Loading...
Publication
Solução para classificação de posturas de pessoas acamadas baseada em mapas de pressão
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.59 MB | Adobe PDF |
Authors
Abstract(s)
O campo das tecnologias de informação está em constante evolução, e é notável a
sua expansão no campo da saúde. Esta dissertação foca-se em demonstrar como os
métodos de classificação de posturas baseados em mapas de pressão de pessoas
acamadas podem contribuir para melhorar não apenas os cuidados prestados aos
pacientes, mas também aliviar a carga de trabalho dos profissionais de saúde.
Este relatório descreve as várias fases do desenvolvimento do trabalho, as quais
são apresentadas em cinco publicações. Duas revisões sistemáticas, uma focada em
conjuntos de dados relativos a mapas de pressão e outra focada em diferentes
métodos utilizados para a classificação de posturas baseados em pressão. As
restantes três publicações focam-se no desenvolvimento das diferentes partes
necessárias para uma solução de classificação de posturas. Assim, relativamente aos
dados, uma publicação descreve um conjunto de dados de mapas de pressão, com 3
diferentes camadas, das quais apenas uma é usada, nomeadamente a camada relativa
aos dados adquiridos através da utilização de uma manta de pressão posicionada em
cima de uma cama hospitalar. Uma segunda publicação, relativa às várias
experiências escolhidas para demonstrar a utilização do conjunto de dados
desenvolvido, é também incluída neste trabalho. Os resultados apresentados nesta
publicação incluem os treinos de vários modelos de aprendizagem máquina (machine
learning) a ser utilizados para classificação de posturas, além de retirar conclusões
com as experiências realizadas, nomeadamente sobre a influência dos dados
adicionais (características dos participantes), recolhidos durante o desenvolvimento
do conjunto de dados, ou sobre como a resolução dos mapas de pressão pode afetar
os modelos treinados. A última publicação incluída descreve uma plataforma
desenvolvida com o propósito de suportar uma solução de classificação de posturas
para o cuidado de pacientes acamados, nomeadamente para a monitorização e
prevenção de úlceras de pressão. Esta plataforma utilizaria os resultados
provenientes dos modelos já mencionados para gerar informação importante, como
sejam a duração de pressão em certas partes do corpo ou a geração de alarmes
quando necessário.
Esta dissertação apresenta uma solução para classificação de posturas baseada em
mapas de pressão com os diferentes passos necessários abordados nas diferentes
publicações. O sistema tem o potencial de auxiliar profissionais de saúde além de
pacientes, e mostra como a utilização destas tecnologias pode influenciar diferentes
campos como a área da saúde.
Abstract: Information technologies are in constant evolution, and there have been significant expansions into the healthcare field. This dissertation intends to demonstrate how posture classification methods based on lying-people pressure maps utilizing machine learning could enhance patient care and alleviate the workload of healthcare professionals. This study encompasses the various stages of the work’s development in five publications, including two systematic reviews, one focused on existing pressure map datasets and the other focused on posture classification approaches using pressure based methods. These reviews aimed to solidify the work included in this study by supporting it with the work done by fellow researchers in the field. The remaining three publications focus on the development of the different parts required for a posture classification solution. Regarding the data, a publication depicting a pressure map dataset, with 3 distinct layers is introduced, from which only one of the layers is used, which is gathered using a pressure sensor sheet placed on top of a hospital bed. An additional publication containing various experiments aiming to demonstrate the utilization of the aforementioned dataset is included in the dissertation, which results in the training of various machine learning models that can be used for posture classification. This study also studies the influence of different factors such as the influence of additional data (participant characteristics) gathered upon dataset development and how the resolution of the pressure maps used in training affect the resulting models. A final publication is included, depicting a platform developed with the aim of supporting a posture classification solution for bedded patient care, namely for pressure ulcer monitoring and prevention. This platform would take the output from the previously trained models and gather important information from them such as pressure duration in certain body areas, and alert generation whenever deemed necessary. This dissertation presents a solution for posture classification based on pressure maps, with the required steps detailed in the different publications. The system envisioned in this study has the potential to aid healthcare professionals and patients alike and showcases how information technologies and machine learning specifically can influence different fields such as healthcare.
Abstract: Information technologies are in constant evolution, and there have been significant expansions into the healthcare field. This dissertation intends to demonstrate how posture classification methods based on lying-people pressure maps utilizing machine learning could enhance patient care and alleviate the workload of healthcare professionals. This study encompasses the various stages of the work’s development in five publications, including two systematic reviews, one focused on existing pressure map datasets and the other focused on posture classification approaches using pressure based methods. These reviews aimed to solidify the work included in this study by supporting it with the work done by fellow researchers in the field. The remaining three publications focus on the development of the different parts required for a posture classification solution. Regarding the data, a publication depicting a pressure map dataset, with 3 distinct layers is introduced, from which only one of the layers is used, which is gathered using a pressure sensor sheet placed on top of a hospital bed. An additional publication containing various experiments aiming to demonstrate the utilization of the aforementioned dataset is included in the dissertation, which results in the training of various machine learning models that can be used for posture classification. This study also studies the influence of different factors such as the influence of additional data (participant characteristics) gathered upon dataset development and how the resolution of the pressure maps used in training affect the resulting models. A final publication is included, depicting a platform developed with the aim of supporting a posture classification solution for bedded patient care, namely for pressure ulcer monitoring and prevention. This platform would take the output from the previously trained models and gather important information from them such as pressure duration in certain body areas, and alert generation whenever deemed necessary. This dissertation presents a solution for posture classification based on pressure maps, with the required steps detailed in the different publications. The system envisioned in this study has the potential to aid healthcare professionals and patients alike and showcases how information technologies and machine learning specifically can influence different fields such as healthcare.
Description
Dissertação apresentada à Escola Superior de Tecnologia do Instituto Politécnico de Castelo Branco para cumprimento dos requisitos necessários à obtenção do Grau de Mestre em Engenharia Informática - Desenvolvimento de Software e Sistemas Interativos.
Keywords
Classificação de posturas Machine learning Mapa de pressão Pessoas acamadas Lying people Posture classification Pressure map