Conteo automatico de cubos en evaluacion de destreza manualusando sensores de proximidad

Vıctor Pozo, Edwin Daniel Ona∗, Alberto Jardon, Carlos BalaguerRobotics Lab, Universidad Carlos III de Madrid, Avda. Universidad 30, Leganes (Madrid), Espana,

100303638@alumnos.uc3m.es, {∗eona, ajardon, balaguer}@ing.uc3m.es

Resumen

En este artıculo, se presenta el desarrollo de unsistema basado en sensores de proximidad que per-mite obtener de forma automatica la puntuaciondel Box and Blocks Test (BBT), destinado a medirla destreza manual gruesa. La evaluacion del BBTse basa en el maximo numero de cubos desplazadosen una ventana de tiempo. Por ese motivo, se hanutilizado varios sensores de proximidad basados endeteccion infrarroja, para sensorizar la trayectoriade desplazamiento de los cubos. En primer lugar,se describe el metodo utilizado para la automati-zacion de la puntuacion del test, describiendo lossensores y el diseno del prototipo. A continuacionse muestra la tasa de acierto obtenida en base avarios experimentos. Finalmente, se exponen lasconclusiones y futuros trabajos. Los resultados pre-sentados apoyan el uso de metodos automatizadosen procesos de rehabilitacion, que pueden generarresultados objetivos e informacion adicional sobreel desempeno del usuario.

Palabras clave: Evaluacion, Automatico, Extre-midad superior, Destreza manual, Rehabilitacion,Sensores proximidad.

1. INTRODUCCION

En la actualidad, la gran demanda de los servi-cios sanitarios hace necesaria una atencion medi-ca rapida y de calidad. Aplicaciones y dispositivoselectronicos en entornos hospitalarios (e-Health)hacen posible mejorar la agilidad en procesos co-mo la gestion de citas medicas, ensayos clınicos,pruebas para diagnostico o rehabilitacion [11].

Haciendo referencia a los procesos de rehabilita-cion tras un accidente cerebrovascular (ACV), sepuede observar que muchos son procesos de largaduracion en los que los resultados visibles se apre-cian tras un gran numero de sesiones, que en cier-tos casos abarcan periodos de varios anos. Por estemotivo, es necesario tener un seguimiento efectivode los resultados obtenidos durante la rehabilita-cion, ya que evaluar su efectividad terapeutica esparticularmente importante [8].

Para realizar dicha evaluacion, los terapeutas uti-lizan escalas estandarizadas disenadas para me-dir disfuncionalidad a diferentes niveles. El Fugl-Meyer Assessment (FMA) test es uno de los masutilizados en ensayos clınicos, permitiendo valo-rar funcion motora, balance, sensacion y rangosde movimiento de las extremidades superiores einferiores. Centrandose en valoracion de la fun-cion motora de extremidades superiores, tenemosel Wolf Motor Function Test (WMFT) o el ActionResearch Arm Test (ARAT) que permiten valorarla autonomıa para el desempeno de tareas. En elcaso de evaluar la destreza manual se utiliza ha-bitualmente el Box and Blocks Test (BBT).

Estos ejercicios son susceptibles de ser automati-zados, proporcionando una evaluacion mas objeti-va de la efectividad del tratamiento. Actualmente,los robots se consideran herramientas de terapiaavanzadas bajo la guıa del terapeuta, principal-mente enfocados en la rehabilitacion como inter-vencion [6]. Sin embargo, la implementacion de sis-temas automaticos de evaluacion puede ayudar aconseguir procesos de rehabilitacion mas autono-mos y objetivos.

1.1. TRABAJOS RELACIONADOS

Se pueden encontrar trabajos de investigacion en-focados en automatizar escalas de evaluacion fun-cional como las mencionadas anteriormente.Porejemplo, en [7] se propone un metodo automaticobasado en el FMA, usando sensores de bajo costeque registran datos de los movimientos del usua-rio, obteniendo resultados similares. En [10] se pre-senta otro intento de automatizar parte del FMA,en este caso, utilizando acelerometros y centrando-se en los movimientos de hombro y codo.

