AMBIENTE VIRTUAL PARA REABILITAÇÃO DE MEMBROS SUPERIORES
DE PACIENTES PÓS-AVC
NICOLÁS J. VALENCIA1, VIVIANNE F. CARDOSO 2, FLAVIA A. LOTERIO2, JOHN J. VILLAREJO1, ANSELMO FRIZERANETO1, TEODIANO BASTOS1,2
1.
Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal do Espírito Santo, CEP
29075-910, Av. Fernando Ferrari, 514, Vitória, ES-Brasil
E-mails: [email protected], [email protected]
2.
Programa de Pós-Graduação em Biotecnologia, Universidade Federal do Espírito Santo, CEP 29075910, Av. Fernando Ferrari, 514, Vitória, ES-Brasil
E-mails: [email protected]
Abstract Stroke is a considerable cause of disability worldwide. Some neurological functions are affected by stroke, like motor disability in the contralesional side. A common motor recovery goal in physical therapy is to promote and enhance symmetry
in motor patterns involved in daily functional tasks, helping to prevent learned nonuse of the paretic side. With this in mind, we
present a software tool using Kinect V2 and sEMG sensor, which enables the automated supervision of physical exercises aiming
to the physical rehabilitation of arm movements. The virtual environment shows friendly surroundings in 3D graphics, removing
the repetitive therapy idea. Instead of, wrap the patient in a game with which to reach a recovery. The system developed, further
helping the patient, it is an effective tool for therapists, which generates parameters of angular amplitude in joints and shows
muscle activation in required movements by the system.
Keywords - Stroke rehabilitation, Interactive virtual environments, sEMG, Computer Vision.
Resumo O AVC é uma causa considerável de incapacidade em todo o mundo. Certas funções neurológicas podem ser afetadas
pelo AVC, como é o caso da mobilidade no lado contralesionado do corpo. A meta comum da recuperação motora na fisioterapia
é promover e melhorar a simetria em padrões motores envolvidos em tarefas funcionais diárias, com o objetivo de evitar desuso
do lado parético. Com isto em mente, apresenta-se uma ferramenta de software usando Kinect V2 e um sensor de sEMG, que
permite a supervisão automatizada de exercícios físicos, ajudando na reabilitação física dos movimentos do braço. A realidade
virtual mostra um ambiente amistoso em gráficos 3D, eliminando a ideia da terapia repetitiva e possibilitando ao paciente uma
recuperação alcançada através de um jogo. Além de ajudar o paciente, o sistema desenvolvido é uma ferramenta eficaz para terapeutas, gerando parâmetros de amplitude angular nas articulações e mostrando a ativação muscular nos movimentos requeridos
pelo sistema.
Palavras-chave Reabilitação AVC, Ambientes virtuais interativos, sEMG, Visão computacional.
1. Introdução
O Acidente Vascular Cerebral (AVC) está entre
as principais causas de morte e incapacidade motora
em todo mundo (WHO, 2014). A alta incidência de
AVC provoca um considerável impacto socioeconômico, o que implica em altos investimentos em prevenção e desenvolvimento de novos métodos para
reabilitação.
Pessoas acometidas por AVC podem apresentar
sequelas sensório-motoras, musculoesqueléticas,
perceptuais e cognitivas, sendo que a função motora
prejudicada aparece como um dos sintomas mais
comuns (Sin; Lee, 2013). As deficiências neurológicas causadas pelo AVC incluem hemiparesia, ou
seja, fraqueza no lado do corpo contralateral à lesão,
dificuldades de coordenação, espasticidade, apraxia e
deficiências no controle postural (Popovic et al.,
2014). Quando os membros superiores são afetados,
a qualidade de vida destes pacientes fica comprometida. Embora a recuperação funcional da extremidade
superior afetada seja extremante importante, apenas
50% dos sobreviventes de AVC estão propensos a
recuperar algum uso funcional da mesma (Chan et
al., 2009).
Uma das limitações encontradas para induzir
mudanças na neuroplasticidade e na recuperação
funcional de déficits motores pós-AVC é o elevado
número de repetições. Dados neurofisiológicos sugere ser necessária uma quantidade considerável de
repetições de movimentos para induzir tais mudanças
(Lohse et al., 2014). Entretanto, esse elevado número
de repetições é um requisito problemático: demanda
um tempo elevado, profissionais especializados e
vagas nos centros de reabilitação. Além disso, dados
observacionais mostram que as intervenções que
exigem movimentos simples e repetitivos podem
causar monotonia e tédio, reduzindo a atenção e
motivação dos pacientes para completar o treinamento (Lang et al., 2009).
