Publication
Machine learning for shoulder rehabilitation
| datacite.subject.fos | Engenharia e Tecnologia | pt_PT |
| dc.contributor.advisor | Rodrigues, Maria de Fátima Coutinho | |
| dc.contributor.advisor | Cunha, Bruno Miguel Almeida | |
| dc.contributor.author | Cardoso, Jorge Filipe Pereira | |
| dc.date.accessioned | 2024-12-04T15:27:55Z | |
| dc.date.available | 2024-12-04T15:27:55Z | |
| dc.date.issued | 2024-10-16 | |
| dc.description.abstract | This project addressed the critical challenge of monitoring and evaluating home-based shoulder rehabilitation exercises through the application of Machine Learning tools. The rising prevalence of stroke-related disabilities and the shortage of qualified therapists, exacerbated by the COVID-19 pandemic, underscore the need for innovative solutions. The research explores the feasibility of leveraging Machine Learning models to assess the quality of rehabilitation exercises performed by patients in a home-based setting. Utilizing MediaPipe Pose framework, the study captures and analyzes patients' movements during exercises, comparing them with recordings of healthcare professionals executing the same tasks. The proposed Machine Learning model aims to provide insightful progress reports, aiding therapists in delivering focused and intensive therapy remotely. This project involved designing and implementing Machine Learning models, developing an application to be used by patients and healthcare professionals, prescribing exercises, evaluating the quality of rehabilitation exercises, and testing the solution end-to-end. This project was conducted in a partnership with physiotherapists from Center for Rehabilitation Research from Politécnico do Porto. | pt_PT |
| dc.description.abstract | Este projeto abordou o desafio crítico da monitorização e avaliação de exercícios de reabilitação do ombro, em casa, através da aplicação de ferramentas de aprendizagem automática. A crescente prevalência de deficiências relacionadas com o Acidente Vascular Cerebral e a escassez de terapeutas qualificados, exacerbada pela pandemia de COVID-19, sublinham a necessidade de soluções inovadoras. A investigação explora a viabilidade de utilizar modelos de aprendizagem automática para avaliar a qualidade dos exercícios de reabilitação realizados por pacientes num ambiente domiciliário. Utilizando a framework MediaPipe Pose, o estudo capta e analisa os movimentos dos doentes durante os exercícios, comparando-os com gravações de profissionais de saúde que executam as mesmas tarefas. O modelo de aprendizagem automática proposto tem como objetivo fornecer relatórios de progresso perspicazes, ajudando os terapeutas a fornecerem remotamente uma terapia focada e intensiva. Este projeto envolveu a conceção e implementação de modelos de aprendizagem automática, o desenvolvimento de uma aplicação a ser utilizada por pacientes e profissionais de saúde na prescrição de exercícios e na avaliação da qualidade dos exercícios de reabilitação e o teste da solução de ponta a ponta. Este projeto foi realizado em parceria com fisioterapeutas do Centro de Investigação em Reabilitação do Politécnico do Porto. | pt_PT |
| dc.identifier.tid | 203733290 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/26647 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Home-based rehabilitation | pt_PT |
| dc.subject | Shoulder rehabilitation | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.subject | MediaPipe pose | pt_PT |
| dc.subject | Healthcare technology | pt_PT |
| dc.subject | Reabilitação em casa | pt_PT |
| dc.subject | Reabilitação do ombro | pt_PT |
| dc.subject | Aprendizagem automática | pt_PT |
| dc.subject | MediaPipe pose | pt_PT |
| dc.subject | Tecnologia de cuidados de saúde | pt_PT |
| dc.title | Machine learning for shoulder rehabilitation | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Informática | pt_PT |