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-83050https://repositorio.unesp.br/bitstreams/4b481d6e-da21-43d9-b076-06b6d23b2869/downloadc0755dd89da2975f2013d9aad6b33b49MD52falseAnonymousREADTEXTzanella_eh_me_ilha.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2023-12-27T06:18:51Z (GMT).Extracted texttext/plain102928https://repositorio.unesp.br/bitstreams/e8fb96ef-dc61-4a8b-840b-3ac3f49f4834/downloadcb67e9a846cf9ebdc03a3e8b912da228MD54falseAnonymousREAD11449/1822612026-01-26T12:54:16.884749Zopen.accessoai:repositorio.unesp.br:11449/182261https://repositorio.unesp.brRepositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462026-01-26T12:54:16Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)falseTElDRU7Dh0EgUEFSQSBBIERJU1BPTklCSUxJWkHDh8ODTyBPTkxJTkUgREUgRElTU0VSVEHDh8ODTyBPVSBERSBURVNFIFNVQk1FVElEQSBBTyBSRVBPU0lUw5NSSU8gSU5TVElUVUNJT05BTCBVTkVTUA0KDQoxLiBBbyBjb25jb3JkYXIgY29tIGVzdGEgbGljZW7Dp2EsIGV1LCBFZGVsdmFuIEhlbGxtYW5uIFphbmVsbGEgKGVkZWx2YW5oekBnbWFpbC5jb20pLCByZXNwb25zw6F2ZWwgcGVsbyB0cmFiYWxobyDigJxVc28gZGUgcmVkZXMgbmV1cmFpcyBlIGJhcm9wb2TDtG1ldHJvIHBhcmEgY2xhc3NpZmljYcOnw6NvIGRlIGVzY29saW9zZSBlIGRlc3ZpbyBsYXRlcmFsLuKAnSBwb3IgbWltIHN1Ym1ldGlkbyBhbyBSZXBvc2l0w7NyaW8gSW5zdGl0dWNpb25hbCBVTkVTUCBlIGRlc2Vudm9sdmlkbyBubyDDom1iaXRvIGRlIHVtIGRvcyBwcm9ncmFtYXMgZGUgcMOzcy1ncmFkdWHDp8OjbyBkYSBVbml2ZXJzaWRhZGUgRXN0YWR1YWwgUGF1bGlzdGEg4oCcSsO6bGlvIGRlIE1lc3F1aXRhIEZpbGhv4oCdIChVTkVTUCk6DQoNCmEpIGF0ZXN0byBzZXIgbyByZXNwb25zw6F2ZWwgbGVnYWwgcGVsbyB0cmFiYWxobyBzdWJtZXRpZG8gZSBwZWxvcyBkYWRvcyBpbmZvcm1hZG9zIGR1cmFudGUgYSBzdWJtaXNzw6NvOw0KDQpiKSBhdGVzdG8gcXVlIG8gdHJhYmFsaG8gc3VibWV0aWRvIG7Do28gaW5mcmluZ2UgbGVpcyBkZSBkaXJlaXRvIGF1dG9yYWw7DQoNCmMpIGF0ZXN0byBxdWUgbyB0cmFiYWxobyBzdWJtZXRpZG8gbsOjbyBjb250w6ltIHF1YWxxdWVyIGluZm9ybWHDp8OjbyBjb25maWRlbmNpYWwgbWluaGEgb3UgZGUgdGVyY2Vpcm9zOw0KDQpkKSBhdGVzdG8gcXVlLCBzZSBvYnRpdmUgZmluYW5jaWFtZW50byBwYXJhIG8gZGVzZW52b2x2aW1lbnRvIGRvIHRyYWJhbGhvIHN1Ym1ldGlkbywgaW5mb3JtZWkgYSBhZ8OqbmNpYSBkZSBmb21lbnRvIGUgbyBuw7ptZXJvIGRvIGZpbmFuY2lhbWVudG8gZHVyYW50ZSBhIHN1Ym1pc3PDo287DQoNCmUpIGF0ZXN0byBxdWUgYSB2ZXJzw6NvIGRvIHRyYWJhbGhvIHByZXNlbnRlIG5vIGFycXVpdm8gc3VibWV0aWRvIMOpIGEgdmVyc8OjbyBkZWZpbml0aXZhIHF1ZSBpbmNsdWkgYXMgYWx0ZXJhw6fDtWVzIGRlY29ycmVudGVzIGRhIGRlZmVzYSwgc2UgaG91dmUgYWxndW1hOw0KDQpmKSBhdGVzdG8gcXVlIGEgdmVyc8OjbyBkbyB0cmFiYWxobyBwcmVzZW50ZSBubyBhcnF1aXZvIHN1Ym1ldGlkbyBzZXLDoSBhIG1lc21hIHZlcnPDo28gaW1wcmVzc2EgZW50cmVndWUgbmEgU2XDp8OjbyBUw6ljbmljYSBkZSBQw7NzLUdyYWR1YcOnw6NvIGNvbSBhIHF1YWwgbyBwcm9ncmFtYSBkZSBww7NzLWdyYWR1YcOnw6NvIGVtIHF1ZSBvIHRyYWJhbGhvIGZvaSBkZXNlbnZvbHZpZG8gZXN0w6EgdmluY3VsYWRvOw0KDQpnKSBjb25jZWRvIMOgIFVuaXZlcnNpZGFkZSBFc3RhZHVhbCBQYXVsaXN0YSDigJxKw7psaW8gZGUgTWVzcXVpdGEgRmlsaG/igJ0gbyBkaXJlaXRvIG7Do28gZXhjbHVzaXZvIGRlIGRpc3BvbmliaWxpemFyLCBkZSBjb3BpYXIgZSBkZSBkaXN0cmlidWlyLCBwb3IgbWVpbyBkZSBzZXVzIGFtYmllbnRlcyBpbnN0aXR1Y2lvbmFpcyBkZSBhY2Vzc28gcmVzdHJpdG8gb3UgYWJlcnRvIGFvIHDDumJsaWNvIGdlcmFsLCBzZW0gcmVzc2FyY2ltZW50byBkZSBkaXJlaXRvcyBhdXRvcmFpcywgbyB0cmFiYWxobyBzdWJtZXRpZG8gZSBvcyBkYWRvcyBpbmZvcm1hZG9zIGR1cmFudGUgYSBzdWJtaXNzw6NvOw0KDQpoKSBjb25