No campo da estatística, Chalmers et al. (2009) criaram um conjunto de classificadores para produção de avaliações com a finalidade de ajudar especialistas no planejamento de processos de reabilitação de pacientes, vítimas de acidente vascular cerebral. O objetivo da investigação tinha como foco central a recombinação de técnicas de avaliação de deficiências sensório-motoras. Para atingir esses objetivos, esses autores usaram um comitê de classificadores em um exoesqueleto robótico – Kinensiological Instrument for Normal and Altered Reaching Movements (KINARM).
O experimento utilizou contribuições do campo da computação e da estatística para solucionar problemas de análise de dados, incluindo o coeficiente de
54 correlação de spearman, testes de Mann-Whitney-U, Mann-Whitney-Wilcoxon (MWW), Kolmogorov-Smirnov e análise de desvio padrão para comparação de desempenho de técnicas de classificadores, de redução de dimensionalidade e de normalização de dados.
Os parâmetros utilizados no experimento foram processados pelo exoesqueleto robótico, obtendo-se métricas de avaliação calculadas com base em distâncias percorridas durante a manipulação de uma tarefa específica, tempo, velocidade, força, trajetória e ângulo de trajetória.
Ainda no campo da estatística, King et al. (2009) desenvolveram uma luva de sensores sem fio para avaliação de habilidades cirúrgicas com o uso de técnicas de clusterização e análise de similaridade entre o comportamento de especialistas e novatos. Considerando a dificuldade de prover uma seleção otimizada da posição ideal de sensores de luva, foi desenvolvido um framework com base nas contribuições do modelo estatístico Hidden-Markov-Model (HMM).
Para contornar a dificuldade, foi apresentada uma técnica que permitia a captura de informações originadas nos movimento das mãos por meio de acelerômetros posicionados em sensores de luva. O objetivo era obter coordenadas de informações tridimensionais nos eixos x, y e z, cujos resultados de avaliação resultassem em índices de destreza manual e desempenho. Como técnica de captura, os autores relataram o desenvolvimento de uma Wireless Lightweight Sensor Glove com tecnologia Body Sensor Network (BSN) – a BSN sensor glove –, conforme ilustrado na Figura 4.
O núcleo central do método de avaliação concebido é observado no estudo da melhor posição de sensores e na utilização de uma matriz de similaridade para cálculos. Essa matriz utiliza-se do modelo estatístico HMM, cujos índices de comparação são processados com o objetivo de analisar semelhanças no comportamento de usuários novatos e especialistas no campo das habilidades cirúrgicas.
55
Fonte: King et al. (2009, p. 3, tradução nossa )
Nesse trabalho, os parâmetros foram identificados por meio da análise de gestos capturados por sensores instalados na luva com tecnologia BSN durante a realização de uma tarefa. Em cada instante de tempo, em uma sequência de movimentos, foi gravada a posição de diferentes sensores posicionados na luva.
Para analisar o desempenho de movimentos humanos com base em uma medida de avaliação das funções do braço e da mão, Vuillermont et al. (2009) desenvolveram experimentos que utilizavam teste computadorizado de desenho expandido (Extented Drawing Test – EDT) para aceleração do tratamento de pacientes com AVC.
Na análise do teste foram utilizadas técnicas do campo da estatística. Merece citação a principal delas, a desenvolvida para emprego na comparação de desempenho com uso de dados capturados em uma mesa digitalizadora adaptada para três formatos distintos: adaptação de suporte de caneta eletrônica para gráficos com base transparente; adaptação de um porta-caneta para tablet gráfico com aderência esférica e adaptação do formato padrão de caneta com aderência dinâmica para o formato de tripé.
Com a adaptação do dispositivo, os autores gravaram o desenho de voluntários em um estudo experimental. A realização dessa atividade permitiu o registro da sequência de pontos e de dois parâmetros adicionais: o tempo gasto para desenhar uma linha e a velocidade de curvatura da linha. O cálculo da curvatura é obtido pelo desvio padrão entre os segmentos da linha e respectivas
56 médias, que são conseguidas com o uso de medidas de precisão de distâncias ideais e distâncias alcançadas em cada experimento desenvolvido.
Essas medidas permitiram a criação de uma métrica denominada índice global de desempenho. Os dados foram discutidos levando em consideração os resultados coletados e experimentados nos três formatos adaptados do dispositivo. Ao final, utilizando-se os métodos estatísticos, foram geradas comparações entre o desempenho dos usuários.
Para desenvolver um método de avaliação quantitativa que revelasse o grau de destreza manual de uma pessoa com o uso de tecnologias de Realidade Virtual Háptica Yoshikawao, Koeda e Sugihashi, (2007) apresentaram índices quantitativos de lateralidade e destreza de uma pessoa embasados em dados obtidos por meio de um método estatístico que utiliza análise fatorial.
O método estatístico de análise fatorial é testado considerando tarefas que exigem precisão de posicionamento, controle de força e manipulação de habilidades. Após a aplicação do método, três tipos de testes de desempenho são realizados e um julgamento de lateralidade é apresentado.
