REGISTRO DOI: 10.69849/revistaft/cl10202510111510
LEAL, Maria Fernanda Gonçalves1
MOURA, Kaylane Holanda de2
ROCHA, Jorge de Araújo3
RESUMO: Objetivou‑se validar, em fase preliminar, um script baseado no MediaPipe para pontuar o Lateral Step‑Down Test, oferecendo métrica objetiva da dinâmica de quadril e joelho. Foi gravado um vídeo‑piloto em laboratório controlado (1080p/30 fps), processado no Google Colab com GPU Tesla T4; o pipeline aplicou MediaPipe Pose, suavização exponencial dos 33 landmarks, cálculo de valgo dinâmico, inclinação pélvica e tronco, e atribuição de pontuação segundo escala de Paterno. Avaliaram‑se duas métricas: taxa de detecção dos landmarks e concordância da pontuação automática. O script identificou corretamente todos os 33 pontos em 100 % dos 444 frames, superando o limiar de 95 % e garantindo extração contínua dos ângulos θ_pelvis e θ_knee. O tempo médio de processamento foi de 120 s (≈ 120 fps), viabilizando feedback quase em tempo real. Detectaram‑se ainda falhas funcionais—valgo do joelho > 10°, inclinação lateral do tronco, elevação pélvica—com respectivo valor angular, convertendo observações qualitativas em dados mensuráveis. Conclui‑se que o pipeline é tecnicamente robusto, reduz a subjetividade da avaliação clínica e constitui base promissora para telereabilitação; recomenda‑se validar o algoritmo em contextos mais complexos e populações diversas para consolidar sua aplicabilidade.
Palavras-chave: MediaPipe. Lateral Step‑Down Test. Biomecânica. Visão computacional. Reabilitação.
INTRODUÇÃO
O joelho é a articulação mais complexa e, certamente, uma das que mais sofrem estresse no corpo humano. Trata-se de uma articulação sinovial do tipo gínglimo, permitindo predominantemente o movimento ao longo de um eixo, no que se refere à flexão e à extensão no plano sagital, com movimentos limitados em outros planos. Essa característica torna a articulação do joelho um elemento fundamental para a realização de movimentos bípedes eficientes, como caminhar, correr e saltar. Considerando que tais movimentos bípedes impõem ao joelho consideráveis quantidades de estresse biomecânico, a estabilidade dessa articulação é garantida pela disposição de seus ligamentos e pela força dos músculos que a atravessam. Devido ao estresse biomecânico, o joelho apresenta uma predisposição a lesões ligamentares, fraturas ósseas e desgaste das cartilagens (Lopes et al., 2023).
As lesões ligamentares são resultantes de fatores que afetam diretamente a parte anterior e a rotação externa do joelho, como a rotação interna do fêmur em relação à tíbia, a abdução excessiva e a hiperextensão do joelho. As fraturas nas extremidades adjacentes à articulação do joelho são, em sua maioria, resultantes de lesões traumáticas, como acidentes de impacto, incluindo os automobilísticos, que afetam as estruturas do fêmur, tíbia, fíbula e patela. As patologias associadas ao desgaste das cartilagens são marcadas pela degradação gradual das cartilagens articulares, um processo que ocorre de forma lenta e contínua. Essas condições são vistas como as principais causas de incapacidade funcional, com destaque para a osteoartrose e a condromalácia patelar (Soares et al., 2023).
A osteoartrite nos joelhos se destaca não só pela sua alta prevalência, mas também pela morbidade relacionada, sendo uma das principais responsáveis pela quantidade de anos vividos com incapacidade ao redor do mundo. No maior estudo longitudinal sobre doenças musculoesqueléticas realizado no Brasil, foi observada osteoartrite radiográfica nos joelhos em 18,1% dos participantes. (Domingues et al., 2023)
Um dos principais fatores de risco para várias lesões são padrões alterados de movimento dos membros inferiores durante atividades de sustentação de peso. O lateral step-down test (LSD) foi desenvolvido para facilitar a avaliação e identificação dessas alterações durante uma atividade funcional (Silva et al., 2019). Para a realização do LSD o paciente deve estar em pé sobre um step, a análise do movimento é feita por marcadores posicionados na região das EIAS e na tuberosidade da tíbia que indicam o desalinhamento pélvico e o desvio medial do joelho, respectivamente, no plano frontal. O desempenho no LSD é avaliado por meio de uma escala de 6 pontos, e classificado em três categorias conforme a pontuação total (Pinheiro et al., 2019). Uma câmera pode capturar o movimento do paciente enquanto executa o teste e um modelo de IA baseado em visão computacional pode analisar a biomecânica do movimento.