jZWRvIMOgIFVuaXZlcnNpZGFkZSBFc3RhZHVhbCBQYXVsaXN0YSDigJxKw7psaW8gZGUgTWVzcXVpdGEgRmlsaG/igJ0gbyBkaXJlaXRvIG7Do28gZXhjbHVzaXZvIGRlIHJlYWxpemFyIHF1YWlzcXVlciBhbHRlcmHDp8O1ZXMgbmEgbcOtZGlhIG91IG5vIGZvcm1hdG8gZG8gYXJxdWl2byBwYXJhIHByb3DDs3NpdG9zIGRlIHByZXNlcnZhw6fDo28gZGlnaXRhbCwgZGUgYWNlc3NpYmlsaWRhZGUgZSBkZSBtZWxob3IgaWRlbnRpZmljYcOnw6NvIGRvIHRyYWJhbGhvIHN1Ym1ldGlkbywgZGVzZGUgcXVlIG7Do28gc2VqYSBhbHRlcmFkbyBzZXUgY29udGXDumRvIGludGVsZWN0dWFsLg0KDQoyLiBBIFVuaXZlcnNpZGFkZSBFc3RhZHVhbCBQYXVsaXN0YSDigJxKw7psaW8gZGUgTWVzcXVpdGEgRmlsaG/igJ0gc2UgY29tcHJvbWV0ZSBhOg0KDQphKSBmb3JuZWNlciB1bWEgaWRlbnRpZmljYcOnw6NvIGNsYXJhIGRvIG5vbWUgZG8gYXV0b3IgZHVyYW50ZSBhIGRpc3BvbmliaWxpemHDp8OjbywgZW0gYW1iaWVudGUgaW5zdGl0dWNpb25hbCwgZG8gdHJhYmFsaG8gc3VibWV0aWRvOw0KDQpiKSBzZSBuZWNlc3PDoXJpbywgcmVhbGl6YXIgYWx0ZXJhw6fDtWVzIG5vcyBkYWRvcyBpbmZvcm1hZG9zIGR1cmFudGUgYSBzdWJtaXNzw6NvIHBhcmEgcXVlIG1lbGhvciByZXByZXNlbnRlbSBlIGlkZW50aWZpcXVlbSBvIHRyYWJhbGhvIHNlbSwgbm8gZW50YW50bywgY29tcHJvbWV0ZXIgc2V1IGNvbnRlw7pkbyBpbnRlbGVjdHVhbDsNCg0KYykgcmVzcGVpdGFyIGEgZGVjaXPDo28gZG8gYXV0b3Igc29icmUgYSB2ZXJzw6NvIHF1ZSBkZXZlcsOhIHNlciBkaXNwb25pYmlsaXphZGEgaW1lZGlhdGFtZW50ZSBhcMOzcyBvIGFjZWl0ZSBkYSBzdWJtaXNzw6NvLCBzZWphIGVsYSBhIHZlcnPDo28gaW50ZWdyYWwgb3UgcGFyY2lhbDsNCg0KZCkgcmVzcGVpdGFyIG8gcHJhem8gZGVmaW5pZG8gcGVsbyBhdXRvciBwYXJhIGEgZGlzcG9uaWJpbGl6YcOnw6NvIGRvIGNvbnRlw7pkbyBpbnRlZ3JhbCwgY2FzbyBvIGF1dG9yIHRlbmhhIG9wdGFkbyBwZWxhIGRpc3BvbmliaWxpemHDp8OjbyBpbWVkaWF0YSBhcGVuYXMgZG8gY29udGXDumRvIHBhcmNpYWwgZSBvIHByYXpvIGRlZmluaWRvIGVzdGVqYSBkZW50cm8gZGUgMiAoZG9pcykgYW5vcyBhcMOzcyBhIGRlZmVzYTsNCg0KZSkgbsOjbyByZWFsaXphciBhbHRlcmHDp8O1ZXMgbm8gYXJxdWl2byBlbnZpYWRvIGFsw6ltIGRhcXVlbGFzIGRlc2NyaXRhcyBuZXN0YSBsaWNlbsOnYS4NCg0KU8OjbyBQYXVsbywgU2F0IEp1biAwOCAyMDozNTozOCBCUlQgMjAxOS4= |
| dc.title.pt.fl_str_mv |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral |
| dc.title.alternative.en.fl_str_mv |
Use of neural networks and baropodometers for classification of escoliosis and side deviation |
| title |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral |
| spellingShingle |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral Zanella, Edelvan Hellmann [UNESP] Escoliose Baropodômetro Redes neurais Desvio lateral Ângulo de Cobb Scoliosis Baropodometer Neural network Lateral deviation Cobb's angle |
| title_short |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral |
| title_full |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral |
| title_fullStr |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral |
| title_full_unstemmed |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral |
| title_sort |
Uso de redes neurais e baropodômetro para classificação de escoliose e desvio lateral |
| author |
Zanella, Edelvan Hellmann [UNESP] |
| author_facet |
Zanella, Edelvan Hellmann [UNESP] |
| author_role |
author |
| dc.contributor.institution.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
| dc.contributor.author.fl_str_mv |
Zanella, Edelvan Hellmann [UNESP] |
| dc.contributor.advisor1.fl_str_mv |
Carvalho, Aparecido Augusto de [UNESP] |