Una evaluacion automatica basada en el WMFTse plantea en [9]. Utilizando sensores vestibles, seestima el tiempo que se tarda en completar 7 delas 17 tareas del WMFT. Un estudio enfocado enla automatizacion el ARAT se presenta en [2]. Endicho trabajo, se ha planteado la automatizacionde la seccion 4 del ARAT, por medio de la sensori-zacion de uno de los objetos utilizados en la tarea,en este caso un cubo de 7.5 cm.

Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018

210

Por otro lado, en [1] se presenta una version au-tomatica del BBT. En este trabajo, utilizando unsensor Kinect, se implementa un algoritmo pa-ra contar los cubos desplazados con un ındice deacierto del 100 % hasta 20 cubos. Ademas, detectala mano y sus movimientos. Un estudio mas re-ciente, y utilizando la segunda version del sensorKinect y vision por computador, es presentado en[5]. En este caso, se logra aumentar el porcentajede acierto en el conteo de cubos del 100 % hasta 30cubos. Ademas, dicho estudio desarrolla una inter-faz grafica que permite abordar la administracionautomatica de la prueba.

Se puede observar que un objetivo comun es ob-tener plataformas de evaluacion automatica quesean objetivas, que tengan repetitividad, pudien-do aportar informacion adicional a la que se ob-tendrıa con la escala tradicional.

2. MATERIAL Y METODO

En este artıculo se ha seleccionado como caso deestudio el Box and Blocks Test (BBT), disenadopara evaluar la destreza manual gruesa. En la Fi-gura 1 se muestra la dinamica en el desarrollo delBBT. Al inicio de la prueba, todos los cubos se en-cuentran en uno de los compartimentos, quedandoel otro vacıo. El usuario debe desplazar tantos cu-bos como pueda al compartimento vacıo, superan-do la barrera central.

Figura 1: Usario realizando el BBT.

Analizando el desarrollo de la prueba, se puede ob-servar que la dinamica del test se mantiene, tantosi se ejecuta con la mano derecha o izquierda. Paraautomatizar la puntuacion del BBT, sera necesa-rio registrar la caıda de los cubos al compartimen-to vacıo, durante el periodo de tiempo definido porla prueba.

Ası, el objetivo principal de este trabajo es imple-mentar un metodo, basado en sensores de proxi-midad, que permita obtener de forma automaticala puntuacion del BBT. Ademas, el sistema imple-mentado debe ser sencillo, de bajo coste y con elmınimo numero de sensores.

2.1. EL BOX & BLOCKS TEST (BBT)

El BBT es un sistema de medida individual dela destreza manual gruesa y coordinacion, clınica-mente validado. El test esta formado por una cajade madera con dos compartimentos cuadrados de290 mm de lado, y 150 cubos de madera de 25 mm(Figura 2). Entre los dos compartimentos se ubicauna barrera de 100 mm de alto.

Figura 2: Box and Blocks Test (BBT).

El objetivo del test es desplazar la mayor canti-dad posible de cubos de un lado de la caja al otroen un minuto (Figura 1). Para la puntuacion, secuenta manualmente el total de cubos desplaza-dos. El desarrollo del test se comprende de tresetapas: un periodo de entrenamiento de 15 segun-dos, ejecucion del test con la mano dominante ono afectada durante un minuto, y ejecucion deltest con la mano no dominante o afectada duran-te un minuto. Para que el desplazamiento del cubosea valido, la mano del sujeto debe sobrepasar labarrera central de la caja. Los cubos lanzados des-de una parte de la caja a la otra no son validos.Ademas, el desplazamiento de cubos se debe rea-lizar de uno en uno. En caso de desplazar mas deun cubo a la vez, se contaran como uno solo. Pa-ra realizar la prueba, se ubica el BBT sobre unamesa y el usuario sentado delante del test reali-za el ejercicio. El evaluador, lee las instruccionesdel test al paciente antes de iniciar la evaluacion.Las reglas completas y las instrucciones del test,se pueden consultar en [3].

