PT
Esta dissertação investiga como um sistema inteligente de fisioterapia pode melhorar a reabilitação física usando estimativa de pose e soluções baseadas em visão computacional. O objetivo é criar uma plataforma que ajude os pacientes a realizar reabilitação física em casa e forneça "feedback" em tempo real sobre os movimentos e o desempenho do exercício. Utilizando a estrutura "MediaPipe Pose" e algoritmos de "Machine Learning", a plataforma é capaz de rastrear e avaliar automaticamente os movimentos das articulações, categorizando-os conforme o exercício em causa. Esta plataforma amplia a assistência corretiva para que o utilizador tenha a postura correta na execução dos exercícios para a sua reabilitação. O sistema responde às várias necessidades dos pacientes, facilitando a autonomia e a manutenção dos pacientes a longo prazo, com foco específico nos sobreviventes de acidentes vasculares cerebrais (AVC). Na verdade, este estudo aponta o caminho para uma forma otimizada de reabilitação motora que oferece atendimento personalizado e análise precisa da mobilidade, usando a Inteligência Artificial. Em última análise, o objetivo é melhorar a qualidade da recuperação através de outras funcionalidades, incluindo "feedback" em tempo real e a tecnologia de visão computacional, garantindo que esses exercícios sejam realizados com precisão durante a reabilitação física do paciente.
EN
This dissertation investigates how a smart physiotherapy system is able to improve physical rehabilitation by using pose estimation and computer vision-based solutions. The objective is to create a platform that helps patients to do physical rehabilitation at home and provides them real-time feedback about the movements and the exercise performance. Utilizing the MediaPipe Pose framework and machine learning algorithms, the platform is able to automatically track and evaluate joint movements by categorizing them based on the exercise at hand. It extends corrective assistance so users can have the correct posture when performing the exercises for their rehabilitation. The system is responsive to variable patient requirements, facilitating patients’ autonomy and maintenance over the long-term, with a specific focus on stroke survivors. In fact, this study points the way to a far superior form of remote rehabilitation that delivers personalized care and precise mobility analysis, using AI in unique and ground-breaking ways. Ultimately, the goal is to improve the quality of recovery through other great features including real-time feedback and computer vision technology ensuring that these exercises are conducted accurately during the patient physical rehabilitation.
