Esta quinta-feira, dia 21 de novembro, das 14h às 16h, decorrerá a discussão da Comissão de Acompanhamento de Tese (CAT), da proposta "Generalizable and Explainable Real-time Stroke Rehabilitation Support System with Accessible Technology", da estudante Ana Rita Cóias.

Abstrat (tradução): "Os sistemas baseados em IA podem apoiar os procedimentos de tomada de decisão na reabilitação e o treinamento de exercícios. Com os avanços na tecnologia de rastreamento de movimento (por exemplo, sistemas de captura de movimento baseados em visão) e em machine learning, estes sistemas podem fornecer aos terapeutas dados objetivos sobre as deficiências dos pacientes e sobre o seu progresso, proporcionando um processo de decisão mais informativo sobre ajustes na terapia. Como um treinador virtual, um sistema de apoio pode auxiliar os pacientes a praticarem exercícios de forma autónoma, através de instruções e de feedback sobre o desempenho. Para cumprir este propósito, o treinador virtual deve incorporar um conjunto de requisitos: a avaliação objetiva do movimento deve ser abrangente, cobrindo uma ampla gama de exercícios e diferentes níveis de deficiência; deve oferecer explicações sobre as suas decisões, promovendo confiança e compreensão por parte do usuário; fornecer feedback corretivo em tempo real para incentivar a melhoria da função motora, mantendo os pacientes motivados e focados na terapia; e sua configuração técnica geral deve ser acessível e adequada a diferentes contextos (por exemplo, em casa).

Nesta tese, tentamos responder às seguintes questões de pesquisa:

1) Como podemos alcançar uma avaliação de exercício em tempo real, evitando um processo de etiquetagem caro e demorado?

2) Como podemos criar um treinador virtual mais explicável?

3) Como podemos avaliar com sucesso novos exercícios com apenas uma pequena amostra de novos dados?

4) Podemos avaliar com sucesso o desempenho dos exercícios com tecnologia acessível?

Abordaremos essas questões desenvolvendo: abordagens de machine learning para avaliar o desempenho dos exercícios em tempo real, dependendo apenas de anotações a nível do vídeo; algoritmos com grande capacidade de generalização para diferentes padrões de movimento e exercícios; um protótipo de treinador virtual que fornece explicações sobre suas decisões para terapeutas e pacientes; investigar o nível de acessibilidade da solução proposta e recolher informações sobre como torná-la mais acessível.

Até agora, com nossas contribuições, adquirimos algumas percepções que nos aproximam de nosso objetivo. Em uma contribuição anterior, desenvolvemos um protótipo de treinador virtual que fornece marcadores visuais destacando as articulações do corpo que necessitam de atenção enquanto os exercícios são realizados. Coletamos dados sobre a usabilidade do protótipo com participantes saudáveis e com um participante pós-AVC. Identificámos soluções adequadas de rastreamento de movimento que permitem o uso de câmeras RGB comuns para avaliação de exercícios, melhorando a acessibilidade do sistema. Recolhemos novos dados de 20 pacientes pós-AVC enquanto realizavam cinco exercícios de reabilitação. Exploramos um um enquadramento para a geração de pseudo-etiquetagem ao nível do quadro, utilizando uma técnica de IA explicável. Além das nossas contribuições, ainda precisamos de dar alguns passos para alcançar nosso objetivo. Este documento detalha o trabalho desenvolvido até agora para responder às questões de pesquisa apresentadas, além da proposta de pesquisa para o próximo ano e meio. Descrevemos os nossos planos de pesquisa e como os abordaremos."

A sessão será realizada em modo misto:

-presencial, na sala de reuniões do ISR, IST- torre norte, 7.º piso;

-via zoom, para participantes externos.