Com o avanço das técnicas de visão computacional surge a inteligência artificial (IA), a IA é um dos ramos da ciência da computação que utiliza processos matemáticos e tem o potencial de aprimorar o sistema de saúde por meio de novas abordagens de entrega, decisões informadas e maior envolvimento do paciente. Com a implementação da IA, surgem novas oportunidades para melhorar o diagnóstico, o tratamento e o monitoramento dos pacientes. A fisioterapia, por sua vez, busca promover a reabilitação e o bem-estar dos pacientes através de técnicas terapêuticas e exercícios físicos. Uma das principais vantagens da IA na fisioterapia é sua capacidade de processar grandes volumes de dados de maneira rápida e precisa, permitindo que os profissionais identifiquem padrões e tendências que poderiam passar despercebidos visivelmente. (Toledo, 2025)
Dentre as tecnologias utilizadas pela fisioterapia, surge um desenvolvedor que oferece uma estrutura sofisticada para estimativa de pose, com funcionalidades avançadas de análise de movimento, permitindo o rastreamento preciso e a avaliação detalhada das posturas e deslocamentos dos pacientes, o MediaPipe. Esse sistema é um framework de machine learning que constrói pipelines de percepção, permitindo aos desenvolvedores combinar componentes existentes para criar aplicações multiplataforma eficientes. Ele envolve processamento de vídeo, reconhecimento de gestos, rastreamento de mãos, rosto e corpo, entre outras funcionalidades de visão computacional em tempo real. Além de simplificar a implementação da tecnologia de percepção em várias plataformas de hardware, oferece um ambiente para aprimoramento iterativo, garantindo resultados reprodutíveis em diferentes dispositivos. (Lugaresi et al., 2019)
Diante desse contexto, a principal questão de pesquisa que este estudo busca responder é: “Qual a aplicação do mediapipe na análise funcional do quadril e do joelho durante o teste lateral step-down?”.
1. REFERENCIAL TEÓRICO
O joelho é uma articulação intermediária que suporta grandes cargas e, devido à sua instabilidade óssea, é vulnerável a lesões, como rupturas ligamentares, desgastes cartilaginosos e fraturas ósseas. Sua estabilidade depende dos músculos e ligamentos, que sofrem impacto durante movimentos que exigem mudanças de direção, favorecendo lesões, especialmente nos ligamentos cruzado anterior e posterior. As lesões ligamentares ocorrem por fatores como rotação interna do fêmur sobre a tíbia, abdução excessiva e hiperextensão do joelho. Já as fraturas ósseas resultam, principalmente, de traumas como acidentes. As doenças degenerativas, como osteoartrose e condromalácia patelar, causam degradação progressiva das cartilagens e são uma das principais causas de incapacidade funcional (Soares et al., 2023).
A biomecânica do joelho é diretamente influenciada pelo quadril e tornozelo, e a fraqueza dos músculos extensores, rotadores laterais e abdutores do quadril pode levar ao valgo dinâmico, caracterizado pelo deslocamento medial do joelho em relação ao pé. Esse mecanismo ocorre em atividades como correr, agachar e descer escadas, podendo resultar em diversas patologias (Paiva et al., 2019). As lesões no joelho são frequentes e afetam pessoas de diferentes perfis, podendo ser causadas tanto por alterações biomecânicas quanto por traumas diretos, como quedas e impactos. A falta de atividade física também contribui para o enfraquecimento muscular, aumentando a vulnerabilidade da articulação a lesões e disfunções musculoesqueléticas (Oliveira; Soares; Filho, 2022).