Recentemente, exercícios e jogos em ambientes
de Realidade Virtual (RV) têm sido usados na área
de reabilitação. Esses podem proporcionar um variado e agradável ambiente para motivar a prática de
movimentos necessários na reabilitação, provocar
altos níveis de envolvimento e prender a atenção por
longos períodos de tempo (Krakauer, 2006), podendo
servir como um fator de motivação em termos de
diversão, desafio e feedback. Nos últimos anos, jogos
interativos em ambientes de RV têm sido amplamente aceitos, uma vez que a motivação do paciente
mostra ser altamente importante no resultado terapêutico.
Neste sentido, alguns estudos têm se dedicado ao
desenvolvimento de dispositivos que integrem a RV
no processo de reabilitação de pacientes pós-AVC
(Lange et al., 2011; Baranyi et al., 2013; Erazo Orlando et al., 2014), mostrando que a RV pode ser
uma potencial ferramenta para auxiliar pacientes e
profissionais de reabilitação durante o processo de
recuperação após a ocorrência do AVC.
Assim, este trabalho tem como objetivo o desenvolvimento de um ambiente virtual utilizando o Kinect da Microsoft, construído para auxiliar nos exercícios fisioterapêuticos de pacientes pós-AVC, além
de mostrar para o terapeuta a atividade muscular na
extremidade estudada. O sistema de reabilitação
permite ao paciente pós-AVC ter uma ferramenta de
análise de movimento e de ativação muscular, enquanto joga alcançando asteroides em um ambiente
espacial (Figura 1).
2.1 Atividades físicas propostas
No membro superior de pacientes pós-AVC, é
comum que haja espasticidade nos músculos flexores
do cotovelo, prejudicando movimentos de extensão e
flexão do cotovelo, limitando assim sua funcionalidade (O'Sullivan; Schmitz, 2006). Esses movimentos
proporcionam um meio para ajustar o alongamento
funcional geral do membro superior, função que é
usada para muitas atividades importantes, como
alimentação, alcance, arremesso e higiene pessoal.
Para manter a integridade e mobilidade das articulações e prevenir contraturas, são indicados exercícios
de amplitude de movimento e alongamentos
(O'Sullivan; Schmitz, 2006).
A amplitude máxima do movimento passivo do
cotovelo vai de 5 graus de hiperextensão até 145
graus de flexão. Contudo, diversas atividades comuns do dia-a-dia usam apenas um arco limitado de
movimento, ou seja, um arco funcional normalmente
entre 30 a 130 graus (Neumann, 2013). Assim, para
que um dispositivo seja útil na reabilitação de membros superiores de indivíduos pós-AVC, é necessário
que uma de suas características seja a recuperação
destes movimentos. Neste estudo, os objetivos virtuais foram posicionados no nível do arco de movimento descrito (0o a 180o) durante a flexão e extensão do cotovelo e antebraço (Figura 2) para realizar
movimentos de pronação.
Figura 1. Ambiente Virtual para recuperação dos movimentos no braço esquerdo (espelhado).
2. Métodos
O sistema desenvolvido mostra um humanoide
em um ambiente virtual, copiando os movimentos do
paciente, por meio do qual se pode especificar, monitorar e avaliar as tarefas de reabilitação e produzir
um feedback útil para o paciente e para o profissional
de reabilitação. Através da imersão proporcionada
pela RV é possível motivar o paciente a realizar uma
maior quantidade de movimentos de forma correta e
com segurança.
Este sistema foi baseado em paradigmas de
aprendizagem motora e concebido a partir das necessidades dos fisioterapeutas em ter uma ferramenta de
análise dos movimentos durante a recuperação motora em pessoas com hemiparesia (Krakauer, 2006).
Com base nas características da câmera Kinect, o
sistema foi construído com a capacidade de detectar
movimentos corporais envolvidos na extensão e
flexão do cotovelo.
Figura 2. Amplitude de movimento do cotovelo (Plano sagital).
Arco funcional descrito pela posição de cada um dos objetivos.
