Aprendizagem de máquina aplicada à detecção de queda de idosos.

Abstract

RESUMO: A utilização de algoritmos de aprendizagem de máquina está cada dia mais presente na medicina, principalmente através da Internet das Coisas, com o objetivo de criar soluções que prolonguem a expectativa de vida das pessoas. A medida que a expectativa de vida aumenta a quantidade de idosos também, e com isso os índices de acidentes domésticos envolvendo esse grupo de pessoas torna-se cada vez mais rotineiro. Analisando essa problemática, o foco deste trabalho é desenvolver um modelo utilizando abordagens da aprendizagem de máquina que seja eficiente para detectar quedas domésticas de pessoas idosas utilizando acelerômetros contidos em dispositivos vestíveis. Para tal, realizou-se uma pesquisa em torno da viabilidade dos algoritmos KNN, Árvore de Decisão e MLP aplicado a dados de sensores acelerômetros utilizando métricas de avaliação para averiguar o desempenho dos mesmos, em torno do problema. Os resultados mostraram que o modelo MLP pode ser promissor para detectar quedas a partir dados de diferentes dispositivos vestíveis, extraindo características estatísticas dos dados, visto que obteve-se uma revocação de 97,92% durante os testes e 100% durante as validações.

ABSTRACT: The use of machine learning algorithms is increasingly present in medicine, mainly through the Internet of Things, with the aim of creating solutions that extend people’s life expectancy. As life expectancy increases, so do the number of elderly people, and with this the rates of domestic accidents involving this group of people become increasingly routine. Analyzing this problem, the focus of this work is to develop a model using machine learning approaches that is efficient at detecting domestic falls of elderly people using accelerometers contained in wearable devices. To this end, research was carried out into the viability of the KNN, Decision Tree and MLP algorithms applied to accelerometer sensor data using evaluation metrics to ascertain their performance on the problem. The results showed that the MLP model could be promising for detecting falls using data from different wearable devices, extracting statistical characteristics from the data, since it obtained a recall of 97.92% during the tests and 100% during the validations.