Dados da marcha humana, bem como outros sinais biológicos, apresentam padrões de medidas distinguíveis os quais são importantes na avaliação e análise do movimento. Neste trabalho foram utilizados dados espaço-temporais da marcha para classificação de idosos caidores, idosos não caidores e jovens. A classificação foi realizada pelos algoritmos baseados em aprendizagem de máquina, kNN (k-nearest neighbors) e RF (random forest). Três condições de caminhada foram analisadas: plano (0% de inclinação), aclive (+8%) e declive (-8%). Essas condições foram importantes para estabelecer em quais cenários os dados da marcha discriminam melhor os grupos. A classificação dos grupos, considerando todas as condições, apresentou acurácia de 79,6% e 78,4% para kNN e RF, respectivamente. O melhor resultado foi obtido na classificação dos idosos caidores em relação aos demais indivíduos pelo algoritmo kNN (90,9%) com os participantes caminhando na condição declive, indicando que esta condição impõe uma maior demanda ao sistema de controle motor dos participantes gerando assim maiores diferenças entre os grupos nas variáveis extraídas da marcha.

XII SIMPÓSIO DE ENGENHARIA BIOMÉDICA - IX SIMPÓSIO DE INSTRUMENTAÇÃO E IMAGENS MÉDICAS