2.2. SENSORES DE PROXIMIDAD

Para esta aplicacion se ha utilizado el sensor deproximidad SI1143 [4]. Dicho sensor es un detec-tor de proximidad fotoelectrico basado en el efectode reflexion optica infrarroja difusa que permitedetectar, tanto objetos como la intensidad de luzambiente.

Figura 3: Sensor de proximidad SI1143

211

Este sensor, mostrado en la Figura 3, cuenta contres diodos LED emisores de infrarrojos y un dis-positivo receptor. Los LED’s emisores se encuen-tran dispuestos en forma triangular, ocupando losvertices de un triangulo equilatero, mientras queen el centro del triangulo se encuentra el elemen-to receptor. El valor de salida que ofrece el sensorviene dado por un conversor A/D (ADC).

En condiciones optimas, el sensor puede detectarun objeto a distancias de hasta 50 cm. A la hora dedetectar objetos en movimiento, su rango de de-teccion se ve reducido hasta los 30 cm de distanciamaxima. En objetos muy pequenos la cantidad deluz reflejada se reduce hasta en una cuarta parte,por lo que a distancias superiores a 20 cm aumentala dificultad para detectar dicho objeto.

2.2.1. Area de deteccion

Para modelar el area de deteccion, se puede tomarcomo forma geometrica de estudio un cono, en elque el vertice se corresponde al diodo y la base a lasuperficie de maxima deteccion. Las dimensionesde las superficies de deteccion han sido obtenidasexperimentalmente.

(a) (b)

Figura 4: Area de deteccion implementando lostres emisores LED del sensor SI1143.

A la hora de utilizar un unico LED (Figura 4-a), seobtiene un radio de deteccion maximo de 110 mm.Este radio varıa entre 110 mm y 90 mm a lo largode las distancias que se encuentran en el rango en-tre 100 mm y 250 mm. Para distancias inferiores,el radio de deteccion se reduce considerablemen-te siguiendo una curva exponencial, generando unangulo muerto. Para aumentar la capacidad de de-teccion del sensor se pueden utilizar los tres LEDemisores de los que dispone (Figura 4-b), incre-mentando el radio de deteccion hasta 130 mm. Deesta manera, se genera una zona central con ma-yor potencia lumınica, por lo que los objetos sonmas faciles de detectar.

2.2.2. Deteccion de objetos

Por un lado, el caso mas sencillo para la deteccionde un objeto es al triangular su posicion utilizandodos de los LEDs. De este modo se puede conocer siel objeto se encuentra a la izquierda o a la derecha

del sensor, ademas de la distancia a la que se en-cuentra. Suponiendo que un objeto se encuentraen el campo de deteccion del sensor, este refle-jara la luz emitida por los dos LED al dispositivoreceptor. Trazando una circunferencia con centroen cada LED de radio igual a el valor detectado(Figura 5), se puede conocer la posicion del objetomediante la interseccion de ambas circunferencias.Para generar el seguimiento de la trayectoria delobjeto basta con relacionar su posicion con el ins-tante de tiempo en el que se detecta.

Figura 5: Triangulacion basica de objeto.

Por otro lado, al disponer de tres fuentes emisorasse puede analizar el desplazamiento de un objetoen funcion de los flancos de entrada en el areade deteccion del sensor. Al desplazarse un objetopor encima del sensor hara que uno de los LEDemisores sea el primero en detectar, considerandoesta zona el flanco de entrada (ver Figura 6). Delmismo modo, un LED sera el ultimo en dejar dedetectar, siendo este el flanco de salida.

Figura 6: Flancos de entrada por cada LED.

Aplicando este metodo se pueden conocer la zo-na de entrada y salida de un objeto sin necesidadde triangular su posicion. Por el contrario, no sepueden determinar los movimientos que se reali-cen dentro de la zona de deteccion. Ademas, elnumero de trayectorias es reducido ya que solo sepresentan tres flancos claros. En cambio, para fun-ciones de reconocimiento de movimientos de obje-tos mayores, como los de una mano, se puedenimplementar aplicaciones fiables.

