Qualitative Analysis of Physical Rehabilitation Exercises using a Deep Learning and IOT based approach

Abstract

Many surgeries may require additional physical rehabilitation after the procedure. In most scenarios, physiotherapy involves huge healthcare costs as well as an added nuisance to the patient that may need transportation to the physiotherapy site and may have not made a full recovery yet. Existing commercial technologies assess rehabilitation exercise using expensive optical tracking systems which require specific lighting conditions and a lot of setup, while also being computationally expensive. There are some other technologies that use Inertial Measurement Unit sensors but, while they do score the exercise performance, they do not provide the full insight on what was the error and how to correct posture. This thesis explores an approach for evaluating the correctness of a physical rehabilitation exercise using Inertial Measurement Units and Deep Neural Network models that are lightweight enough to run on a modern smartphone, making the process much more ubiquitous and accessible. The approach attempts to not just to score the exercise but also to assess which joints are incorrect so as to provide feedback on how to correct the exercise. This work is developed under the European Smart4Health research project.

Muitas cirurgias requerem exercícios adicionais de reabilitação após o procedimento. Na maioria dos casos, a fisioterapia envolve elevados custos de saúde, bem como um potencial incómodo para o paciente que se necessita de deslocar até ao local da fisioterapia e pode ainda não ter recuperado totalmente. As tecnologias comerciais existentes avaliam os exercícios físicos de reabilitação recorrendo a imensa configuração, sendo também computacionalmente pesadas. Há também outras tecnologias que usam sensores de movimento, contudo, enquanto que estas atribuem uma pontuação com base na qualidade do exercício realizado, não informam completamente qual foi o erro praticado ou como corrigir a postura. Esta tese explora um método para avaliar exercícios de reabilitação física através do uso de sensores de movimento e modelos de Redes Neuronais Profundas leves o suficiente de modo a poder utilizar um smartphone moderno para as computações, tornando o processo mais ubíquo e mais acessível. Este método procura não só avaliar o exercício como uma pontuação, mas também indicar que membros do corpo estão incorrectamente posicionados, de modo a informar o paciente o que é necessário corrigir. Este trabalho é realizado no âmbito do projecto de investigação europeu Smart4Health.