Aquisição Multimodal com Hardware Limitado: EMG e Visão Computacional para Reabilitação

DSpace Repository

A- A A+

Aquisição Multimodal com Hardware Limitado: EMG e Visão Computacional para Reabilitação

Show full item record

Title: Aquisição Multimodal com Hardware Limitado: EMG e Visão Computacional para Reabilitação
Author: Giaboeski, Nicolas Sanson
Abstract: Lesões e rupturas musculares decorrentes de movimentos inadequados ou traumas exigem reabilitação fisioterapêutica precisa para a restauração da ativação muscular e da amplitude de movimento. Para isso, o presente trabalho investiga o desenvolvimento e avaliação de um protótipo de sistema que faz o uso de um sensor de eletromiografia de superfície de hardware limitado, aliado a técnicas de visão computacional, a fim de disponibilizar informações relevantes em uma aplicação própria destinada a servir como uma ferramenta de auxílio nessa etapa de reabilitação. A proposta é oferecer para o profissional da saúde uma ferramenta acessível, que o permite avaliar a ativação muscular e a execução dos movimentos, e com isso, possibilitando-o planejar exercícios de reabilitação que potencializem a recuperação do paciente. Para isso, adotou-se uma metodologia baseada em pesquisa bibliográfica referente ao uso de sensores baseados em eletrodos, aquisição e tratamento de sinais eletromiográficos, bem como a aplicação de visão computacional na área da saúde. A integração de hardware foi realizada entre um sensor de eletromiografia de superfície (DFRobot Sen0240), um conversor AD ADS1115 e um microcontrolador ESP32. No ambiente virtual, empregaram-se tecnologias baseadas na linguagem de programação Python, o que possibilitou o desenvolvimento de uma aplicação utilizando bibliotecas como PySide6, aliadas à integração com o MediaPipe Pose Landmarker para estimativa de pose. Essa abordagem integrada viabilizou a realização de ensaios experimentais destinados a avaliar a confiabilidade dos dados obtidos, tendo como foco inicial o músculo bíceps braquial. Os resultados demonstraram uma performance bastante satisfatória do sensor de eletromiografia limitado, que, após etapas de pós-processamento, ofereceu um sinal bastante fiel ao esperado quando comparado a um modelo padrão-ouro. O mesmo reflete no uso visão computacional, a qual forneceu uma estimativa de angulação articular coerente, mostrando-se uma alternativa promissora aos métodos arcaicos de goniometria. Assim, o protótipo desenvolvido evidencia o potencial de soluções acessíveis para aplicações em reabilitação, especialmente em cenários onde equipamentos comerciais não estão disponíveis.
Description: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Araranguá, Engenharia de Computação.
URI: https://repositorio.ufsc.br/handle/123456789/274395
Date: 2026-07-13


Files in this item

Files Size Format View
TCC_-_Nicolas_Sanson_Giaboeski.pdf 12.99Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record

Search DSpace


Advanced Search

Browse

My Account

Statistics

Compartilhar