Engenharia Elétrica
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/21
Navegar
2 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso H-Watch(2021-12-08) Almeida, Bruno Calixta; Costa, Danilo Ferreira; Hayahi, Lucas Henrique Kazuo; Figueiredo, Oscar Gonçalves; Okama, Ricardo Seiki; Assato, Sabrina MidoriEste trabalho propõe-se a desenvolver um sistema de monitoramento da saúde de idosos, composto por um protótipo do circuito elétrico de uma Pulseira Sensorizada (hardware), juntamente a um aplicativo de smartphone. Neste sentido, a frequência e oximetria de pulso do paciente é monitorada, sendo possível detectar a ocorrência de quedas e, quando necessário, o sistema comunica um responsável e aciona ajuda médica através do aplicativo. Fornecendo assim mais independência para o idoso por não necessitar de uma pessoa para monitorá-lo constantemente. A revisão bibliográfica, bem como os sensores utilizados para a detecção de queda e monitoramento da frequência e oximetria de pulso, aliada ao método de aprendizagem que foi utilizado para a inteligência artificial, possibilitaram a definição das erramentas e técnicas necessárias para o delineamento da solução proposta. O protótipo possui compromisso com diminuição de custos em relação a modelos semelhantes já existentes no mercado, de modo a torná-la mais acessível e viável ao uso cotidiano. Como interface de usuário foi adotado o smartphone em virtude de sua flexibilidade na criação de interfaces, utilizando um aplicativo para exibir os parâmetros coletados pelo hardware, e quando necessário acionar a lista de contatos salva no mesmo, para contactar o número de emergência salvo. Através de testes realizados, comprovou-se o funcionamento do hardware na coleta dos parâmetros dos sensores e envio para o banco de dados, e através dos dados de quedas gerados pelos membros do grupo, o desenvolvimento da inteligência artificial para a detecção de quedas. O aplicativo lê os dados de frequência cardíaca e oximetria para monitoramento e exibição na tela principal. Em caso de queda, o aplicativo recebe essa informação da inteligência artificial, gerando os alertas para os responsáveis.Trabalho de Conclusão de Curso Sistema de predição de risco de quedas para área hospitalar utilizando machine learning(2021-12-09) Pereira, Isaías Cabral; Batista, Jonathan Fellipe Francisco; Sonoda, Matheus Salgueiro; Nacimento, Monica Marques; Braga, Vinícius SilvaO mundo vive um crescente momento de envelhecimento populacional. Vários fatores explicam tal fenômeno, como por exemplo a queda da fecundidade proveniente da diminuição do número de nascimentos, além do aumento da expectativa de vida da população em decorrência de melhorias no âmbito da saúde e na qualidade de vida. Por outro lado, o problema de quedas sofridas pela população idosa já é um assunto preocupante conhecido ao redor do mundo, uma vez que pequenas quedas podem gerar grandes transtornos e riscos à vida, saúde e integridade física desta camada da população. Com o agravante ainda de que no momento atual muitos idosos moram sozinhos e devido ao afastamento de seus familiares, os riscos se tornam ainda maiores. Devido ao aumento no número de quedas, diversos dispositivos já foram propostos para detectá-las e em seguida alertar aos contatos previamente cadastrados pelo usuário. Nesse sentido, estudar os indícios de uma possível queda é de suma importância, uma vez que ela pode trazer sérias consequências para a saúde da população, podendo até mesmo ser fatal. O objetivo deste trabalho consiste, portanto, no desenvolvimento de uma ferramenta de predição de risco de queda por meio da utilização dos algoritmos de machine learning árvore de decisão (DT) e rede neural, por meio dos softwares MATLAB® e WEKA. Isto posto, foram treinados dois modelos computacionais baseados nestes algoritmos, que puderam predizer o risco de quedas no idoso. Tais modelos foram embasados nas informações contidas num banco de dados previamente estabelecido e obtiveram taxas de assertividade, precisão e sensibilidade adequadas com possibilidades de melhorias para aplicação prática futura.