3. SISTEMA AUTOMATICO DECONTEO DE CUBOS

La estructura de la caja del BBT permite dispo-ner los sensores de proximidad en distintas zonas,

212

diferenciando entre los laterales del compartimen-to y la pieza divisoria. Tras estudiar el funciona-miento del sensor y atendiendo a los resultadosexperimentales obtenidos en la instalacion de unsolo sensor y una pareja de sensores en distintasposiciones y orientaciones en uno de los comparti-mentos, se obtienen las siguientes directrices quese han tenido en cuenta para el diseno final:

La distancia maxima real de deteccion de lossensores es de 20 cm, por lo que un solo sensorno es capaz de cubrir ni el ancho completo (26cm), ni las diagonales del compartimento.

Los sensores que no estan colocados en unmismo lateral producen interferencias entreellos.

Los sensores presentan un angulo de visionmuerto a su alrededor. Dos sensores colocadosen un mismo lateral no son suficientes paracubrir dichos angulos.

Los sensores instalados en las esquinas delcompartimento detectan las zonas de paredlateral mas cercanas, alterando la senal de de-teccion.

Al elevar la posicion de los sensores hasta elexterior del compartimento se reducen las in-terferencias provocadas por un efecto similara “crosstalk”.

De esta manera, se ha definido que la mejor con-figuracion para el sistema de deteccion es que lossensores esten colocados en un mismo lateral y enuna posicion elevada respecto del compartimento.

3.1. SISTEMA IMPLEMENTADO

Atendiendo a las consideraciones anteriores, se haseleccionado la pieza divisoria del BBT para laubicacion de los sensores. Esta pieza se eleva 10cm por encima del borde superior de los compar-timentos, y ademas permite la colocacion de lossensores sin alterar la estructura fısica del BBTy evita entorpecer el desarrollo del test. Se deci-de sensorizar solo uno de los laterales, puesto queesta pieza es movil y se puede dar la vuelta paradetectar los cubos en el otro compartimento.

Se utilizan tres sensores colocados en un lateral dela pieza divisoria a una cota de 8.5 cm y separa-dos 7.5 cm entre sı (Figura 7-a). Con esta posicionse obtiene una distancia de 16 cm respecto la ba-se del compartimento (Figura 7-b), reduciendo lasinterferencias generadas por la presencia de dis-tintos sensores ya que tanto la pared mas alejadacomo la base se encuentran en una zona infrarrojade baja intensidad.

(a)

(b) (c)

Figura 7: Sistema propuesto para conteo au-tomatico de cubos. (a) Disposicion de los sensoresSI1143 en la pieza divisoria del BBT; (b) Distan-cias maximas entre el sensor y el compartimento(a = 273.3 mm, b = 305.3 mm, c = 226.3 mm);(c) Trayectorias normales de recepcion de cubos.

Como se puede ver en la Figura 7-b, las zonas masalejadas del sensor (distancias superiores a 20 cm)quedan sin sensorizar o con una capacidad de de-teccion muy baja. Teniendo en cuenta la velocidadde caıda de los cubos, el sistema de sensores es in-capaz de detectarlos en esta zona. En este caso,se va a asumir este error ya que en un desarrollonormal de la prueba BBT los cubos no deberıancaer directamente por esa zona, sino que primeroatravesarıan una zona mas proxima a los sensores(Figura 7-c).

Por otro lado, los tres sensores se han dispuesto detal forma que los LED 1 y LED 2 de cada sensorqueden alineados en la parte superior, mientrasque el LED 3 queda en la parte inferior, como semuestra en la Figura 8. De esta manera, se formauna barrera superior en la que operan seis LED(dos LED por sensor) y una barrera inferior deapoyo con tres LED (un LED por sensor). Cuandoun cubo se deja caer la barrera superior lo registra,en caso de no hacerlo la barrera inferior funcionacomo soporte de ayuda a la deteccion.

Figura 8: Orientacion de los sensores generandouna barrera de deteccion principal y otra de apoyo.

213

3.1.1. Gestion de angulos muertos

Utilizando tres sensores se consigue cubrir el areanecesaria para detectar los cubos utilizados en elBBT, cubriendo las zonas de angulo muerto.

