Smart Glove Deployment for End-to-End Experimenting Palmar Pressure Assessments using Wearable IoT Technologies
Resumo
Nas avaliações funcionais (FE), a falta de equipamentos tecnológicos para experimentos de preensão manual de mão cria dificuldades em oferecer feedback aos fisioterapeutas, como a quantidade ideal de força a ser aplicada em cada experimento de preensão. Como resultado, um protótipo inicial para estudar a quantidade de força envolvida nesses experimentos foi criado. O hardware tem comunicação sem fio interagindo com um aplicativo móvel. No atual estado da arte, existe uma arquitetura de baixo custo de operação e produção de hardware, possibilitando seu uso e adesão em estudos terapêuticos com demanda tecnológica. Para identificar a força de preensão, foram utilizados sensores piezoresistivos como sensores de toque na ponta dos dedos. O hardware é equipado com recursos para receber e armazenar dados on-line de cada experimento, enviando os resultados para a nuvem e fornecendo acesso a dados históricos. Experimentos foram realizados para determinar a viabilidade e desempenho de cada sensor de ponta do dedo. Os resultados mostram que a luva inteligente pode detectar a força de preensão e comunicar os dados sem problemas.
Referências
A high definition noninvasive neuromuscular electrical stimulation system for cortical control of combinatorial rotary hand movements in a human with tetraplegia. IEEE Transactions on Biomedical Engineering, 66(4):910–919.
Baldoli, I., Maselli, M., Cecchi, F., and Laschi, C. (2017). Development and characteri- zation of a multilayer matrix textile sensor for interface pressure measurements. Smart Materials and Structures, 26(10):104011.
Ferreira, A. C. d. C., Shimano, A. C., Mazzer, N., Barbieri, C. H., Elui, V. M. C., and Fon- seca, M. d. C. R. (2011). Grip and pinch strength in healthy children and adolescents. Acta Ortopédica Brasileira, 19(2):92–97.
Fuller, J., Cronin-Golomb, A., Gatchel, J., Norton, D., Guzmán-Vélez, E., Jacobs, H., Hanseeuw, B., Pardilla-Delgado, E., Artola, A., Baena, A., et al. (2019). Biologi- cal and cognitive markers of presenilin1 e280a autosomal dominant alzheimer’s dis- ease: A comprehensive review of the colombian kindred. The journal of prevention of Alzheimer’s disease, 6(2):112–120.
Giovanelli, D. and Farella, E. (2016). Force sensing resistor and evaluation of technology for wearable body pressure sensing. Journal of Sensors, 2016.
Lin, X. and Seet, B.-C. (2015). A linear wide-range textile pressure sensor integrally embedded in regular fabric. IEEE Sensors Journal, 15(10):5384–5385.
Mummadi, C. K., Leo, F. P. P., Verma, K. D., Kasireddy, S., Scholl, P. M., and Van Laer- hoven, K. (2017). Real-time embedded recognition of sign language alphabet finger- spelling in an imu-based glove. In Proceedings of the 4th international Workshop on Sensor-based Activity Recognition and Interaction, page 11. ACM.
Petersen, R. C., Lopez, O., Armstrong, M. J., Getchius, T. S., Ganguli, M., Gloss, D., Gronseth, G. S., Marson, D., Pringsheim, T., Day, G. S., et al. (2018). Practice guide- line update summary: Mild cognitive impairment: Report of the guideline develop- ment, dissemination, and implementation subcommittee of the american academy of neurology. Neurology, 90(3):126–135.
Preetham, C., Ramakrishnan, G., Kumar, S., Tamse, A., and Krishnapura, N. (2013). Hand talk-implementation of a gesture recognizing glove. In 2013 Texas Instruments India Educators’ Conference, pages 328–331. IEEE.
Roll, S. C. and Hardison, M. E. (2017). Effectiveness of occupational therapy interven- tions for adults with musculoskeletal conditions of the forearm, wrist, and hand: a systematic review. American Journal of Occupational Therapy, 71(1):1–12.
Sukenik, A., Rücker, J., and Maldener, I. (2019). Dormant cells (akinetes) of filamentous cyanobacteria demonstrate a great variability in morphology, physiology, and ecologi- cal function. In Cyanobacteria, pages 65–77. Elsevier.
Tolvanen, J., Hannu, J., and Jantunen, H. (2017). Hybrid foam pressure sensor uti- lizing piezoresistive and capacitive sensing mechanisms. IEEE Sensors Journal, 17(15):4735–4746.
Tsai, Y.-C., Ma, C.-W., Lin, Y.-H., and Yang, Y.-J. (2017). Development of a large-area 8× 8 tactile sensing array with high sensitivity. Sensors and Materials, 29(3):303–309.