2.2 Aquisição e processamento de sinais
A instrumentação necessária para o funcionamento do sistema é composta por um computador
pessoal (com periféricos básicos), o Kinect para
Windows v2 (Microsoft 2015) e o sistema de aquisição EMG 830, desenvolvido por EMG System do
Brasil Ltda.. Esta seleção foi feita com base na facilidade de consecução, uso e preço relativamente
baixo em comparação com outras tecnologias de
rastreamento do corpo e processamento de sinais
mioelétricos.
2.2.1. Processamento de imagens
2.2.2. Processamento de sEMG
Com a finalidade de obter dados do sensor Kinect, foi utilizado o programa Microsoft® SDK (Software Development Kit) para o Kinect ™ V2, o qual
fornece um fluxo de 30 FPS (quadros por segundo)
nas imagens coloridas e de profundidade, e até 6
segmentações de esqueletos de 25 articulações por
pessoa para 6 pessoas diferentes (Microsoft, 2015). A
Figura 3 mostra um diagrama de blocos que descreve
diferentes partes identificáveis da aplicação escrita
em linguagem C#. FSM implica “Finite State Machine” ou Maquina de Estados Finitos.
A fim de obter dados do sistema de aquisição
EMG 830, é feito um processamento dos sinais mioelétricos no software Matlab, no qual o terapeuta pode
conhecer os movimentos feitos pelo paciente e ter
uma medida específica da atuação de cada grupo
muscular no movimento atingido. O sistema mostra
diferentes níveis de ativação muscular e a tarefa do
músculo (flexão ou extensão). Na Figura 5, é apresentado um diagrama de blocos que descreve o processamento dos sinais mioelétricos.
Figura 3. Diagrama de blocos que descreve a utilidade do
Kinect V2.
O Kinect utiliza as funções desenvolvidas pelo
fabricante, agrupadas no SDK 2.0, e então as imagens são processadas para transformar os movimentos feitos pela pessoa em um sistema 3D coordenado.
A transformação espacial implementada é usada para
inserir cada movimento da pessoa no ambiente virtual em tempo real (Figura 9, FSM do jogo), gerando
um feedback para o paciente. O movimento é captado
pela câmera para realizar o ciclo repetidamente até
alcançar todos os objetivos flutuantes.
O Kinect infere a posição do corpo em um processo de duas etapas: 1) calcula um mapa de profundidade por meio do sensor infravermelho; 2) infere
uma posição do corpo usando uma máquina de
aprendizagem. Com a informação do corpo no ambiente virtual, é feita uma filtragem para definir uma
zona ativa onde o paciente vai desenvolver sua terapia (Figura 4).
Figura 4. Zona ativa definida para detecção do paciente. Vista lateral e superior.
Figura 5. Diagrama de blocos que descreve a utilidade do
sistema de aquisição EMG 830.
Foram utilizados dois canais de Eletromiografia
de superfície (sEMG) em cada um dos braços do
voluntário, especificamente no bíceps braquial e
tríceps braquial, músculos encarregados dos movimentos solicitados pelo sistema de reabilitação. Os
dados foram processados para verificar o instante da
contração muscular, de acordo com o movimento
solicitado para alcançar o alvo. Com isso, pode ser
estudado o nível de ativação muscular, verificando o
grau de esforço feito pelo paciente. As informações
são mostradas graficamente ao terapeuta, quem avalia cada parâmetro gerado pelo sistema.
O sinal mioelétrico é processado digitalmente
para gerar um estímulo de realimentação sensorial
(biofeedback). Um filtro passa-banda IIR tipo
Chevyshev com frequências de corte de 10Hz e
250Hz, é utilizado para remover artefatos do ambiente. Adicionalmente, as interferências da rede elétrica,
de 60Hz e o harmônico de 180Hz, são removidos
mediante filtros Notch, ambos do tipo IIR Elliptic.
Posteriormente, o sinal é retificado para analisar o
comportamento do sinal com valores positivos. Cada
sinal é normalizado usando a mediana escalada por
um fator de 20 vezes.
A Figura 6 descreve um exemplo do sinal no
domínio do tempo e o seu correspondente espectro
de frequência mediante a transformada rápida de
Fourier.
Figura 6. Sinal correspondente aos movimentos gerados pelo
paciente em um instante do tempo.
