No abstract

No abstract

No abstract

No abstract

No abstract

Atualmente, é crescente o número de pacientes que são tratados em casa, principalmente em países como o Japão, Estados Unidos e da Europa. Além disso, o número de idosos tem aumentado significativamente nos últimos quinze anos, e essas pessoas, muitas vezes, preferem receber tratamento médico em suas residências.  No entanto, podem acontecer situações críticas durante esse período de recuperação, como por exemplo, o paciente idoso sofrer uma queda e agravar o seu quadro clínico. Neste cenário, avanços em Computação Ubíqua e Internet das Coisas (IoT) têm contribuído para evitar essas situações. Em particular, dispositivos embarcados, juntamente com a captura de movimentos por meio de sensores, podem ser aplicados para desenvolver soluções que ofereçam mais segurança para essas pessoas. Todavia, observa-se uma dificuldade de classificar os movimentos de um indivíduo e identificar, de fato, um movimento considerado anormal. Assim, o principal objetivo deste trabalho é a detecção e classificação dos movimentos utilizando dados conjuntos de sensores distintos e dispositivo embarcado. Paradigmas de Inteligência Artificial (AI) foram aplicados para a classificação dos movimentos e os testes realizados na arquitetura SAHHc. Os resultados apontaram uma precisão de 96.62\% na identificação das atividades executadas por um paciente/idoso.

No abstract

No abstract