Técnicas emergentes de Inteligência Artificial em computação móvel para promoção de atividade física no contexto da mHealth

Sousa, Alexandre Louro de

http://hdl.handle.net/10400.8/9998

Use this identifier to reference this record.

Name:	Description:	Size:	Format:
MEI-CM-Projeto_Alexandre_de_Sousa_ESTG_Leiria_2024_cf.pdf		975.8 KB	Adobe PDF	Download

Send Feedback

Authors

Sousa, Alexandre Louro de

Advisor(s)

Ribeiro, José Carlos Bregieiro

Silva, Fernando José Mateus da

Cruz, Joana Patrícia dos Santos

Abstract(s)

A finalidade do projeto OnTRACK é a promoção de atividade física em pacientes com doença pulmonar obstrutiva crónica, sendo esta acompanhada diretamente por um profissional de saúde para uma recomendação de atividade física mais personalizada às necessidades de cada um. O projeto OnTRACK desenvolveu uma plataforma digital inovadora de treino personalizado. Esta é uma plataforma constituída por duas aplicações, web e mobile, em que a de web é exclusivamente para os profissionais de saúde e a mobile para os pacientes. Este projeto focou-se no desafio de tornar a execução dos exercícios deste treino personalizado mais rigorosa, para garantir uma maior qualidade e segurança. Outra grande parte deste projeto é a “gamificação”, pois este ajuda no envolvimento do paciente e dá-lhe mais motivação para realizar os exercícios, por ser algo mais divertido. O projeto está estruturado em 5 partes: Introdução, Estado da arte, Desenvolvimento, Verificação e Validação e Conclusão. Na introdução é apresentada uma breve contextualização e explicação do projeto. No estado da arte são revistos artigos e projetos relevantes ao tema, abordando tópicos como o de sensores, body pose estimation e realidade aumentada. A secção de desenvolvimento detalha o processo de desenvolvimento do projeto, incluindo a implementação de cada componente, body pose, realidade aumentada, entre outros, com exemplos de código. Na verificação e validação são feitos testes com utilizadores reais e, ao final, são avaliados por meio de um questionário, além da utilização de System Usability Scale visando obter conclusões mais precisas a respeito do feedback recebido. As conclusões alcançadas incluem, a necessidade de sensores externos e/ou o uso de Machine Learning. O uso de realidade aumentada e a “gamificação” são como ferramentas que auxiliam os pacientes a manterem a motivação. Das tecnologias, bibliotecas e frameworks utilizadas destacam-se o ARCore, o TensorFlow Lite e a API do Google Maps.