O biofeedback é proporcionado a partir da retroalimentação visual ao paciente, mediante um processo de detecção da atividade muscular. Para isso são
calculadas a envoltória do sinal obtido para cada
canal e o valor da raiz média quadrática, sendo o
sinal segmentado mediante uma janela deslizante de
500 amostras consecutivas. Em seguida, o sinal da
envoltória é transformado em um conjunto de valores
discretos usando o algoritmo de agrupamento de kmeans clustering. A finalidade deste algoritmo é
encontrar similaridades entre os dados e conformar
grupos a partir dessa semelhança. Cada amostra é
associada a um dos “k” clusters, minimizando a
distância relativa aos centroides usando a distância
euclidiana quadrática. No presente trabalho, o valor
de k utilizado foi de cinco.
A Figura 7 descreve esse processo, com o sinal
mioelétrico filtrado e retificado (cor azul) e a envoltória (linha preta). Finalmente, o agrupamento de
cada amostra é representado mediante um gráfico de
barras, o qual representa os cinco níveis aos quais
são associadas cada uma das amostras.
Figura 8. Ambiente Virtual Interativo desenvolvido para o
primeiro jogo.
O segundo jogo mostra cada um dos sete asteroides de maneira independente flutuando, aparecendo em sequência. No primeiro instante aparece o
asteroide flutuando na posição 0°. Quando o paciente
o atinge, aparece o segundo objetivo a 30° do primeiro. A sequência continua até que a pessoa consiga
alcançar os sete objetivos.
Figura 7. Sinal filtrado mostrando os diferentes níveis de ativação muscular.
2.3. Ambiente Virtual Interativo
O protótipo deste ambiente foi desenvolvido no
software Unity®, o qual consiste em um personagem
no estilo “homem espacial”, cujo propósito é coletar
o maior número possível de asteroides a partir do
movimento do braço afetado pelo AVC (Figura 8).
Foram desenvolvidos três jogos diferentes no mesmo
ambiente virtual. O primeiro jogo mostra o humanoide tentando alcançar sete objetivos fixos flutuando
em ângulos específicos vistos desde o plano sagital
(Figura 2).
Figura 9. FSM do Jogo.
No terceiro jogo, os objetivos aparecem da
mesma forma que no segundo, mas nesta etapa os
movimentos de ambos os braços são intercalados,
tentando comparar os movimentos realizados pelo
braço saudável e braço afetado do corpo.
Na Figura 9, mostra-se a Máquina de Estados
Finitos (FSM) do jogo, no qual se inicia o sistema
perguntando se há um usuário frente ao Kinect. Com
o usuário usando o sistema, utiliza-se o processamento do Kinect para seguir os movimentos feitos pela
pessoa. A ideia é que a pessoa alcance cada um dos
objetivos que estão flutuando na posição específica.
Quando a pessoa alcança todos os asteroides, surge
uma mensagem informando que o voluntário ganhou
o jogo.
Vale a pena destacar que cada um dos asteroides
gira constantemente, chamando a atenção do usuário.
De igual forma, eles estouram cada vez que são atingidos, gerando um feedback sonoro e visual.
Scale) (Krasny-Pacini, 2013) para avaliar os objetivos esperados durante o uso do sistema de reabilitação (quantidade de acertos e quantidade de acertos
realizados utilizando somente o movimento de extensão do cotovelo).
3. Resultados e Discussões
Cinco indivíduos saudáveis participaram dos experimentos, sendo dois do sexo masculino (± 28 anos
de idade) e três do sexo feminino (± 30 anos de idade) com desvio padrão de 4,7. Para inclusão no estudo, o voluntário deveria ter habilidades cognitivas e
motoras suficientes para compreender e realizar as
instruções do experimento. Todos os voluntários
assinaram o termo de consentimento livre e esclarecido. O estudo teve a aprovação dada pelo Comitê de
Ética da UFES, CAAE 41291314.0.0000.5060.
Três jogos foram propostos. Cada voluntário
realizou duas repetições com o braço direito e duas
com o braço esquerdo em cada jogo, totalizando 12
movimentos de extensão do cotovelo. O voluntário
tinha 20 segundos para alcançar os sete objetivos
virtuais propostos em cada jogo. O total de objetivos
virtuais a serem alcançados eram 84. A Tabela 1
mostra a quantidade de acertos de objetivos virtuais
por voluntário.
Tabela 1: Quantidade total de acertos.