En la grafica de la Figura 9 se muestran, desde lavista de planta, los lımites de deteccion en las zo-nas cercanas al sensor. Esta representa a los tressensores a una distancia entre ellos de 7.5 cm. Lalınea horizontal representa el tamano de un cu-bo (2.5 cm de lado). Al mantener esta separacionentre los sensores, se consigue evitar el fallo deregistro de la caıda de cubos por zonas de angulomuerto. Debido al tamano del cubo siempre podraser detectado, incluso si cae muy cerca de la propiapieza divisoria o en las esquinas del compartimen-to.

-100 -50 0 50 100Radio de detección máximo (mm). Sensor central como eje de simetría.

0

20

40

60

80

100

120

Dis

tanci

a d

e d

ete

cció

n (

mm

).

Tamaño de un cuboSensor centralSensor izquierdoSensor derecho

Figura 9: Lımites de deteccion de tres sensoresSi1143 instalados en la pieza divisoria del BBT.

3.2. PROCESO DE CONTEOAUTOMATICO

La deteccion de cubos automatizada mediante lossensores SI1143 se divide en tres fases: Recono-cimiento del compartimento, Tratamiento de lasenal, y Algoritmo de deteccion.

3.2.1. Reconocimiento del compartimento

Una vez iniciada la aplicacion los sensores reco-pilan datos del entorno durante 0.2 segundos de-tectando los laterales del compartimento, ası co-mo posibles objetos cercanos como el propio cuer-po del paciente. Estos datos preparan una Supre-sion del Primer Plano (“Foreground Suppression”FGS), limitando el area de deteccion a la zona in-terior del compartimento de recepcion de cubos.De este modo, todo aquello susceptible de ser de-tectado alrededor de la estructura del BBT duran-te la prueba sera descartado.

El valor de la senal ADC promedio y el maximodurante el reconocimiento son la base del calcu-lo para el FGS. El valor promedio marca un pri-mer valor umbral, al que se le suma un porcentajede error obtenido mediante la relacion del propiopromedio y el valor maximo. Ademas, se aplicaun factor de correccion que asegura un valor FGS

final (ecuacion (1)) que delimite la deteccion al in-terior del compartimento. En un entorno libre deobjetos dicho factor de correccion toma un valorde 1.1.

ADCFGS = ADCPm(factor + Error) (1)

3.2.2. Tratamiento de senal

Durante el funcionamiento del sistema aparecenuna serie de perturbaciones en la senal obtenidapor los sensores.

Por un lado, se aprecia una tendencia constante enla lectura de los sensores, pero sus valores oscilandebido al ruido ambiente. En el caso de no detectar(vacıo) se obtienen 375± 15 unidades ADC.

Por otro lado, al encontrarse tres sensores operan-do en un recinto semi-cerrado, los haces de luz in-frarrojo de un sensor pueden afectar a los demas,apareciendo perturbaciones en sus senales. Estasson similares a la senal obtenida en la deteccionde cubos en las zonas centrales del BBT, lo quegenera falsos positivos.

Para solventar estos problemas el sistema aplicaun alisado exponencial (ecuacion (2)) a la senal,utilizando un factor de alisado de 0.8. Ademas,se toma como referencia de deteccion el valorADCFGS de la fase de reconocimiento. Estas dosmedidas permiten analizar una senal mas constan-te y suprime la mayorıa de perturbaciones.

ADCi = ADCi−1 + cte(ADCreal−ADCi−1) (2)

3.2.3. Algoritmo de deteccion

En la Figura 10 se muestra el diagrama de flu-jo del proceso automatizado para contar cubos,acotandose el proceso a una duracion de 60 se-gundos segun la normativa del BBT.