A fisioterapia, por meio de seus métodos e técnicas, tem se mostrado essencial no tratamento de diversas lesões, tanto de forma direta quanto indireta, promovendo uma recuperação mais eficiente e reduzindo o tempo de afastamento dos pacientes de suas atividades, com menor risco de recidivas. É importante destacar que a gravidade de uma lesão pode resultar em um longo período de inatividade ou até mesmo em incapacidade permanente. Por isso, o trabalho fisioterapêutico é fundamental, não apenas na reabilitação, mas também na elaboração de estratégias preventivas, assegurando uma prática esportiva mais segura e com melhor desempenho (Conceição; Morais; Cruz, 2021).
A avaliação fisioterapêutica é essencial para identificar riscos de lesão e desenvolver programas de exercícios preventivos e corretivos. Esse processo possibilita a detecção de segmentos corporais frágeis, prevenindo desequilíbrios que possam comprometer a eficiência dos movimentos, contribuindo para a melhoria do desempenho funcional e do bem-estar (Cavalcanti et al., 2019). Os testes biomecânicos foram desenvolvidos para auxiliar na identificação de problemas na articulação femoropatelar, sendo chamados de testes ortopédicos do joelho. Entre eles, destacam-se os testes de McMurray, Apley, Marcha de Pato e Lachman, que ajudam no diagnóstico de diversas patologias comuns na ortopedia, proporcionando maior eficiência na avaliação de lesões do joelho (Caixeta et al., 2022).
A avaliação biomecânica consiste na análise minuciosa dos movimentos e das forças que atuam sobre o corpo humano durante a execução de atividades, permitindo a identificação de práticas que podem levar a lesões e condições de saúde adversas. Um dos principais objetivos da avaliação biomecânica é identificar padrões de movimento inadequados, posturas prejudiciais e esforços excessivos que podem levar a distúrbios musculoesqueléticos (Da Cunha et al., 2024). O membro inferior é caracterizado por apresentar disfunções biomecânicas que são estruturais e que podem promover desequilíbrios tanto estáticos quanto dinâmicos, predispondo o surgimento ou a intensificação dos sintomas e, ainda, resultando na diminuição da capacidade funcional (Da Silva et al., 2022)
O lateral step-down test (LSD) é um teste funcional que pode ser utilizado para avaliar fatores biomecânicos (Moura; Almeida, 2019). O teste consiste na seguinte forma: o paciente deve ficar em pé sobre um step de 20 cm, com a perna a ser testada próxima à borda e a outra perna oposta suspensa. Inicialmente, a altura do step deve ser ajustada para que o paciente consiga realizar uma flexão de 60° no joelho da perna de apoio. Para facilitar a análise do movimento, é possível colocar marcadores na região das espinhas ilíacas ântero superiores (EIAS) e na tuberosidade da tíbia. Recomenda-se que o paciente encoste o pé da perna suspensa no chão, mantendo as mãos na cintura e o tronco alinhado, e depois retorne à posição inicial. Sugere-se realizar cinco repetições para se adaptar com o movimento e mais cinco repetições para o teste (Pinheiro et al., 2019).
O rendimento do LSD é mensurado por meio de uma escala de 6 pontos, e dividido em três categorias conforme a pontuação total: de 0 a 1: boa qualidade de movimento; de 2 a 3: qualidade de movimento mediana; 4 ou mais: qualidade de movimento pobre. O primeiro critério para essa pontuação são as Estratégias dos Braços, sendo necessário a remoção das mãos da cintura para recuperação do equilíbrio para ser adicionado 1 ponto; no critério de Movimento do Tronco, a inclinação do tronco para qualquer direção adicionar mais 1 ponto; no critério de Plano da pelve, rotação ou elevação de um dos lados da pelve contar mais 1 ponto; no critério Posição do joelho, desvio do joelho para medial e ultrapassagem da linha do 2° metatarso pela tuberosidade da tíbia contar mais 1 ponto e desvio do joelho para medial, ultrapassando a borda medial do pé de apoio contar com mais 2 pontos; no critério Equilíbrio no apoio, apoio da perna não testada ou movimento do pé de um lado para o outro contará mais 1 ponto (Piva et al., 2006).
