Banca de QUALIFICAÇÃO: MARIA EUCLÉCIA ALBUQUERQUE DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARIA EUCLÉCIA ALBUQUERQUE DA SILVA
DATA : 20/12/2023
LOCAL: Remota
TÍTULO:

Um sistema inteligente baseado em eletroencefalografia para apoio ao diagnóstico do transtorno do espectro autista


PALAVRAS-CHAVES:

Transtorno do espectro autista, sistemas de apoio ao diagnóstico, diagnóstico de autismo, aprendizado de máquina, eletroencefalografia.


PÁGINAS: 30
RESUMO:

O Transtorno do Espectro Autista (TEA) é um distúrbio do sistema nervoso que afeta o cérebro e resulta em dificuldades na fala, na interação social e em déficits de comunicação, comportamentos repetitivos e atrasos nas habilidades motoras. Esse distúrbio geralmente pode ser distinguido com os protocolos de diagnóstico clínico existentes a partir dos três anos de idade. O TEA também possui influência genética. Uma em cada 70 crianças em todo o mundo é afetada pelo TEA. Não existe um tratamento específico para o TEA, mas diversas técnicas terapêuticas têm sido desenvolvidas para minimizar os sintomas e melhorar as capacidades cognitivas, as habilidades sociais e comunicativas e a qualidade de vida como um todo. Atualmente o diagnóstico do TEA é clínico: equipes de psiquiatras, psicólogos clínicos e neuropsicólogos, com uso de observações e questionários, realizam o diagnóstico e estabelecem a faixa de gravidade. Diversas pesquisas têm apontado para a possibilidade de diagnósticos diferenciais baseados na análise de sinais eletroencefalográficos (EEG), para avaliar a atividade cerebral pelos sinais de EEG. Técnicas de aprendizado de máquina vêm sendo investigadas para construir ferramentas de apoio ao diagnóstico diferencial. As redes neurais artificiais profundas têm-se mostrado eficazes na resolução de problemas complexos de classificação, o que poderia auxiliar bastante na tarefa de apoio ao diagnóstico por análise multimodal. Este projeto tem como objetivo propor uma arquitetura híbrida baseada em redes neurais artificiais profundas e aprendizado estatístico para apoio ao diagnóstico do TEA a partir da análise de sinais de EEG rotulados por diagnóstico clínico. A arquitetura será validada por meio de bases públicas de sinais de EEG obtidos de voluntários reais dentro e fora do espectro autista.


MEMBROS DA BANCA:
Interna - 2324068 - CRISTINE MARTINS GOMES DE GUSMAO
Interno - 1807632 - WELLINGTON PINHEIRO DOS SANTOS
Externa à Instituição - JULIANA CARNEIRO GOMES - UFPE
Notícia cadastrada em: 21/12/2023 15:01
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2024 - UFRN - sigaa11.ufpe.br.sigaa11