Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32833
Título: | Detecção de lesões de joelho por técnicas de vibroartrografia e machine learning |
Título(s) alternativo(s): | Knee lesion detection by vibroarthrography techniques and machine learning |
Autor(es): | Funaki, Lucas Eidi Lorentz, Matheus de Oliveira |
Orientador(es): | Oroski, Elder |
Palavras-chave: | Joelhos - Radiografia Joelhos - Ferimentos e lesões - Diagnóstico Aprendizado do computador Acelerômetros Giroscópios Fourier, Séries de Knee - Radiography Knee - Wounds and injuries - Diagnosis Machine learning Accelerometers Gyroscopes Fourier series |
Data do documento: | 23-Nov-2022 |
Editor: | Universidade Tecnológica Federal do Paraná |
Câmpus: | Curitiba |
Citação: | FUNAKI, Lucas Eidi; LORENTZ, Matheus de Oliveira. Detecção de lesões de joelho por técnicas de vibroartrografia e machine learning. 2022. Trabalho de Conclusão de Curso (Bacharelado Engenharia de Controle e Automação ) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. |
Resumo: | O diagnóstico de lesões do joelho atualmente é feito através de técnicas de alto custo e invasivas, que demandam do paciente elevados investimentos financeiros e uma série de cuidados no período pós-procedimento. Dentre as técnicas hoje utilizadas, estão a ressonância magnética e a tomografia computadorizada, procedimentos comuns e de custo elevado, ainda que não invasivos, e também a artroscopia, que além de cara, é invasiva ao paciente. Diante desse cenário, o presente trabalho busca o desenvolvimento de um método alternativo para o diagnóstico de lesões no joelho baseado na técnica conhecida por vibroatrografia, com baixo custo e não invasivo. O diagnóstico por vibroartrografia utiliza sensores para medir a aceleração e a velocidade angular no joelho do paciente. Estes sinais são processados matematicamente por decomposição de Fourier e, em seguida, são analisados por diferentes métodos de Machine Learning. O presente trabalho utilizou como dados para treinamento do equipamento informações de 43 pacientes com debilidades diversas no joelho, no período entre 28 de abril de 2022 e 04 de agosto do mesmo ano, que foram coletados em parceria com o Hospital do Trabalhador, Curitiba – PR. O projeto concluiu o diagnóstico de problemas no joelho utilizando a técnica da vibroartrografia obteve 99,39% de Precisão, 100% de Sensibilidade, 99,03% de Acurácia e 100% de Especificidade para o conjunto de sensores de aceleração medial do eixo y combinado com a velocidade angular lateral do eixo x e algoritmo de Machine Learning Árvore de Decisão, o que indica que o método possui bons resultados na detecção de lesão no joelho. |
Abstract: | The diagnosis of knee injuries is currently performed using high-cost and invasive techniques, which demand high financial investments and a series of car in the post-procedure period. Among the techniques used today are magnetic resonance imaging and computed tomography, common and expensive procedures, although not invasive, and also arthroscopy, which is not only expensive but also invasive for the patient. Given this scenario, the present work seeks to develop an alternative method for the diagnosis of knee injuries based on the technique known as vibroatrography, with low cost and non-invasive. Diagnostic vibroarthrography uses sensors to measure the acceleration and angular velocity in the patient’s knee. These signals are mathematically processed by Fourier coding and then are analyzed by different Machine Learning methods. The present work used information from 43 patients with different knee weaknesses as data for training the equipment, in the period between April 28, 2022 and August 4 of the same year, which were collected in partnership with Hospital do Trabalhador, Curitiba – PR . The project completed the diagnosis of knee problems using the vibroarthrography technique and obtained 99.39% of Precision, 100% of Sensitivity, 99.03% of Accuracy and 100% of Specificity for the set of sensors measuring the medial y-axis combined with the lateral angular velocity of the x-axis and the Machine Learning Decision Tree algorithm, which indicates that the method has good results in detecting knee injuries. |
URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/32833 |
Aparece nas coleções: | CT - Engenharia de Controle e Automação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
lesaojoelhovibroartrografia.pdf | 11,26 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons