Uma aplicação móvel para acompanhamento do idoso com artrite utilizando deep learning

Abstract

RESUMO O envelhecimento populacional tem ampliado a incidência de doenças crônicas que comprometem a autonomia do idoso, entre elas a artrite, especialmente quando afeta as articulações das mãos. Nesses casos, atividades simples do cotidiano tornam-se difíceis, e a realização correta de exercícios terapêuticos passa a ser essencial para preservar a funcionalidade e reduzir desconfortos. No entanto, muitos idosos encontram dificuldades para manter essa prática fora do ambiente clínico, seja por insegurança na execução dos movimentos, seja pela ausência de acompanhamento contínuo. Diante desse cenário, este trabalho propõe o desenvolvimento de uma aplicação móvel voltada ao acompanhamento de idosos com artrite, utilizando técnicas de deep learning aplicadas à visão computacional. A solução é baseada em um pipeline que integra detecção da mão, segmentação, estimação de pose e classificação automática dos exercícios terapêuticos, empregando a arquitetura YOLO (You Only Look Once). A partir de vídeos capturados pelo próprio usuário, o sistema identifica o exercício realizado, apresenta informações sobre seus benefícios terapêuticos e disponibiliza um vídeo processado com a identificação visual do movimento. O processamento das informações é realizado em um servidor, enquanto a aplicação móvel atua como interface de interação, tornando o uso do sistema simples e acessível. Os resultados obtidos demonstram que a abordagem proposta é viável para o reconhecimento automático de exercícios da mão em condições não controladas, contribuindo para maior segurança, autonomia e adesão ao tratamento. Dessa forma, a aplicação se apresenta como uma ferramenta de apoio complementar ao acompanhamento profissional, com potencial para auxiliar na promoção da qualidade de vida de idosos com artrite. ABSTRACT The advancement of population aging has increased the prevalence of chronic conditions that compromise the autonomy of older adults, among which arthritis stands out, especially when it affects the joints of the hands. In such cases, simple daily activities become difficult, and the correct practice of therapeutic exercises becomes essential to preserve functionality and reduce discomfort. However, many older adults face difficulties in maintaining this practice outside the clinical environment, either due to insecurity in performing the movements or the lack of continuous monitoring. In this context, this work proposes the development of a mobile application aimed at monitoring older adults with arthritis, using deep learning techniques applied to computer vision. The proposed solution is based on a processing pipeline that integrates hand detection, segmentation, pose estimation, and automatic classification of therapeutic exercises, employing the YOLO architecture. From videos captured by the user, the system identifies the performed exercise, provides information about its therapeutic benefits, and makes available a processed video with visual identification of the movement. The processing is carried out on a server, while the mobile application acts as an interaction interface, ensuring simple and accessible use. The results indicate that the proposed approach is feasible for the automatic recognition of hand exercises in uncontrolled environments, contributing to greater safety, autonomy, and adherence to treatment. Thus, the application presents itself as a complementary support tool to professional monitoring, with potential to assist in promoting the quality of life of older adults with arthritis.