Quantidade de
Porcentagem de
Voluntário
acertos
acertos
1
80,00
95,00%
2
3
4
5
Média
Desvio padrão
77,00
77,00
74,00
80,00
81,50
±2,51
92,00%
92,00%
88,00%
95,00%
92,00%
±2,99
Vale ressaltar que, para induzir mudanças na
neuroplasticidade e na recuperação funcional de
déficits motores pós-AVC, é necessário realizar uma
grande quantidade de movimentos (Lohse et al.,
2014). Assim, um dos objetivos do sistema proposto
é aumentar a quantidade de movimentos realizados
durante o processo de reabilitação, sendo que nosso
sistema foi capaz de proporcionar 12 movimentos
completos de extensão e flexão do cotovelo em um
intervalo de 4 minutos.
Após o teste, cada voluntário respondeu ao questionário SUS (System Usability Scale), com o objetivo de avaliar o sistema de reabilitação nas seguintes
características: facilidade de uso e necessidade de
auxílio profissional ao utilizá-lo (Brooke, 2013). Por
fim, foi utilizada a escala GAS (Goal Attainment
Figura 10. Usuário utilizando o sistema de reabilitação.
A Tabela 2 apresenta os valores obtidos pelos
métodos de avaliação SUS e GAS. O SUS foi calculado pelo método tradicional (Brooke, 2013), sendo
que o voluntário pontuou cada um dos dez itens com
valores entre 1 e 5. O GAS foi calculado usando a
equação simplificada (Equação 1) pelo fato de todos
os objetivos usados terem o mesmo peso em importância (Krasny-Pacini, 2013). A pontuação de cada
objetivo é dada da seguinte forma: -2 quando o resultado é muito pior que o esperado; -1 quando pior que
o esperado; 0 quando igual ao esperado; +1 quando
melhor que o esperado e; +2 quando muito melhor
que o esperado.
T = 50 + C ∗ ∑ Xi ,
(1)
onde Xi = soma dos valores para cada objetivo, e o
valor de C varia conforme o número de objetivos. No
caso, C tem valor 6,2, pois são usados dois objetivos.
Tabela 2: Valores dos métodos de avaliação.
Voluntário
SUS
GAS (valor de T)
1
92,50
74,80
2
3
4
5
Média
Desvio padrão
80,00
87,70
67,50
82,50
81,50
±9,42
74,80
74,80
68,60
74,80
73,56
±2,77
Para a escala SUS, valores acima de 68 são considerados acima da média, e abaixo de 68 são abaixo
da média (Brooke, 2013). O valor do SUS dado pelo
voluntário 4 foi abaixo da média. Para os outros
voluntários, o valor foi acima de 80, indicando que o
ambiente de realidade virtual foi classificado como
útil.
Por outro lado, quando o valor do GAS é T = 50,
significa que os objetivos foram atingidos como
esperado; T < 50 indica que o resultado foi pior que o
esperado e T > 50 que o resultado foi melhor do que
o esperado (Krasny-Pacini, 2013). Assim, como
todos os valores de T foram acima de 50 (Tabela 2),
os resultados obtidos após avaliação do desempenho
dos voluntários no ambiente de realidade virtual
mostraram que os objetivos pré-determinados tiveram resultados melhores do que os esperados para
todos os voluntários.
De uma forma geral, os métodos de avaliação
usados (SUS e GAS) mostraram um resultado positivo em relação ao sistema de reabilitação desenvolvido. A aceitação do sistema, avaliado pelo questionário SUS, se mostrou adequada, e os resultados do
GAS foram muito satisfatórios, mostrando uma
quantidade de acertos melhor do que o esperado.
4. Conclusões e Trabalhos futuros
Os resultados deste estudo podem colaborar para
o desenvolvimento de um de sistema de reabilitação
que pode ser usado de forma complementar à terapia
convencional de membros superiores de pacientes
pós-AVC, em clinicas e centros de reabilitação. Um
sistema que integre sEMG e RV pode, através do
miofeedback, fornecer uma estimativa quantitativa da
ativação muscular e do membro parético do paciente,
permitindo que ele possa regular e controlar a atividade muscular voluntária referente à flexão e extensão desta articulação, fornecendo uma estimativa
quantitativa da ativação muscular dos músculos bíceps braquial, tríceps braquial e baquirradial do paciente. O sistema também permite que o profissional
de reabilitação possa acompanhar todo o processo e,
com base nos resultados, decidir a próxima intervenção. Com o software desenvolvido é possível monitorar o processo de reabilitação através de dados
como: ativação muscular, duração da sessão, frequência e execução dos exercícios.
