Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Tecnológico

Departamento: Engenharia Elétrica/EEL

Dimensão Institucional: Pesquisa

Dimensão ODS: Social

Tipo do Documento: Projeto de Pesquisa

Título: DESENVOLVIMENTO DE MÉTODOS COMPUTACIONAIS PARA AUXÍLIO NO DIAGNÓSTICO DE DEPRESSÃO, DOENÇAS NEURODEGENERATIVAS E DISTÚRBIOS VOCAIS

Coordenador
  • BRUNO CATARINO BISPO
Participante
  • BRUNO CATARINO BISPO (D)

Conteúdo

O ser humano, como todo organismo vivo, está su...o ser humano, como todo organismo vivo, está suscetível a contrair doenças. o diagnóstico de uma doença é normalmente realizado por um especialista através da análise de um conjunto de dados formado por sinais, sintomas, histórico clínico, exame físico e exames laboratoriais. é um processo subjetivo e extremamente dependente da experiência do especialista, o que pode levar a erros no diagnóstico. além disso, diferentes doenças podem apresentar um conjunto de dados semelhante, dificultando o diagnóstico e algumas doenças recentes ainda não possuem um método de diagnóstico confiável. nos últimos anos, métodos computacionais têm sido desenvolvidos para o auxílio no diagnóstico de doenças. o objetivo dessas ferramentas é utilizar o avanço técnico nas áreas de processamento digital de sinais e de aprendizado de máquina para ajudar os especialistas na tomada de decisão durante o processo de diagnóstico. neste projeto de pesquisa, propõe-se dar continuidade aos esforços empregados recentemente no desenvolvimento de ferramentas computacionais para auxílio no diagnóstico de depressão, doenças neurodegenerativas e distúrbios vocais. no caso das doenças neurodegenerativas, intenciona-se prosseguir com o desenvolvimento de um método para detecção da doença de alzheimer (da) através de imagens de ressonância magnética e de sinais de fala. a base de dados de ressonância magnética a ser utilizada será inicialmente a fornecida pelo "alzheimer's disease neuroimaging initiative" (adni). o adni foi lançado em 2003 como uma parceria público-privada com o objetivo de testar se a ressonância magnética, a tomografia por emissão de pósitrons e outros marcadores biológicos podem ser combinados para medir a progressão do comprometimento cognitivo leve e da da. a base de dados de fala a ser utilizada será inicialmente a "dementiabank spanish ivanova corpus", a qual contém frases em língua espanhola de pessoas sem da e de pessoas previamente diagnosticadas com da. em relação aos distúrbios vocais, pretende-se prosseguir com o desenvolvimento de um método para classificação multi-classe de distúrbios relacionados a nódulo vocal, edema de reinke e patologias neurológicas através de sinais de fala. será utilizada uma base de dados de voz fornecida pelo grupo de pesquisa em engenharia médica do conselho nacional de desenvolvimento científico e tecnológico (gpem/cnpq). essa base de dados consiste em 65 gravações da vogal sustentada /a/, sendo 20 pronunciadas por indivíduos saudáveis, 15 por pacientes clinicamente diagnosticados com nódulos vocais, 16 por pacientes clinicamente diagnosticados com edema de reinke e 14 por pacientes clinicamente diagnosticados com patologias neurológicas. para depressão, pretende-se iniciar a pesquisa em métodos computacionais para detecção de depressão através de sinais eeg. a base de dados a ser utilizada será inicialmente a disponibilizada em "the patient repository for {eeg} data + computational tools (pred+ct)", a qual que contém 34 gravações de eeg, sendo 25 de pessoas saudáveis e 9 de pacientes clinicamente diagnosticados com depressão.

Pós-processamento: Índice de Shannon: 3.74132

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
4,61% 4,04% 21,13% 5,49% 3,89% 3,40% 3,76% 4,35% 12,09% 3,28% 8,28% 4,05% 5,31% 5,02% 4,74% 6,56%
ODS Predominates
ODS 3
ODS 1

4,61%

ODS 2

4,04%

ODS 3

21,13%

ODS 4

5,49%

ODS 5

3,89%

ODS 6

3,40%

ODS 7

3,76%

ODS 8

4,35%

ODS 9

12,09%

ODS 10

3,28%

ODS 11

8,28%

ODS 12

4,05%

ODS 13

5,31%

ODS 14

5,02%

ODS 15

4,74%

ODS 16

6,56%