Uso de redes neurais profundas para classificação dos movimentos de flexão plantar e dorsiflexão.

Abstract

Neste trabalho foi desenvolvido uma Rede Neural Convolucional (do inglês, Convolutional Neural Network- CNN) com MobileNetV2 com o objetivo de classificar movimentos de f lexão plantar e dorsiflexão. Esses movimentos articulares são essenciais para locomoção humana e os mesmos são realizados predominante no tornozelo. Logo, um modelo de aprendizado de máquina (do inglês, Machine Learnig- ML) capaz de fazer esta classificação é um avanço tecnológico para área. Foram utilizados oito vídeos de diferentes participantes no total, sendo quatro destinados ao conjunto de treinamento e quatro para confrontar com os dados adquiridos pelo trabalho anterior. Isto foi importante para garantir variabilidade e diversidade na base de dados. Para o conjunto de treinamento e teste, os vídeos tem duração total de 32 minutos e 13 segundos, enquanto o cojunto de vídeos para confrontar com dados do trabalho anterior totalizou 34 minutos e 12 segundos. A rotulação das imagens foram feitas manualmente, onde: a cada frame exibido era informado a posição correta do movimento e para este processo, um algoritmo foi implementado para extrair automaticamente frames múltiplos de 15 para reduzir redundâncias e padronizar a seleção dos dados. Os resultados demostraram que a CNN desenvolvida alcançou uma precisão de 89%, recall 85% e o F1-score de 85%, evidenciando um bom desempenho na tarefa de classificação. Portanto esses resultados demonstram o potencial das técnicas de aprendizado profundo como alternativa ou complemento aos sensores físicos, e isso, contribui para gerar soluções mais acessíveis, dinâmicas e escaláveis.