Cuando un cubo es lanzado al interior del compar-timento sigue una trayectoria recta desde la manohasta la base de este, obteniendo una senal en lossensores que dibuja una curva con forma de cam-pana en la que se diferencian tres partes claras. Laprimera parte muestra un incremento pronunciadode los valores de la senal, indicando que un objetopenetra en el area de deteccion por uno de los flan-cos. Seguidamente, se obtiene un punto maximo dela curva. La presencia de varios puntos maximosindicarıa que el objeto ha cambiado la trayectoriadentro del campo sensorizado. Finalmente, se ob-tiene en la curva una fase de bajada, simetrica a lade subida, dando por completada la deteccion delcubo y registrandolo para la puntuacion del BBT.

214

Figura 10: Diagrama general del proceso de detec-cion de cubos en BBT.

4. RESULTADOS

En la Figura 11 se muestra el sistema implementa-do. La pieza divisoria central se ha replicado pormedio de impresion 3D para alojar los sensores.Para la adquisicion de datos e implementacion delalgoritmo se ha usado una placa Arduino Uno, co-nectando los sensores al bus I2C. Para cuantificarla efectividad del sistema de conteo implementadose han realizado varios experimentos en el labora-torio. En primer lugar, se busca cuantificar la tasade acierto absoluta del sistema, desplazando cubossin lımite de tiempo hasta el total de 150 cubos.Por otro lado, se muestra la informacion adicionalque se obtiene del desarrollo de la prueba, acotan-do el tiempo al definido por la normativa del testFinalmente, se ha buscado conocer la calidad dedeteccion por zonas del compartimento.

Figura 11: Prototipo del sistema implementado.

Los experimentos se dieron lugar en las instala-ciones del Laboratorio de Robotica Asistencial enel Parque Cientıfico Tecnologico de la Universi-dad Carlos III de Madrid (UC3M). Para ambos,se utilizo un sujeto sano sin problemas de movili-dad en las extremidades superiores ni deterioro dedestreza manual gruesa.

Tabla 1: Tasa de acierto en conteo automatico adiferentes velocidades

No. Conteo automatico Aciertocubos Vd1 Vd2 Vd3 Vd4 ( %)10 10 10 10 10 100,0020 20 20 20 20 100,0030 30 30 30 30 100,0040 40 40 38 38 97,5050 49 50 50 48 98,5060 60 58 59 55 96,6770 69 69 71 68 98,9380 79 79 80 76 98,1390 88 89 90 88 98,61100 97 95 98 90 95,00110 107 110 108 108 98,41120 120 122 120 114 99,17130 127 129 129 122 97,50140 141 136 140 134 98,39150 145 144 146 144 96,50

4.1. EFECTIVIDAD DEL SISTEMA

Para determinar la efectividad absoluta en el con-teo, se realizaron varias pruebas BBT sin lımite detiempo, desplazando cubos uno por uno en tandasde 10 cubos, hasta llegar a 150 cubos. Para esteexperimento se realizaron cuatro ensayos para ca-da tanda, variando la velocidad de desplazamiento(lento, media, rapida, aleatoria), mostrados en laTabla 1. En total se realizaron 60 ensayos.

4.1.1. Tasa de acierto en el conteoautomatico

En la Figura 12 se presenta la tasa de acierto pro-medio en el conteo automatico, mostrando un por-centaje de acierto constante elevado. En la detec-cion de hasta 30 cubos se registran el 100 % dedesplazamientos, mientras que para puntuacionesmayores se obtiene una efectividad por encima del97 %. Como resultado general se obtiene una tasade acierto promedio de 98,22± 1,41.

Figura 12: Tasa de acierto en la deteccion de cubospara BBT.

Comparando los resultados con los valores mediosestandar [3], se observa que el sistema es capaz deoperar en dicho rango de puntuaciones, contabili-zando con exito valores superiores a los habituales.

215

4.1.2. Datos adicionales obtenidos

En la Figura 13 se muestran la distribucion tem-poral de la deteccion de los cubos durante la rea-lizacion de la prueba a diferentes velocidades dedesplazamiento. El tiempo fue acotado a los 60segundos definidos en la normativa del BBT.

0 10 20 30 40 50 60Tiempo (s)

0

20

40

60

80

Cubos

(uds)

Registro automático prueba 1Velocidad ideal prueba 1Registro automático prueba 2Velocidad ideal prueba 2Registro automático prueba 3Velocidad ideal prueba 3Registro automático prueba 4Velocidad ideal prueba 4Registro automático prueba 5Velocidad ideal prueba 5

Figura 13: Resultados de conteo automatico du-rante la prueba piloto BBT.