Os autores definiram métricas específicas para uma tarefa a ser realizada em um ambiente virtual com base em cinco parâmetros: meta desenvolvida em um percurso orientado por especialistas, número de erros relacionados ao não cumprimento da meta orientada, tempo, força, métrica de desempenho processada com base na média de erros de cada sessão experimental. Em seguida à obtenção das métricas processadas pelo método, um sistema de pontuação calcula uma única métrica, que é obtida com base na técnica estatística de análise fatorial.
Choi, Soo e Chung , (2009), para desenvolver um simulador de cirurgia de baixo custo, apresentaram uma discussão baseada em um framework constituído de um ambiente virtual para treinamento médico. Nesse framework modelos de mãos cirúrgicas virtuais são gerados por computador com o objetivo de apoiar aprendizes que praticam procedimentos de facoemulsificação em cirurgias de catarata.
O sistema, além de se apoiar em técnicas de gravação de trajetória e registro da cinemática do movimento das mãos, apresenta as seguintes técnicas para treinamento e processamento de parâmetros: deformação de tecido (massa mola), corte de malha (no aramado de um objeto virtual) e a modelagem do modelo geométrico virtual (nova lente a ser inserida).
57 Os parâmetros foram coletados utilizando-se um par de dispositivos hápticos em um sistema de RV, dentre os quais podem ser destacados: o tempo de conclusão da tarefa, a força, a velocidade e a trajetória da ferramenta.
Para análise da destreza manual, foram utilizadas técnicas estatísticas de média e desvio padrão, que comparam o grau de destreza manual entre aprendizes e cirurgiões experientes.
Stylopoulos e Vosburgh (2007), com o objetivo de analisar o posicionamento do movimento em procedimentos de laparoscopia e endoscopia propuseram um experimento que se utiliza de um sistema de pontuação C-PASS, cuja finalidade é testar um conjunto de parâmetros para medir o desempenho de cirurgiões durante a realização de tarefas em ambientes reais.
Os sistemas de avaliação de desempenho e de pontuação C-PASS são utilizados para medir o desempenho individual ou de grupos de cirurgiões, tomando como base as representações de parâmetros que abstraem uma relação cinemática de um modelo tridimensional.
Embora se utilize de técnicas originadas no campo da cinemática para o processamento de parâmetros, com o objetivo de gerar uma métrica final de análise de desempenho entre especialistas e novatos, o método considera a utilização de técnicas estatísticas que incluem distribuições gausianas, desvio padrão e média.
Com o objetivo de modelar e definir comportamentos padrões de especialistas, Chowriappa et al. (2009) conduziram experimentos para capturar as informações de escrita seguindo uma convenção: três letras do alfabeto inglês, três símbolos e seis caracteres em tâmil6, conforme se observa na Figura 5.
Fonte: Chowriappa et al. (2009, p. 2919, tradução nossa)
6Língua falada pelos tâmules ou tâmis, no sul da Índia.
Figura 5 – Coleta de dados: seis caracteres de tâmil, três letras de inglês e três símbolos
58
Fonte: Chowriappa et al. (2009, p. 2919, tradução nossa)
Uma vez com as informações capturadas em um tablet (Figura 6), os autores efetuaram a abstração de padrões com base na escrita de especialistas. Para lidar com essa abstração, utilizaram parâmetros como a força de pressão aplicada da caneta contra o tablet, a gravação da trajetória, considerando as unidades de tempo e as orientações da caneta, e, em momento posterior, o pré- processamento de informações, analisando a perícia e a fluência de escrita entre especialistas e a informação de novatos.
Os pesquisadores concluíram que, em relação à escrita, é possível considerar a existência de padrões de especialistas, mas não na de usuários novatos, por causa da disparidade das informações.
Após a captura de dados no tablet, foram destacados os seguintes parâmetros processados: erro de posicionamento, tempo de coerência do movimento, força, posição, velocidade, padrões de comportamento e medida da automaticidade de habilidades. Tendo esses parâmetros como base, os autores desenvolveram um trabalho de análise estatística (ANOVA) para caracterizar as habilidades de especialistas e novatos.
Ao final da experiência, concluíram que esses desvios são relevantes porque, em função dos estágios entre a aquisição de habilidades iniciais e os processos de automaticidade em desenvolvimento de habilidades, têm curvas de aprendizagem, evolutiva e heterogênea nas fases iniciais, mas similares na fase de automatismo, quando a aprendizagem já está mais consolidada. No último caso,
Figura 6 – Coleta de dados: tablet capturando informações de escrita
59 observam-se as habilidades inatas quando o comportamento motor autônomo é evidente nas ações que não exigem alto nível de carga cognitiva no processamento humano da informação.
Solis et al. (2009) apresentaram contribuições no campo da matemática e da estatística quando desenvolveram um robô paciente que simula o treinamento de suturas. O método utilizou técnicas para o processamento de parâmetros, aproveitando uma função discutida como abordagem matemática. No entanto, foram implementadas técnicas estatísticas com base no método de análise discriminante que, ao final do experimento, possibilitou a projeção de curvas de aprendizagem com uso dos parâmetros obtidos pela função matemática (E-suture). O método de análise discriminante foi utilizado pelos autores com o objetivo de classificar ou determinar classes com base em um conjunto de variáveis conhecidas como preditoras ou variáveis de entrada.