PPGINF PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Teléfono/Ramal: No informado http://propg.ufabc.edu.br/ppginfo

Banca de QUALIFICAÇÃO: BRITMAN SALCEDO PUMACCOLA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : BRITMAN SALCEDO PUMACCOLA
DATA : 07/08/2025
HORA: 10:00
LOCAL: https://conferenciaweb.rnp.br/webconf/francisco-156
TÍTULO:

AUXÍLIO AO DIAGNÓSTICO DA DOENÇA DE ALZHEIMER E DEMÊNCIA DE CORPOS DE LEWY USANDO BIOMARCADORES EM SINAIS DE ELETROENCEFALOGRAMA EM ESTADO DE REPOUSO POR MEIO DE APRENDIZAGEM PROFUNDA


PÁGINAS: 61
RESUMO:

Este estudo investigou a utilização de biomarcadores eletrofisiológicos derivados de sinais de eletroencefalograma (EEG) em estado de repouso para o diagnóstico precoce da Doença de Alzheimer (DA) e Demência de Corpos de Levy (DCL), empregando métodos de Aprendizado Profundo. A base de dados usada neste trabalho possui sinais de EEG de 30 pacientes com DA, 30 pacientes com DCL e 30 pacientes controles (CTRL) saudáveis. Os biomarcadores usados foram todos baseados em análise espectral com o auxílio da ferramenta de software EEGLAB rodando no ambiente MATLAB. Foi desenvolvido e avaliado um modelo de classificador baseado em redes neurais Long Short Term Memory (LSTM), utilizando técnicas de validação cruzada Leave One Subject Out (LOSO) e k-Fold Cross Validation (kFCV). Também foi usado o classificador Support Vector Machines (SVM) como comparação com as técnicas tradicionais de Aprendizado de Máquina. Ambos os classificadores foram implementados com o auxílio da ferramenta de software Scikit-learn, utilizando a linguagem de programação Python. O modelo apresentou acurácia superior a 80%, demonstrando sua capacidade na diferenciação entre indivíduos saudáveis e pacientes com DA e com DCL. Apesar dos resultados promissores, o estudo identificou limitações, tais como o tamanho reduzido da amostra e desafios relacionados à variabilidade natural dos sinais EEG, indicando a necessidade de pesquisas adicionais para validação em populações maiores e contextos clínicos diversos. Este trabalho destaca o potencial do EEG combinado com Aprendizado Profundo como uma ferramenta não invasiva, econômica e acessível para auxiliar no diagnóstico precoce e acompanhamento da DA e da DCL.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1545987 - FRANCISCO JOSE FRAGA DA SILVA
Membro Titular - Examinador(a) Interno ao Programa - 1672975 - JOAO RICARDO SATO
Membro Titular - Examinador(a) Interno ao Programa - 1761107 - RICARDO SUYAMA
Membro Suplente - Examinador(a) Interno ao Programa - 1544392 - ALINE DE OLIVEIRA NEVES PANAZIO
Notícia cadastrada em: 10/07/2025 13:41
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2025 - UFRN - sigaa-2.ufabc.int.br.sigaa-2-prod