Dissertação
{en_GB=Classification of Gait Patterns in Spastic Diplegia} {} EVALUATED
{pt=A capacidade de discernir o diagnóstico correcto em diferentes casos é uma das capacidades que distingue a excelência de um médico. Isto requer experiência, capacidade de questionar correctamente e examinar o paciente com o maior cuidado possível. Estas capacidades variam de médico para médico e inclusive os maiores especialistas estão sujeitos a erros. Este facto é a maior premissa para implementar sistemas de apoio ao diagnóstico clínico: reduzir a taxa de erros de diagnóstico médico. Esta tese propõe-se a estudar a aplicação destes sistemas a análise de padrões de marcha de pacientes com paralesia cerebral, nomeadamente diplegia espástica. A escolha é facilmente justificada com o facto de ser a principal causa de deficiência em crianças. A principal ideia é construir um modelo supervisionado que consiga distinguir entre os 5 tipos de diplegia espástica. O procedimento é baseado num cuidadoso tratamento dos dados em que a redução dos ciclos à mesma escala de trabalho e a normalização dos dados cinéticos seguidos de redução da dimensão e extracção de variáveis. A partição entre treino e teste é cuidadosa tendo em conta o carácter mal balanceado do conjunto de trabalho., en=The best clinicians excel in their ability to discern the correct diagnosis in different cases. This skill requires an extensive knowledge base, keen interviewing and examination skills and the ability to synthesize correctly all the available information. This level of expertise varies among clinicians and even the most expert can sometimes fail. This is the main justification to implement Clinical Diagnosis Support Systems: reduce the rate of diagnosis error to medicine. This thesis proposes to study the application of these systems to gait pattern analysis of cerebral palsy, namely spastic diplegia. The choice is easily justified by the statistics: cerebral palsy is the leading cause of disability in children. The main idea is to build a multi class supervised model based on the 5 types of spastic diplegia: crouch gait, true equinus, apparent equinus, jump gait and asymmetrical gait. The procedure is mainly based on a careful data processing where scaling and normalization processes are followed by dimensionality reduction and feature extraction. The partition into train and test had to be carefully tackled in order to deal with an unbalanced dataset.}
junho 18, 2018, 16:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Susana Margarida da Silva Vieira
Departamento de Engenharia Mecânica (DEM)
Prof Auxiliar Convidado
