Development of procedures for the design, optimization and manufacturing of customized orthopaedic and trauma implants: Geometrical/anatomical modelling from 3D medical imaging

Tese de Doutoramento (Programa Doutoral em Engenharia Biomédica)

Segmentação morfológica e dificuldades de leitura em crianças com perturbações de leitura e escrita

O presente estudo pretende verificar se existe uma correlação entre consciência morfológica e desempenho em leitura e escrita (mais precisamente, na componente de leitura) em crianças com e sem dificuldades ou perturbação de leitura e escrita. Para cumprir este objetivo, aplicou-se, numa amostra de crianças falantes de português europeu, dois instrumentos de avaliação: o “Teste de Idade de Leitura” e uma Prova de Consciência Morfológica, especificamente criada para o efeito. O grupo experimental (GE) inclui crianças com diagnóstico de dificuldades ou perturbação de leitura e escrita; o grupo de controlo (GC) não. Após a análise dos dados, conclui-se que existe uma diferença estatisticamente significativa entre os grupos de crianças em estudo, uma vez que o GC revela um desempenho superior ao GE em ambas as provas aplicadas. Os resultados obtidos demonstram ainda uma correlação estatisticamente significativa entre o desempenho das crianças no domínio de leitura e o desempenho das crianças ao nível da consciência morfológica. A correlação mostra-se consideravelmente mais forte no GE do que no GC. Deste modo, conclui-se que a estimulação da consciência morfológica pode efetivamente facilitar e auxiliar o desenvolvimento da aprendizagem leitora em crianças, sobretudo em crianças com dificuldades nestes domínios.

Generic system for human-computer gesture interaction: applications on sign language recognition and robotic soccer refereeing

Hand gestures are a powerful way for human communication, with lots of potential applications in the area of human computer interaction. Vision-based hand gesture recognition techniques have many proven advantages compared with traditional devices, giving users a simpler and more natural way to communicate with electronic devices. This work proposes a generic system architecture based in computer vision and machine learning, able to be used with any interface for human-computer interaction. The proposed solution is mainly composed of three modules: a pre-processing and hand segmentation module, a static gesture interface module and a dynamic gesture interface module. The experiments showed that the core of visionbased interaction systems could be the same for all applications and thus facilitate the implementation. For hand posture recognition, a SVM (Support Vector Machine) model was trained and used, able to achieve a final accuracy of 99.4%. For dynamic gestures, an HMM (Hidden Markov Model) model was trained for each gesture that the system could recognize with a final average accuracy of 93.7%. The proposed solution as the advantage of being generic enough with the trained models able to work in real-time, allowing its application in a wide range of human-machine applications. To validate the proposed framework two applications were implemented. The first one is a real-time system able to interpret the Portuguese Sign Language. The second one is an online system able to help a robotic soccer game referee judge a game in real time.