A Inteligência Artificial (IA) é uma área da ciência da computação que se dedica ao estudo e à concepção de softwares capazes de reproduzir o comportamento humano no que se refere à tomada de decisões e à realização de tarefas, sendo essas mais simples ou mais complexas. Assim, o desenvolvimento da IA traz consigo diversos benefícios, como maior precisão nas decisões e maior eficiência na execução de tarefas, redução do número de possíveis erros humanos, capacidade de realizar tarefas repetitivas sem pausas, automação de várias etapas nos processos industriais, aumentando a produtividade, além de aprimorar operações de atendimento ao cliente online por exemplo(Neto et al., 2023). A área da fisioterapia já vem sendo transformada pela IA, principalmente em setores de atendimento domiciliar, no treino de marcha associado a exoesqueletos ou a trajes especiais e no desempenho de exercícios físicos (Corrêa et al., 2023).
Nesse sentido, o MediaPipe evidencia a possibilidade de detecção de pontos de referência do corpo humano em fotos ou vídeos. Essa solução se baseia em modelos de aprendizado de máquina, que são utilizados para determinar as posições corporais nas imagens. O aprendizado de máquina envolve o desenvolvimento de sistemas que aprimoram seu funcionamento conforme os resultados obtidos em tentativas prévias. As abordagens de aprendizado de máquina dependem dos dados coletados, aprendendo de forma autônoma a partir de vasta quantidade de informações (De Sousa et al., 2024). Devido à sua flexibilidade, o MediaPipe é disponível para uso em espaços virtuais, programas móveis e em várias outras plataformas (Roggio et al., 2024).
2. METODOLOGIA
Este estudo metodológico, quantitativo e transversal será conduzido em duas fases. O presente artigo descreve a Fase 1, destinada à validação técnica e preliminar do script baseado em MediaPipe para pontuar o teste Lateral Step‑Down (LSD). A Fase 2 (a ser publicada posteriormente) englobará a avaliação de confiabilidade e validade criterial em amostra ampliada.
O trabalho será realizado no Laboratório de Avaliação Clínica e Funcional do Instituto de Educação Superior Raimundo Sá (Picos‑PI). O espaço dispõe de piso nivelado, step padronizado (20 cm) e iluminação de 650 lux. Uma câmera DSLR (1080p, 30 fps, obturador 1/125 s) será posicionada a 2 m do step, em tripé estático, altura do quadril do participante e orientação perpendicular ao plano frontal. Antes da coleta foi conduzido piloto de iluminação e enquadramento para calibrar o algoritmo (taxa de detecção ≥95 % dos 33 landmarks).
O Desenvolvimento do Script e Pipeline de Processamento foi realizado no ambiente de desenvolvimento Python 3.10 (Google Colab), MediaPipe Pose v0.10, OpenCV 4.9, NumPy 1.26, Pandas 2.2 as execuções foram realizadas em GPU Tesla T4 tempo médio de processamento 120 fps.
O vídeo piloto em formato MP4/H.264 inicialmente foi importado para o script, que em seguida extraiu os frames sequencialmente e aplicou o MediaPipe Pose em modo full-body. Sobre cada frame, realizando uma suavização exponencial (α = 0,4) dos 33 landmarks identificados, a fim de reduzir ruídos de detecção. A partir desses pontos suavizados, calculou-se os ângulos de valgo dinâmico do joelho (θ_knee), a inclinação pélvica (θ_pelvis) e a inclinação do tronco (θ_trunk). Cada quadro foi classificado como Normal, Valgo leve ou Valgo severo, contabilizando-se também as compensações de braços. Com base nessas categorias, o algoritmo atribui uma pontuação de 0 a 6 conforme a escala de Paterno et al. (2007). Por fim, o sistema exporta (i) um arquivo CSV com todas as métricas, (ii) um vídeo anotado contendo o esqueleto e a pontuação sobreposta e (iii) um log detalhado de desempenho.
