Título: Classificação do Risco de Quedas em Idosos com Least Squares Support Vector Regression Utilizando Sinais Eletromiográficos e Dinamométricos
Autores: Daniele Alves da Silva, Laiana Sepúlveda de Andrade Mesquita, Luan Marinho Morais Pereira, Nayra Ferreira Lima Castelo Branco, Hermes Manoel Galvão Castelo Branco and Guilherme de Alencar Barreto.
Resumo:
A determinação do risco de cair é de suma importância na assistência à saúde do idoso, pois a ocorrência de quedas nessa população trazem consequências em vários aspectos. Ferramentas de aprendizado de máquinas têm sido cada vez mais empregadas com este fim. Portanto, o objetivo deste estudo foi investigar a viabilidade da utilização de sinais eletromiográficos e dinamométricos na classificação do risco de quedas em idosos via modelo least squares support vector regression (LSSVR). Trinta e um voluntários idosos foram avaliados com a Escala de Equilíbrio de Berg (EEB), eletromiografia e dinamometria do membro inferior dominante. Para o modelo LSSVR foram utilizados kernels do tipo linear, polinomial e radial basis function (RBF), além de validações cruzadas pelos métodos leave one out e K-fold. Ambos os sinais apresentaram erros médios baixos na maioria das execuções realizadas. Dessa forma, verificou-se que é possível classificar o risco de quedas em idosos por meio de sinais eletromiográficos e dinamométricos aplicados ao modelo LSSVR.
Palavras-chave:
Escala de Equilíbrio de Berg, Idosos, Risco de Quedas, Inteligência Computacional, Least Squares Support Vector Regression.
Páginas: 6
Código DOI: 10.21528/CBIC2021-101
Artigo em pdf: CBIC_2021_paper_101.pdf
Arquivo BibTeX: CBIC_2021_101.bib