Além do desenvolvimento de um jogo complexo
para o tratamento pós-AVC, as expectativas futuras
para este trabalho incluem, entre outros aspectos: (i)
uso de sinais mioelétricos como parte do jogo, acrescentando um biofeedback diretamente na tela, mostrando um indicador dos diferentes níveis de ativação
muscular gerados nos seus movimentos; (ii) a utilização de outros tipos de sensores que possam gerar
uma maior quantidade de parâmetros aos terapeutas e
ao paciente; (iii) o uso da Computação Afetiva para
manter motivado o paciente, visando diminuir o
histórico de abandono nesse tipo de reabilitação e
monitorando seus avanços e adaptando melhores
estratégias de tratamento vinculadas às etapas mais
complexas do jogo.
Referências Bibliográficas
Baranyi, R. et al. Chances for Serious Games in
Rehabilitation of Stroke Patients on the Example
of Utilizing the Wii Fit Balance Board. 2013
IEEE 2nd International Conference on Serious
Games and Applications for Health (Segah), p.
7, 2013.
Brooke. SUS: a retrospective. Journal of Usability
Studies, vol. 8, issue 2, 2013.
Chan, M. K. L.; Tong, R. K. Y.; Chung, K. Y. K.
Bilateral Upper Limb Training With Functional
Electric Stimulation in Patients With Chronic
Stroke. Neurorehabilitation and Neural Repair,
v. 23, n. 4, p. 357-365, May 2009. ISSN 15459683.
Erazo Orlando et al. Magic Mirror for Neurorehabilitation of People with Upper Limb Dysfunction
Using Kinect 47th Hawaii International Conference on System Science. Hawaii: IEEE: 26072615 p. 2014.
Krakauer, J. W. Motor learning: its relevance to
stroke recovery and neurorehabilitation. Current
opinion in neurology, v. 19, n. 1, p. 84--90,
2006. ISSN 1350-7540.
Krasny-Pacini A.; J. Hiebel; F. Pauly; S. Godon; M.
Chevignard. Goal Attainment Scaling in rehabilitation: A literature-based update. Annals of
Physical and Rehabilitation Medicine 56 (2013)
p. 212–230
Lang, C. E. et al. Observation of Amounts of
Movement Practice Provided During Stroke Rehabilitation. Archives of Physical Medicine and
Rehabilitation, v. 90, n. 10, p. 1692-1698, Oct
2009. ISSN 0003-9993.
Lange, B. et al. Development and Evaluation of Low
Cost Game-Based Balance Rehabilitation Tool
Using the Microsoft Kinect Sensor. 33rd Annual
International Conference of the IEEE Engineering-in-Medicine-and-Biology-Society (EMBS),
2011, Boston, MA. IEEE, Aug 30-Sep 03.
p.1831-1834.
Lohse, K. R. et al. Virtual Reality Therapy for
Adults Post-Stroke: A Systematic Review and
Meta-Analysis Exploring Virtual Environments
and Commercial Games in Therapy. Plos One, v.
9, n. 3, Mar 28 2014. ISSN 1932-6203.
Neumann, D. A. Kinesiology of the musculoskeletal
system: foundations for rehabilitation. Elsevier
Health Sciences, 2013. ISBN 0323266320.
O'Sullivan, S. B.; Schmitz, T. J. — Physical Rehabilitation. Philadelphia: F.A. Davis Company; 5th
edition: 1383 p. 2006.
Popovic, M. D. et al. Feedback-Mediated Upper
Extremities Exercise: Increasing Patient Motivation in Poststroke Rehabilitation. Biomed Research International, p. 11, 2014. ISSN 23146133.
Sin, H.; Lee, G. Additional Virtual Reality Training
Using Xbox Kinect in Stroke Survivors with
Hemiplegia. American Journal of Physical Medicine & Rehabilitation, v. 92, n. 10, p. 871-880,
Oct 2013. ISSN 0894-9115.
WHO: World Health Organization. The top 10 causes of death, 2014.
Disponível em:
<http://www.who.int/mediacentre/factsheets/fs3
10/en/>. Acesso em: 03/04/2015.
Microsoft, 2015. Kinect for Windows. Available at:
https://www.microsoft.com/enus/kinectforwindows/default.aspx