Se puede observar, que ademas la puntuacion to-tal obtenida de forma automatica, se proporcio-na al terapeuta de informacion adicional como lafrecuencia de desplazamiento de cubos, nivel dedispersion o tiempos parciales. Ademas, puede co-nocer con exactitud los puntos de la prueba en losque un paciente ha presentado problemas o difi-cultades para mantener un ritmo constante. Estainformacion adicional, que no se puede obtener conel test tradicional, puede permitir al terapeuta ha-cer una valoracion mas amplia de la condicion delpaciente.

4.1.3. Limitaciones

Para determinar las limitaciones en la deteccionde acuerdo a la zona del compartimento, se divi-dio el area de recepcion de cubos en trece zonas(Figura 14-a). Se realizaron diez ensayos divididosen grupos de dos, en los que se dejaron caer cubosdesde una altura de 20 cm, en series de 10 cubos.

(a) (b)

Figura 14: Porcentaje de deteccion en el interiorde un compartimento. (a) Zonas de deteccion, (b)Tasa de acierto segun la zona del compartimento.

Los resultados se muestran en la Figura 14-b. Seobserva una tasa de acierto superior al 98 % en las

zonas cercanas a los sensores y superiores al 96 %en la franja central del compartimento. Ademas,en las zonas frontales a los sensores se obtienenun 100 % de acierto. Por el contrario, en el lateraly esquinas mas alejadas no se produce deteccion,obteniendo valores cercanos al 4 %. Como se hacomentado anteriormente, este error es asumibleteniendo en cuenta la dinamica del desplazamientode cubos en el BBT.

5. CONCLUSIONES

En este artıculo, se ha presentado el desarrollo deun sistema basado en sensores de proximidad parala automatizacion de resultados del test de destre-za y coordinacion manual BBT. Se ha comprobadoque la sensorizacion de la pieza divisora es adecua-da, puesto que no altera o entorpece la ejecucionde la prueba.

Por un lado, la tasa de acierto conseguida hastalos 150 cubos es elevada en todos los casos, con unporcentaje promedio de 98,22 ± 1,41. Se ha com-probado que los cambios de luz no afectan, siendoel sistema lo suficientemente estable como paraoperar tanto con luz natural y como artificial. Sinembargo, la tasa de acierto varıa ligeramente enfuncion de la velocidad de desplazamiento de loscubos, disminuyendo para velocidades altas. Ası,los fallos de deteccion pueden provenir de las areascon baja o nula sensorizacion, ya que los cubospueden ser lanzados a una mayor distancia de labarrera central. Para solventar estos inconvenien-tes se puede utilizar sensores de mayor rango dealcance.

Por otro lado, considerando las normas del BBT,la media de cubos desplazados por personas jove-nes es de 77± 31 cubos, lo que refuerza la viabili-dad del metodo propuesto ya que la tasa de aciertoes buena hasta los 150 cubos.

Como trabajos futuros se valora la combinacionde este sistema basado en sensores junto con otrobasado en vision por computador [5] para mejo-rar aun mas el registro de datos y adquisicion deinformacion adicional. El metodo combinado per-mitirıa evitar deteccion de falsos positivos como eldesplazamiento de la mano sin cubo. Tambien, seespera realizar ensayos con usuarios reales.

Agradecimientos

La investigacion que lleva a estos resulta-dos ha recibido financiacion de los proyec-tos ROBOHEALTH-A (DPI2013-47944-C4-1-R) yROBOESPAS (DPI2017-87562-C2-1-R), financia-dos por el Ministerio de Economıa y Competitivi-dad espanol, y del proyecto RoboCity2030-III-CM(S2013/MIT-2748), financiado por Programas de

216

Actividades de I+D en la Comunidad de Madrid yco-financiado por Fondos Estructurales de la UE.