| contributor_str_mv |
Carvalho, Aparecido Augusto de [UNESP] |
| dc.subject.por.fl_str_mv |
Escoliose Baropodômetro Redes neurais Desvio lateral Ângulo de Cobb |
| topic |
Escoliose Baropodômetro Redes neurais Desvio lateral Ângulo de Cobb Scoliosis Baropodometer Neural network Lateral deviation Cobb's angle |
| dc.subject.eng.fl_str_mv |
Scoliosis Baropodometer Neural network Lateral deviation Cobb's angle |
| description |
O desvio lateral da coluna e a escoliose alteram o equilíbrio corporal de uma pessoa e a distribuição de seu peso nos pés. Atualmente com o auxílio do baropodômetro é possível medir a distribuição do peso corporal nos pés, trazendo inovação no que concerne sobre os impactos da escoliose nos mesmos. As alterações da coluna vertebral não são visíveis pelo baropodômetro, logo apenas mensurando a pressão dos pés não é possível determinar uma escoliose e seus possíveis ângulos. Dessa forma, adota-se o objetivo de realizar três redes neurais para classificação de escolioses com dados obtidos pelo baropodômetro do Laboratório de Instrumentação e Engenharia Biomédica (LIEB). No desenvolvimento das redes foram observadas vinte e cinco mil redes neurais feitas para cada proposta, sendo a rede neural A dividida em dois grupos que classificam o desvio lateral A1 (0º a 9º) e a escoliose A2 (10º a 20º) , a rede B foi dividida em dois grupos, B1 (10º a 13º) e B2 (14º a 20º) e a rede C1 que abrange o grupos A1, B1 e B2. A rede A (1,2) obteve uma acurácia média de 70,06%, a rede B (1,2) teve uma a acurácia média em 73,6% e a rede C (1,2,3) classificou em média 56,5% dos dados corretamente. Com os resultados obtidos conclui-se que uma classificação entre três grupos é inviável e a rede A e B podem ser utilizadas como métodos para acompanhamento de evolução ao longo do tempo. |
| publishDate |
2019 |
| dc.date.accessioned.fl_str_mv |
2019-06-10T17:25:29Z |
| dc.date.available.fl_str_mv |
2019-06-10T17:25:29Z |
| dc.date.issued.fl_str_mv |
2019-03-15 |
| 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/11449/182261 |
| dc.identifier.aleph.none.fl_str_mv |
000917535 |
| dc.identifier.capes.none.fl_str_mv |
33004099080P0 |
| url |
http://hdl.handle.net/11449/182261 |
| identifier_str_mv |
000917535 33004099080P0 |
| 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.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 |
| bitstream.url.fl_str_mv |
https://repositorio.unesp.br/bitstreams/84fc9aac-c2bf-4c5b-afbc-5fe54c10be0b/download https://repositorio.unesp.br/bitstreams/649ba881-9f37-489a-9943-dfacfd1dc657/download https://repositorio.unesp.br/bitstreams/4b481d6e-da21-43d9-b076-06b6d23b2869/download https://repositorio.unesp.br/bitstreams/e8fb96ef-dc61-4a8b-840b-3ac3f49f4834/download |
| bitstream.checksum.fl_str_mv |
d4a996a2fd85efd1ff6faec4213428c8 6b6b06781061c3a3b138384805417681 c0755dd89da2975f2013d9aad6b33b49 cb67e9a846cf9ebdc03a3e8b912da228 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
| repository.mail.fl_str_mv |
repositoriounesp@unesp.br |
| _version_ |
1878344007711457280 |