Notícias

Banca de DEFESA: FRANCISCO GERSON AMORIM DE MENESES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FRANCISCO GERSON AMORIM DE MENESES
DATA: 25/02/2021
HORA: 14:00
LOCAL: Sala virtual
TÍTULO: SISTEMA PARA RECONHECIMENTO DE PADRÕES EM IMAGENS TOPOGRÁFICAS CORTICAIS OBTIDAS COM A ELETROENCEFALOGRAFIA
PALAVRAS-CHAVES: EEG, topografia cortical, reconhecimento de padrões
PÁGINAS: 194
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

A topografia cortical é um mapa topográfico em uma visão elíptica, que se utiliza de uma matriz cartesiana 2D, para representar as áreas corticais com a distribuição de cores variando entre o red e o blue. Essas topografias não mudam aleatoriamente, mas seguem padrões dependente da tarefa, refletindo a atividade momentânea das redes neuronais, de forma que, alterações nas atividades corticais influenciam na composição topográfica; aqui denominados de Imagem Topográfica da Atividade Cortical (ITAC). De forma geral, a leitura dos sinais da eletroencefalografia (EEG) tem permitido diversas interpretações de tarefas e auxílio diagnóstico; entretanto, os mapas topográficos gerados por softwares de tratamento do sinal da EEG não apresentam padrões para a classificação de doenças e de tarefas cognitivomotoras. Neste contexto, este estudo teve o objetivo de desenvolver um sistema para o reconhecimento de padrões em imagens topográficas corticais, denominado – PatternEEG. Para esta proposição foram utilizadas técnicas de aprendizagem de máquina, principalmente as Redes Neurais Convolucionais - CNN, dentre os modelos testados, a CNN SqueezeNet foi a que obteve os melhores desempenhos de classificação a partir de coletas de indivíduos com as doenças neurológicas: Doença de Parkinson, Depressão e Transtorno Bipolar, alcançando as seguintes métricas: Acurácia (88,89%), Precisão (86,36%), Recall (91,94%) e F1 Score (89,06%), já as demais CNNs tiveram menor desempenho. Na análise dos valores da Area under ROC Curve (AUC), a SqueezeNet alcançou para a doença de Parkinson (93,90%), Depressão (75,70%) e Transtorno Bipolar (72,10%). Desse modo, as inferências no software PatternEEG são fundamentadas em modelos padrões criados a partir da CNN SqueezeNet. O PatternEEG pode ser acessado a partir da URL https://www.patterneeg.com.


MEMBROS DA BANCA:
Externo ao Programa - 813.749.097-34 - ALAIR PEDRO RIBEIRO DE SOUZA E SILVA - UFRJ
Externo ao Programa - 015.753.933-44 - ARIEL SOARES TELES - IFMA
Interno - 1551921 - GIOVANNY REBOUCAS PINTO
Presidente - 2092495 - SILMAR SILVA TEIXEIRA
Interno - 1761994 - VICTOR HUGO DO VALE BASTOS
Notícia cadastrada em: 21/01/2021 14:25
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 29/03/2024 07:51