English summary

Automatic cube counting for manualdexterity assessment using proximitysensors

Abstract

In this article, the development of a sys-tem to automatically obtain the score of theBox and Blocks Test (BBT), a manual dex-terity assessment method, using proximitysensors is presented. The BBT’s assess-ment is based on the maximum number ofcubes that a person is able to displace du-ring a time window. Thus, the movementtrajectory of the cubes have been sensori-zed using infrared-based proximity sensors.First, the methodology used for automationof the test scoring is presented, includingthe sensors’description and the prototypedesign. Then, the obtained success rate incube counting is shown. Finally, the con-clusions and future works are exposed. Theresults support the use of automated met-hods in rehabilitation processes, providingmore objective results and additional infor-mation about the user performance.

Keywords: Assessment, Automatic, Up-per extremity, Manual dexterity, Rehabili-tation, Proximity sensors.

Referencias

[1] C.-P. Hsiao, C. Zhao, and E. Y.-L. Do.The digital box and block test automatingtraditional post-stroke rehabilitation assess-ment. In Pervasive Computing and Com-munications Workshops (PERCOM Works-hops), 2013 IEEE International Conferenceon, pages 360–363. IEEE, 2013.

[2] T. Lee, K. Leo, E. Chew, L. Zhao, and S. Sa-nei. Automated scoring of rehabilitative testsvia time-frequency informed singular spec-trum analysis. In Computational Intelligen-ce for Multimedia Understanding (IWCIM),2015 International Workshop on, pages 1–5.IEEE, 2015.

[3] V. Mathiowetz, G. Volland, N. Kashman, andK. Weber. Adult norms for the box and blocktest of manual dexterity. American Journal ofOccupational Therapy, 39(6):386–391, 1985.

[4] Modern Device. Si1143 proximity sen-sors. URL https://moderndevice.com/

product/si1143-proximity-sensors/.[Accedido 30 May 2018].

[5] E. D. Ona, A. Jardon, and C. Balaguer. Theautomated box and blocks test an autono-mous assessment method of gross manualdexterity in stroke rehabilitation. In Y. Gao,S. Fallah, Y. Jin, and C. Lekakou, editors,Towards Autonomous Robotic Systems, pages101–114, Cham, 2017. Springer.

[6] E. D. Ona, R. Cano-de la Cuerda, P. Sanchez-Herrera, C. Balaguer, and A. Jardon. Areview of robotics in neurorehabilitation:Towards an automated process for upperlimb. Journal of healthcare engineering, 2018(9758939):1–19, 2018.

[7] P. Otten, J. Kim, and S. H. Son. A frameworkto automate assessment of upper-limb motorfunction impairment: A feasibility study. Sen-sors, 15(8):20097, 2015.

[8] J. J. M. F. van der Putten, J. C. Hobart, J. A.Freeman, and A. J. Thompson. Measuringchange in disability after inpatient rehabilita-tion: comparison of the responsiveness of thebarthel index and the functional independen-ce measure. Journal of Neurology, Neurosur-gery & Psychiatry, 66(4):480–484, 1999.

[9] E. Wade, A. R. Parnandi, and M. J. Mata-ric. Automated administration of the wolfmotor function test for post-stroke assess-ment. In Pervasive Computing Technolo-gies for Healthcare (PervasiveHealth), 20104th International Conference on-NO PER-MISSIONS, pages 1–7. IEEE, 2010.

[10] J. Wang, L. Yu, J. Wang, L. Guo, X. Gu, andQ. Fang. Automated fugl-meyer assessmentusing svr model. In Bioelectronics and Bioin-formatics (ISBB), 2014 IEEE InternationalSymposium on, pages 1–4. IEEE, 2014.

[11] World Health Organization. Global dif-fusion of ehealth: Making universalhealth coverage achievable, 2016. URLhttp://www.who.int/goe/publications/

global_diffusion/en/. [Accedido 30 May2018].

c© 2018 by the authors.Submitted for possibleopen access publication

under the terms and conditions of the Creati-ve Commons Attribution CC-BY-NC 3.0 license(http://creativecommons.org/licenses/by-nc/3.0/).

217