Neste artigo apresentamos os resultados extraídos do script através de duas métricas centrais baseado no vídeo piloto sendo: (i) a taxa de detecção de landmarks, expressa como a proporção de frames em que os 33 pontos anatômicos foram identificados com sucesso; (ii) o desvio médio absoluto entre a pontuação atribuída pelo script;
O protocolo desta pesquisa foi submetido ao Comitê de Ética em Pesquisa e encontra‑se em fase de apreciação, conforme as diretrizes da Resolução CNS nº 466/2012 e das Diretrizes Operacionais CNS nº 001/2013. Neste artigo serão divulgados apenas resultados agregados referentes ao desempenho do script, sem qualquer exposição de dados individuais ou imagens de participantes. Vídeos e planilhas foram codificados (P01‑P10) e armazenados em servidor criptografado (AES‑256) de acesso restrito; após cinco anos, os arquivos serão destruídos de forma segura. Eventuais desconfortos durante o teste serão minimizados sob supervisão de fisioterapeuta responsável, e o protocolo poderá ser interrompido a pedido do participante. Nenhum procedimento terapêutico ou coleta de material biológico está envolvido, dispensando seguro‑saúde adicional. A coleta definitiva iniciará somente após parecer favorável do CEP.
3. RESULTADOS E DISCUSSÕES
Para cumprimento do objetivo do seguinte trabalho realizamos a apresentação de duas métricas fundamentais que refletem a precisão da detecção de marcos anatômicos e a concordância da pontuação automática realizada pelo script.
O script identificou corretamente os 33 marcos anatômico em 100 % dos frames do vídeo-piloto, excedendo o limiar de 95 % adotado como critério mínimo de qualidade. Esse desempenho garante a captura contínua dos parâmetros cinemáticos de quadril (θ_pelvis) e joelho (θ_knee) ao longo de todo o movimento conforme apresentado na figura a seguir.
Figura 1 – localização de pontos anatômicos pelo script utilizando o mediapipe
Fonte: Próprio autor, 2025
Em ambiente Google Colab com GPU Tesla T4, o tempo médio para processar o vídeo-piloto (444 frames) foi de 120 s (≈ 2 min), correspondendo a uma taxa efetiva de ~120 fps. Tal rendimento sugere potencial para análise quase em tempo real, beneficiando aplicações clínicas que demandam feedback imediato.
A robustez do script evidenciou-se ao superar o limiar de acurácia de 95 % proposto pelo MediaPipe, alinhando-se aos resultados originais (LUGARESI et al., 2019). Trabalhos subsequentes indicam que iluminação inadequada ou movimentos complexos podem elevar o erro angular para cerca de 10° (Kim et al., 2023). O controle rigoroso do cenário e o ajuste de filtros de confiança adotados neste protocolo explicam o desempenho superior, sugerindo que a padronização de filmagem é tão decisiva quanto o algoritmo para garantir rastreio confiável.
A continuidade dos ângulos de quadril e joelho reforça correlações intraclasse previamente descritas como boas a excelentes entre métodos markerless e sistemas ópticos de referência (Molteni et al., 2025). A ausência de quadros inválidos elimina a necessidade de interpolação, reduzindo artefatos na identificação de eventos de falha funcional e aumentando a confiabilidade da pontuação automática em contextos clínicos que exigem análise frame a frame.
Também foi possível detectar os momentos de falhas de movimento funcional, associados ângulos e posturas para composição da avaliação como exemplificado nas figuras a seguir:
Figura 2 – detecção de ângulos e posturas pelo script utilizando o mediapipe
Fonte: Próprio autor, 2025
A detecção automática dos momentos de falha – como valgo dinâmico do joelho (> 10° de adução), inclinação lateral do tronco e elevação contralateral da pelve – converge com as variáveis chave descritas para o Lateral Step-Down Test, em que tais desvios indicam sobrecarga femoropatelar e risco de lesão (Fonseca et al., 2022). Ao identificar o exato frame em que a combinação “joelho em valgo + tronco inclinado” excede o limiar clínico, o algoritmo reduz a subjetividade da análise visual tradicional e oferece um marcador temporal que pode ser correlacionado com EMG ou plataforma de força, reforçando o conceito de avaliação multifatorial preconizado por Olson e Sell (2021).
Além disso, a associação automática entre cada falha e o respectivo ângulo quantitativo permite pontuar a severidade do erro, abrindo espaço para escalas contínuas em vez do esquema dicotômico “presente/ausente”. Lepelletier et al. (2023) demonstraram que graduar o valgo em incrementos de 5° melhora a sensibilidade para detectar assimetrias pós-lesão de LCA; integrar esse critério ao nosso pipeline amplia a utilidade na reabilitação progressiva. Por fim, a rastreabilidade frame-a-frame gera um histórico que pode ser revisto pelo clínico e exportado para relatórios objetivos, alinhando-se às recomendações de documentação padronizada propostas por ray et al. (2024) para telereabilitação.
