DETECCIÓN DE EJERCICIOS KINÉSICOS

Abstract

The processes of rehabilitation in patients with musculoskeletal disorder or traumatism are a challenge to the healthcare system due to its great number of working hours required to properly treat all these patients. Optimizing time and developing the performance of the rehabilitation specialists through technology is a priority to the healthcare system that witnesses how the patients who are not properly rehabilitated are readmitted in it once again, spending resources already lacking. In a physical rehabilitation therapy, the kinesics exercises prescribed to the patients by a specialist generally have very specific requirements to the nature and state of this pathology. To instruct, teach and supervise the correct performance of these exercises is a task that requires time from specialists and that can be automated. In this context, the Chilean company Lifeware is developing Kinectsiology, a support platform for the physiotherapist, focused on instructing and guiding the patient in the performance of the prescribed exercises. Guiding and instructing a patient can be achieved through multimedia contents, such as 3D animations, and text and voice instructions. However, a specialist-level supervision requires to detect a patient, its posture and its movements, and to determine if the patient is correctly performing the requested exercises. The present work develops a kinesics exercises detection algorithm, which using the Kinect sensor for Windows v2 it determines if the patient is correctly performing the kinesics exercises shown on screen. The algorithm uses and compares the data from two pseudo-skeletons. On one hand, the pseudo-skeleton from Kinect is captured live and is matched with the pseudo-skeleton from an “avatar” or 3D instructor, which shows on screen the correct performance of an exercise. The results from the algorithm turned out to be of low reliability, which doesn’t surpass the standards to be implemented in a commercial tool for support of physical rehabilitation. However, the present work detects the mistakes that caused this low reliability and determines improvements to be implemented in the future.Los procesos de rehabilitación en pacientes con traumatismos o trastornos musculo esqueléticos son un reto para el sistema de salud debido al gran número de horas hombres que se requieren para tratar a todos los pacientes de manera adecuada. Optimizar los tiempos y mejorar el desempeño de los especialistas de rehabilitación a través de la tecnología es una prioridad para el sistema de salud que ve como los pacientes que no son rehabilitados correctamente reingresan nuevamente ocupando recursos ya escasos. En una terapia de rehabilitación física, los ejercicios kinésicos prescritos por especialistas a los pacientes tienen generalmente requerimientos muy específicos a la naturaleza y el estado de la patología. El instruir, enseñar y supervisar la correcta ejecución de los mismo es una tarea que demanda tiempo de los especialistas y que puede ser automatizada. En este contexto, la empresa chilena Lifeware, desarrolla Kinectsiology, una plataforma de apoyo a la gestión del terapeuta físico, enfocado en instruir y guiar al paciente en la realización de ejercicios prescritos. Guiar e instruir a un paciente puede lograrse a través de contenido multimedia, como animaciones 3D, instrucciones de texto y voz. Sin embargo, la supervisión tal como lo haría un especialista, requiere detectar a un paciente, su postura y sus movimientos y determinar si se está o no realizando correctamente los ejercicios kinésicos solicitados. El presente trabajo desarrolla un algoritmo de detección de ejercicios kinésicos, que utilizando sensor Kinect for Windows v2 determina si un paciente realiza correctamente ejercicios kinésicos mostrados en pantalla. El algoritmo utiliza y compara los datos de dos seudoesqueletos. Por un lado, el seudoesqueleto de Kinect que se captura en tiempo real y en cada instante es contrastado con el seudoesqueleto de un “avatar” o instructor 3D que muestra en pantalla la correcta realización del ejercicio. Los resultados del algoritmo arrojan una baja confiabilidad, que no superan los estándares para ser implementado en una herramienta comercial de apoyo a la rehabilitación física. Sin embargo, el presente trabajo detecta los errores que causan esta baja confiabilidad y determina mejoras para ser implementadas como trabajo futuro.