Saúde Desvendada

A reabilitação de pacientes que sofreram um Acidente Vascular Cerebral (AVC) é crucial para a recuperação das funções motoras. Um aspecto fundamental nesse processo é garantir a segurança do paciente ao utilizar sistemas de assistência terapêutica. Uma inovação promissora nessa área é o desenvolvimento de cadeiras de rodas exoesqueléticas que incorporam mecanismos redundantes e alertas de falha, projetadas para auxiliar tanto os membros superiores quanto inferiores.

Esses dispositivos facilitam a fisioterapia robótica assistida, permitindo exercícios de reabilitação direcionados para áreas específicas como punho, cotovelo, ombro, joelho, tornozelo e região lombar. A precisão na medição do ângulo articular é vital para fornecer um feedback preciso durante a terapia. No entanto, sensores convencionais, como Unidades de Medição Inercial (IMUs) e encoders rotativos, podem apresentar desvios e deslizamentos que comprometem a exatidão das medições.

Para mitigar esses problemas, propõe-se um sistema de predição de ângulo articular baseado na análise da potência extraída de sensores de corrente, utilizando modelos de aprendizado de máquina (ML). Adicionalmente, a Rede Geradora Coletiva (CGN) sintetiza perfis de potência para as ações a serem executadas, considerando as características físicas do usuário. Essa abordagem combinada permite detectar desconexões elétricas e mecânicas nos motores, bem como problemas nos encoders, contribuindo para um sistema de reabilitação mais seguro e eficaz. Os modelos de ML, CGN e os conjuntos de dados utilizados estarão disponíveis para a comunidade de designers e pesquisadores, incentivando o avanço contínuo nessa área da reabilitação neurológica.

Origem: Link