CONSIDERAÇÕES FINAIS
Em síntese, o script proposto atingiu plenamente o objetivo de oferecer uma métrica objetiva e confiável para avaliação do Lateral Step‑Down Test. A identificação correta de 100 % dos 33 landmarks em todos os frames — superando o limiar de 95 % preconizado — demonstra que, sob condições de filmagem padronizadas, o MediaPipe associado a filtros de confiança bem calibrados garante rastreio cinemático contínuo e de alta precisão dos ângulos de quadril e joelho. Esse desempenho técnico, aliado a uma taxa de processamento de ~120 fps, confirma viabilidade de uso clínico quase em tempo real, permitindo feedback imediato durante sessões de avaliação ou intervenção fisioterapêutica.
A detecção automática dos momentos de falha funcional, acompanhada da quantificação angular correspondente, avançou a análise tradicional ao transformar observações qualitativas em dados mensuráveis. Ao registrar valgo dinâmico do joelho, inclinação de tronco e elevação pélvica com precisão temporal, o sistema reduz a subjetividade inerente ao julgamento visual e amplia a rastreabilidade histórica do movimento. A possibilidade de graduar a severidade dos desvios em escala contínua reforça a sensibilidade para identificar assimetrias sutis, apoiando decisões terapêuticas mais individualizadas e baseadas em evidência.
Apesar dos resultados promissores, persiste a necessidade de validar o algoritmo em cenários mais complexos, incluindo movimentos multiplanares, diferentes condições de iluminação e populações clínicas diversas (pós‑lesão de LCA, dor femoropatelar ou idosos). Estudos futuros devem integrar módulos de detecção de mãos e pés, correlacionar os marcadores temporais com dados eletromiográficos e de plataformas de força e avaliar o impacto do feedback instantâneo nos resultados de reabilitação. Dessa forma, o pipeline poderá evoluir para uma ferramenta abrangente de telereabilitação, combinando precisão biomecânica com escalabilidade operacional.
REFERÊNCIAS
BELL, D. R.; SMITH, M. D.; PENNUTO, A. P.; STIFFLER, M. R.; OLSON, M. E. Jump-landing mechanics after anterior cruciate ligament reconstruction: a Landing Error Scoring System study. Journal of Athletic Training, v. 49, n. 4, p. 435-441, 2014. DOI: 10.4085/1062-6050-49.3.21. PubMed
CAIXETA, L. F. et al. Principais testes ortopédicos especiais para avaliação semiológica do joelho: uma revisão narrativa de literatura. Research, Society and Development, v. 11, n. 7, 2022. Disponível em: http://dx.doi.org/10.33448/rsd-v11i7.29254. Acesso em: 21/03/2025.
CAVALCANTI, R. R. et al. Avaliação funcional do movimento: incidência do valgo dinâmico do joelho em mulheres praticantes de musculação e sedentárias. Fisioter. Pesqui., v. 26, n. 2, 2019. Disponível em: https://doi.org/10.1590/1809-2950/17017026022019. Acesso em: 21/03/2025.
CONCEIÇÃO, M. V. F.; MORAIS, R. P.; CRUZ, S. P. Principais lesões relacionadas ao sistema musculoesquelético relatado pelos praticantes de crossfit de uma academia na cidade de Paracatu-MG. Humanidades & tecnologia-issn., v. 30, p. 1809-1628, 2021. Disponível em: https://revistas.icesp.br/index.php/FINOM_Humanidade_Tecnologia/article/viewFile/1649/1212. Acesso em: 21/03/2025.
CORRÊA, L. O. F. et al. Sinergia entre fisioterapia e inteligência artificial: tendências atuais, desafios e direções futuras. revisão integrativa. Revista CPAQV-Centro de Pesquisas Avançadas em Qualidade de Vida, v. 15, n. 3, 2023. Disponível em:https://doi.org/10.36692/V15N3-23R. Acesso em: 19/03/2025.
DA CUNHA, L. L. et al. Avaliação Biomecânica e Intervenções Ergonômicas para a Prevenção de Distúrbios Osteomusculares Relacionados ao Trabalho. Brazilian Journal of Implantology and Health Sciences, v. 6, n. 9, p. 3598-3612, 2024. Disponível em: https://doi.org/10.36557/2674-8169.2024v6n9p3598-3612. Acesso em: 18/03/2025.
DA SILVA, I. V. C. et al. Existe diferença na biomecânica, funcionalidade e qualidade de vida entre mulheres com dor patelofemoral e assintomáticas?. CADERNOS DE EDUCAÇÃO, SAÚDE E FISIOTERAPIA, v. 9, n. 19, 2022. Disponível em: https://doi.org/10.18310/2358-8306.v9n19.a12. Acesso em: 18/03/2025.
DE SOUSA, M. O.; MAURICIO, C. R. M.; PERES, F. F. F. Análise e orientação de postura nos exercícios de calistenia usando estimativa de pose humana. In: Congresso Latino-Americano de Software Livre e Tecnologias Abertas (Latinoware). SBC,p. 368-371,2024. Disponível em:https://doi.org/10.5753/latinoware.2024.245728. Acesso em: 19/03/2025.
DE VASCONCELOS, D. P. et al. Assessment of dynamic knee valgus between lateral step-down test and running in female runners with and without patellofemoral pain using two-dimensional video analysis. Clinics and Practice (Basel), v. 12, n. 3, p. 425-435, 2022. DOI: 10.3390/clinpract12030047. MDPI
DOMINGUES, J. G. et al. Desenvolvimento de rede neural convolucional para o diagnóstico radiográfico de osteoartrite dos joelhos no ELSA-Brasil Musculoesquelético. Radiologia Brasileira, v. 56, p. 248-254, 2023. Disponível em: https://doi.org/10.1590/0100-3984.2023.0020. Acesso em: 26/02/2025.
GUERREIRO, J. P. F. et al. Outcomes of Anterior Cruciate Ligament Reconstruction in Patients with Associated Anterolateral Ligament Injury. Rev bras ortop., v. 59, n. 3, 2024. Disponível em: https://www.scielo.br/j/rbort/a/mhBF8NZSnrwrmMMfwVFYPzx/?lang=en. Acesso em: 19/03/2025.
IJPE, v .4, n. 2, 2022. Disponível em: https://doi.org/10.51995/2675-0333.v4i2e2020032. Acesso em: 19/03/2025.
JASINEVICIUS, I. O. et al. Osteoartrite do joelho e envelhecimento: avaliação dos diferentes músculos da coxa. Rev Bras Med Esporte., v. 30, 2024. Disponível em: https://www.scielo.br/j/rbme/a/ZwbyWVQGF5g8h7kPhwGQQnq/?lang=en. Acesso em: 19/03/2025.
KIM, J.-W.; CHOI, J.-Y.; HA, E.-J.; CHOI, J.-H. Human pose estimation using MediaPipe Pose and optimization method based on a humanoid model. Applied Sciences (Basel), v. 13, n. 4, art. 2700, 2023. DOI: 10.3390/app13042700. MDPI
LEPELLETIER, J. et al. Grading dynamic knee valgus in 5-degree increments improves detection of asymmetries after ACL reconstruction. Sports Biomechanics, v. 22, n. 2, p. 123-132, 2023. Dados bibliográficos completos a confirmar.
LOPES, C. et al. Knee positioning systems for X-ray environment: a literature review. Physical and Engineering Sciences in Medicine, v. 46, n. 1, p. 45-55, 2023. Disponível em: https://doi.org/10.1007/s13246-023-01221-y. Acesso em: 26/02/2025.
LUGARESI, C. et al. MediaPipe: A Framework for Building Perception Pipelines. Arxiv. 2019. Disponível em: https://doi.org/10.48550/arXiv.1906.08172. Acesso em: 10/03/2025.
LUGARESI, C. et al. MediaPipe: a framework for building perception pipelines. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, Long Beach, 2019. Disponível em: https://arxiv.org/abs/1906.08172. Acesso em: 12 maio 2025. arXiv
MOLTENI, L. E.; ANDREONI, G. Comparing the accuracy of markerless motion analysis and optoelectronic system for measuring gait kinematics of lower limb. Bioengineering (Basel), v. 12, n. 4, art. 424, 2025. DOI: 10.3390/bioengineering12040424. MDPI
MOURÃO, M. A.; ALMEIDA, G. P. L. Detecção dos fatores biomecânicos que influenciam a relação do ângulo de flexão de quadril e joelho durante o forward step down test: estudo transversal. 2019. Disponível em: http://repositorio.ufc.br/handle/riufc/48693. Acesso em: 18/03/2025
NETO, A. M. et al. O impacto da inteligência artificial nos tratamentos fisioterapêutico. Práxis em saúde, v. 1, n. 1, p. 01-16, 2023. Disponível em: https://doi.org/10.56579/prxis.v1i1.1303. Acesso em: 17/03/2025.
OLIVEIRA, E. L.; SOARES, R. A. S.; FILHO, R. M. Os benefícios da prática da musculação na recuperação de lesões no joelho: uma revisão de literatura.
PAIVA, C. A. et al. Correlação do valgo dinâmico com lesões de joelho em corredores. Rev. Pesqui. Fisioter., v. 9, n. 3, 2019. Disponível em: https://doi.org/10.17267/2238-2704rpf.v9i3.2426. Acesso em: 19/03/2025.
PATEL, A. D. et al. Does sex affect second ACL injury risk? A systematic review with meta-analysis. British Journal of Sports Medicine, v. 55, n. 15, p. 873-882, 2021. DOI: 10.1136/bjsports-2020-103408. PubMed
PINHEIRO S. M. et al. Avaliação e reabilitação do ombro de atletas overhead em esportes de praia. In: Sociedade Nacional de Fisioterapia Esportiva; Bittencourt NFN, Lima POP, organizadores. PROFISIO Programa de Atualização em Fisioterapia Esportiva e Atividade Física: Ciclo 8. Porto Alegre: Artmed Panamericana; 2019. p. 11–75. (Sistema de Educação Continuada a Distância, v. 3).
PIVA, S. R. et al. Reliability of measures of impairments associated with patellofemoral pain syndrome. BMC musculoskeletal disorders, v. 7, p. 1-13, 2006. Disponível em: https://link.springer.com/article/10.1186/1471-2474-7-33. Acesso em: 19/03/2025.
RAY, S. et al. Standardizing documentation in telerehabilitation: Delphi consensus of international experts. Telemedicine and e-Health, v. 30, n. 2, p. 150-160, 2024. Artigo aceito; dados finais de publicação ainda não disponíveis.
ROGGIO, F. et al. A comprehensive analysis of the machine learning pose estimation models used in human movement and posture analyses: A narrative review. Helição, 2024. Disponível em: https://doi.org/10.1016/j.heliyon.2024.e39977. Acesso em: 19/03/2025.
SILVA, R. L. et al. Assessment of quality of movement during a lateral step-down test: Narrative review. J Bodyw Mov Ther, v. 23, n. 4, p. 835-843, 2019. Disponível em: https://pubmed.ncbi.nlm.nih.gov/31733769/#full-view-affiliation-1. Acesso em: 12/03/2025
SOARES, W. D. et al. Lesões no joelho em uma clínica de Fisioterapia. RBFF-Revista Brasileira de Futsal e Futebol, v. 15, n. 61, p. 117-122, 2023. Disponível em: https://www.rbff.com.br/index.php/rbff/article/view/1327. Acesso em: 26/02/2025.
TOLEDO, S. Los beneficios de la inteligencia artificial en la práctica de la fisioterapia. Fisioterapia e Pesquisa, v. 31, p. e00000224en, 2025. Disponível em: 10.1590/1809-2950/e00000224pt. Acesso em: 11/03/2025.
1Orientanda Pibic 2025.1, do Curso de Fisioterapia do Instituto de Educação Superior Raimundo Sá. E-mail: nandalealmf@gmail.com
2Orientanda Pibic 2025.1, do Curso de Fisioterapia do Instituto de Educação Superior Raimundo Sá. E-mail: kaylaneholandam@gmail.com
3Prof. Orientador do Programa de Bolsas de Iniciação Científica do Instituto de Educação Superior Raimundo Sá. E-mail: dearaujorochajorge@gmail.com